খালি লেজার, শূন্য ফলাফল: ক্রিকেট বিশ্লেষণের পাইপলাইনে ভেরিফিকেশন কোথায় ভাঙে

খালি লেজার, শূন্য ফলাফল: ক্রিকেট বিশ্লেষণের পাইপলাইনে ভেরিফিকেশন কোথায় ভাঙে

রাত দুটো। রংপুরের ডেস্কে ল্যাপটপ খুলে ফাইলটি নামালাম — যেটি আসার কথা ছিল একটি ডিকনস্ট্রাকশন রিপোর্ট নিয়ে: শিরোনাম, সোর্স, এক-বাক্যের সারসংক্ষেপ, তথ্যবিন্দুর তালিকা, এনটিটিজ। খুললাম। শিরোনামের ঘরে লেখা "N/A"। সোর্সের ঘরে "N/A"। তথ্যবিন্দুর তালিকা শূন্য। এনটিটিজের ঘরে নির্দেশ — "উপরের তথ্যবিন্দু থেকে নির্ণয় করুন", অথচ উপরে নির্ণয় করার মতো একটি বিন্দুও নেই।

সতেরো বছরে আমি বহু ফাঁকা স্কোরবোর্ড দেখেছি। বৃষ্টিতে ভেসে যাওয়া ম্যাচ, পরিত্যক্ত ইনিংস, ডাকওয়ার্থ-লুইসে মুছে যাওয়া ওভার। কিন্তু ফাঁকা অ্যানালিটিক্স ফাইল আলাদা প্রজাতির প্রাণী। স্কোরবোর্ড ফাঁকা হলে বোঝা যায় ম্যাচটি ঘটেনি — সেটিও একটি তথ্য। এখানে যা ফাঁকা, সেটি ম্যাচ নয়। সেটি প্রমাণের শিকড়।

একটি বিশ্লেষণ-পাইপলাইনের সবচেয়ে ভয়ংকর মুহূর্ত তার ধসে পড়া নয়। সবচেয়ে ভয়ংকর মুহূর্ত হলো ধসটি কেউ টের না পাওয়া।

প্রেক্ষাপট: পাইপলাইনটি আসলে কী করে

আমাদের কাজ দুই স্তরে চলে। প্রথম স্তর, ডিকনস্ট্রাকশন — একটি প্রতিবেদনকে টুকরো টুকরো যাচাইযোগ্য তথ্যবিন্দুতে ভাঙা: কে, কখন, কোন ফরম্যাটে, কোন সংখ্যা, কোন সূত্রে। দ্বিতীয় স্তর, ডাইমেনশনাল অ্যানালাইসিস — সেই তথ্যবিন্দুগুলোকে আটটি মাত্রায় সাজিয়ে সিদ্ধান্তে পৌঁছানো: ফরম্যাট ও ম্যাচ-পাঠ, খেলোয়াড়ের কারিগরি ও ডেটা, দলীয় চিত্র ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্ন্যান্স, ঝুঁকি, জন-আখ্যান, এবং শিল্প-প্রসারণ।

লক্ষ করার বিষয় হলো, দ্বিতীয় স্তর দাঁড়িয়ে থাকে প্রথম স্তরের উপরে। ইট না থাকলে দেয়াল ওঠে না; ওঠে ধারণার প্রাসাদ, যা দেখতে দেয়ালের মতো, কিন্তু প্রথম ঝড়েই ভেঙে পড়ে।

এবার ভাবুন, প্রথম স্তরের রিপোর্ট হাতে এল ঠিকই, কিন্তু তার প্রতিটি ঘর ফাঁকা। শিরোনাম নেই, সোর্স নেই, তথ্যবিন্দু নেই, মূল দৃষ্টিভঙ্গি নেই। একটি ডোমেইন ট্যাগ আছে — cricket_world। সেটি বিশ্লেষণের কাঁচামাল নয়, সেটি কেবল একটি ঠিকানা।

এখানেই পাইপলাইনের আসল পরীক্ষা। দুর্বল পাইপলাইন খালি ইনপুট পেলে কী করে? সে ফাঁকা ঘরগুলো "যুক্তিসঙ্গত" অনুমানে ভরে দেয়। একটি নাম বসায়, একটি স্কোর বসায়, একটি গল্প বুনে দেয়। রিপোর্ট দেখতে সুন্দর হয়। আর ঠিক সেখানেই বিশ্লেষণটি মরে যায়।

আমি যখন সিঙ্গাপুরের একটি বেটিং সিন্ডিকেটে জুনিয়র অ্যানালিস্ট ছিলাম, তখন আমাদের সবচেয়ে কঠোর নিয়মটি প্রযুক্তিগত ছিল না, সাংস্কৃতিক ছিল: কোনো ফাঁকা ঘর অনুমানে ভরা যাবে না। ফাঁকা ঘর ফাঁকা থাকবে, আর রিপোর্টে সেটি লাল কালিতে দেখা যাবে।

ওই নিয়মটাই আজকের প্রতিবেদনের মেরুদণ্ড। দ্বিতীয় স্তরের আটটি মাত্রাই পূর্ণ ফরম্যাটে ছাপা হয়েছে, কিন্তু প্রতিটির মান এক — "তথ্য অপর্যাপ্ত, মূল্যায়ন সম্ভব নয়"। ওই মানগুলো ফাঁকা রাখার সিদ্ধান্তটি শৃঙ্খলার পরিচয়, অলসতার নয়।

মূল বিশ্লেষণ

শূন্য কেন সঠিক উত্তর, আর সেটি কী প্রমাণ করে

একটি বিশ্লেষণী আউটপুট তিন রকম হতে পারে। ধনাত্মক: সংকেত পাওয়া গেল। ঋণাত্মক: তথ্য ছিল, সংকেত খুঁজে পাওয়া গেল না। আর নাল: তথ্যই ছিল না। প্রথম দুটি পরস্পরের বিপরীত মেরু, কিন্তু দুটোই জ্ঞান। তৃতীয়টি আলাদা বস্তু — সেটি জ্ঞানের অনুপস্থিতি, এবং সেই অনুপস্থিতির ঘোষণাটাও একটি তথ্য।

হিসাবটা সহজ। আটটি মাত্রার প্রতিটিতে যদি তথ্যবিন্দুর সংখ্যা শূন্য হয়, তবে সম্ভাব্য সিদ্ধান্তের সংখ্যাও শূন্য। প্রতিটি মাত্রা একটি ফাংশন, আর তার ইনপুট খালি। খালি ইনপুটে ফাংশন যা ফেরত দিতে পারে, তা শূন্য — অথবা বানানো একটি সংখ্যা। দ্বিতীয়টি বেছে নেওয়া মানে মডেলের বদলে কল্পনাকে দায়িত্ব দেওয়া।

আমার লেজারে আমি এই নীতিটি লিখে রেখেছি: যে বিশ্লেষণ নিজের অজ্ঞতার সীমা ঘোষণা করতে পারে না, সেটি বিশ্লেষণ নয়, সেটি বর্ণনা।

ব্যর্থতার শ্রেণিবিন্যাস

শূন্য ফলাফল দেখলে তিনটি সম্ভাবনা দরজায় টোকা দেয়। এক, সোর্স সত্যিই বিষয়বস্তু-শূন্য — খালি পেজ, ভাঙা লিংক, প্লেসহোল্ডার। দুই, পাইপলাইনের ফেচ-স্তর ব্যর্থ — প্রতিবেদনটি ইন্টারনেটে আছে, কিন্তু আমাদের ইনজেশন সেটি নামাতে পারেনি। তিন, পার্সিং-স্তর ভেঙেছে — টেক্সট এসেছে, কিন্তু ডিকনস্ট্রাক্টর তার ভেতর থেকে একটি তথ্যবিন্দুও বের করতে পারেনি; ফরম্যাট বদলেছে, ভাষা বদলেছে, বা ইনপুট কেটে গেছে।

এই তিনটির চিকিৎসা সম্পূর্ণ আলাদা। প্রথমটির জন্য দরকার নতুন সোর্স। দ্বিতীয়টির জন্য দরকার ইনজেশন লগ। তৃতীয়টির জন্য দরকার পার্সার নতুন করে লেখা।

একটি শূন্য ফলাফল ব্যাখ্যা করার আগে তার জন্মসনদ জানা জরুরি। যে দল "সোর্স খারাপ" বলে থেমে যায়, তারা হয়তো তিন নম্বর ক্ষেত্রে তিন মাস ধরে ভুল জায়গায় খুঁড়ছে।

"তথ্য নেই" আর "সংকেত নেই" — সবচেয়ে বড় বিভ্রান্তি

আমার পেশায় এই দুটো প্রায়ই গুলিয়ে যায়। "সংকেত নেই" মানে — তথ্য হাজির ছিল, বিশ্লেষণ চালানো হলো, আর পার্থক্যটি ভ্যারিয়েন্সের ভেতরে হারিয়ে গেল। এটি একটি সিদ্ধান্ত, এবং দামি সিদ্ধান্ত, কারণ এটি আপনাকে বাজারে টাকা না লাগানোর সিদ্ধান্ত নিতে সাহায্য করে।

"তথ্য নেই" মানে — আপনি এখনো মাঠে নামেননি। এখানে সিদ্ধান্ত নেই, আছে কেবল একটি কর্তব্য: তথ্য জোগাড় করা।

দুটোকে এক করে ফেললে কী হয়? বিশ্লেষক হয় আত্মবিশ্বাসী মূর্খে পরিণত হন, নয়তো অকারণে সন্দেহবাদী হয়ে পড়েন। আজকের প্রতিবেদন দ্বিতীয় প্রকার, এবং সেটি স্পষ্ট ভাষায় নিজের অবস্থান জানিয়ে দিয়েছে।

ইম্পিউটেশনের দাম

এখন আসি সেই প্রলোভনে, যা প্রতিটি ডেটা-ডেস্কে প্রতিদিন মাথা তোলে। আটটি মাত্রা ফাঁকা, প্রতিবেদন জমা দিতে হবে সন্ধ্যায়। সমাধান হাতের কাছে: একটি নাম বসিয়ে দিই, একটি দল ধরে নিই, একটি স্কোর অনুমান করি।

ধরা যাক, কেউ বসিয়ে দিল একটি ম্যাচ, একটি দল, একটি ফলাফল। রিপোর্ট জমা পড়ল। সপ্তাহখানেক পরে সিদ্ধান্তটি বাজারে গেল, একটি বাজি বসল, টাকা নড়ল।

ইম্পিউটেশনের সমস্যা তার নির্ভুলতা নয়, তার অদৃশ্যতা। যে সংখ্যাটি বানানো, সেটি লেজারে বানানো বলে চিহ্নিত না থাকলে পরের ধাপে সেটি প্রমাণের মর্যাদা পেয়ে যায়। একবার মর্যাদা পেলে আর ফেরানো যায় না। ভুল তথ্য সত্য তথ্যের চেয়ে দ্রুত ছড়ায়, কারণ সত্য তথ্য যাচাই দাবি করে, আর ভুল তথ্য শুধু আত্মবিশ্বাস দাবি করে।

সিন্ডিকেটে আমাদের নিয়ম ছিল: প্রতিটি সংখ্যার পাশে তার জন্মসনদ। কোন সোর্স, কোন তারিখ, কোন ফাইল। জন্মসনদ না থাকলে সংখ্যাটি লেজারে ঢুকত না, তা দেখতে যত সুন্দরই হোক।

লেজার, হ্যাশ আর অডিট ট্রেইল

এখানেই ব্লকচেইন-ধাঁচের চিন্তাটি কাজে আসে — কেবল রূপকের অর্থে নয়, প্রকৌশলের অর্থে।

একটি স্পোর্টস-অ্যানালিটিক্স পাইপলাইনের আসল সম্পদ তার সিদ্ধান্ত নয়, তার অডিট ট্রেইল। কে কোন ফাইল থেকে কোন তথ্যবিন্দু তুলল, কে সেটি কোন মাত্রায় বসাল, কে চূড়ান্ত সিদ্ধান্তে সিলমোহর দিল — এই শিকলটি যদি অপরিবর্তনীয় হয়, তবে যেকোনো তৃতীয় পক্ষ সিদ্ধান্তটি পুনরুৎপাদন করতে পারে।

ভাবুন, প্রতিটি ধাপের আউটপুট হ্যাশ করে পরের ধাপে ঢোকানো হলো। ফাইলটি যদি পরে কেউ বদলায়, হ্যাশ মেলে না, শিকল ভেঙে যায়, আর সঙ্গে সঙ্গে ধরা পড়ে যায় কে কোথায় হাত দিয়েছে। এটি ব্লকচেইনের মূল শিক্ষা, এবং সেটি ক্রিপ্টোকারেন্সির সঙ্গে যুক্ত নয়। সেটি হলো বিশ্বাসের বদলে যাচাই।

আমাদের ডেস্কে আমরা একটি সরল নিয়মে চলতাম: কোনো বিশ্লেষক যদি নিজের সিদ্ধান্তের পথটি এক টেবিলে পুনরায় হাঁটতে না পারেন, সিদ্ধান্তটি বাতিল। পথচিহ্নহীন ফলাফল লেজারে জায়গা পায় না।

আর এখানে একটি সুন্দর সমান্তরাল আছে। ব্লকচেইনে একটি ফাঁকা ব্লকও ব্লক। চেইন সেটি রেকর্ড করে — "এই সময় কোনো লেনদেন হয়নি"। অ্যানালিটিক্সেও তাই। একটি খালি তথ্যবিন্দুর তালিকা একটি বৈধ রেকর্ড, যদি সেটি সৎভাবে লেখা হয়। যে পাইপলাইন শূন্যতা রেকর্ড করতে পারে না, সেটি শূন্যতা লুকিয়ে রাখে।

আমার নিজের লেজার থেকে তিনটি পাঠ

প্রথম xG লেজারটি শুরু হয়েছিল স্কোরবোর্ডের সঙ্গে এক ব্যক্তিগত ঝগড়া হিসেবে। ২০১৭-১৮ মৌসুমে বার্নলি সাত নম্বরে শেষ করেছিল। স্কোরবোর্ড বলছিল গল্পটি মহত্ত্বের। আমার ৩৮০ ম্যাচের লেজার বলছিল অন্য কথা — ৫৪ পয়েন্ট, আর এক্সপেক্টেড পয়েন্ট ৪৫.১; ৩৯ গোল হজম, আর এক্সপেক্টেড ৪৯.৭। পার্থক্যটি প্রায় নয় পয়েন্ট। আমি চূড়ান্ত চার্টটি দুই দিন দেরি করে ছেপেছিলাম, কারণ তিন মৌসুম ব্যাক-টেস্ট করা বাকি ছিল।

যে টেবিল একটি পূর্ণ মৌসুমের ভ্যারিয়েন্স পার করেনি, আমি তাকে বিশ্বাস করিনি।

দ্বিতীয় পাঠটি এল ২০১৮ সালের বিশ্বকাপে। স্পেন বনাম রাশিয়া ম্যাচের আগে আমার মডেল স্পেনকে ৭৮ শতাংশ জয়ের সম্ভাবনা দিয়েছিল। ১২০ মিনিট শেষে স্পেনের পাস ১,০২৯, দখল ৭৫ শতাংশ, এক্সজি ১.১৬, আর ওপেন প্লে থেকে গোল একটি। রাশিয়ার এক্সজি ০.৪১, আর ম্যাচটি গড়াল পেনাল্টিতে। স্পেন ১,০২৯টি পাস সম্পূর্ণ করেছিল, আর গোলটি বল দখলের ভেতরেই হারিয়ে গিয়েছিল।

সেই দিন থেকে আমি কাঁচা দখলকে নিয়ন্ত্রণ বলে মানি না। প্রতিটি মেট্রিকের পাশে একটি অনুপ্রবেশ-মেট্রিক বসাই।

তৃতীয় পাঠটি ২০২০ সালের খালি স্টেডিয়াম থেকে। বুন্দেসলিগার মে মাসের পুনঃসূচনার তথ্যে দেখলাম, ঘরের মাঠে জয়ের হার ৪৩.৩ থেকে ৩৩.৮ শতাংশে নেমেছে, আর ঘরের দল প্রতি ম্যাচে গোল করেছে ১.৭৪-এর বদলে ১.২৯। পাঁচ লিগে ঘরের ফেভারিটদের বিরুদ্ধে খেলে ৬৩ ম্যাচে ৮.৭ শতাংশ রিটার্ন এসেছিল। কিন্তু ওই ফলাফলের ভিত্তি ছিল হাজারো বল-বাই-বল রেকর্ড — অনুমান নয়।

এই তিনটি পাঠের সূত্র এক: সিদ্ধান্ত আসে কাঁচামাল থেকে, আখ্যান থেকে নয়। আজকের প্রতিবেদনে কাঁচামাল শূন্য। তাই সিদ্ধান্তও শূন্য, এবং সেটিই একমাত্র সৎ উত্তর।

বেস রেট আর প্রি-রেজিস্ট্রেশন

বিশ্লেষণের আরেকটি পুরনো শত্রু হলো প্রতিক্রিয়াশীলতা — শূন্য ফলাফল দেখে "নিশ্চয়ই সোর্স খারাপ" বলে দিব্য ঘোষণা দিয়ে দেওয়া। এটিও একটি অনুমান, আর অনুমান সাজানোর খরচ কম।

তাই আগে থেকেই শর্ত লিখে রাখা দরকার। আমাদের পরিভাষায় প্রি-রেজিস্ট্রেশন: কোন তথ্য পেলে কী সিদ্ধান্ত নেব, সেটি আগেই লেজারে লিখে রাখা। এখানে শর্তটি সরল — তথ্যবিন্দুর তালিকা অশূন্য হলে দ্বিতীয় স্তর আবার চালানো হবে; শূন্য থাকলে ফলাফল শূন্যই থাকবে।

বেস রেটও মনে রাখা ভালো। ডেটা-পাইপলাইনে খালি ইনপুটের ঘটনা বিরল নয়। ইনজেশন ব্যর্থতা, এনকোডিং ভাঙা, সোর্স সাইটের গঠন বদলে যাওয়া — এগুলো নিত্য ঘটে। তাই "খালি মানেই সোর্স খারাপ" অনুমানটি বেস রেটের কাছে হারে। সম্ভাব্যতা বলে, ত্রুটিটি প্রায়ই আমাদের দিকেই।

উল্টো দিকটি: যে পাইপলাইন কখনো শূন্য দেয় না, সেটিই ভাঙা

স্বাভাবিক প্রত্যাশা হলো, শূন্য ফলাফল মানে ব্যর্থ পাইপলাইন। আমার হিসাব উল্টো দিকে চলে।

একটি পাইপলাইন যদি প্রতি বারই কিছু-না-কিছু ফেরত দেয়, তবে সেটি সম্ভবত কখনো সত্যিই কিছু খুঁজে পায়নি — সে কেবল ফাঁকা জায়গা ভরতে শিখেছে। যে ব্যবস্থা "জানি না" বলতে পারে না, তার "জানি" শব্দটির দাম কমে যায়।

দ্বিতীয় উল্টো কথা: শূন্য ফলাফল সস্তা নয়, বরং সবচেয়ে দামি আউটপুটগুলোর একটি। কারণ এটি আপনাকে একটি নির্দিষ্ট খরচ বাঁচায় — ভুল সিদ্ধান্তের খরচ। বাজারে না নামার সিদ্ধান্তটিও একটি সিদ্ধান্ত, আর অনেক সময় সেটিই মৌসুমের সেরা সিদ্ধান্ত।

তৃতীয়ত, একটি সতর্কতা নিজের বিরুদ্ধে। বিপরীতমুখী প্রবণতা আমাদের পরিবারের একটি রোগ। "সবাই ভুল, আমি ঠিক" — এই ভঙ্গিটি আরামদায়ক, কিন্তু প্রমাণহীন। তাই প্রতিটি বিপরীত দাবির পাশে একটি প্রশ্ন বসানো দরকার: সাধারণ ব্যাখ্যাটি কী, আর আমার ব্যাখ্যাটি সেটিকে কতটা ছাড়িয়ে যায়? যদি না ছাড়ায়, সাধারণটাই রাখুন।

এখানে সাধারণ ব্যাখ্যাটি সম্ভবত সঠিক: পাইপলাইনে ফেচ বা পার্স ভেঙেছে। সেটি মেরামতের কাজ, নতুন তত্ত্বের নয়। পার্থক্যটি মনে রাখা জরুরি — শূন্য ইনপুট আর শূন্য সংকেত এক নয়, আর একটি ভাঙা পাইপলাইন কোনো দুর্বল সোর্সের প্রমাণ নয়।

সামনের দিকে

এখন নজর রাখার জায়গা তিনটি। এক, প্রথম স্তর পুনরায় চালানো হলে তথ্যবিন্দুর তালিকা অশূন্য হয় কি না — সেটিই মূল ট্রিগার। দুই, মূল প্রতিবেদনটি আদৌ সংগ্রহযোগ্য কি না; শিরোনাম ও সোর্সের ঘর পূরণ হলে বোঝা যাবে সমস্যাটি ফেচ-সাইডে ছিল, পার্স-সাইডে নয়। তিন, ইনজেশন লগে কোনো ব্যতিক্রম রেকর্ড হয়েছে কি না।

এই তিনটি সংকেত না আসা পর্যন্ত আমার লেজারে একটি সারি থাকবে, আর তার মান হবে শূন্য। আকারের কোনো দাম নেই, দাম আছে প্রমাণের। যে বিশ্লেষণ শূন্যকে ভয় পায়, সে কখনো শূন্যকে ব্যবহার করতে শেখে না।