অন-চেইন ক্রিকেট ডেটা: শূন্য পেলোড, ভাঙা মডেল আর যাচাইয়ের নীরব শৃঙ্খলা

গত মাসে একটি ম্যাচ-বিশ্লেষণ ফিড আমার টার্মিনালে ফিরে এল এক অদ্ভুত আকারে। পুরো পেলোডে একটিমাত্র ট্যাগ ছিল — cricket_world। দল নেই, খেলোয়াড় নেই, ওভার-বাই-ওভার ডেটা নেই, স্কোরকার্ড নেই; ম্যাচটি টেস্ট, ওয়ানডে নাকি টি-টোয়েন্টি, সেটুকুও চেনা যাচ্ছিল না। অথচ ঠিক সেই সন্ধ্যায় বাজারে ওই ম্যাচ নিয়েই সবচেয়ে আত্মবিশ্বাসী ভবিষ্যদ্বাণী ঘুরছিল, আর তার পেছনে একটিও যাচাইযোগ্য তথ্য ছিল না। মডেল নীরব হয়ে গেলে বাজার নীরব থাকে না — বাজার গল্প বানিয়ে ফেলে, আর সেই গল্পই পরে দাম হয়ে যায়। আমি আমার নিজের ড্যাশবোর্ডে এটা দেখেছি।

আমি গত এগারো বছর ধরে ক্রিকেট ও ফুটবলের ডেটা নিয়ে কাজ করছি, যার শুরুটা হয়েছিল লন্ডনে কিনেসিওলজির স্নাতক ছাত্র থাকাকালীন। আমার বিশ্লেষণ-পদ্ধতি মূলত দুই স্তরে চলে। প্রথম স্তর কাঁচা ফিড, স্কোরকার্ড, বল-বাই-বল লগ আর সম্প্রচার টাইমস্ট্যাম্প থেকে তথ্যবিন্দু বের করে। দ্বিতীয় স্তর সেই তথ্যবিন্দু ধরে ট্যাকটিক্যাল ও মার্কেট-ভিত্তিক গভীর বিশ্লেষণ গড়ে। যদি প্রথম স্তর খালি ফিরে আসে, দ্বিতীয় স্তরের প্রতিটি সিদ্ধান্ত ভিত্তিহীন হয়ে পড়ে। এখান থেকেই 'null handling' নামের শৃঙ্খলার জন্ম: তথ্য না থাকলে লিখতে হয় 'অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়' — অনুমান দিয়ে ঘর ভরানো চলে না। যে মডেল 'আমি জানি না' বলতে পারে না, সেটি বিশ্লেষণ নয়, জ্যোতিষ।

এই শৃঙ্খলা আমি শিখেছি ভুল থেকে। ২০১৭ সালে আমি প্রিমিয়ার লিগের জন্য একটি এক্সপেক্টেড-গোলস মডেল বানিয়েছিলাম, যেটাকে পরে xG কনফেশনাল নাম দিয়েছিলাম। আমি xG কনফেশনাল তৈরি করেছিলাম শটগুলো যা স্বীকার করতে চায় না, তা শুনতে। মডেল বলেছিল, বার্নলির গোলরক্ষক টম হিটন প্রত্যাশার চেয়ে ৮.৭ গোল বেশি বাঁচিয়েছিলেন, অথচ দলটি লিগ শেষ করেছিল ষোলোতম স্থানে। এখানেই তথ্য আর গল্পের ফারাক পরিষ্কার হলো: হিটনের ব্যক্তিগত পারফরম্যান্স ছিল চোখধাঁধানো, কিন্তু দলের রক্ষণ-কাঠামো টেকসই ছিল না। যারা শুধু স্কোরকার্ড দেখে তাঁকে মহিমান্বিত করেছিলেন, তাঁরা মডেলের সতর্কবার্তাটি এড়িয়ে গিয়েছিলেন।

২০১৮ রাশিয়া বিশ্বকাপে আমি PPDA ও xG ব্যবহার করে ক্রোয়েশিয়াকে বিশ্লেষণ করেছিলাম। লুকা মোদরিচ ও ইভান রাকিতিচ প্রতি ম্যাচে গড়ে ১১.৩ কিলোমিটার দৌড়েছিলেন এবং চাপের মধ্যে ৮৯ শতাংশ পাস সম্পন্ন করেছিলেন। সেমিফাইনালের আগে আমি লিখেছিলাম, ক্রোয়েশিয়া ইংল্যান্ডকে অতিরিক্ত সময়ে ২-১ গোলে হারাবে। সেটি সত্যি হওয়ার পর একটি লন্ডন বাজি সিন্ডিকেট আমাকে বিশ্বকাপ ডেটা রিপোর্টের জন্য নিয়োগ দিল। ক্রোয়েশিয়া প্রেস ভাঙেনি; তারা প্রেসকে তার নিজের উদ্দেশ্য নিয়ে সন্দেহ তৈরি করিয়েছিল। এটাই তথ্যের কাজ — আবেগ নয়, নিছক প্রক্রিয়া।

২০২০ সালে, যখন গোটা ক্রীড়া-জগৎ থেমে গিয়েছিল, আমি দর্শকশূন্য ৯২টি ম্যাচ বিশ্লেষণ করলাম। ফলাফল ছিল চমকে দেওয়ার মতো: হোম অ্যাডভান্টেজ ০.৩৫ গোল থেকে নেমে এসেছিল ০.০৮-এ। আমি তিন সপ্তাহ ধরে মডেল নতুন করে ক্যালিব্রেট করলাম, হোম অ্যাডভান্টেজ ভেরিয়েবলটি বাদ দিয়ে। ফলে সিন্ডিকেট 'বুন্দেসলিগায় ২.৫ গোলের বেশি' মার্কেটে মূল্য খুঁজে পেল এবং Project Restart-এ ১২ শতাংশ ড্রডাউন এড়াল। এখান থেকে আমি শিখলাম, পরিবেশগত ভেরিয়েবল — গ্যালারির উপস্থিতি, তাপমাত্রা, বিশ্রামের দিন — মডেলের মূল অংশ।

সবচেয়ে বড় শিক্ষা এল ২০২২ থেকে। এনজো ফের্নান্দেসকে আমি প্রোফাইল করেছিলাম: প্রতি ৯০ মিনিটে ২.৭ ট্যাকল, ৬.২ প্রোগ্রেসিভ পাস এবং ১.১ xG+xA। বিশ্বকাপের পর আমি একটি ডেটা ব্রিফ প্রকাশ করলাম, যেখানে যুক্তি দিলাম চেলসির উচিত তাঁকে আনা। জানুয়ারি ২০২৩-এ চেলসি তাঁকে কিনে নিল £১০৬.৮ মিলিয়নের বিনিময়ে। কিন্তু আমি ব্রিফটি দুই দিন দেরি করে প্রকাশ করেছিলাম, শুধু প্রতিটি মেট্রিক যাচাই করার জন্য। যে বিশ্লেষক দুই দিন দেরি করে প্রতিটি সংখ্যা যাচাই করেন, তিনি বাজারে টিকেন; যে বিশ্লেষক দুই ঘণ্টায় দ্রুত খবর ছাড়েন, তিনি বাজারে মিলিয়ে যান।

এখন আসি সেই ফাঁকা পেলোডের প্রশ্নে। ডেটা অখণ্ডতার সমস্যা সমাধানে ব্লকচেইন প্রযুক্তি নিয়ে অনেকেই উৎসাহী। যুক্তি পরিষ্কার: একটি অপরিবর্তনীয় লেজার তথ্যের উৎস, সময় আর পরিবর্তনের হিসাব সংরক্ষণ করতে পারে, যা ক্রিকেট ডেটার জালিয়াতি ও পরে-পাল্টে-দেওয়া মেট্রিক ধরতে পারে। একজন খেলোয়াড়ের ইনজুরি রেকর্ড, একটি ম্যাচের বল-বাই-বল ডেটা, কিংবা একটি ট্রান্সফার মূল্য — সবই অন-চেইন যাচাইযোগ্য হলে বিশ্লেষকের আস্থা বাড়ে। ক্রিকেটের প্রেক্ষাপটে এটি বিশেষভাবে প্রাসঙ্গিক, কারণ ইনজুরি সংক্রান্ত তথ্য প্রায়ই মেডিকেল গোপনীয়তার আড়ালে চাপা পড়ে থাকে, আর বোর্ড কেবল নিজের স্বার্থরক্ষার জন্য যা দরকার তা প্রকাশ করে।

এখানেই আমার সতর্কবার্তা। ব্লকচেইন তথ্যের সত্যতা যাচাই করতে পারে, তথ্যের সঠিকতা নয়। যদি ইনপুটই খালি বা ভুল হয়, তাহলে অপরিবর্তনীয় লেজার শুধু সেই ভুলটিকে চিরস্থায়ী করে দেয়। ফাঁকা পেলোড অন-চেইন গেলেও সেটি ফাঁকা পেলোডই থাকে; বরং এখন কেউ সেটি সংশোধনও করতে পারবে না। এই ঝুঁকি বাস্তব, কারণ তথ্যের অভাব সবসময় নিরপেক্ষ থাকে না।

আরেকটি ফাঁদ অপেক্ষা করছে: পারস্পরিক সম্পর্ককে কারণ হিসেবে ভুল করা। একটি দল টানা পাঁচ ম্যাচ জিতল, তার মানে এই নয় যে তার কৌশল নিখুঁত। ছোট নমুনা, টসের ভাগ্য, DLS-এর হস্তক্ষেপ, ডিআরএস-বিতর্ক — এসব গোলমালের মধ্যে দাঁড়িয়ে এক-ম্যাচ-নির্ভর সিদ্ধান্ত বিপজ্জনক। তরুণ খেলোয়াড়দের ক্ষেত্রে এই ঝুঁকি আরও তীব্র: যে কিশোর সময়ের আগেই শারীরিকভাবে পরিণত দেখায়, তাকে দ্রুত সিনিয়র রিদমে ঠেলে দেওয়া হয়, অথচ তার শরীর এখনো তৈরি হয়নি। স্কোরকার্ডে তার সংখ্যা চকচকে, কিন্তু পেছনের বয়স-বক্ররেখা আর ওয়ার্কলোড ডেটা সেটি বলে না।

আমি তাই নিজের প্রতিটি মডেলের সাথে অন্তত একটি 'ফালসিফায়ার' লিখে রাখি — কোন তথ্য এলে আমি আমার নিজের মডেল ভুল বলে মানব, তা আগেই ঠিক করে রাখি। আমার বছরের পর বছর ম্যাচ দেখার অভিজ্ঞতা থেকে একটি কথা বলতে পারি: ক্রিকেটে সবচেয়ে বিপজ্জনক মুহূর্ত সেই সময়, যখন তথ্য ফুরিয়ে যায় কিন্তু আত্মবিশ্বাস বাড়তে থাকে।

তাহলে পথ কী? আমার মতে তিনটি স্তর দরকার। প্রথমত, প্রতিটি ডেটা ফিডে বাধ্যতামূলক 'null gate' — তথ্য না থাকলে পাইপলাইন যেন সেটি গোপন না করে স্পষ্টভাবে ঘোষণা করে। দ্বিতীয়ত, উৎস-নথিভুক্তি ও যাচাইযোগ্য টাইমস্ট্যাম্প, যেখানে ব্লকচেইনের মতো অপরিবর্তনীয় লেজার প্রক্সি হিসেবে কাজ করতে পারে। তৃতীয়ত, নমুনার আকার ও আস্থার ব্যবধান সবসময় প্রকাশ করা। এই তিনটি একসাথে না হলে বিশ্লেষণ আর জ্যোতিষের মধ্যে ফারাক থাকবে না।

আগামী ম্যাচের সংকেত হিসেবে একটি প্রশ্ন রেখে যাচ্ছি: পরের সিরিজের ভবিষ্যদ্বাণী পড়ার সময় জিজ্ঞেস করুন — এই ভবিষ্যদ্বাণীর ভিত্তি কোন তথ্যবিন্দু, আর সেই তথ্যবিন্দু যদি ফাঁকা হতো, বিশ্লেষক সেটি স্বীকার করতেন, নাকি গল্প দিয়ে ঢেকে দিতেন? যে বিশ্লেষক ফাঁকা ঘর স্বীকার করতে পারেন, তিনিই সত্যিকারের মডেল চালান। বাকিরা শুধু অন-চেইন গল্প চালান।