খালি ঘরের সাক্ষ্য: ফুটবল ডেটা পাইপলাইনের নীরব ব্যর্থতা এবং যাচাইযোগ্যতার রাজনীতি

নয়টি মাত্রিক। সাতাশটি সারণি-সারি। ছয়টি বিশ্লেষণ-ব্লক। একটি রিস্ক ম্যাট্রিক্স। একটি ট্রান্সমিশন ডায়াগ্রাম। শেষে একটি পরিভাষা-তালিকা আর একটি দায়স্বীকার-বার্তা। কাগজে এই নথিটি একটি পূর্ণাঙ্গ স্টেজ-টু বিশ্লেষণ প্রতিবেদনের প্রতিটি বাহ্যিক চিহ্ন বহন করে — সারি আছে, স্তম্ভ আছে, সংকেত-সতর্কতা আছে, এমনকি 'আস্থা: N/A' ট্যাগও আছে। কিন্তু প্রতিটি ঘরে ফিরে আসে একটাই বাক্য: 'N/A — অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়।' আমি বছরের পর বছর ডেটা পাইপলাইনের সাথে কাজ করেছি, আর একটা জিনিস শিখেছি: খালি ডেটাসেট আর খালি বিশ্লেষণ এক জিনিস নয়। খালি ডেটাসেট নীরব থাকে। কিন্তু এই নথিটি নীরব নয় — এটি জোরে, সুশৃঙ্খলভাবে, সারণিবদ্ধভাবে ঘোষণা করছে যে তার হাতে কিছু নেই। একটি পাইপলাইন যখন স্পষ্টভাবে বলে 'আমি জানি না', তখন সেটি ব্যর্থতা নয় — সেটি সততা। আর সততাই এখানে আসল খবর। এই নথিটি একটি দুই-পর্যায়ের বিশ্লেষণ পাইপলাইনের দ্বিতীয় ধাপের ফলাফল। প্রথম ধাপে (স্টেজ-ওয়ান) মূল নিবন্ধটিকে ভেঙে ফেলে তথ্য-বিন্দু, দৃষ্টিভঙ্গি, সত্তা ও সময়-সংবেদনশীলতা আলাদা করার কথা। দ্বিতীয় ধাপে সেই উপাদানের উপর দাঁড়িয়ে নয়টি মাত্রিকায় গভীর বিশ্লেষণ হওয়ার কথা: কৌশল ও কারিগরি, ক্লাব অর্থ ও ট্রান্সফার বাজার, ফলাফল ও জনমত-চক্র, লিগ-পরিদর্শন ও দল-অবস্থান, নিয়ম ও সুশাসন, ম্যানেজমেন্ট ও ড্রেসিংরুম, ঝুঁকি-প্রোফাইল, মিডিয়া-বর্ণনা, এবং শিল্প-প্রসারণ। সমস্যা হলো, স্টেজ-ওয়ান খালি ফিরে এসেছে। শিরোনাম নেই, সূত্র নেই, তথ্য-বিন্দু নেই, দৃষ্টিভঙ্গি নেই, সত্তা নেই। আর এখানেই সিস্টেম একটি সৎ সিদ্ধান্ত নিয়েছে: যে নথিটি আমার সামনে আছে, সেটি বিশ্লেষণ নয় — এটি একটি অনুপালন-আউটপুট, একটি compliance output। এটি প্রমাণ করে যে সিস্টেম জানে কখন তাকে চুপ থাকতে হবে। কিন্তু যে সংস্কৃতিতে আমি বড় হয়েছি, সেখানে চুপ থাকা একটি বিলাসিতা। সম্পাদক চান একটা শিরোনাম। পাঠক চান একটা গল্প। বাজার চান একটা 'নিশ্চিত' সংখ্যা। আর ঠিক সেই চাপেই সবচেয়ে বড় ঝুঁকিটা জন্ম নেয়। এই নথিতে তিনটি সতর্কবার্তা সবচেয়ে গুরুত্বপূর্ণ, আর তিনটিই আসলে ডেটা-সততার ভাষায় লেখা। প্রথমত, ইনপুট-অখণ্ডতার ব্যর্থতা। একটি বিশ্লেষণ কখনো তার ইনপুটের চেয়ে ভালো হতে পারে না। স্টেজ-ওয়ান যদি খালি ফেরে, তাহলে স্টেজ-টু কেবল দুই পথে যেতে পারে — হয় সৎভাবে 'অজানা' বলা, নয়তো ফাঁকা জায়গা কল্পনায় ভরিয়ে দেওয়া। দ্বিতীয়ত, ফ্যাব্রিকেশন-ঝুঁকি। অর্থাৎ যদি বিশ্লেষণ এগিয়ে যেত, তবে যত কৌশলগত, আর্থিক বা শাসনসংক্রান্ত উপসংহার আসত, তার প্রতিটিই হতো বানানো — বিশ্লেষণ নয়, আবিষ্কার। তৃতীয়ত, পাইপলাইন/টুলিং ত্রুটি। একটি খালি স্টেজ-ওয়ান সাধারণত নির্দেশ করে উপরের কোথাও একটি পার্সিং ব্যর্থতা, একটি রিট্রিভাল ব্যর্থতা, অথবা একটি ভুল ফিল্ড-ম্যাপিং ঘটেছে। এই তৃতীয় সতর্কবার্তাটিই আমার আগ্রহের কেন্দ্রে। কারণ এটি আর ফুটবলের সমস্যা নয়, এটি অবকাঠামোর সমস্যা। ব্লকচেইনের মূল প্রতিশ্রুতিই হলো provenance — উৎস-প্রমাণ। একটি লেজার, যেখানে প্রতিটি এন্ট্রি টাইমস্ট্যাম্পড এবং ট্যাম্পার-এভিডেন্ট। যদি একটি ফুটবল-বিশ্লেষণ পাইপলাইনও একইভাবে কাজ করত — অর্থাৎ প্রতিটি ইনপুট-ফাইলের একটি ক্রিপ্টোগ্রাফিক হ্যাশ, একটি টাইমস্ট্যাম্প, একটি অপরিবর্তনীয় লগ — তাহলে খালি স্টেজ-ওয়ান কখনোই স্টেজ-টু পর্যন্ত পৌঁছাত না। উৎসেই ধরা পড়ত। আমি Barishal-এর ছোট ডেস্কে বসে বছর ধরে ম্যাচ দেখি, আর একটা অভ্যাস গড়ে তুলেছি: প্রতিটি সংখ্যার পাশে তার উৎস লিখে রাখা। ২০১৭ সালে যখন FootballLab BD-তে জুনিয়র ডেটা জার্নালিস্ট হিসেবে যোগ দিই, তখন বাংলাদেশ বনাম আফগানিস্তানের একটি এশিয়ান কাপ বাছাই ম্যাচ চার্ট করি — বাংলাদেশের ১৪ শট, ০.৮৭ xG, আফগানিস্তানের ১.১২ xG; অথচ বাংলাদেশ গোল পায় ০.০৮ xG থেকে। সেই ০.০৮ আমাকে তিন সপ্তাহ ধরে কোডিং নতুন করে লিখতে বাধ্য করেছিল। কারণটা সহজ: সংখ্যাটি পরিষ্কার ছিল, কিন্তু ম্যাচটি পরিষ্কার হতে রাজি হয়নি। 'The number was clean; the match refused to be.' সেই থেকে আমি xG-কে রায় হিসেবে নিই না, রেঞ্জ হিসেবে দিই। ২০১৮ বিশ্বকাপ সেমিফাইনালে ইংল্যান্ড বনাম ক্রোয়েশিয়ার লাইভ মডেল বানিয়েছিলাম — ১২০ মিনিট শেষে ইংল্যান্ড ১.৮২ xG, ক্রোয়েশিয়া ১.৫৪ xG, আর ক্রোয়েশিয়ার PPDA ছিল ৮.৯। সেই লেখায় আমি যুক্তি দিয়েছিলাম, ক্রোয়েশিয়ার মাঝমাঠের প্রেস জিতেছিল, ভাগ্য নয়। কিন্তু আজ যেটা বুঝি, সেটা হলো: সেই মডেলের মূল্য সংখ্যায় ছিল না, তার ইনপুট-লগে ছিল। আমি জানতাম কোন ডেটা কোথা থেকে এসেছে। আর ঠিক এখানেই ব্লকচেইন-যুগের প্রাসঙ্গিকতা। আধুনিক স্পোর্টস অ্যানালিটিক্সে সবচেয়ে বড় ফাঁকটি মডেলিংয়ে নয়, প্রমাণে। কে কোন ডেটা দিল, কখন দিল, কোন সংস্করণে দিল — এই প্রশ্নগুলোর উত্তর প্রায়ই হারিয়ে যায়। যে লাইভ ডেটা বেটিং কোম্পানিগুলোকে ফিড করা হয়, তার একটি বড় অংশ টাইমস্ট্যাম্পবিহীন, উৎস-অস্পষ্ট। আমার কাছে এটাই ডেটাফিকেশনের সবচেয়ে অন্ধকার দিক। কারণ উৎস-প্রমাণ ছাড়া একটি সংখ্যা আর একটি গুজবের মধ্যে কাঠামোগত পার্থক্য থাকে না। 'Every transfer rumor is a variable waiting for a timestamp.' এই নথির খালি ঘরগুলো আসলে সেই গোটা শিল্পের একটি ক্ষুদ্র প্রতিচ্ছবি। আমরা এমন এক যুগে বাস করি যেখানে বিশ্লেষণ প্রতিবেদন দেখতে যত পরিপূর্ণ, তার ভিত্তি ততই সন্দেহজনক হতে পারে। নয়টি মাত্রিক, ছয়টি ব্লক, একটি রিস্ক ম্যাট্রিক্স — এই ভিজ্যুয়াল আত্মবিশ্বাসটাই বিপদ। পাঠক সারণির ঘনত্ব দেখে ধরে নেন বিশ্লেষণ আছে। অথচ ঘরগুলোর ভেতরে শুধু 'অজানা'। এটাই আমার সবচেয়ে বড় ভয়: 'A clean dataset can still lie when the crowd is missing.' এবার আসি সেই দিকে, যা এই নথিটি বলতে চায়নি কিন্তু বলে ফেলেছে। প্রতিটি ঘরে 'N/A' লেখা থাকা সত্ত্বেও নথিটি দাবি করছে না যে কিছু নেই — বরং দাবি করছে যে কিছু থাকার কথা ছিল। অর্থাৎ এটি একটি অভাবের সাক্ষ্য, একটি অনুপস্থিতির মানচিত্র। আর অভাবকে চিহ্নিত করা কখনোই দুর্বলতা নয়, শক্তি। কারণ যে মডেল জানে সে কী জানে না, সেটি অন্তত মিথ্যা বলবে না। সমস্যা হলো বাজার সেই সততাকে পুরস্কৃত করে না। বাজার পুরস্কৃত করে আত্মবিশ্বাস, স্পষ্টতা, একটি একক সংখ্যা। আর ঠিক সেই কারণেই এজেন্ট-সংস্কৃতি এত শক্তিশালী — যেখানে তথ্যের চেয়ে গতি বেশি দামি। আমি জানি, এই যুক্তি শুনে কেউ বলবেন: খালি ইনপুট পেলে চুপ করাই তো ঠিক, এখানে নতুন কী। নতুনত্ব হলো, এই নথিটি নিজেই একটি কেস স্টাডি — কীভাবে একটি পাইপলাইন সৎ থাকতে গিয়ে অচল হয়ে পড়ে, আর কীভাবে বাজার সেই অচলতাকে ক্ষমা করে না। ২০২০ সালের মে মাসে যখন প্রথম বড় খালি-স্টেডিয়াম রিভিয়ারডার্বি বিশ্লেষণ করি — ডর্টমুন্ড ৪-০ শালকে, ডর্টমুন্ড ১১৩.২ কিমি দৌড়েছিল, শালকে ১০৭.৮ কিমি, ডর্টমুন্ডের PPDA ৭.১ — তখনো একই শিক্ষা পেয়েছিলাম। Crowd variable বাদ দিলে ডেটা মিথ্যা বলে। সংখ্যা ঠিকই ছিল, প্রেক্ষাপট ছিল না। তাই আমার পরামর্শ সবসময় একই: সংখ্যা প্রকাশের আগে তার provenance প্রকাশ করুন। ইনপুটের হ্যাশ, সময়, সংস্করণ, স্যাম্পল-সাইজ — এই চারটি জিনিস ছাড়া কোনো বিশ্লেষণ প্রকাশ করা উচিত নয়। আর যদি স্টেজ-ওয়ান খালি থাকে, তাহলে সবচেয়ে সাহসী কাজটি হলো সেটি প্রকাশ করা: 'এই ম্যাচটি আমাদের মডেল পড়তে পারেনি, কারণ আমরা ইনপুট পাইনি।' পাঠক সেই সততাকে বিশ্বাস করবেন, কারণ সততা যাচাইযোগ্য। কিন্তু এখানেই শেষ নয়, কারণ আসল বিপদটি অন্য জায়গায়। আমরা সহজে ধরে নিই, ঝুঁকি হলো যখন সিস্টেম ভুল উত্তর দেয়। অথচ এই নথি দেখাচ্ছে, ঝুঁকি হলো যখন সিস্টেম সঠিক প্রশ্নটি করতে পারে না, তবু উত্তর দেওয়ার চাপ অনুভব করে। খালি ঘরগুলোর কোনো ক্ষতি নেই। ক্ষতি হলো সেই ঘরগুলোতে কিছু লিখে ফেলার লোভে। আর ঠিক সেই লোভটাই একটি ইনপুট-ব্যর্থতাকে একটি ভুয়া বিশ্লেষণে রূপান্তরিত করে। তাই এই নথিটির সবচেয়ে বড় অবদান তার বিশ্লেষণ নয়, তার অনুপস্থিতি। এটি প্রমাণ করে যে একটি সৎ সিস্টেম কখনো কখনো সবচেয়ে বেশি কাজ করে যখন সে কাজ করতে অস্বীকার করে। আমরা যাকে ব্যর্থতা বলি, সেটি আসলে সীমার স্বীকৃতি। আর সীমা স্বীকার করার সাহসটাই আজকের ফুটবল-বিশ্লেষণে সবচেয়ে দুর্লভ পণ্য। আমার কাছে পরবর্তী ধাপের সংকেত স্পষ্ট। ফুটবল-বিশ্লেষণ শিল্পকে মডেলিংয়ের পাশাপাশি provenance-অবকাঠামোতে বিনিয়োগ করতে হবে। প্রতিটি ডেটাসেটের জন্মসনদ থাকতে হবে, প্রতিটি বিশ্লেষণের অডিট-ট্রেইল থাকতে হবে। যেদিন স্পোর্টস পাইপলাইন ব্লকচেইনের মতো অপরিবর্তনীয় লগ রাখতে শিখবে, সেদিন একটি খালি স্টেজ-ওয়ান আর কখনো স্টেজ-টু পর্যন্ত পৌঁছাবে না। উৎসেই ধরা পড়বে। আর তখন পাঠক আর জিজ্ঞেস করবেন না 'কে জিতল' — জিজ্ঞেস করবেন 'কোন ডেটা, কোন সময়ে, কার কাছ থেকে এল'। সেদিনই এই শিল্প সত্যিকারভাবে বড় হবে।