খালি ডেটাসেটের সাক্ষ্য: ক্রিকেট বিশ্লেষণে ‘তথ্য নেই’ নিজেই কেন একটি ফলাফল

গত সপ্তাহে আমার ডেস্কে একটি ফাইল এসে পড়ল। ভেতরে আটটি বিশ্লেষণ-বিভাগ, প্রতিটির পাশে একটিমাত্র বাক্য—‘পর্যাপ্ত তথ্য নেই’। কোনো দল নেই, কোনো খেলোয়াড়ের নাম নেই, কোনো স্কোরকার্ড নেই, কোনো ভেন্যু নেই, টস নেই, ইনিংস-ভাঙার হিসাব নেই। সহকর্মীরা হয়তো ভাবলেন শিফটটা বৃথা গেল। আমি অবশ্য স্মৃতির উপর ভরসা করার আগে ম্যাচ লগ খুলে বসেছিলাম, আর ঠিক এই ফাইলটাই আমাকে থামিয়ে দিল এক অন্য প্রশ্নে—একটি খালি ডেটাসেট কি সত্যিই কিছু বলে না, নাকি সে-ই সবচেয়ে জোরালো সাক্ষ্য?

ন্যারেটিভ শক্ত হয়ে ওঠার আগেই আমি কাঁচা সংখ্যাগুলো ফ্রিজ করে রাখতে ভালোবাসি। অভ্যাসটা এসেছে ২০১৭ সালের ২৭ আগস্ট থেকে। সেদিন অ্যানফিল্ডে লিভারপুল ৪-০ গোলে আর্সেনালকে হারায়। অনেকের কাছে সেটা ছিল ‘বিশাল জয়’। কিন্তু আমি যখন ম্যাচ লগ খুললাম, দেখলাম লিভারপুলের xG ছিল ২.৭, আর্সেনালের মাত্র ০.৪; PPDA ৭.৮ বনাম ১৪.২, আর হাই টার্নওভার ২৩টি। অর্থাৎ স্কোরলাইনটা ভাগ্যের নয়, কাঠামোর ফল। লেখাটি ১,৮০,০০০ বার শেয়ার হয়েছিল, দ্য অ্যানফিল্ড র্যাপ সেটি তুলে নিয়েছিল। তারপর এক মাস ধরে প্রতিটি ম্যাচ আবার দেখে শট আর প্রেস-সিকোয়েন্স নিজের স্প্রেডশিটে লিখে রেখেছি। সেই থেকেই আমার একটাই নিয়ম—xG, PPDA আর কাভার করা দূরত্ব ছাড়া কিছু প্রকাশ করা যাবে না।

কিন্তু নিয়ম মানতে গেলে প্রথমে প্রশ্ন করতে হয়, তথ্যটা আদৌ আছে কি না। এই মুহূর্তে যেহেতু কোনো দল, খেলোয়াড় কিংবা ফরম্যাট চিহ্নিত হয়নি, সেই সূত্রে কোনো কৌশলগত সিদ্ধান্তে পৌঁছানো যায় না। এখানেই মূল শিক্ষা: ‘তথ্য নেই’ মানে বিশ্লেষণ থেমে যায় না, বিশ্লেষণের ধরন বদলে যায়। একটি খালি ডেটাসেট আসলে দুই ধরনের সাক্ষ্য দেয়—হয় মূল সোর্সটি এত পাতলা যে সেখান থেকে কিছুই তোলা যায়নি, নয়তো বিশ্লেষণের পাইপলাইনটি কোথাও আটকে গেছে। দুটোই নিজস্ব তথ্য, এবং দুটোর জন্য আলাদা ব্যবস্থা দরকার। আটটি বিভাগের প্রতিটি ঘর ফাঁকা থাকা মানে এটাও নিশ্চিত হওয়া যায় না যে মূল লেখাটি আদৌ ক্রিকেট-বিষয়ক ছিল—সেটি নিজেই একটি গুণগত মানের সতর্কবার্তা।

আমি সব সময় তিনটি ধাপে বিশ্লেষণ করি। প্রথম পাসে কাঁচা বিশৃঙ্খলা—শুধু ইভেন্ট, বিনা ব্যাখ্যায়। দ্বিতীয় পাসে কাঠামো—প্রেসিং, গেম-স্টেট, উইকেট-উইন্ডো। তৃতীয় পাসে নমুনার আকার ও আস্থার সীমা। এই তিন ধাপ পার হওয়ার আগে আমি কোনো দাবি করি না। ২০১৮ সালের রাশিয়া বিশ্বকাপে ১ জুলাই, কাজানে ফ্রান্স ৪-৩ আর্জেন্টিনা ম্যাচটির কথা ধরুন। স্কোরলাইন দেখে সবাই বলেছিল ‘মহাকাব্যিক লড়াই’। কিন্তু লগ বলছে, ফ্রান্সের xG ছিল ২.১, আর্জেন্টিনার ১.৬; কিলিয়ান এমবাপে ছয়টি ড্রিবল করেছিলেন আর ৩৭.১ কিমি/ঘণ্টা গতিতে ছুটে আর্জেন্টিনার ব্যাক লাইন ভেঙেছিলেন। আবার গভীরে নেমে যাওয়ার পর ফ্রান্সের PPDA বেড়ে ১৪.৮-তে দাঁড়ায়। এই দুই তথ্য পাশাপাশি রাখলে গল্পটা বদলে যায়।

প্রথম পাসে বিশৃঙ্খলা, দ্বিতীয় পাসে ফ্রান্স—এই বাক্যটাই আমার কাজের সারমর্ম। স্কোরলাইন আবেগ তৈরি করে, কিন্তু প্যাটার্ন তৈরি হয় কেবল ধৈর্যে। কে জিতল—এই প্রশ্ন করা বন্ধ করার পরেই আসল প্যাটার্নটা দেখা দেয়। ফ্রান্স-আর্জেন্টিনা ম্যাচে চোখ-পরখা যা ‘রোমাঞ্চ’ বলে, লগ সেখানে দেখায় গেম-স্টেট অনুযায়ী কৌশলগত পছন্দের একটি ক্রম—এগিয়ে যাওয়া, গভীরে বসা, প্রতিপক্ষকে বল দেওয়া। এই ক্রমটাই ম্যাচের গল্প, স্কোরলাইন নয়। টেমপ্লেট এখানে সাজসজ্জা নয়, ভারা—একই কাঠামোয় বসিয়ে ক্রিকেটের একটি পতন আর ফুটবলের একটি গোল-ঝড় দুটোকেই সমান মাপে বিচার করা যায়।

এখানেই আমার সংশয়ী অবস্থান। সংখ্যা আর গল্প একসাথে বাড়লে মানুষ গল্পটাকেই সত্য ভাবে। ২০২০ সালের প্রকল্প-পুনরারম্ভে বদ্ধ দরজার পেছনে খেলা ৯২টি প্রিমিয়ার লিগ ম্যাচ আমি ধীরে ধীরে পরীক্ষা করেছি। ১১ জুলাই, ২০২০-তে লিভারপুল ১-১ বার্নলি ম্যাচটিকে কেস স্টাডি ধরে দেখলাম, অ্যানফিল্ডের হোম-অ্যাডভান্টেজ কমেছে ০.৩১ গোল প্রতি ম্যাচে, আর ঘরের মাঠে লিভারপুলের PPDA ৮.১ থেকে বেড়ে ১০.৪ হয়েছে। ১,০৫২টি সেট-পিস ও ওপেন-প্লে সিকোয়েন্স ক্রস-চেক করেছি। ফলাফল ছিল ‘দ্য এম্পটি স্টেডিয়াম রিগ্রেশন’—সতর্ক, বড় দাবিহীন একটি প্রতিবেদন। স্টেডিয়াম খালি ছিল, কিন্তু ডেটা শ্বাস নিচ্ছিল।

এখান থেকে আমার আপত্তি পরিষ্কার। সমস্যা কখনো ‘তথ্য কম’ নয়, সমস্যা হলো ফাঁকা জায়গাটা গল্প দিয়ে ভরিয়ে দেওয়া। একটি ম্যাচের ৪-৩ স্কোরলাইন সত্য, কিন্তু সেটি কৌশলের প্রমাণ নয়। কোরিলেশন আর কার্যকারণ এক নয়। যখন কোনো ইনিংস বা স্পেল আলাদা করে দেখে প্যাটার্ন বলে চালিয়ে দেওয়া হয়, তখন নমুনার আকার গোপন করা হয়—এটা আমার পেশার সবচেয়ে বড় ফাঁদ। T20-এর ডেথ ওভার বা একটি মাত্র স্পেল বিচ্ছিন্নভাবে দেখলে প্যাটার্নের মতো লাগে, অথচ সেটি নিছক কাকতালীয় হতে পারে। তাই আমি ‘প্রমাণ করে’ নয়, ‘ইঙ্গিত করে’ লিখি; প্রতিটি লেখায় সীমাবদ্ধতার একটি অনুচ্ছেদ রাখি।

কিন্তু সতর্কতা যেন সিদ্ধান্তকে কবর না দেয়। এই বিপদটাও আছে—অতিরিক্ত হেজিং করলে প্রতিটি অনুসন্ধান দাঁতহীন মন্তব্যে পরিণত হয়। তাই আমার নিয়ম: সবচেয়ে বেশি সমর্থিত পাঠটি প্রথম দুই বাক্যেই বলে দাও, তারপর সীমা ব্যাখ্যা করো। একটি খালি ফাইলও যদি সৎভাবে উপস্থাপন করা যায়, সেটি নিজেই একটি সংকেত—হয় সোর্স দুর্বল, নয় পাইপলাইনে ত্রুটি।

সামনের রাউন্ডে আমি তাই তিনটি জিনিস নজরে রাখব। প্রথমত, সোর্সের মেটাডেটা—প্রকাশের তারিখ ও মূল সূত্র, কারণ সেগুলো ছাড়া সাক্ষ্যের ওজন নির্ধারণ করা যায় না। দ্বিতীয়ত, সত্তার তালিকা—কোন দল, কোন খেলোয়াড়, কোন লিগ; এরা থাকলে বিশ্লেষণের লক্ষ্য স্পষ্ট হয়। তৃতীয়ত, পাইপলাইনের স্বাস্থ্য—Stage-1 নিষ্কাশন আবার চালালে যদি তথ্যবিন্দু আর সত্তা ভরে ওঠে, তবেই আটটি মাত্রার বিশ্লেষণ শুরু করা যায়।

যেখানে আটটি বিভাগ একসাথে ‘প্রযোজ্য নয়’ বলে চিৎকার করে, সেখানে প্রশ্নটা আর ‘কারা জিতল’ নয়—প্রশ্নটা হলো, আমরা কি গল্প বলার আগে লগটা পড়ার ধৈর্য রাখি? আর সেই ধৈর্যটাই ঠিক করে দেবে, ক্রিকেট-সাংবাদিকতা তথ্য পরিবেশন করছে, নাকি কেবল আওয়াজ বাড়াচ্ছে।