যে ডেটাসেট খালি ফিরে এল: এশিয়ার ক্রিকেটে প্রমাণের সঙ্কট

সন্ধ্যা ৭টা ১২ মিনিট। ল্যাপটপের স্ক্রিনে একটা সিএসভি ফাইল খুললাম। ফাইলের নাম — BPL-2026-M14-events.csv। ভেতরে থাকার কথা ২৪০টি বৈধ বলের ইভেন্ট: প্রতিটিতে ব্যাটসম্যান, বোলার, লাইন-লেংথ, শটের দিক, রান। বাস্তবে যা পেলাম তা আরও কৌতূহলোদ্দীপক — শূন্য সারি। কোনো এরর মেসেজ নেই, কোনো ৪০৪ নেই। ফাইলটা সফলভাবে ডাউনলোড হয়েছে, শুধু ভেতরে কিছু নেই।

ক্রিকেটে কোলাপস শব্দটা আমরা ব্যাটিং অর্ডারের জন্য তুলে রাখি — ৪০ রানে পাঁচ উইকেট। কিন্তু ২৪০টি বলের একটা ফাইল শূন্য সারি নিয়ে ফিরে এলে সেটাও এক ধরনের কোলাপস, শুধু স্কোরবোর্ডে নয়, স্প্রেডশিটে। এশিয়ার ক্রিকেট বিশ্লেষণের আসল গল্পটা ঠিক এখানেই লুকিয়ে আছে — যে গল্প কখনো ম্যাচ রিপোর্টে ওঠে না, কারণ ফাঁকা ডেটা নিয়ে কেউ হেডলাইন লেখে না।

২০১৭ সালে ম্যাচল্যাবে জুনিয়র অ্যানালিস্ট হিসেবে যোগ দেওয়ার সময় বাংলাদেশ প্রিমিয়ার লিগের কোনো পাবলিক বল-বাই-বল বেস ছিল না। ২৪টি ম্যাচ, ১,২০০টি ইভেন্ট — সব নিজের হাতে কোড করেছি, প্রতিটি ম্যাচ দুবার দেখে। আমি বাংলাদেশ প্রিমিয়ার লিগ নিজের হাতে কোড করেছি, তারপর তার সংখ্যাগুলোকে বিশ্বাস করা শুরু করেছি। এই বাক্যটা আমার কাছে গর্বের স্লোগান নয়, এটা একটা বাধ্যবাধকতার স্বীকারোক্তি। যে সিস্টেম তোমাকে ডেটা দেয় না, তোমাকে সেই সিস্টেম হয়ে উঠতে হয়।

এশিয়ার ক্রিকেটের সবচেয়ে বড় সত্যটা হলো — এখানে ডেটা নেই, ডেটার দাবি আছে। ইংল্যান্ডের কাউন্টি চ্যাম্পিয়নশিপের প্রায় প্রতিটি বল অপটিক্যালি ট্র্যাক করা হয়। অস্ট্রেলিয়ার শেফিল্ড শিল্ডের প্রতিটি ইনিংসের বল-বাই-বল রেকর্ড অনলাইনে পাওয়া যায়। কিন্তু বাংলাদেশের ঘরোয়া ক্রিকেট, পাকিস্তানের কিছু প্রথম-শ্রেণির ম্যাচ, শ্রীলঙ্কার প্রাদেশিক টুর্নামেন্ট — এখানে আপনি হয়তো স্কোরকার্ড পাবেন, কিন্তু বল কোন লাইনে পড়েছে, কোন শটে ফিল্ডার কোথায় দাঁড়িয়ে ছিল, সেই স্ট্যান্ডার্ড রেকর্ড নেই।

এই ফাঁকা ফাইলটা সেই ফাঁকেরই প্রতীক। আর একটা ফাঁকা ফাইল আসলে কতটা কথা বলে, সেটা বোঝার জন্য আপনাকে ডেটার নিচে নামতে হবে।

ফাঁকা ডেটাসেটের তিন স্তর

প্রথম স্তর — ফিক্সচার-স্তরের ফাঁক। একটা টুর্নামেন্টের নাম থাকে, স্পনসর থাকে, ব্রডকাস্ট থাকে, কিন্তু প্রতিটি ম্যাচের ইভেন্ট-লেভেল রেকর্ড থাকে না। ২০১৯ সালে যখন প্রথম-শ্রেণির একটা পূর্ণ মৌসুম মিলিয়ে দেখতে চাইলাম, তখন দেখলাম একই ম্যাচের দুটো স্কোরকার্ড দুই ওয়েবসাইটে আলাদা। একটায় ২৮৭, আরেকটায় ২৮৯। কেউ ভুল করেনি — কেউই আসলে লাইভ কোড করেনি। একটা সোর্স আরেকটা সোর্স থেকে কপি করেছে, আর কপির কপি করতে করতে মূল সংখ্যাটা হারিয়ে গেছে।

দ্বিতীয় স্তর — সোর্সের পরস্পরবিরোধ। ফাঁকা ফাইল যদি হয় নীরবতা, তবে পরস্পরবিরোধী ফাইল হলো কোলাহল — আর কোলাহলকে বিশ্বাস করা আরও বিপজ্জনক। আমার ডেস্কে নিয়ম ছিল: কোনো সংখ্যা টেবিলে ওঠার আগে অন্তত দুটো স্বাধীন সোর্সে মিলতে হবে। কিন্তু এশিয়ার ঘরোয়া ক্রিকেটে স্বাধীন সোর্স প্রায় নেই। সবাই একই অনানুষ্ঠানিক ফিড থেকে খায়। ফলে একটা ভুল সংখ্যা ছড়িয়ে পড়লে সেটা যাচাইয়ের অভাবে ধীরে ধীরে সত্যে পরিণত হয়।

তৃতীয় স্তর — পরিমাপের বাধা। এশিয়ার ক্রিকেটে প্রতিভার অভাব নেই, অভাব পরিমাপের। একজন ১৯ বছরের বাঁহাতি পেসারের বাউন্সার কতটা কার্যকর, সেটা আমরা জানি না — কারণ কেউ কখনো লাইন-লেংথ ট্র্যাক করেনি। আমরা তার রান-আপের গতি নিয়ে কথা বলি, কিন্তু তার বল রিলিজের পর কোন জোনে গেল, সেটার কোনো ডেটা নেই। অথচ ঠিক এই ডেটাটাই ঠিক করে দেয় সে পরের মৌসুমে সুযোগ পাবে কি না।

বাংলাদেশ প্রিমিয়ার লিগ ২০১২ সালে যাত্রা শুরু করেছে। স্পনসরশিপ বেড়েছে, ব্রডকাস্ট মান বেড়েছে, বিদেশি তারকারা এসেছেন। কিন্তু লিগের একটা সম্পূর্ণ মৌসুমের বল-বাই-বল পাবলিক ডেটা এখনও নেই। আমরা লিগের বাণিজ্যিক মূল্য নিয়ে লিখি, অথচ তার ভিত্তি-সংখ্যাগুলো কেউ যাচাই করতে পারে না। এটা একটা অদ্ভুত পরিস্থিতি — যেখানে পণ্যের গল্প আছে, কিন্তু পণ্যের মাপ নেই।

বিশ্বাসের শৃঙ্খল: প্রোভেন্যান্স কেন সব

আমি একবার একটা ঘরোয়া মৌসুমের জন্য ৬০ ঘণ্টা ব্যয় করেছি শুধু যাচাইয়ে। ম্যাচ দেখেছি, স্কোরকার্ড মিলিয়েছি, সোর্সের তারিখ মিলিয়েছি। ৬০ ঘণ্টার মধ্যে বিশ্লেষণে গেছে হয়তো ৬ ঘণ্টা। বাকিটা গেছে প্রমাণের পেছনে। অনেকে এটাকে অপচয় বলে। আমি বলি এটাই কাজ। কারণ একটা মডেল যত সুন্দরই হোক, যদি তার ইনপুট যাচাই করা না থাকে, তবে সেটা সিদ্ধান্তের হাতিয়ার নয় — সেটা একটা ডায়েরি।

কোনো API নেই, কোনো শর্টকাট নেই — শুধু নব্বই মিনিটের কীবোর্ড আর একজন সন্ন্যাসী। এটা আমার ডেস্কের দেয়ালে লেখা থাকলে ক্ষতি হতো না। কারণ এশিয়ার ক্রিকেটে ডেটার কোনো API নেই। যেখানে ইউরোপে একটা ক্লিকেই দশ বছরের বল-বাই-বল ডেটা নামানো যায়, সেখানে আমাদের প্রতিটি সংখ্যা হাতে বানাতে হয়। আর হাতে বানানো সংখ্যার সবচেয়ে বড় শত্রু — মানুষের স্মৃতি। স্মৃতি মিথ্যা বলে না, স্মৃতি বাছাই করে।

এখানেই আসে প্রমাণের শৃঙ্খল, বা প্রোভেন্যান্স। একটা সংখ্যা কোথা থেকে এলো, কে লিখল, কখন লিখল, কে যাচাই করল — এই চার প্রশ্নের উত্তর না থাকলে সংখ্যাটা আমার কাছে অস্তিত্বহীন। এই জায়গায় ব্লকচেইন প্রযুক্তির প্রাসঙ্গিকতা সত্যিই আছে, তবে সেটা যেভাবে সাধারণত ভাবা হয় সেভাবে নয়।

ভাবুন, একটা বিতরণকৃত লেজার যেখানে প্রতিটি বল-ইভেন্ট একটা টাইমস্ট্যাম্পসহ ব্লকে লেখা হয়। কে লিখল, কখন লিখল — সব রেকর্ড। কেউ পরে গিয়ে একটা রান বদলাতে পারবে না, কারণ বদলালে পুরো শৃঙ্খল ভেঙে যাবে। এশিয়ার ঘরোয়া ক্রিকেটে যেখানে কোনো কেন্দ্রীয় ডেটাবেস নেই, সেখানে এমন একটা লেজার সোর্স-বিরোধ দূর করতে পারে। স্কোরকার্ড আর অনানুষ্ঠানিক ফিডের মধ্যে যুদ্ধটা থামতে পারে, যদি প্রতিটি এন্ট্রির একটা অপরিবর্তনীয় টাইমস্ট্যাম্প থাকে।

কিন্তু — এবং এখানে বড় একটা কিন্তু আছে।

ব্লকচেইন ডেটা বানায় না, ব্লকচেইন শুধু যাচাই করে

এখানেই আমার দ্বিমত শুরু। ব্লকচেইন একটা অত্যন্ত শক্তিশালী প্রমাণ-যন্ত্র, কিন্তু সেটা কোনো তথ্য উৎপাদন করে না। যদি আপনি একটা খালি ফাইলকে ব্লকচেইনে লিখে দেন, তবে আপনি যা পাবেন তা হলো — একটা অপরিবর্তনীয়, ক্রিপ্টোগ্রাফিকভাবে সুরক্ষিত, চিরস্থায়ী খালি ফাইল। গার্বেজ ইন, ইমিউটেবল গার্বেজ আউট।

এই ভুলটা অনেকেই করেন। তারা ভাবেন প্রযুক্তি ডেটার ফাঁক মেরামত করবে। আসলে ফাঁক মেরামত করে মানুষের শ্রম। লেজার সুরক্ষা দেয় বিশ্বাস, কিন্তু বিশ্বাসের পেছনে থাকা তথ্যটা একজন স্কোরার, একজন ভিডিও-ট্যাগার, একজন বিশ্লেষককে হাতে বানাতে হয়। ব্লকচেইন হলো তালা, চাবি নয়। তথ্য উৎপাদনের কাজটা করতে হয় মাঠে, ডেস্কে, পর্দার সামনে বসে।

আরেকটা বিপদ হলো — ব্লকচেইন শব্দটা ব্যবহার করলেই অনেক সময় প্রকল্পটা আধুনিক দেখায়, কিন্তু আসল সমস্যা থেকে মনোযোগ সরে যায়। একটা টুর্নামেন্ট ব্লকচেইন লেজার চালু করল, অথচ তার পাঁচটা ম্যাচের ভিডিও রেকর্ড নেই — তাহলে লেজারে লেখা হবে কী? একটা খালি ব্লক। প্রমাণ প্রযুক্তি তখনই কাজ করে, যখন প্রমাণ করার মতো কিছু থাকে।

কেন এটা ক্রিকেটের জন্য গুরুত্বপূর্ণ

আমাদের ঘরোয়া ক্রিকেটে একটা তরুণ ব্যাটসম্যান যদি তিন মৌসুমে ধারাবাহিকভাবে ভালো গড়ে রান করে, তাহলে তার দাবিটা আমাদের কাছে থাকা উচিত। কিন্তু থাকবে কী করে, যদি ওই তিন মৌসুমের মধ্যে একটার রেকর্ড অসম্পূর্ণ থাকে? আমরা তখন তার সাম্প্রতিক ফর্ম নিয়ে অনুমান করি, আর অনুমান ভুল হলে দোষটা খেলোয়াড়ের কপালে যায়। অথচ সমস্যাটা ছিল আমাদের পরিমাপে।

শাকিব আল হাসান, মুশফিকুর রহিম, তামিম ইকবাল — এই প্রজন্মের ক্যারিয়ার আমরা কিছুটা ভাগ্যক্রমে পূর্ণ দেখতে পেয়েছি, কারণ আন্তর্জাতিক ক্রিকেটে ডেটা অনেক বেশি সংগঠিত। কিন্তু ঠিক একই মানের প্রতিভা আমাদের ঘরোয়া ক্রিকেটে প্রতিদিন উঠছে, আর হারিয়ে যাচ্ছে, শুধু একটা কারণে — কেউ তার নম্বরগুলো সংরক্ষণ করেনি। লিটন দাস বা তাসকিন আহমেদের মতো কেউ হয়তো উঠে আসবেন, কিন্তু কতজন উঠতে পারতেন, সেই হিসাবটা আমরা কখনো করতে পারব না — কারণ তুলনার ভিত্তিটাই নেই।

তুলনা করুন। ২০২০ সালে যখন কোভিডের কারণে স্টেডিয়াম বন্ধ হলো, আমি বুন্দেসলিগার ৮৩টি ম্যাচ আগে-পরে মিলিয়ে দেখেছিলাম — হোম টিমের গড় সুবিধা একটা নির্দিষ্ট সূচকে ০.৩১ থেকে ০.০৮-তে নেমে এসেছিল, আর হোম-জয়ের হার ৪৩.৩% থেকে ৩৩.৩%-এ। একটা ছোট সংখ্যা একটা বড় ধারণাকে ভেঙে দিয়েছিল। কিন্তু সেই বিশ্লেষণ সম্ভব হয়েছিল কারণ ওই ৮৩টি ম্যাচের প্রতিটির পূর্ণ ডেটা ছিল। এশিয়ার ঘরোয়া ক্রিকেটে আপনি এমন তুলনার অর্ধেকও করতে পারবেন না — কারণ ভিত্তিরেখাটাই নেই।

এখন আমার সেই ফাঁকা ফাইলের কথায় ফিরি। পরে তদন্ত করে যা পেলাম, সেটাই সবচেয়ে শিক্ষণীয়। সিস্টেমটা ব্যর্থ হয়নি — সিস্টেমটা চুপচাপ খালি ডেটা ফেরত দিয়েছিল। কোনো এরর থ্রো করেনি, কোনো সতর্কবার্তা দেয়নি। আর ডেটা ইঞ্জিনিয়ারিংয়ে সবচেয়ে বিপজ্জনক ব্যর্থতা হলো এই নীরব ব্যর্থতা। কারণ কোলাহল আপনি শুনতে পান, নীরবতা আপনি টের পান না।

তাই একটা ভালো লেজারের প্রথম বৈশিষ্ট্য হওয়া উচিত — প্রতিটি এন্ট্রি কে, কখন, কোথা থেকে যোগ করল তার অপরিবর্তনীয় রেকর্ড; আর দ্বিতীয় বৈশিষ্ট্য — ফাঁকা এন্ট্রি বাতিল করা, খালি সারিকে বৈধ সংখ্যা হিসেবে গ্রহণ না করা। একটি সিস্টেম যা শূন্যকে শূন্য বলতে পারে, সেটাই বিশ্বাসযোগ্য সিস্টেম।

কনট্রারিয়ান: ফাঁকা ফাইল ব্যর্থতা নয়, আয়না

আমি এই মুহূর্তে একটা অস্বস্তিকর কথা বলতে চাই। আমরা এশিয়ার ক্রিকেটে ডেটা বিপ্লবের গল্প বলি — নতুন ড্যাশবোর্ড, নতুন ভিজ্যুয়ালাইজেশন, নতুন মডেল। অথচ আমাদের অনেক ড্যাশবোর্ডের নিচে বসানো ডেটাসেট নিজেই অযাচাইকৃত। আমরা ছাদ তৈরি করছি, ভিত ঢালছি না। ফাঁকা ফাইলটা তাই ব্যর্থতা নয় — এটা একটা আয়না, যেটা আমাদের দেখায় আমাদের পুরো কাঠামোটা কতটা ভঙ্গুর ভিত্তির উপর দাঁড়িয়ে।

দ্বিতীয়ত, এটা ভাবার কারণ নেই যে ফাঁকাটা শুধু প্রযুক্তির। আমার অভিজ্ঞতায় দেখেছি, ঘরোয়া ক্রিকেটে ডেটা সংগ্রহ কখনো গুরুত্বপূর্ণ কাজ হিসেবে দেখা হয়নি। যে ছেলেটা পুরো মৌসুম বল-বাই-বল ট্যাগ করে, তার নাম কখনো স্কোরকার্ডে ওঠে না। ফলে কেউ এই কাজটা দীর্ঘমেয়াদে করতে চায় না। প্রতিভা হারিয়ে যায় আরও এক জায়গায় — পরিমাপকদের মধ্যেও।

তৃতীয়ত, ব্লকচেইন সমাধানটাই যদি একমাত্র আলোচনা হয়, তবে আমরা আবার ভুল পথে হাঁটব। সমস্যা প্রযুক্তির নয়, সমস্যা হলো আমরা তথ্য উৎপাদনকে একটা প্রক্রিয়া হিসেবে প্রতিষ্ঠা করিনি। একটা যাচাই-করা রেকর্ড দরকার, সেটা ব্লকচেইনে হোক বা কাগজে — প্রমাণ থাকা চাই। কিন্তু আগে সিদ্ধান্ত নিতে হবে যে আমরা ঘরোয়া ক্রিকেটকে গুরুত্বের সঙ্গে দেখব, ফিডার লিগ হিসেবে নয়।

টেকঅ্যাওয়ে

পরের মৌসুমে যখন আপনি কোনো ঘরোয়া ম্যাচের স্কোরকার্ড দেখবেন, একটা প্রশ্ন করুন — এই সংখ্যাটা কে লিখল, আর কে যাচাই করল? যদি উত্তর না পান, তবে সংখ্যাটা আপনার কাছে একটা দাবি, প্রমাণ নয়।

আমার ধারণা, এশিয়ার ক্রিকেটে পরবর্তী বড় অগ্রগতি আসবে নতুন কোনো মডেল থেকে নয়, আসবে একটা যাচাই-করা লেজার থেকে — যেখানে প্রতিটি বলের একটা টাইমস্ট্যাম্প আছে, আর প্রতিটি সংখ্যার একটা নাম আছে। কারণ একটা মডেল সিদ্ধান্ত ছাড়া যতটা অসম্পূর্ণ, একটা লেজার ডেটা ছাড়া ঠিক ততটাই। সিদ্ধান্ত ছাড়া একটা মডেল একটা ডায়েরি, কোনো অস্ত্র নয়। আর একটা লেজার, যার ভেতরে কিছু নেই, সেটা শুধু একটা খালি পাতা।