শূন্যই যখন প্রমাণ: ক্রিকেট ডেটা পাইপলাইনে একটি খালি পেলোডের অটোপসি

গত রাতে আমার ডেস্কে যে ফাইলটা এল, তার প্রতিটি ঘর খালি। কোনো স্কোরলাইন নেই, কোনো ওভার নম্বর নেই, কোনো ভেন্যুর নাম নেই, কোনো তারিখ নেই। একটা মাত্র সিগন্যাল টিকে আছে — একটি ক্যাটাগরি ট্যাগ: cricket_asia। একান্ন বছর ধরে আমি স্কোরবোর্ড পড়েছি; টেবিল বানিয়েছি, মডেল চালিয়েছি, পোস্ট-ম্যাচ 'match truth' শিট সার্কুলেট করেছি। কিন্তু আজ প্রথমবার এমন একটা শিট হাতে পেলাম যেটা কোনো ম্যাচের নয় — একটা ডেটা পাইপলাইনের ব্যর্থতার। আমার অভিজ্ঞতা বলে, স্কোরবোর্ড কখনো সত্য নয়, সে শুধু সত্যের সারসংক্ষেপ। কিন্তু এখানে সারসংক্ষেপটাই অনুপস্থিত। যে ফ্রেমওয়ার্কটা আমি ব্যবহার করি, সেটা দুই ধাপে চলে। Stage-1 একটি নিবন্ধকে ভেঙে তথ্যবিন্দুতে পরিণত করে — কারা খেলল, কী ফরম্যাট, কোন ভেন্যু, কোন তারিখ, কার কোন বক্তব্য। Stage-2 সেই বিন্দুগুলোর উপর আটটি মাত্রার বিশ্লেষণ বসায়: ফরম্যাট ও ম্যাচ, খেলোয়াড়ের টেকনিক ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও গভর্ন্যান্স, রিস্ক, জনমতের ন্যারেটিভ, এবং ইন্ডাস্ট্রি ট্রান্সমিশন। এই বার্তায় Stage-1 থেকে যা এসেছে, তা কার্যত শূন্য। শিরোনাম নেই, সোর্স নেই, লেখকের অবস্থান নেই, তথ্যবিন্দুর তালিকা খালি। শুধু একটা লেবেল — cricket_asia — টিকে আছে। এটা একটা আঞ্চলিক ট্যাগ, কোনো তথ্য নয়। এটা বলে 'দক্ষিণ এশীয় ক্রিকেট', কিন্তু কোন দল, কোন ফরম্যাট, কোন ইভেন্ট, কোন তারিখ — কিচ্ছু বলে না। এখানেই আমার পেশাগত নীতি কাজ করে। প্রতিটি সিদ্ধান্তকে Stage-1 তথ্যবিন্দুতে ভিত্তি দিতে হবে — এটা ফ্রেমওয়ার্কের মূল শর্ত। ভিত্তি খালি হলে সৎ আউটপুট একটাই: প্রতিটি ঘরে 'অপর্যাপ্ত তথ্য' লিখে পুরো কাঠামোটা রেন্ডার করে ফেরত দেওয়া, বানানো ক্রিকেট সিদ্ধান্ত নয়। আমি আটটা মাত্রা একটা একটা করে খুললাম। প্রতিটা একই কথা বলল। ফরম্যাট অজানা — তাই টেস্টের পাঁচ দিনের ধৈর্য, ওয়ানডে-র পঞ্চাশ ওভারের ছন্দ, টি-টোয়েন্টির বিশ ওভারের ঝুঁকি — কোনোটার ট্যাকটিক্যাল লজিকই বেছে নেওয়া যায় না। ম্যাচের ধরণ অজানা — দ্বিপাক্ষিক, আইসিসি ইভেন্ট, নাকি ফ্র্যাঞ্চাইজি লিগ, জানা নেই। ভেন্যু নেই, তাই পিচ রিপোর্ট নেই, শিশিরের হিসাব নেই। খেলোয়াড় নেই, তাই গড় নেই, স্ট্রাইক রেট নেই, ইকোনমি রেট নেই। দল নেই, তাই র‍্যাঙ্কিং নেই, হোম-অ্যাওয়ে প্রোফাইল নেই। লিগ নেই, তাই সম্প্রচার স্বত্বের মূল্য নেই, নিলাম নেই, চুক্তির অঙ্ক নেই। সবচেয়ে গুরুত্বপূর্ণ পর্যবেক্ষণটা এখানেই। ফ্রেমওয়ার্কটা পুরোপুরি ঠিকভাবে রেন্ডার হয়েছে — আটটা মাত্রাই সঠিক ক্রমে খুলেছে, প্রতিটা ঘর প্রত্যাশিত জায়গায় বসেছে। অর্থাৎ ব্যর্থতা ফ্রেমওয়ার্কের নয়, ইনপুটের। একটা খালি ঘর আর একটা ভাঙা ঘর — দুটো আলাদা জিনিস। এখানে ঘরগুলো অক্ষত, শুধু ভরা হয়নি। এই পেলোডের তথ্যমূল্য আমাকে মেপে দেখতে হয়। চারটা মাত্রায় — স্পোর্টিং মূল্য, ইন্ডাস্ট্রি মূল্য, টাইমলিনেস মূল্য, রেফারেন্স মূল্য — প্রতিটাই পাঁচে এক তারা। ইনপুটে কোনো স্পোর্টিং তথ্য নেই, কোনো বাণিজ্যিক বা গভর্ন্যান্স কনটেন্ট নেই, কোনো তারিখযোগ্য ঘটনা নেই। একটা রেফারেন্স হিসেবেও এটা কাজে লাগে না, যতক্ষণ না নতুন করে ডিকনস্ট্রাক্ট করা হয়। এটা কোনো লজ্জা নয়, এটা একটা পরিমাপ। এখানে একটা মেটা-ঝুঁকি আছে, যেটা আমি বারবার দেখেছি। খালি ইনপুট হাতে পেলে অনেক বিশ্লেষকের হাত চুলকায় — তারা 'সম্ভবত ভারত-পাকিস্তান ম্যাচ', 'সম্ভবত এশিয়া কাপ' বলে ফাঁকা জায়গা ভরাতে শুরু করেন। আমি কখনো তা করি না। cricket_asia ট্যাগ থেকে একটা নিম্ন-আস্থার দিকনির্দেশনা পাওয়া যেতে পারে — সম্ভবত দক্ষিণ এশিয়ার কোনো দল, বা এশিয়া অঞ্চলের কোনো ইভেন্ট — কিন্তু এটা অনুমান, প্রতিষ্ঠিত তথ্য নয়। একটা ক্যাটাগরি লেবেল কখনোই তথ্য হয়ে ওঠে না, যদি না তার পাশে কোনো এনটিটি দাঁড়ায়। আমার কাজটা আসলে খতিয়ান মেলানোর মতো। একটা মার্কেট লটারি নয়, খতিয়ান। প্রতিটা লেনদেনের একটা এন্ট্রি থাকতে হয়, নাহলে ব্যালান্স মেলে না। এই পেলোডে ব্যালান্স মিলছে না, কারণ লেনদেনের এন্ট্রিগুলোই অনুপস্থিত। ট্রান্সফার গুজবের আগে আমি টাইমস্ট্যাম্প বিশ্বাস করি — এখানে টাইমস্ট্যাম্পও নেই, তাই গুজবের প্রশ্নই ওঠে না। স্বাভাবিক প্রতিক্রিয়া হবে এটা ধরে নেওয়া যে 'কোনো ক্রিকেট ঘটনাই ঘটেনি'। কিন্তু এটা ভুল সিদ্ধান্ত। অনুপস্থিতি এখানে ক্রিকেটের তথ্য নয়, এটা পাইপলাইনের তথ্য। পার্থক্যটা বিশাল। যদি খালি পেলোড মানে হতো 'ম্যাচ হয়নি', তাহলে আমরা বলতাম ক্যালেন্ডারে ফাঁক। কিন্তু এখানে ফাঁকটা কনটেন্টে নয়, এক্সট্র্যাকশনে। Stage-1-এর আউটপুট বলছে: শিরোনাম ব্ল্যাংক, সোর্স অনুপস্থিত, তথ্যবিন্দু খালি — এই প্যাটার্নটা একটা পার্সিং ব্যর্থতা বা কাটা-পড়া ইনপুটের লক্ষণ, ফাঁকা নিবন্ধের নয়। এই পার্থক্যটাই করিলেশন আর কজেশনের ফারাক। খালি পেলোড আর 'ক্রিকেট নেই' — দুটো একসাথে দেখা যেতে পারে, কিন্তু একটা আরেকটার কারণ নয়। একটা বিশ্লেষণ পাইপলাইন যখন শূন্য ফেরত দেয়, তখন সবচেয়ে বিপজ্জনক কাজ হলো সেই শূন্যকে বাস্তব ধরে নেওয়া। এখানে সবচেয়ে সম্ভাব্য ব্যাখ্যা হলো Stage-1 এক্সট্র্যাকশনের ব্যর্থতা বা কাটা-পড়া ইনপুট — সত্যিকারভাবে বিষয়শূন্য একটা নিবন্ধ নয়। আমি ২০২০ সালে শূন্য দর্শক নিয়ে একটা সিদ্ধান্ত নিয়েছিলাম — ৮৪ ম্যাচের মডেলে হোম অ্যাডভান্টেজ ০.৪৫ xG থেকে ০.১২ xG-তে নেমে এসেছিল। সেদিনও অনেকে বলেছিলেন 'দর্শক নেই মানে আবহ নেই, কিছুই নেই'। কিন্তু ডেটা বলেছিল উল্টোটা: শূন্যতা নিজেই একটা প্যাটার্ন, যেটা পরের ম্যাচের ফল আগেই বলে দেয়। আজও তাই। এই খালি পেলোড কোনো গল্প নয়, এটা একটা সিগন্যাল — পাইপলাইনের দুর্বলতার সিগন্যাল। তবু একটা সতর্কতা জরুরি। শূন্যতাকে যখন প্রমাণ বানাই, তখন সীমাটা মনে রাখতে হয়। ফাঁকা স্টেডিয়াম, বাতিল সফর, অনুপস্থিত খেলোয়াড়, পূরণ না হওয়া ফিক্সচার — এসব পড়া যায় তথ্য হিসেবে, কিন্তু শুধু তখনই, যখন পাশে একটা যাচাইযোগ্য ইভেন্ট থাকে। এখানে সেই যাচাইয়ের সুতোটা ছিঁড়ে গেছে। তাই সিগন্যালটা পাইপলাইনের, খেলার নয়। সুতরাং পরের ধাপটা পরিষ্কার। Stage-1 পেলোডটা ফেরত পাঠাতে হবে নতুন করে ডিকনস্ট্রাক্ট করার জন্য — কারণ একটা সঠিক ফ্রেমওয়ার্ক একটা ভুল ইনপুটে কাজ করলে সেটা বিশ্লেষণ নয়, কল্পনা। সোর্স নিবন্ধটা URL বা ফিড থেকে আবার তুলতে হবে — শিরোনাম আর সোর্স ঘর ভরাট হলে বোঝা যাবে কনটেন্ট আদৌ আছে কি না। আর তিনটা ট্রিগার চোখে রাখতে হবে: অন্তত একটা তথ্যবিন্দু, অন্তত একটা নামধারী এনটিটি, আর ট্যাগের সাথে সামঞ্জস্যপূর্ণ একটা স্পেসিফিক লিগ বা দল। আমার ট্রিগার কন্ডিশন সহজ: যখন অন্তত একটা তথ্যবিন্দু আর একটা নামধারী এনটিটি আসবে, তখনই আট মাত্রার আসল বিশ্লেষণ শুরু হবে। তার আগে যা করা যায়, তা হলো ফ্রেমওয়ার্কটাকে প্রস্তুত রাখা। কাঠামোটা একটা দয়া — এটা আমাদের নিজেদের বিশৃঙ্খলা থেকে বাঁচায়। একটা খালি খতিয়ানও একটা খতিয়ান; প্রশ্নটা হলো, আমরা তার শূন্যগুলোকে সত্য ভাবব, নাকি সত্যের অপেক্ষায় রাখব।