খালি পেলোডের পাঠ: ক্রিকেট অ্যানালিটিক্স পাইপলাইন ভেঙে পড়লে ব্লকচেইন কী শেখায়

গত সপ্তাহে আমার ডেস্কে একটা বিশ্লেষণ রিপোর্ট এল, যার প্রতিটি ঘর জুড়ে একটাই বাক্য — “N/A – insufficient information”। ম্যাচের নাম নেই, খেলোয়াড় নেই, লিগ নেই, সময় নেই। আটটি বিশ্লেষণী স্তম্ভ, শূন্য তথ্যবিন্দু। Stage-1-এর ডিকনস্ট্রাকশন ফলাফল Stage-2-এ চুপচাপ ঢুকে পড়েছে, আর Stage-2 বিনয়ের সঙ্গে স্বীকার করছে — কোনো বিশ্লেষণ সম্ভব নয়। প্রতিটি বিভাগে একই উত্তর, আটবার পুনরাবৃত্ত। প্রথম নজরে এটাকে ফেলে দেওয়ার মতো কিছু মনে হয়। কিন্তু আমি ২০১১ সাল থেকে ক্রিকেট ডেটা নিয়ে লিখছি, এই সময়টায় একটা জিনিস শিখেছি: খালি ঘর কখনও সত্যিই খালি থাকে না — সে নিজেই একটা ডেটাপয়েন্ট। প্রশ্নটা এখন এই, পাইপলাইন কোন মুহূর্তে ভেঙেছিল, আর সেই ভাঙনের হিসাব কে রাখবে?

আমি Ryan Brown, ৬৩ বছর বয়সী, কানাডায় জন্ম, এখন খুলনায় বসে বাংলাদেশের ক্রিকেট বাজারকে কভার করি। পেশায় Sports Data Analyst। ২০১১ সালে BDCricTeam নামে একটা সোশ্যাল-মিডিয়া ক্রিকেট পেজ চালু করেছিলাম — তখন থেকেই লেখার শৃঙ্খলা গড়ে উঠতে শুরু করে। ২০১৬ সালে রেডিও ডিজে-র কাজ থেকে বাংলাদেশ প্রিমিয়ার লিগের টেলিভিশন কমেন্টারি বক্সে পা রাখি, Danny Morrison আর Athar Ali Khan-এর পাশে। ওই অভিজ্ঞতা আমার দৃষ্টিভঙ্গি বাড়িয়ে দেয় — একই ম্যাচ, একই বল, কিন্তু তিনজন ভিন্ন পটভূমির মানুষ তিনরকমভাবে দেখছেন। সেখান থেকেই বুঝলাম, চোখের সাক্ষ্য আর সংখ্যার সাক্ষ্য এক নয়।

২০১৭ সালে, বয়স ৫৪-তে, বাংলাদেশ প্রিমিয়ার লিগ চলাকালীন খুলনা থেকে একটা ডেটা থ্রেড সিরিজ শুরু করি। অর্থনীতিতে স্নাতক হওয়ায় আমি প্রতিটি ম্যাচকে গল্প নয়, ডেটাসেট হিসেবে দেখতাম। Abahani Limited Dhaka বনাম Sheikh Russel KC ম্যাচ ১-১ ড্র হয়েছিল; আমার xG মডেল Abahani-কে দিয়েছিল ২.৭, Sheikh Russel-কে ০.৮। স্কোরলাইন আর প্রসেসের এই ফাঁকটাই আমাকে “Data Monk” নামটা এনে দেয়। মাত্র তিন মাসে দশ হাজার অনুগামী জুটল, আর প্রথম পেইড অ্যানালিটিক্স কলামের দরজা খুলল। সেই মডেল দাঁড়িয়ে ছিল ২০০ ম্যাচের ওপর — শট লোকেশন, অ্যাসিস্টের ধরন, আচ্ছাদিত দূরত্ব।

কিন্তু তার অনেক আগে, মডেলের কোনো নাম ছিল না। Before the model had a name, I counted chances by hand. ম্যাচ দেখতে দেখতে হাতে টুকে রাখতাম — কে কোন জায়গা থেকে শট নিল, কোন ডেলিভারিটা কতটা লাইন-লেংথে পড়ল, কোন ডট-বলের পর ব্যাটসম্যান দিশেহারা হলো। সেই হাতে-গোনা সংখ্যাগুলোই পরে ট্র্যাকিং ডেটার ক্যালিব্রেশন হয়ে উঠল। আজকের ক্যামেরা সেকেন্ডে গুনে ফেলে, কিন্তু ভিত্তি একই থাকে: প্রতিটি সংখ্যার একটা উৎস থাকতে হবে, আর সেই উৎস যাচাইযোগ্য হতে হবে। হাতে গোনা আর মডেলের গোনা — দুটোই আমি পাশাপাশি প্রকাশ করি, আর দুটো যখন মেলে না, সেটাই সবচেয়ে বড় সংকেত।

এখানেই দুই-স্তরের পাইপলাইনের ধারণাটা আসে। Stage-1 একটা নিবন্ধকে ভেঙে তথ্যবিন্দুতে (information points) পরিণত করে; Stage-2 সেই তথ্যবিন্দুর ওপর গভীর বিশ্লেষণ চালায়। তথ্যবিন্দু না থাকলে Stage-2-এর হাতে কিছুই থাকে না। এটা ঠিক তেমন, যেন আমি ২০১৭ সালে ম্যাচের স্কোর জেনে যাই কিন্তু প্রতিটি শটের লোকেশন না জেনে xG বের করতে বসি। মডেল চলবে, সংখ্যা দেবে, কিন্তু সেই সংখ্যা কেবল আন্দাজ। এখানে একটা সূক্ষ্ম কিন্তু জরুরি পার্থক্য আছে। ডেটার অখণ্ডতা (integrity) আর ডেটার গুণমান (quality) এক জিনিস নয়। গুণমান বলে সংখ্যাটা কতটা সঠিক; অখণ্ডতা বলে সংখ্যাটা পথে হারায়নি কি না। আমার অভিজ্ঞতায় বেশিরভাগ মডেল ব্যর্থ হয় অখণ্ডতার অভাবে, গুণমানের অভাবে নয়। যে পাইপলাইনে প্রতিটি ধাপের অডিট ট্রেইল থাকে, সেখানে ভুল ধরা পড়ে দ্রুত।

ব্লকচেইনের সঙ্গে ক্রিকেট অ্যানালিটিক্সের সম্পর্কটা প্রথমে দূরের মনে হয়। কিন্তু গভীরে গেলে দুটোই একই সমস্যার সমাধান খোঁজে — provenance, অর্থাৎ উৎসের সত্যতা। ব্লকচেইনের মূল প্রতিশ্রুতি হলো অপরিবর্তনীয় (immutable) লেজার: একবার কোনো রেকর্ড লেখা হলে তা আর নিঃশব্দে মুছে ফেলা বা বদলানো যায় না। প্রতিটি ব্লকে থাকে টাইমস্ট্যাম্প, ক্রিপ্টোগ্রাফিক হ্যাশ, আর আগের ব্লকের রেফারেন্স। এভাবে গোটা শৃঙ্খল একে অপরের সঙ্গে বাঁধা পড়ে, আর একটি ব্লক বদলাতে হলে তার পরের সব ব্লক বদলাতে হয় — যা কার্যত অসম্ভব। ক্রিকেট ডেটার জগতে ঠিক এই গুণটাই সবচেয়ে বেশি দরকার, কারণ এখানকার ক্ষতি নাটকীয় নয়, নিঃশব্দ।

ভাবুন, সেই খালি পেলোডটা। Stage-1-এর এক্সট্রাক্টর যদি কোনো কারণে null রিটার্ন করে, আর সেটা যাচাই ছাড়াই Stage-2-তে পাস হয়ে যায়, তাহলে কী হয়? কোনো ত্রুটি বার্তা আসে না, কোনো অ্যালার্ম বাজে না। শুধু প্রতিটি ঘরে লেখা থাকে insufficient information। ব্যবহারকারী ভাবেন, তথ্য কম ছিল। অথচ সত্যিটা ভিন্ন — তথ্য কম ছিল না, তথ্য হারিয়ে গেছে। এই পার্থক্যটা ধরার একমাত্র উপায়, যদি প্রতিটি ধাপের ইনপুট-আউটপুট হ্যাশ করে অপরিবর্তনীয়ভাবে সংরক্ষণ করা হয়। তখন কেউ বলতে পারবে না “তথ্য ছিল না”; লেজার দেখিয়ে দেওয়া যাবে, তথ্য ছিল, কিন্তু কোন ধাপে সেটা বাদ পড়ল।

আমি ২০১৮ সালে, বয়স ৫৫-তে, রাশিয়া বিশ্বকাপে জার্মানির বিরুদ্ধে দক্ষিণ কোরিয়ার ম্যাচে PPDA প্রয়োগ করেছিলাম। জার্মানির PPDA ছিল ৬.২ — অর্থাৎ তারা খুব দ্রুত বল উদ্ধারে চাপ দিচ্ছিল বলে মনে হচ্ছিল। কিন্তু পর্দার ওপিছনে ছিল দক্ষিণ কোরিয়ার পক্ষে ১৮ শট আর ২.৪ xG, আর জার্মানির নিজের xG মাত্র ০.৮। কম PPDA একটা রক্ষণভাগের ভাঙনকে ঢেকে রেখেছিল। মেক্সিকোর কাছে প্রথম ম্যাচ হারার পরেই আমি জার্মানির গ্রুপ-পর্যায়ের বিদায়ের ভবিষ্যদ্বাণী করেছিলাম। ওই থ্রেডে আচ্ছাদিত দূরত্বের ডেটা দেখিয়েছিলাম — জার্মানির মিডফিল্ড দক্ষিণ কোরিয়ার প্রেসিং-তীব্রতার চেয়ে ৮ কিলোমিটার পিছিয়ে ছিল। পয়েন্টটা ছিল, একটা মেট্রিক কখনও একা কথা বলে না; তাকে তার উৎস, তার পরিবেশ, তার সহযোগী মেট্রিকের সঙ্গে মিলিয়ে পড়তে হয়। এটাই pressing autopsy।

ক্রিকেটে এই পাঠটা সরাসরি অনুবাদ করা যায় না — ফুটবলে প্রেসিং নিরবচ্ছিন্ন, ক্রিকেটে চাপ বিচ্ছিন্ন। তাই আমি ক্রিকেট-নির্দিষ্ট চাপ-ঘটনা সংজ্ঞায়িত করি: ডট-বলের ক্লাস্টার, উইকেট-নেওয়া বল, বাউন্ডারি-দমন। পাওয়ারপ্লে, মিডল-ওভার স্কুইজ, ডেথ ওভার — প্রতিটা ফেজে চাপ গোনা যায়, অনুভব করা নয়। কিন্তু এই সংজ্ঞাগুলো টিকবে তখনই, যখন প্রতিটা ঘটনার রেকর্ড অপরিবর্তনীয় থাকবে। কারণ চাপ যদি গোনা যায়, তাহলে গোনার পদ্ধতিটাও সবার সামনে থাকতে হবে।

বাংলাদেশের প্রেক্ষাপটে এটা আরও জরুরি। খুলনার পিচ, শিশির, আর্দ্রতা, প্রতিপক্ষের মান, সম্পদের ঘাটতি — সবই এমন ভেরিয়েবল, যেগুলোকে সংশোধন করতে হয়, অজুহাত বানানো যায় না। ২০২০ সালে, বয়স ৫৭-তে, গোটা ক্রীড়া জগৎ যখন থমকে গেছে, আমি ৮৩টি বুনেসলিগা রিস্টার্ট ম্যাচ বিশ্লেষণ করেছিলাম, খালি স্টেডিয়ামে। হোম-উইন হার ৪৩% থেকে নেমে ৩৩% হয়েছিল, গোল প্রতি ম্যাচে ৩.২ থেকে ৩.০-এ নেমে এসেছিল। আমি একটা empty stadium adjustment coefficient বানিয়েছিলাম, যা অ্যাওয়ে দলকে অতিরিক্ত ০.১৫ xG দিত। এই সংশোধনের ভিত্তিতে চারটি অপ্রত্যাশিত ফলাফল আগেই বলে দিয়েছিলাম। বুকমেকাররা সমন্বয় করার আগেই আমি সহগটা প্রকাশ করেছিলাম।

লক্ষ্য করুন, প্রতিটি ক্ষেত্রেই আমি unadjusted সংখ্যা আর adjusted সংখ্যা — দুটোই পাশাপাশি রেখেছি। এটাই আমার Standardized Dossier নীতি। কারণ সংশোধনের ফ্যাক্টর যদি আগে থেকে নিবন্ধিত (pre-registered) না হয়, তাহলে যে কেউ যেকোনো ফলাফলকে পরিবেশজনিত বলে ব্যাখ্যা করে ফেলতে পারে। হিটম্যাপ নিয়ে আমার সন্দেহও এখান থেকেই — আধুনিক ফুটবলে হিটম্যাপ প্রায় নতুন চা-পাতার ভবিষ্যদ্বাণী হয়ে দাঁড়িয়েছে। একটা রঙিন দাগ দেখিয়ে বলা হয় খেলোয়াড় কোথায় খেলেছে, অথচ টিম-স্ট্রাকচারের ভেতরে তার প্রকৃত ভূমিকা পুরোটাই ঢাকা পড়ে থাকে। যে মিডফিল্ডার ৯০ মিনিট ধরে ফাঁকা জায়গা বন্ধ করে রেখেছে, তার হিটম্যাপে কিছুই দেখা যায় না।

সেই ২০০ ম্যাচের মডেল বানাতে গিয়ে আমি একটা জিনিস শিখেছিলাম, যা আজও আমার প্রতিটি লেখায় ফিরে আসে — ডেটাসেট একটা গল্প বলে, কিন্তু সেই গল্পের ভাষা কে ঠিক করেছে, সেটাও জানা দরকার। xG-র সংজ্ঞা এক লিগে একরকম, আরেক লিগে আরেকরকম। কেউ শটের কোণ ধরে, কেউ দূরত্ব ধরে, কেউ গোলকিপারের অবস্থান ধরে। তাই দুই লিগের xG পাশাপাশি রাখার আগে আমাকে জিজ্ঞেস করতে হয়, সংজ্ঞাটা কি এক?

এখন ব্লকচেইনকে এই নীতির সঙ্গে জোড়া লাগান। CricSultan (cricsultan.com)-এর মতো প্ল্যাটফর্ম যদি প্রতিটি ডেটা-ইনডেক্স — যেমন Player Depth Index — অপরিবর্তনীয়ভাবে সংরক্ষণ করে, তাহলে সংশোধনযোগ্য সংখ্যা আর কাঁচা সংখ্যার পার্থক্য কেউ নিঃশব্দে মুছে দিতে পারবে না। ব্যবহারকারী দেখতে পাবেন, এই সংখ্যাটা কোথা থেকে এল, কে কখন লিখল, আগে কত ছিল। ক্রিকেট ডেটার জগতে সবচেয়ে বড় মিথ্যাটা হিংস্র নয়, নরম — “তথ্য ছিল না।”

ভাবুন, একটা স্মার্ট কন্ট্র্যাক্ট কেবল ক্রিপ্টো মুদ্রার জন্য নয়, ক্রিকেট ডেটার জন্যও কাজ করতে পারে। খেলোয়াড়ের চুক্তি, ট্রান্সফার ফি, ম্যাচ ফি — প্রতিটা লেনদেন ব্লকে লেখা থাকলে, কে কত পেল, কখন পেল, তার হিসাব স্বচ্ছ থাকে। ফ্র্যাঞ্চাইজি যদি দাবি করে “আমরা বেতন বিলম্ব করিনি”, লেজার সেটা যাচাই করে দেবে। খেলা জুয়ার জগতে ম্যাচ ফিক্সিং সন্দেহ হলে, টাইমস্ট্যাম্পযুক্ত অপরিবর্তনীয় রেকর্ড প্রমাণের মান বদলে দিতে পারে। বাংলাদেশের মতো বাজারে, যেখানে তথ্যের ঘাটতি আর সন্দেহ পাশাপাশি চলে, এই স্বচ্ছতা ছোট ব্যাপার নয়।

আরেকটা দিক খেয়াল করুন। ক্রিকেটে আমরা এক প্রজন্মের খেলোয়াড়কে আরেক প্রজন্মের সঙ্গে তুলনা করি — পিচ, শিশির, প্রতিপক্ষ, নিয়ম পরিবর্তন না মিলিয়েই। এটা আমার সবচেয়ে বড় অস্বস্তি। ব্লকচেইন এই সমস্যার সমাধান করে না, কিন্তু একটা শর্ত তৈরি করে: প্রতিটি সংখ্যার সঙ্গে তার প্রেক্ষাপটের রেকর্ড বাঁধা থাকবে। তখন “সেই বছর পিচ কেমন ছিল” প্রশ্নটা অনুমানের বিষয় থাকে না, লেজারের অংশ হয়ে যায়। The eye test is a witness, not a judge; the model keeps the transcript. চোখ সাক্ষী, বিচারক নয়; মডেল ট্রান্সক্রিপ্ট রাখে। ব্লকচেইন সেই ট্রান্সক্রিপ্টকে অমোঘ করে।

তবু ব্লকচেইনকে এখানে ঔষধ ভাবা ভুল হবে। কারণ লেজার সত্য রাখে, কিন্তু সত্য তৈরি করে না। অপরিবর্তনীয়তার মানে এই নয় যে লেখা সংখ্যাটা সঠিক। ভুল ডেটা ব্লকচেইনে লিখলে সেটা অমর হয়ে যায়, শুদ্ধ হয় না। প্রসেস আর ফলাফলের পার্থক্য ধরতে পারে মডেল, কিন্তু মডেলের ভেতরের পচন ধরতে পারে কেবল উৎসের শৃঙ্খলা। হাতে-গোনা সংখ্যাকে পবিত্র ভাবাও ভুল — আমি হাতে গোনা আর ট্র্যাকিং ডেটাকে ক্যালিব্রেশনের আয়না হিসেবে দেখি, প্রতিযোগী হিসেবে নয়।

আরেকটা বিপদ আছে। I stopped reading transfer stories when I learned to read risk profiles. ট্রান্সফার বা সাইনিংয়ের খবর পড়া বন্ধ করেছি সেদিন, যেদিন ঝুঁকির প্রোফাইল পড়তে শিখেছি। কারণ একটা ফি বা একটা রেকর্ড কোনো ফুটবলারের প্রকৃত মূল্য বলে না — বলে বাজারের মুড। ব্লকচেইন যদি শুধু ওই মুডটাই লিপিবদ্ধ করে, তাহলে লাভ কী? তথ্যের সত্যতা আর তথ্যের অর্থ — দুটো আলাদা জিনিস। কেউ হ্যাশ করে রাখতে পারে যে ২০২৬ সালের ১৩ আগস্ট একটা নির্দিষ্ট ট্রান্সফার ফি ঘোষণা হয়েছিল; কিন্তু সেটা খেলোয়াড়ের প্রকৃত সামর্থ্য প্রমাণ করে না।

তৃতীয়ত, ক্রিকেটের চাপ মেট্রিক ফুটবল থেকে সরাসরি ধার করা যায় না। PPDA-র যুক্তি জার্মানিতে খাটে, কারণ ফুটবলে চাপ নিরবচ্ছিন্ন; ক্রিকেটে বল একটা ডেলিভারিতে শেষ, তারপর বিরতি। যে কেউ ফুটবলের প্রেসিং-সংজ্ঞা অপরিবর্তিতভাবে ক্রিকেটে বসাতে চাইবে, সে ভুল ফ্রেমে সঠিক সংখ্যা পাবে। ব্লকচেইন এই ভুলটা ধরবে না, কারণ ব্লকচেইন জানে না কোনটা ক্রিকেট আর কোনটা ফুটবল — সে কেবল রেকর্ড রাখে। জার্মান ফুটবলের গেগেনপ্রেসিংয়ের কথাই ধরুন — মাঝমাঠের দলগুলো এখন অ্যাথলেটিসিজম দিয়ে সেটাকে ভেঙে ফেলছে। ফুটবল ধীরে ধীরে বুদ্ধির খেলা থেকে দৌড়ের খেলায় বদলে যাচ্ছে। ক্রিকেটে এই ভুলটা করার সুযোগ নেই, কারণ এখানে চাপের সংজ্ঞা আলাদা।

শেষত, ডেটার অভাবে সবকিছুকে পরিবেশজনিত বলে ব্যাখ্যা করার প্রলোভন থাকে। Environmental determinism একটা বাস্তব ফাঁদ। পিচ খারাপ, শিশির পড়েছে, আর্দ্রতা বেশি — এই অজুহাত দিয়ে যেকোনো হারের পেছনে যুক্তি সাজানো যায়। তাই আমার নিয়ম: সংশোধনের ফ্যাক্টর আগেই নিবন্ধন করব, আর কাঁচা সংখ্যা পাশে রাখব। ব্লকচেইন এই শৃঙ্খলাকে বাধ্য করতে পারে না, যদি না সংস্কৃতিটাই আগে তৈরি হয়। আর যদি কোনো ম্যাচ আমার ডসিয়ার-টেমপ্লেটকে ভেঙে দেয়, তাহলে আমি জোর করে সেটাকে টেমপ্লেটে ঢোকাই না — একটা template exception অংশ লিখি, কারণ উল্লেখ করি, আর নতুন ভেরিয়েবল যোগ করি।

রেফারি আর VAR-এর কথাও এখানে প্রাসঙ্গিক। বড় ক্লাব আর ছোট ক্লাবের প্রতি অসম আচরণ কোনো ষড়যন্ত্র নয়; এটা স্টেডিয়ামের আবহ আর মিডিয়ার চাপের বাস্তব ফল। অপরিবর্তনীয় ভিডিও আর ডেটা রেকর্ড এই পক্ষপাত কমাতে পারে, কিন্তু মুছে ফেলতে পারে না। কারণ সিদ্ধান্তটা নেয় মানুষ, আর মানুষ তার পরিবেশের চাপে থাকে।

সেই খালি পেলোডটা আমার কাছে কেবল একটা ব্যর্থতা নয়, একটা আয়না। প্রতিটি সিস্টেম, প্রতিটি মডেল, প্রতিটি প্ল্যাটফর্মের ভেতরে এমন একটা খালি ঘর লুকিয়ে থাকে — যে ঘর নিজের খালিপনা চিৎকার করে বলে না। ব্লকচেইন সেই ঘরটাকে আলোতে আনে: প্রতিটি রেকর্ডের হ্যাশ, প্রতিটি ধাপের টাইমস্ট্যাম্প, প্রতিটি সংশোধনের ইতিহাস অপরিবর্তনীয়ভাবে জমা রাখে। কিন্তু মনে রাখতে হবে, লেজার বিচারক হতে পারে না, সে কেবল ট্রান্সক্রিপ্ট।

পরের রাউন্ডে আমার নজর থাকবে দুটো জিনিসে। প্রথমত, প্রতিটি ডেটা পাইপলাইনে একটা বাধ্যতামূলক null-input গেট — যা খালি পেলোডকে Stage-3-এ যেতে দেবে না, বরং জোর করে জিজ্ঞেস করবে, তথ্যটা কোথায় গেল। দ্বিতীয়ত, সংশোধনের ফ্যাক্টরগুলো প্রকাশ্যে, আগেই নিবন্ধিত হবে — বাজারের মুড তার আগে নয়। ক্রিকেটে সত্য কখনও এক শটে ধরা পড়ে না, ধরা পড়ে ধারাবাহিক রেকর্ডে। প্রশ্নটা তাই এখন এই — আপনার প্রিয় প্ল্যাটফর্মটা কি জানে, তার শেষ ডেটাপয়েন্টটা কোথা থেকে এল?