শূন্য ডেটাসেট: ক্রিকেট বিশ্লেষণে ‘তথ্য নেই’ আর ‘ঝুঁকি নেই’ এক নয়

আটটি ট্যাব, একচল্লিশটি মেট্রিক কলাম, প্রতিটির নিচে সারি — আর প্রতিটি ঘরে একটি করে শূন্যতা। গত সপ্তাহে ডেস্কে যে স্টেজ-টু রিপোর্টটি এল, তার ডোমেইন লেবেলে লেখা cricket_asia, শিরোনামে লেখা ‘ক্রিকেট ডোমেইন’, অথচ তথ্যবিন্দুর সংখ্যা শূন্য। স্কোর নেই, ফরম্যাট নেই, দল নেই, খেলোয়াড় নেই, প্রকাশের তারিখ নেই। বিশ্লেষণের কাঠামোটি সম্পূর্ণ, ভেতরটা সম্পূর্ণ খালি। ক্রিকেট-সাংবাদিকতায় সবচেয়ে বেশি ঘটা ভুলটি এখানেই লুকিয়ে আছে: ফাঁকা দেখলে আমরা তাকে নিরীহ ধরে নিই। ২০১৭ সালে Liverpool বিশ্ববিদ্যালয়ে পরিসংখ্যানের ছাত্র হিসেবে Anfield-এ প্রতিটি হোম ম্যাচে খাতায় তুলতাম সালাহ-র xG, দলের PPDA, কভার করা দূরত্ব। সেই খাতা থেকেই প্রথম পাঠ — অনুপস্থিত তথ্যের নাম কখনো ‘ভালো’ নয়। ২০১৮ সালে রাশিয়া বিশ্বকাপে StatsBomb-এর ওপেন ডেটা দিয়ে ফ্রান্সের ৪-৩ জয় পুনর্গঠন করি: এমবাপ্পের ১১টি প্রোগ্রেসিভ ক্যারি, ফ্রান্সের ২.১ xG। সংখ্যা সেখানে ছিল, তাই অনুমানের দরকার পড়েনি। ২০২০ সালে দর্শকশূন্য মৌসুমে হোম-অ্যাডভান্টেজের রিগ্রেশন বানিয়ে দেখলাম, লিভারপুলের হোম পয়েন্ট পার গেম ২.৪ থেকে ১.৮-তে নেমেছে। খালি স্টেডিয়াম খেলাটি মুছে দেয়নি; সিস্টেমটাকে উন্মোচন করেছিল। ২০২১ সালে ক্রিশ্চিয়ান এরিকসেনের কার্ডিয়াক অ্যারেস্টের পর ট্যাকটিক্যাল পোস্ট বন্ধ করে স্কোয়াড-অ্যাভেইলেবিলিটি ট্র্যাকার বানাই, তারপর ইতালির ১-১ ফাইনাল কোড করি — ৩৪টি বিল্ড-আপ সিকোয়েন্স, ৬৭ শতাংশ পজেশন। এবার এই ফাঁকা ডেটাসেটও একই কাজ করছে: এটি ক্রিকেট নিয়ে কিছু বলে না, এটি ক্রিকেট-বিশ্লেষণের পাইপলাইন নিয়ে বলে। ব্যর্থতার অবস্থানটা নির্দিষ্ট। শ্রেণিবিন্যাসকারী কাজ করেছে, cricket_asia ট্যাগ বসিয়েছে; সত্তা ও তথ্য নিষ্কাশনের স্তর ফিরিয়েছে শূন্য। মানে সমস্যা ব্যাখ্যায় নয়, নিষ্কাশনে। এটি সংকীর্ণ, ঠিকযোগ্য বাগ। কিন্তু এর ফল বড়। ক্রিকেট এমন এক খেলা যেখানে একই খেলোয়াড়, একই মাঠ, একই সপ্তাহে তিনটি সম্পূর্ণ আলাদা ডেটা-সেট তৈরি করে। টেস্টের নতুন বল, ওয়ানডের শেষ দশ ওভারের অ্যাক্সিলারেশন, টি-টোয়েন্টির পাওয়ারপ্লে (১-৬) আর ডেথ ওভার (১৬-২০) — এদের কোনো মেট্রিকই পরস্পরের সঙ্গে তুলনীয় নয়। বোলারের ইকোনমি রেট ৭.০০-এর নিচে রাখা টি-টোয়েন্টির মাপকাঠি; টেস্টে ওই সংখ্যার কোনো মানে নেই। স্ট্রাইক রেট শব্দটিরই দুটি অর্থ — ব্যাটারের জন্য প্রতি ১০০ বলে রান, বোলারের জন্য প্রতি উইকেটে বল। ফরম্যাট অ্যাঙ্কর ছাড়া এই দুই অর্থ আলাদা করার উপায় নেই। এই কারণেই ফরম্যাট নির্ধারণ করতে না পারা কাঠামোর সবচেয়ে কঠিন বাধা। ফরম্যাট অজানা থাকলে ইনিংস-অবস্থা, ভেন্যু-প্রোফাইল, শিশির, DLS-এর প্রযোজ্যতা — কোনোটাই মডেল করা যায় না। হোম-গ্রাউন্ড বায়াস ছাঁটাই করা যায় না, অথচ ক্রিকেট-ধারাভাষ্যে এটিই সবচেয়ে সাধারণ ত্রুটি। খেলোয়াড়ের ভূমিকা নির্ধারণও অসম্ভব: ফিনিশারকে ব্যাটিং অ্যাভারেজ দিয়ে বিচার করা শ্রেণিগত ভুল, টেস্ট ওপেনারকে স্ট্রাইক রেট দিয়ে বিচার করা তার সমান উল্টো ভুল। রিপোর্টে আটটি মাত্রার প্রতিটিতে ‘তথ্য অপর্যাপ্ত’ লেখা আছে, কোথাও অনুমান দিয়ে ঘর ভরা হয়নি — এটাই তার সবচেয়ে বড় গুণ। লেবেলটিও ভুল। কাঠামো Cricket চায়, পাওয়া গেছে cricket_asia। কাগজে পার্থক্য ছোট, বাস্তবে বড়। ‘এশিয়া’ একটি ভৌগোলিক ছাতা, যার নিচে অন্তত চারটি আলাদা শাসন-ব্যবস্থা — BCCI, PCB, SLC, BCB — এবং আফগানিস্তানের আলাদা পথ। এদের সম্প্রচার-মূল্য, নিরাপত্তা-পরিবেশ, রাজনৈতিক সীমাবদ্ধতা এক নয়। আঞ্চলিক ট্যাগ ধরে ফেলে রাখলে বিশ্লেষণ অচিরেই এমন বাজার মিশিয়ে ফেলে, যা আলাদা রাখা বাধ্যতামূলক। ক্রিকেটের বাণিজ্যিক মানচিত্রে এই বোর্ডগুলো একই পণ্য বিক্রি করে না, একই দর্শককে একই দামে পৌঁছায় না। এবার সেই অংশে আসি, যেখানে এই ফাঁকা রিপোর্টটি সত্যিই কাজে লাগে। এর ষষ্ঠ মাত্রার সামগ্রিক ঝুঁকি-রেটিং লেখা ‘অনির্ধারিত’ — ‘নিম্ন’ নয়। পার্থক্যটা সূক্ষ্ম কিন্তু সাংঘাতিক। ‘নিম্ন’ বলার অর্থ দাঁড়ায়, চিহ্নিত ঝুঁকিগুলো অনুপস্থিত; ‘অনির্ধারিত’ বলার অর্থ, ঝুঁকির ক্ষেত্রটাই অজানা। দ্বিতীয়টিই সত্য। একই যুক্তিতে সততা-সংক্রান্ত কোনো পতাকা না ওড়ানো মানে পরিষ্কার সনদ নয় — এটি তথ্যগত ফাঁক। ACU-র নজরদারি, ২০০০ সালের ক্রনিয়ে কাণ্ড, ২০১০ সালের পাকিস্তান স্পট-ফিক্সিং — এসবের কোনোটিই ‘নেই’ বলা যাচ্ছে না, শুধু ‘যাচাই করা যায়নি’ বলা যাচ্ছে। আর সবচেয়ে বড় ঝুঁকি বিশ্লেষণী, ক্রীড়াগত নয়: নিচের স্তরের পাঠক যেন ফাঁকা বিশ্লেষণকে নিরাপদ বিশ্লেষণ ভেবে না বসে। ধরনটাই (genre) অজানা থাকায় সঠিক পদ্ধতি নির্বাচন করা যায় না। নিলামের প্রতিবেদন হলে RTM আর NOC-এর হিসাব লাগত; টেস্ট প্রিভিউ হলে WTC পয়েন্ট-টেবিল; শাসন-সংক্রান্ত খবর হলে বিগ থ্রি-র রাজস্ব ভাগাভাগি; আর বাজি-ঘেঁষা গুজব হলে সততা-পতাকা বাধ্যতামূলক হয়ে পড়ত। চারটির মধ্যে দুটি ক্ষেত্রে সততা-পতাকা ওড়ানো বাধ্যতামূলক — অথচ ধরনটাই অজানা। আমার নিজের কাজের নিয়ম সরল: আমি গুজব chase করি না; আমি ফাইল বানাই যতক্ষণ না ফি স্পষ্ট হয়। ২০২২ সালে মরক্কোর আজ্জেদিন ওনাহি নিয়ে ১৪ পাতার ফাইল বানিয়েছিলাম — ১২.৩ কিমি প্রতি ৯০ মিনিট, স্পেনের বিপক্ষে ৮টি প্রোগ্রেসিভ ক্যারি, ৮৯ শতাংশ পাস-নির্ভুলতা। ফাইলটি ক্লাবকে নিলাম-যুদ্ধ এড়াতে সাহায্য করেছিল; অ্যাঙ্গে ওনাহিকে ২০২৩-এর জানুয়ারিতে মার্সেইতে বিক্রি করে। কিন্তু ইনজুরি-ঝুঁকির স্তর যাচাই না হওয়া পর্যন্ত আমি প্রকাশ করিনি, ডেলিভারি ৪৮ ঘণ্টা পিছিয়েছিলাম। ক্রিকেটেও একই ক্রম: ফরম্যাট অ্যাঙ্কর, সত্তার পূর্ণ নাম, উৎসের গ্রেড — তিনটির একটি না থাকলে ফাইল অসম্পূর্ণ। তাই এই রিপোর্টের আসল উপহার কোনো ক্রিকেটীয় সিদ্ধান্ত নয়, একটি পুনর্ব্যবহারযোগ্য ন্যূনতম ইনপুট-তালিকা: শিরোনাম, উৎস, প্রকাশের তারিখ; অন্তত পাঁচ থেকে আটটি পারমাণবিক তথ্যবিন্দু; ফরম্যাট-অ্যাঙ্কর; সত্তার সম্পূর্ণ নাম; এবং উৎসের মান-গ্রেড। এই পাঁচটি থাকলে আটটি মাত্রাই চালানো সম্ভব, কারণ কাঠামোটি ক্রিকেটের আসল ফাটলরেখাগুলোর উপরেই বসানো — ফরম্যাট-বিভাজন, হোম-অ্যাওয়ে ফারাক, বাণিজ্যিক বনাম ক্রীড়াগত মূল্য, শাসন ও সততা। পরের রাউন্ডে যা দেখার: পুনঃনিষ্কাশনে তথ্যবিন্দুর সংখ্যা পাঁচ ছাড়াল কি না; ফরম্যাট-ট্যাগ আবার অনুপস্থিত থাকলে পাইপলাইন থামছে কি না; লেবেল Cricket-এ ফিরল কি না; উৎস ও তারিখ নিষ্কাশনের সময়েই ধরা পড়ল কি না। যে ডেটাসেট খালি, তার নাম ‘নিরাপদ’ নয়। প্রশ্নটি হলো — ফাঁকা ঘরগুলো আমরা সৎভাবে ফাঁকা রাখব, নাকি নিজের অভ্যাস দিয়ে ভরে ফেলব?