এশীয় ক্রিকেটের ডেটা অডিট: খালি এনভেলপ যেভাবে বিশ্লেষণের বিশ্বাসযোগ্যতা ভাঙে

রাত ২টা ৪০। রংপুরের বাড়িতে ল্যাপটপের পর্দায় একটা স্ট্রাকচার্ড শিট খোলা। স্কিমা অক্ষত — শিরোনাম, সূত্র, তথ্যবিন্দু, সংশ্লিষ্ট সত্তা, সময়-সংবেদনশীলতা, সূত্রের গুণমান। প্রতিটি ঘর তৈরি, প্রতিটি ঘরের ভেতরটা ফাঁকা। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দুর তালিকা শূন্য। পুরো এনভেলপে টিকে আছে মাত্র একটা রাউটিং লেবেল: cricket_asia। ক্রিকেট-বিশ্লেষণে এই দৃশ্য বিরল নয় — এটাই সবচেয়ে কম আলোচিত ব্যর্থতা। স্কিমা বৈধ থাকায় সিস্টেম ফলাফলটাকে সফল ধরে নেয়। খালি এনভেলপটা নিচে গিয়ে রিপোর্টে মেশে, ড্যাশবোর্ডে ঢোকে, ট্রান্সফার ভ্যালুয়েশনের শিটে বসে যায়। কেউ টের পায় না। এশিয়ার ক্রিকেটে ডেটার প্রবাহ আজ বিশাল। ২০২৩ সালের এশিয়া কাপ হাইব্রিড মডেলে হয়েছিল — পাকিস্তানের মাটিতে চারটি ম্যাচ, বাকিগুলো শ্রীলঙ্কায়, ফাইনালসহ। একই বছরের ১৯ নভেম্বর আহমেদাবাদের নরেন্দ্র মোদি স্টেডিয়ামে অস্ট্রেলিয়া ভারতকে হারিয়ে ওয়ানডে বিশ্বকাপ জেতে। দুটি আসরেই স্কোরকার্ড, বল-বাই-বল লগ, ফিল্ডিং ম্যাপ, বোলারের ওয়ার্কলোড — সব রিয়েল টাইমে প্রকাশ পেয়েছে। এই ডেটার ভোক্তাও বিপুল: সম্প্রচারক, ফ্যান্টাসি প্ল্যাটফর্ম, ফ্র্যাঞ্চাইজি স্কাউট, ফেডারেশনের পারফরম্যান্স ইউনিট। সমস্যা হলো, প্রবাহের প্রতিটি স্তর আগের স্তরের ওপর দাঁড়িয়ে থাকে। আপস্ট্রিম এক্সট্রাকশন ফাঁকা ফিরলে ডাউনস্ট্রিমের প্রতিটি সিদ্ধান্ত সেই শূন্যতার ওপর ভর করে। বোলারের ওয়ার্কলোড ড্যাশবোর্ড যদি ১২ মাসের স্পেল-লগ থেকে কয়েকটা ম্যাচ হারায়, ইনজুরি-ঝুঁকির হিসাবটা নীরে বদলে যায়। কেউ ভুল সংখ্যা দেখে না, কারণ সংখ্যাটাই আসে না — আর অনুপস্থিতি কখনো এরর মেসেজ দেয় না। এই জায়গায় আমার পুরনো অভ্যাস কাজে লাগে। "I opened the transfer ledger and found a fee was never just a number." ট্রান্সফার অ্যাডমিনিস্ট্রেটর হিসেবে দেখেছি, একটা ফি-এর পেছনে থাকে বয়স, বাকি চুক্তির মেয়াদ, অ্যাড-অন, ওয়েজ স্ট্রাকচার — আর প্রতিটি উপাদানের নিজস্ব সোর্স থাকে। কোনো একটা ঘর ফাঁকা মানে পুরো ভ্যালুয়েশন লাইনটা অনুমানে দাঁড়িয়ে। কনটেক্সট অ্যাডজাস্টমেন্ট আগে লিখে রাখি, পরে নয়। এই লেখায় যে সংখ্যাগুলো আসছে, সেগুলো আমার নিজের ম্যানুয়াল অডিটের ফল — কোনো বাণিজ্যিক ব্ল্যাক-বক্স মডেলের আউটপুট নয়। এগুলো এশীয় ক্রিকেটের ভবিষ্যৎ সম্পর্কে কিছুই প্রমাণ করে না। এগুলো শুধু দেখায়, একটা মডেল কীভাবে ব্যর্থ হয়। ২০১৮ সালে, ২০ বছর বয়সে, নিজের অ্যাথলেটিক ক্যারিয়ার শেষ হওয়ার পর রংপুরে বিশ্ববিদ্যালয়ে পড়ার সময় ২০১৭-য় বিপিএলের জন্য বানানো একটা ম্যানুয়াল xG স্প্রেডশিট রাশিয়া বিশ্বকাপে প্রয়োগ করি। ক্রোয়েশিয়ার সাত ম্যাচ, ফ্রান্সের সাত ম্যাচ — চৌদ্দটা ম্যাচ, এক একটা করে শট ট্র্যাক। ক্রোয়েশিয়া গড়ে ১.৪২ xG তৈরি করে, কিন্তু গড়ে ১.২৯ গোল খায়; ফ্রান্স ২.১০ xG বানিয়ে খায় মাত্র ০.৮৬। ফাইনালের আগে ব্লগে লিখি, ওপেন-প্লে xG-তে ক্রোয়েশিয়ার ১.১০ বনাম ফ্রান্সের ২.৪০ — ফলে ফ্রান্স জিতবে। ফ্রান্স ৪-২ গোলে জেতে। লেখাটা পড়ে ১২ হাজার মানুষ। শিক্ষাটা সংখ্যা নিয়ে নয়, প্রসিডেন্স নিয়ে। স্কোরলাইন দিয়ে শুরু করলে পদ্ধতি দেখা যায় না; শট-লগ দিয়ে শুরু করলে স্কোরলাইন নিজেই একটা উপসংহার হয়ে যায়। ২০২০ সালে দর্শকশূন্য বুন্দেসলিগায় একই পদ্ধতি চালাই। কোভিড-পূর্ব ৩০৬ ম্যাচ বনাম রিস্টার্ট-পরবর্তী ৯২ ম্যাচ। হোম উইন রেট ৪৩.৩% থেকে ৩৩.৩%-এ নামে, হোম xG প্রতি ম্যাচে ১.৫৪ থেকে ১.৩১-এ। ৯২ ম্যাচ দিয়ে হোম-অ্যাডভান্টেজ তত্ত্ব নতুন করে লেখা যায় না — এই সতর্কবার্তা দিয়ে রিপোর্ট ছাপি। দুইটা বাংলাদেশি স্পোর্টস আউটলেট সেটা উদ্ধৃত করে। ২০২১ সালে ইতালির ইউরো প্রেস অডিট করি। সাত ম্যাচ শেষ হওয়ার আগে কোনো সিদ্ধান্তে আসিনি। শেষে দাঁড়ায়: PPDA ৮.৩, প্রতি ম্যাচে ২.১০ xG, নকআউট পর্বে খায় মাত্র ০.৫৭ xG। টোকিও অলিম্পিকে পেড্রির ছয় ম্যাচ ট্র্যাক করি — ৫৩২ পাস, ৯২% নির্ভুলতা, প্রতি ম্যাচে ১১.৮ কিলোমিটার। "I listened to 2026 press conferences and counted the pauses, not just the quotes." পজগুলোই বলে দেয় কোচ আসলে কতটা নিশ্চিত। এই তিনটা অডিট থেকে একটা নিয়ম দাঁড়িয়েছে: সাত ম্যাচের আগে কোনো নতুন ট্যাকটিক্যাল মেটাকে সমর্থন করি না। ক্রিকেটে এই নিয়মটা আরও কড়া হওয়া উচিত, কারণ ফরম্যাট তিনটা আর কন্ডিশন বদলায় দ্রুত। ক্রিকেটে অনুবাদ করলে দাঁড়ায় — expected runs মডেল, উইকেট-প্রোবাবিলিটি মডেল, আর বোলার-ওয়ার্কলোড ড্যাশবোর্ড। তিনটারই ভিত্তি একই: প্রসিডেন্স। কোন ডেলিভারি, কোন ব্যাটার, কোন ফিল্ড-সেটিং, কোন ইনিংস-ফেজ — এই চারটা ট্যাগ ছাড়া কোনো expected-runs সংখ্যা মানে নেই। বাংলাদেশের প্রেক্ষাপটে আরও দুটো ট্যাগ দরকার: মিরপুরের ডিউ, আর স্পিন-বান্ধব পিচে বলের আচরণ। বছর বারোয় মাঠে-পর্দায় ম্যাচ দেখে যে অভ্যাসটা আমার হয়েছে — আগে স্কোরবোর্ডের নিচের লাইনটায় চোখ যায়, ওভার-বাই-ওভার কন্ডিশন বদল দেখি, তারপর সংখ্যায় হাত দিই। ওয়ার্কলোডের হিসাবেও একই নিয়ম। সাকিব আল হাসানের মতো অভিজ্ঞ অলরাউন্ডারের স্পেল-লোড আর ২১ বছরের পেসারের স্পেল-লোড একই থ্রেশহোল্ডে বিচার করা যায় না। বাবর আজম টানা দুই বছর আইসিসির ওয়ানডে ক্রিকেটার অফ দ্য ইয়ার হয়েছেন — সেটা সম্মান, কিন্তু ইনজুরি-ঝুঁকির মডেলে সেই পুরস্কারের কোনো স্থান নেই। খালি এনভেলপের আসল বিপদটা প্রযুক্তিগত নয়, সাংস্কৃতিক। টেমপ্লেট হাতে পেলে মানুষ ভরাতে চায়। একটা শূন্য ঘর দেখলে মস্তিষ্ক প্লাসিবল উত্তর যোগাড় করে — আর সেটাই সবচেয়ে বিপজ্জনক আউটপুট, কারণ সেটা দেখতে বিশ্বাসযোগ্য। এই ঝুঁকিটা বাংলাদেশের মতো বাজারে আরও তীব্র, যেখানে বিশ্লেষণে বাজেট সীমিত আর যাচাইয়ের লোকবল কম। তাই খরচের স্তর ভাগ করি। প্রথম স্তর: কোর মেট্রিক — রান, উইকেট, ওভার, ব্যাটার-বোলার আইডি। এটা যাচাই না হলে বাকি কিছু অর্থহীন। দ্বিতীয় স্তর: প্রসিডেন্স ট্যাগ, অর্থাৎ কোন সোর্স থেকে সংখ্যাটা এলো, কখন আপডেট হলো। তৃতীয় স্তর: মডেলিং। অনেকেই উল্টোটা করেন — আগে মডেল কেনেন, পরে ডেটা ঠিক করার চেষ্টা করেন। এখানেই একটা প্রত্যাশার বিপরীতে যেতে হয়। সাধারণ ধারণা: ডেটা যত বেশি, বিশ্লেষণ তত ভালো। অডিটরের অভিজ্ঞতা উল্টো বলে — বড় কিন্তু অযাচাইযোগ্য ডেটাসেটের চেয়ে ছোট কিন্তু প্রমাণযোগ্য ডেটাসেট বেশি কাজে দেয়। ৯২ ম্যাচের বুন্দেসলিগা সেট তার প্রমাণ: নমুনা ছোট ছিল, তাই সিদ্ধান্তটাও ছোট রাখতে পেরেছিলাম। দ্বিতীয় বিপরীত কথা: ঝুঁকিটা নোংরা ডেটায় নয়, পরিষ্কার দেখতে-ওয়ালা ডেটায়। যে ডেটাসেটে কোনো গ্যাপ নেই, কোনো ডুপ্লিকেট নেই, সব ঘর ভরা — সেটা প্রশংসার নয়, সন্দেহের কারণ। বাস্তব ক্রিকেট-লগে গ্যাপ থাকবেই; বৃষ্টির বিঘ্ন, বদলি ফিল্ডার, রিটায়ার্ড হার্ট। গ্যাপহীন ডেটা মানে কেউ গ্যাপগুলো ভরে দিয়েছে — আর কে ভরেছে, কী দিয়ে ভরেছে, সেটা জানার কোনো উপায় থাকে না। তৃতীয় কথা: স্যাম্পল-সাইজের কঠোরতাও ফাঁদ। "পর্যাপ্ত নমুনা নেই" বলে সব নতুন সংকেত খারিজ করা যায় না। সমাধান হলো আগে থেকেই থ্রেশহোল্ড ঠিক করা — কত ম্যাচে কী সিদ্ধান্ত নেব, সেটা ডেটা দেখার আগেই লিখে রাখা। পরের রাউন্ডে একটা সংকেত রাখুন। কোনো ক্রিকেট-বিশ্লেষণ পড়লে শিরোনামের সংখ্যাটা নয়, তার আগের লাইনটা খুঁজুন — সংখ্যাটা কোথা থেকে এলো, কত নমুনায়, কোন কন্ডিশনে। যে লেখায় এই তিনটার উত্তর নেই, সেটা বিশ্লেষণ নয়, সাজানো এনভেলপ। প্রশ্নটা সহজ: আপনার প্রিয় পরিসংখ্যানটা যদি কাল শূন্য হয়ে যায়, আপনি টের পাবেন?