শূন্য ডেটাসেট, শূন্য অজুহাত: ক্রিকেট বিশ্লেষণে নাল-ফলাফলের শৃঙ্খলা

রাত সাড়ে এগারোটা। টোকিওর ফ্ল্যাটে ল্যাপটপের পর্দায় একটা CSV ফাইল খোলা। ফাইলের নাম প্রতিশ্রুতিপূর্ণ — cricket_asia — পাশে বসানো একটা তারিখ। আমি ধরে নিয়েছিলাম ভেতরে বল-বল-বল লগ থাকবে, ইনিংস-ভিত্তিক স্প্লিট থাকবে, অন্তত একটা ভেন্যুর নাম থাকবে। খুলে দেখি প্রতিটি ঘর ফাঁকা। শিরোনাম নেই, সূত্র নেই, সারসংক্ষেপ নেই, তথ্য-বিন্দু নেই। শুধু একটা ভৌগোলিক ট্যাগ ঝুলে আছে। দীর্ঘ কেরিয়ারে এটাই আমার প্রথম ডেটাসেট, যার একমাত্র তথ্য হলো — কোনো তথ্য নেই। আর ঠিক তখনই মনে হলো, এই শূন্যতাটাই আজকের সবচেয়ে সৎ খবর।

আমি শুরু করেছিলাম একটা স্প্রেডশিট, একটা জাপানি ফুটবল আর্কাইভ, আর কী করছি জানার কোনো ধারণা ছাড়াই। ২০১৭ সালে, তেইশ বছর বয়সে, টোকিওর একটা স্পোর্টস ডেটা স্টার্টআপে প্রথম ডেটা জার্নালিস্ট হিসেবে যোগ দিই। ২০১৬ সালের জে-১ লিগের ২,৪০০-র বেশি শট থেকে চার মাস কোডিং আর ভ্যালিডেশন করে একটা এক্সপেক্টেড গোলস মডেল দাঁড় করাই। মার্চ ২০১৭-এ প্রকাশিত লেখাটা দেখিয়েছিল, কাশিমা অ্যান্টলার্স শিরোপার পথে তাদের xG-কে ১৪.২ গোলে ছাপিয়ে গিয়েছিল — পরিষ্কার এক রিগ্রেশন সংকেত। সম্পাদকরা বলেছিলেন এটা একাডেমিক কোলাহল। মৌসুম শেষে কাশিমা দ্বিতীয় হয়েছিল, আর মডেলটা চুপচাপ দুটো ক্লাব গ্রহণ করেছিল। সেদিনের শিক্ষা — চুপচাপ সঠিক থাকা, উচ্চস্বরে ভুল থাকার চেয়ে অনেক বেশি টেকসই।

সেই শিক্ষা থেকেই জন্ম নেয় একটা কঠিন নিয়ম: প্রতিটি দাবি একটা পুনরুৎপাদনযোগ্য ডেটাসেটে ফিরে যেতে হবে। আমি লেখার নিচে মেথডোলজি ফুটনোট বসাতে শুরু করি, আর সেটাই আমার স্বাক্ষর হয়ে দাঁড়ায়। আমার কাছে প্রমাণ মানে এমন একটা রেকর্ড, যা প্রকাশের পর কেউ চুপচাপ বদলাতে পারে না — অনেকটা অন-চেইন লেজারের মতো, যেখানে পুরোনো এন্ট্রি মুছে ফেলা অসম্ভব। ক্রিকেটে এই নিয়ম আরও কঠিন, কারণ এখানে ডেটা মানে শুধু রান-গড় নয়। ডেটা মানে কে খেলল, কে বাদ পড়ল, কে বল পেল না, আর কে সংবাদ সম্মেলনে ডাক পেল না। প্রেস-বক্স যখন চুপ হয়ে গেল, আমি তখন গুনতে শুরু করি কে কথা বলার অনুমতি পায়।

এশিয়ার ক্রিকেট — বাংলাদেশ, নেপাল, শ্রীলঙ্কা, আফগানিস্তান আর এই অঞ্চলের ঘরোয়া সার্কিট — বিশ্বের সবচেয়ে কম নথিভুক্ত অঞ্চলগুলোর একটা। এখানে বল-বল ডেটার বদলে প্রায়ই ভরসা করতে হয় স্মৃতি, রটনা আর সংবাদমাধ্যমের পুনরাবৃত্তির উপর। অথচ এই পুনরাবৃত্তিটাই সবচেয়ে বিপজ্জনক। একটা ভুল সংখ্যা যদি তিনবার ছাপা হয়, চতুর্থবার সেটা আর প্রশ্ন ছাড়াই সত্য বলে গৃহীত হয়। যতবার কোনো রটনা পুনরাবৃত্ত হয়, তার প্রমাণ-ভিত্তি তত দুর্বল হয় না, কিন্তু তার বিশ্বাসযোগ্যতা তত বাড়ে — এটাই সবচেয়ে ধূর্ত ফাঁদ।

এই জায়গাতেই আমার সামনে যেটা এল, সেটা একটা বিশ্লেষণী পেলোড — যার প্রতিটি ঘরে লেখা তথ্য অপর্যাপ্ত। কোনো ম্যাচ নেই, কোনো খেলোয়াড় নেই, কোনো ভেন্যু নেই, কোনো তারিখ নেই। শুধু একটা ভৌগোলিক ট্যাগ। আর পেলোডটা নিজেই বলছে: এখান থেকে সিদ্ধান্তে পৌঁছানো যাবে না।

স্বাভাবিক প্রতিক্রিয়া হলো — ফাঁকা জায়গাটা ভরে দেওয়া। ক্রিকেট-সংবাদমাধ্যমে এটাই সবচেয়ে প্রচলিত অভ্যাস। গত পাঁচ মৌসুমে আমি লক্ষ করেছি, খবরের ফাঁকা জায়গা যত বড়, অনুমান তত সাহসী। একটা সূত্রহীন ক্লাবটি আগ্রহী শিরোনাম কয়েক ঘণ্টার মধ্যে একটা ফি-সংখ্যা, একটা সম্ভাব্য একাদশ আর একটা নিশ্চিত ট্রান্সফারের গল্পে পরিণত হয়। এই শিল্পটা চলে আত্মবিশ্বাসের গায়ে জোরে, প্রমাণের গায়ে নয়। কারণ প্রমাণ ধীর, আর ধীর মানে দর্শক হারানো।

ট্রান্সফার উইন্ডো এখানে শিক্ষণীয় উদাহরণ। ট্রান্সফার উইন্ডো বিশৃঙ্খলা নয়; এগুলো টাইমস্ট্যাম্প দেওয়া আচার। রিলিজ ক্লজ, এজেন্টের ফি, ওয়েজ বিল, চুক্তির অবশিষ্ট মেয়াদ — প্রতিটা ধাপের একটা নির্দিষ্ট সময় আর একটা নির্দিষ্ট কাগজ থাকে। অথচ আলোচনায় সেগুলো প্রায় অনুপস্থিত থাকে। আমার স্প্রেডশিটে আমি যখন ফ্রি এজেন্টের সাইনিং-অন ফি ট্র্যাক করি, তখন একটা প্যাটার্ন স্পষ্ট হয়: যেসব খরচ ট্রান্সফার ফির খাতায় ঢোকে না, সেগুলোই সবচেয়ে কম যাচাই হয়। ফাঁকা কলাম মানে মুক্ত মাঠ, আর সেই মাঠেই সবচেয়ে বেশি সংখ্যা জন্মায়।

এখন আসি সেই প্রশ্নে, যেটা এই ফাঁকা পেলোড আমাকে বাধ্য করছে ভাবতে। সংকট যখন প্রাকৃতিক পরীক্ষা হয়ে এল, আমি সেটাকে ডেটাসেট হিসেবে গ্রহণ করলাম। ২০২০-এ স্টেডিয়াম খালি হওয়ার পর চৌদ্দ সপ্তাহ ধরে আমি ৪৮০টা ম্যাচের হোম-অ্যাডভান্টেজ মেট্রিক জমিয়েছিলাম — গোল, শট, কভার করা দূরত্ব আর রেফারির সিদ্ধান্ত। মডেল দেখিয়েছিল, হোম-অ্যাডভান্টেজ ০.৪২ থেকে ০.১৮-তে নেমে এসেছিল। এখন ফাঁকা পেলোডটা তার চেয়ে ছোট পরিসরের পরীক্ষা, কিন্তু একই প্রশ্ন তোলে: ডেটা যখন অনুপস্থিত, তখন বাস্তবতা কী?

উত্তরটা সম্ভবত সহজ নয়, আর সেটাই এই লেখার কেন্দ্রীয় সিদ্ধান্ত। এই ফাঁকা ফাইলটা নিজেই একটা তথ্য-বিন্দু — এটা বলে, ইনপুট পাইপলাইনে কোথাও ফাঁক আছে। হয় মূল নিবন্ধটা ক্রিকেটের নয়, নয়তো সেটা সংগ্রহে আসেনি, নয়তো পার্সিংয়ে হারিয়ে গেছে। তিনটাই সম্ভাব্য, আর তিনটাই তদন্তযোগ্য। কোরিলেশন আর কার্যকারণ এখানে আলাদা রাখা জরুরি। ফাঁকা পেলোডের সঙ্গে ক্রিকেটের মান-পতনের কোনো সম্পর্ক নেই; ফাঁকা পেলোড শুধু সিস্টেমের ভুলের সাক্ষ্য।

তাই এই শূন্যতাকে আমি অনুপস্থিতি হিসেবে পড়ি না, আমি এটাকে সীমানা-নির্ধারণ হিসেবে পড়ি। গবেষণায় যাকে বলে নাল-ফলাফল — কোনো উল্লেখযোগ্য সম্পর্ক পাওয়া যায়নি — সেটা ব্যর্থতা নয়, সেটা একটা সৎ সীমানা। আর ডেটা সাংবাদিকতায় সেই সীমানা টেনে দেওয়াই সবচেয়ে কঠিন কাজ, কারণ সংবাদমাধ্যম নেতিবাচক ফলাফল ছাপে না। কিছু পাওয়া যায়নি কখনো শিরোনাম হয় না। কিন্তু যেখানে এশিয়ার ক্রিকেট নিয়ে ডেটা এত কম, সেখানে কিছু পাওয়া যায়নি বলাটাই সবচেয়ে দরকারি তথ্য।

আমার বিরুদ্ধে যুক্তি তোলা যায়: যদি কেউ কখনো শূন্য থেকে লেখা শুরু না করে, তাহলে ফাঁকা জায়গা চিরকাল ফাঁকা থাকবে। এটা বৈধ আপত্তি। কিন্তু প্রতিক্রিয়াটা হওয়া উচিত আরও ডেটা সংগ্রহ করা, অনুমান করে ভরাট করা নয়। আমি আমার নোটে একটা ক্রাইসিস ডেটাসেট রাখি — যখন বড় কিছু ভাঙে, আমি লিখে রাখি আগে থেকে কী আশা করেছিলাম, আর পরে ডেটা কী বলল। এই অভ্যাসটাই আমাকে ফাঁকা পেলোড দেখে অনুমানের দিকে ঝুঁকতে দেয় না। বেস রেট আগে, তারপর ব্যতিক্রম — উল্টোটা করলে প্রতিটা শূন্যস্থানই গল্প হয়ে যায়।

অন্য একটা দিকও আছে। ক্রিকেটের পেশাদারি বাস্তবতায় অনেক কিছুই ইচ্ছাকৃতভাবে অস্পষ্ট রাখা হয় — সিলেকশন, ইনজুরির প্রকৃত অবস্থা, বোর্ডের সিদ্ধান্ত। সংবাদমাধ্যম যখন সেই অস্পষ্টতাকে সম্মান দেখায়, তখন ফাঁকা কলামটা সত্যিই ফাঁকা থাকে না; সেটা হয়ে ওঠে ক্ষমতার একটা ভাষা। কে জানে আর কে জানে না — এই বৈষম্যটাই অনেক সময় ফলাফলের চেয়ে বেশি বলে দেয় ভেতরের গল্প। একজন সিস্টেম-চিন্তক প্রেস-বক্সে শেখে, নীরবতাও একটা সূত্র।

তাই এই লেখার সবচেয়ে সৎ পাঠ হলো একটা পদ্ধতিগত পাঠ, কোনো ট্রান্সফার গল্প নয়। যে ক্রিকেট-সংবাদমাধ্যম প্রতিদিন ডজন ডজন রটনা ছাপে, তার জন্য সবচেয়ে বড় সেবা হতে পারে একটা ফাঁকা কলাম, যেটা বলে — এখানে এখনো কিছু নেই।

ডেটা সন্ন্যাসীরা নিশ্চয়তার পেছনে ছোটে না; তারা ভালো প্রশ্ন বানায়। এই ফাঁকা ফাইল আমার কাছে একটাই প্রশ্ন রেখে গেছে, আর সেটা সহজে মিটবে না: এশিয়ার ক্রিকেট নিয়ে আমরা কেন এত কম যাচাইযোগ্য ডেটা রাখি? পরের সপ্তাহে আমি ঠিক এটাই মাপব — এই অঞ্চলের ম্যাচ-রিপোর্টের কত শতাংশে একটা যাচাইযোগ্য সূত্র থাকে, আর কত শতাংশ শুধু পুনরাবৃত্ত রটনা। যদি সংখ্যাটা ত্রিশ শতাংশের নিচে থাকে, তাহলে সমস্যাটা আমার ফাঁকা ফাইলে নয়; সমস্যাটা আমাদের পুরো সংগ্রহ-অভ্যাসে। আর সেটা হলে, পরের লেখাটা এই শূন্যতা নিয়ে নয় — এই শূন্যতা ভাঙার উপায় নিয়ে হবে।