খালি পেলোড — ফুটবল ডেটা পাইপলাইনে “জানি না” কেন সবচেয়ে দামি উত্তর

ম্যানচেস্টারের বাড়িতে রাত তখন প্রায় তিনটা। ল্যাপটপের পর্দায় ড্যাশবোর্ড খুলতেই প্রথম যা চোখে পড়ল, সেটা কোনো xG কার্ভ নয়, কোনো PPDA লাইনও নয় — একটি রিপোর্ট, যার প্রতিটি ঘর ফাঁকা। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দু নেই, সত্তা নেই, সময়-সংবেদনশীলতা নেই। বিশ্লেষণের নয়টি স্তম্ভের প্রতিটিতে হুবহু একই বাক্য বসানো: “অপর্যাপ্ত তথ্য — N/A”। মাঠ নেই, দল নেই, প্রতিযোগিতা নেই, কোনো তারিখও নেই। পুরো কাঠামো থেকে টিকে আছে মাত্র একটি ঘর — ডোমেইন লেবেল: “ফুটবল”।

ছয় বছর ধরে আমি একটা নিয়ম মেনে লিখি: সংখ্যা আগে, গল্প পরে। নিয়মটা এসেছিল ২০১৮ সালের রাশিয়া থেকে। মেক্সিকোর কাছে জার্মানির ০-১ হার দেখে সবাই যেটা নিয়ে লিখছিল, সেটা ছিল ডিফেন্ডিং চ্যাম্পিয়নের ধস; আমি ডেটা ডেস্কে বসে যা পেয়েছিলাম, তা আরও নির্দিষ্ট — জার্মানির ওই ম্যাচে ২৬টি শট, অথচ মোট xG মাত্র ১.৩। শটের সংখ্যা আর শটের গুণমানের মধ্যে এত বড় ফাঁক আমার কাছে হারের চেয়ে বড় সংকেত ছিল।

কিন্তু এই রাতে যে অ্যানোমালিটা আমার সামনে ছিল, তা অন্য ধরনের। একটির ভেতরে ছিল একটি ম্যাচ — ২৬ শট, ১.৩ xG, একটা প্যাটার্ন। অন্যটির ভেতরে কোনো ম্যাচই নেই। প্রথমটির অর্থ দাঁড়ায়: ডেটা আছে, ব্যাখ্যা দরকার। দ্বিতীয়টির অর্থ: ডেটাই নেই।

এখানেই প্রকৃত পরীক্ষা শুরু। ফাঁকা ঘর দেখলে হাত চুলকায় — কিছু একটা লিখে দিতে ইচ্ছে করে। ডোমেইন লেবেলে “ফুটবল” লেখা আছে, তাহলে নিশ্চয়ই কোনো দল আছে, নিশ্চয়ই কোনো ম্যাচ আছে, নিশ্চয়ই কোনো xG আছে। কল্পনা দিয়ে ঘর ভরে দিলে রিপোর্টটা সুন্দর দেখাবে, পাঠক খুশি হবেন, সম্পাদকও খুশি হবেন। কিন্তু ফুটবল বিশ্লেষণে সবচেয়ে বিপজ্জনক আউটপুট ভুল সংখ্যা নয় — সূত্রহীন আত্মবিশ্বাসী সংখ্যা।

২০১৭ সালে আমি স্ট্যাটসবম্বের ম্যানচেস্টার অফিসে যোগ দেওয়ার পর হাডার্সফিল্ড টাউনের চ্যাম্পিয়নশিপ প্লে-অফ অভিযানের সময় একটা স্ট্যান্ডার্ডাইজড xG ও PPDA ড্যাশবোর্ড দাঁড় করিয়েছিলাম — ৪৬টি লিগ ম্যাচ জুড়ে। আমি xG টেমপ্লেটটা বানিয়েছিলাম হাডার্সফিল্ডের সংখ্যাগুলো শ্বাস নেওয়ার অনেক আগেই। ওই ড্যাশবোর্ড প্রথম যে জিনিসটা ধরিয়ে দিল, তা কোনো গোল নয় — অ্যারন মুয়ের লাইন-ব্রেকিং পাস। মুয়ে প্রতি ৯০ মিনিটে গড়ে ২.৮টি শট-এন্ডিং পাস দিচ্ছিলেন, প্রতি পাসে তাঁর xGChain ছিল ০.১৮। প্লে-অফ ফাইনালে রিডিংয়ের বিরুদ্ধে ম্যাচটা ০-০ ড্র ছিল, ট্রফি এল পেনাল্টি শুটআউটে; ওই ফাইনালে মুয়ে সাতটি প্রগ্রেসিভ পাস সম্পূর্ণ করেছিলেন। ওই অভিযান নিয়ে আমি একটি নতুন মিডিয়া প্ল্যাটফর্মে ১২ পর্বের ডেটা ডায়েরি লিখেছিলাম।

২০১৮ সালের রাশিয়া বিশ্বকাপে সেই ডায়েরিই আমাকে একটি ব্রিটিশ সম্প্রচারকের ডেটা ডেস্কে নিয়ে যায়। মেক্সিকোর কাছে ০-১ হারের পর আমি হিসাব করে দেখলাম, জার্মানির PPDA যোগ্যতা পর্বে যেখানে ৭.৮ ছিল, সেখানে টুর্নামেন্টে সেটা ১২.৪-এ উঠে গেছে — অর্থাৎ প্রেস অনেকটা নিচে নেমে গেছে। দক্ষিণ কোরিয়ার কাছে ০-২ হারের ম্যাচে জার্মানির ফিল্ড টিল্ট ছিল ৬৮ শতাংশ, কিন্তু ওপেন-প্লে xG মাত্র ০.৯। আমি ১৮টি হাই টার্নওভার ট্র্যাক করলাম, যার প্রতিটির শেষে কোনো গোল নেই। আমার লেখা থ্রেডে আমি দোষ দিয়েছিলাম কাঠামোগত প্রেসিং ব্যর্থতাকে, ভাগ্যকে নয়। জার্মানি নব্বই মিনিটে ধসে পড়েনি; PPDA লাইনটা মাসের পর মাস ধরে উপরে উঠছিল।

২০২০ সালে, প্রজেক্ট রিস্টার্টের সময়, আমি ব্রাইটন অ্যান্ড হোভ অ্যালবিয়নের হয়ে কাজ করলাম। বন্ধ দরজার পেছনে খেলা ৯২টি প্রিমিয়ার লিগ ম্যাচ অডিট করে পেলাম, হোম অ্যাডভান্টেজ প্রতি ম্যাচে ০.৩৫ গোল থেকে ০.১২ গোলে নেমে এসেছে। ২০ জুন আর্সেনালের বিরুদ্ধে ব্রাইটনের ২-১ জয়ের ম্যাচে আমি একটা ক্রাউড-অ্যাডজাস্টমেন্ট মডেল বানালাম, যা আর্সেনালের প্রত্যাশিত হোম প্রেসার ১৮ শতাংশ কমিয়ে দিল এবং ব্রাইটনের xG ১.১ থেকে ১.৬-এ তুলে নিল। মডেলটা ৭২ ঘণ্টার মধ্যে ক্লাব ও মিডিয়ার সঙ্গে শেয়ার করলাম।

এই তিনটি অভিজ্ঞতা আমার লেখার কাঠামো গড়ে দিয়েছিল। প্রথম নিয়ম: ফিল্ড টিল্ট আর xG ছাড়া কখনো “দাপট” লিখব না। দ্বিতীয় নিয়ম: প্রতিটি লেখায় একটা “কনটেক্সট ভেরিয়েবল” অংশ থাকবে — ফাঁকা স্টেডিয়াম, ভ্রমণ, সূচির চাপ কীভাবে কাঁচা সংখ্যা বদলে দেয়, সেটা স্পষ্ট করে লেখা হবে। এই কঠোরতার কারণ সহজ: মডেল হল ভবিষ্যতের কাছে আজকের ডেটা দিয়ে করা একটি প্রতিশ্রুতি। আর এখন সেই টেমপ্লেটই আমাকে একটি নতুন প্রশ্নের সামনে দাঁড় করিয়েছে। যদি টেমপ্লেটের প্রতিটি ঘর পূরণ করার জন্য ডেটা না থাকে, তাহলে টেমপ্লেটটা কী করে?

ফুটবল বিশ্লেষণের পাইপলাইনটা মূলত দুটি ধাপে চলে। প্রথম ধাপে (Stage-1) কাঁচা উপাদান থেকে তথ্যবিন্দু আলাদা করা হয় — শিরোনাম, সূত্র, এক-বাক্যের সারসংক্ষেপ, লেখকের অবস্থান, জড়িত সত্তা, সময়-সংবেদনশীলতা। দ্বিতীয় ধাপে (Stage-2) সেই তথ্যবিন্দুগুলোকে নয়টি বিশ্লেষণী স্তম্ভে চালানো হয়: কৌশলগত ও কারিগরি বিশ্লেষণ, ক্লাব অর্থ ও ট্রান্সফার বাজার, ফলাফল ও জনমত চক্র, লিগ-ভূদৃশ্য ও দলীয় অবস্থান, নিয়ম ও শাসন, ব্যবস্থাপনা ও ড্রেসিংরুম, ঝুঁকি প্রোফাইল, মিডিয়া বর্ণনা ও প্রত্যাশা, এবং শিল্প-প্রসারণ।

সমস্যাটা হলো, এই রাতে আমার হাতে ছিল একটি Stage-2 রিপোর্ট, যার উৎস Stage-1 সম্পূর্ণ খালি। শিরোনাম নেই, সূত্র নেই, তথ্যবিন্দু নেই, মূল দৃষ্টিভঙ্গি নেই। অর্থাৎ দ্বিতীয় ধাপে চালানোর মতো কোনো কাঁচামালই ছিল না। তবু রিপোর্টটা তৈরি হয়েছে — এবং সেটাই আসল খবর।

নয়টি স্তম্ভ একে একে দেখা যাক। কৌশলগত স্তম্ভে কোনো ফর্মেশন, স্টাইল বা কোচিং-দ্বৈরথ বর্ণনা নেই; কাজেই পরিশীলন বা নিষ্ঠা মাপার কোনো উপায় নেই — সেখানে লেখা থাকে N/A। অর্থ বিভাগে কোনো ক্লাব নেই, তাই FFP বা PSR মেনে চলার প্রশ্নই ওঠে না; কোনো ট্রান্সফার নেই, তাই ট্রান্সফার অ্যামোর্টাইজেশন হিসাব করার কিছু নেই; কোনো তৃতীয় পক্ষের মালিকানা (TPO) ফ্ল্যাগ করার ঘটনাও নেই। ফলাফল বিভাগে কোনো পয়েন্ট টেবিল নেই, তাই ফর্মের গতিপথ অনুমান করা অসম্ভব। লিগ-ভূদৃশ্যে কোনো লিগ নেই। শাসন বিভাগে কোনো নিয়ম-সংশ্লিষ্ট ঘটনা নেই, তাই শাস্তির দৃশ্যকল্প বানানো মানে গল্প বানানো। ব্যবস্থাপনা বিভাগে কোনো ব্যক্তি নেই — খেলোয়াড় নেই, কোচ নেই, চুক্তির অবস্থা নেই, চোটের ঝুঁকি নেই। ঝুঁকি ম্যাট্রিক্সে খেলাধুলা, অর্থ, নিয়ম বা জনমতের কোনো ঝুঁকি নেই; একমাত্র শনাক্তযোগ্য ঝুঁকি পদ্ধতিগত — ইনপুটের সততাই এখানে ঝুঁকি। মিডিয়া-বর্ণনা বিভাগে সূত্রের স্তর নির্ধারণ করা যায় না, কারণ সূত্রটাই নেই; এজেন্টের উদ্দেশ্য বিশ্লেষণের প্রশ্ন তোলার আগেই গোটা সত্তা-তালিকা শূন্য।

খালি ঘর আসলে ফুটবলের মাপ নয়; এটা পাইপলাইনের মাপ।

এখানেই একটা সূক্ষ্ম অথচ নির্ণায়ক পার্থক্য তৈরি হয়। কোনো ক্লাবের আর্থিক সততা যাচাই করা যায় না বলার অর্থ এই নয় যে ক্লাবটি দুর্নীতিগ্রস্ত; এর অর্থ হলো, যাচাইয়ের উপাদানটাই অনুপস্থিত। কোনো দল প্রেসিংয়ে ধসে পড়েছে বলা যায় না — কারণ PPDA-র একটি ডেটাও দেওয়া হয়নি। অনুপস্থিত প্রমাণ আর অনুপস্থিত ঘটনা এক জিনিস নয়, এবং পেশাদার বিশ্লেষণে এই দুটোকে গুলিয়ে ফেলা সবচেয়ে বড় অপরাধ।

পেশাদার পরিভাষাগুলো এখানে দরকারি, কারণ প্রতিটি পরিভাষা আসলে একটি চাহিদা। xG একটি প্রতিশ্রুতি — শটের গুণমান মাপব, কিন্তু শট না থাকলে মাপার কিছু নেই। PPDA একটি প্রতিশ্রুতি — প্রেসের তীব্রতা দেখাব, কিন্তু প্রতিরক্ষামূলক অ্যাকশনের ঘটনা না থাকলে লাইন আঁকা যায় না। FFP ও PSR প্রতিশ্রুতি — ক্লাবের ক্ষতি সীমিত রাখার নিয়ম, কিন্তু ক্লাব-ই যদি না থাকে, নিয়ম কার উপর প্রয়োগ করব? TPO ও অ্যামোর্টাইজেশনও তাই। প্রতিটি শব্দ একটি অ্যাঙ্কর খোঁজে; অ্যাঙ্কর ছাড়া শব্দগুলো ঝুলে থাকে।

বছরের পর বছর ম্যাচ দেখার অভিজ্ঞতা থেকে আমি একটা জিনিস শিখেছি: ক্যামেরার ফ্রেম যত সংকীর্ণ হয়, ধারাভাষ্যকারের আত্মবিশ্বাস তত বাড়ে। ডেটার ক্ষেত্রেও একই ঘটনা ঘটে উল্টো দিকে — নমুনা যত ছোট হয়, উপসংহার তত বড় হয়। এখানে নমুনার আকার শূন্য। ইফেক্ট সাইজ অনির্ধারিত। স্যাম্পল সাইজ শূন্য হলে একমাত্র রক্ষণযোগ্য রায় একটি: অপর্যাপ্ত তথ্য। ২০২০ সালে ব্রাইটনের মডেলের কথা মনে করুন — সেখানে আমি আত্মবিশ্বাসের একটি পরিসর প্রকাশ করেছিলাম, একটিমাত্র সংখ্যা নয়; একই শৃঙ্খলা এখানে আরও বেশি জরুরি, কারণ এখানে অনিশ্চয়তার মাত্রাটাই সর্বোচ্চ।

এখানে ব্লকচেইনের প্রাসঙ্গিকতা সরাসরি। ডেটা প্রোভেন্যান্স — তথ্যের উৎস ও পরিবর্তনের নথি — যদি টেম্পার-এভিডেন্ট লেজারে লেখা থাকে, তাহলে একটি খালি পেলোডও একটি স্থায়ী রেকর্ড হয়ে যায়। কেউ পরে এসে চুপচাপ ঘরটা ভরে দিতে পারে না। অর্থাৎ খালি রেকর্ডটা নিজেই প্রমাণ — কবে, কোন ধাপে, কোন ইনপুটে সিস্টেম কিছু পায়নি, সেটার অবিকৃত টাইমস্ট্যাম্প। একটি অন-চেইন “কিছু পাওয়া যায়নি” একটি অফ-চেইন বিশ্বাসযোগ্য অনুমানের চেয়ে অনেক বেশি মূল্যবান, কারণ প্রথমটি অডিট করা যায়, দ্বিতীয়টি কেবল বিশ্বাস করা যায়। একটি মডেলের সবচেয়ে সৎ আউটপুট কখনো কখনো সংখ্যা নয়, একটি ফাঁকা ঘর।

এখন স্বীকার করা দরকার, খালি পেলোড নিয়ে রোমান্টিক হয়ে পড়াও একটা ফাঁদ। ফাঁকা ঘর মানেই “উৎস ছিল খালি” — এই সিদ্ধান্তে লাফ দেওয়াটা ভুল। অন্তত তিনটি প্রতিদ্বন্দ্বী অনুমান টেবিলে আছে: এক, উৎস-নিবন্ধটি সংগ্রহই করা যায়নি, অর্থাৎ রিট্রিভাল ব্যর্থতা; দুই, নিবন্ধের ধরনটা পাইপলাইন সমর্থন করে না, অর্থাৎ অসমর্থিত ফরম্যাট; তিন, আপস্ট্রিম পার্সিংয়ে ত্রুটি হয়েছে। তিনটির মধ্যে কোনটি সত্য, তা এই মুহূর্তে জানা যায় না। কাজেই আমার আত্মবিশ্বাসের মাত্রা মাঝারি, উচ্চ নয় — এবং সেটা লেখার মধ্যেই বলে দেওয়া উচিত।

আমি আমার নিজের কয়েকটা দুর্বলতা চিনি। মডেল-অতি-আত্মবিশ্বাস: xG টেমপ্লেট বানিয়েছি বলেই সবকিছুর মাপ আমার হাতে আছে ভেবে বসার ঝুঁকি; এখানে ঠিক উল্টোটা ঘটেছে — কোনো মাপই নেই। ট্রেন্ড-লাইন নিয়তিবাদ: দীর্ঘমেয়াদি PPDA লাইন দেখে ধস আগেই বলে দেওয়ার অভ্যাস; কিন্তু এখানে অতীতের জ্ঞান আর ভবিষ্যতের দৃষ্টির মধ্যে ফারাক করার কিছু নেই, কারণ অতীতেই কিছু ছিল না। কন্ট্রোল-গ্রুপ রোমান্টিকতা: ফাঁকা স্টেডিয়াম যে পরীক্ষা দিয়েছিল, সেটা আমি চাইনি, তবু পেয়েছিলাম — ঠিক তেমনভাবে খালি পেলোডকেও পরিষ্কার পরীক্ষা ভাবা বিপজ্জনক। এখানে কনফাউন্ডার স্পষ্ট করে লিখতে হবে: ফিটনেস, প্রেরণা, সূচি, সংগ্রহ-ব্যর্থতা, পার্সার-স্বাস্থ্য।

আর চার নম্বর ফাঁদটা আমার পেশাগত স্বভাবের সঙ্গে সরাসরি জড়িত। একজন ESTJ হিসেবে আমি সিদ্ধান্তমূলক উপসংহার পছন্দ করি — খেলাধুলার সংবাদ জগতেও সেটাই চাহিদা। কিন্তু এই নির্দিষ্ট ইনপুটে সৎ সিদ্ধান্তটা একটাই: সিদ্ধান্ত নেওয়ার মতো তথ্য নেই। গল্প ফাঁদা থেকে বিরত থাকা নিরপেক্ষতা নয়; এটাই একমাত্র বিশ্লেষণ যা পরে অডিট করা যাবে।

টুর্নামেন্ট চক্রের চাপে এই ফাঁদ আরও গভীর। পতাকা আর গল্পে ভরা একটা গ্রীষ্মে পাঠক সংখ্যা চান, বর্ণনা চান, নাটক চান। এই চাহিদার মুখে ফাঁকা ঘর দেখিয়ে বলা “জানি না” — এটা বিক্রি হয় না। কিন্তু ঠিক এখানেই শিল্পের সংক্রমণ-পথটা স্পষ্ট: উপস্ট্রিমে (সংগ্রহ ও পার্সিং) একটা ফাঁকা পেলোড তৈরি হলে, মিডস্ট্রিমে (সম্পাদনা ও প্রকাশ) সেটা গল্পে ভরে দেওয়া হয়, আর ডাউনস্ট্রিমে (পাঠক, সম্প্রচার, ডেরিভেটিভ বাজার) সেটা বিশ্লেষণ নামে ছড়িয়ে পড়ে। একটিমাত্র খালি ঘর সততার সঙ্গে না দেখালে গোটা পাইপলাইনে অনুমান ঢুকে পড়ে — এবং অনুমানটা যত ভালো গল্প, ছড়ানোর গতি তত বেশি।

আরও একটি কথা যোগ করতে হয়। খালি পেলোডকে আমি সুযোগ বলতে চাই না — ফাঁকা ডেটা কোনো অর্জন নয়। এটা একটা ইনপুট-সততা রিপোর্ট, আর রিপোর্টটির মূল্য কেবল এইটুকু: এটা প্রক্রিয়ার দুর্বলতা আগে ধরে ফেলেছে। যদি সিস্টেম খালি ইনপুট চুপচাপ সম্ভাব্য ইনপুটে বদলে দিত, তাহলে ভুলটা ধরা পড়ত অনেক দেরিতে — তখন হয়তো কোনো দলের আর্থিক অবস্থা বা কোনো কোচের ভবিষ্যৎ নিয়ে ভিত্তিহীন লেখা ছাপা হয়ে যেত। শিল্পে এমন উদাহরণ কম নেই।

তাহলে এই ইনপুট দিয়ে আমি কী করব? প্রথম কাজ স্পষ্ট: মূল নিবন্ধটি আবার সংগ্রহ করার চেষ্টা। দ্বিতীয় কাজ: স্টেজ-১ পার্সারের লগ পরীক্ষা করা — একই ধরনের ফাঁকা আউটপুট বারবার এলে বুঝতে হবে সমস্যাটা পদ্ধতিগত। তৃতীয় কাজ: ফুটবল ডোমেইন লেবেলটা যাচাই করা, কারণ এটা সম্ভবত একটা ডিফল্ট মান; মূল উৎস হাতে এলে লেবেলটা মিলিয়ে দেখা দরকার।

এই তিনটি সংকেত আমি নজরে রাখব। উৎস-নিবন্ধের পুনরুদ্ধার, পার্সারের স্বাস্থ্য, এবং ডোমেইন লেবেলের নির্ভরযোগ্যতা। পরের রাউন্ডের আসল সংকেত কোনো ম্যাচের স্কোরলাইন নয় — পাইপলাইনের অখণ্ডতা। যদি টুর্নামেন্ট চলাকালীন বারবার খালি পেলোড আসতে থাকে, তাহলে এই গ্রীষ্মের কাভারেজ দাঁড়াবে অনুমানের উপর, আর অনুমানের উপর দাঁড়ানো কাভারেজকে পরে কোনো অডিট টিকিয়ে দিতে পারবে না।

আমি ফুটবলকে ঘৃণা করি না। আমি ঘৃণা করি ফাঁকা পাতায় গল্প লিখতে — কারণ ওই গল্প কেউ মুছে দিতে পারে না, আর সেটাই সবচেয়ে বড় ক্ষতি। প্রশ্নটা এখন এই: যখন মডেল কিছুই পায় না, তখন পেশাদার সাংবাদিকের কাজ কি পাঠকের চাহিদা মেটানো, নাকি চাহিদা না মেটানো সত্যটা সংরক্ষণ করা?