খালি ফাইল, ক্লিন অটোপসি: ক্রিকেট ডেটা বিশ্লেষণে নাল-রেজাল্টের শৃঙ্খলা

খালি ফাইল, ক্লিন অটোপসি: ক্রিকেট ডেটা বিশ্লেষণে নাল-রেজাল্টের শৃঙ্খলা

গত সপ্তাহে একটি ফাইল খুলেছিলাম। ভেতরে আটটি বিভাগ, ছাব্বিশটি টেবিল, আর একটিও তথ্যবিন্দু নেই। শিরোনামের জায়গায় লেখা "N/A", সূত্রের জায়গায় "Unclassified"। সবচেয়ে গুরুত্বপূর্ণ ঘরটি — তথ্যবিন্দুর তালিকা — একেবারে খালি। বিশ বছর আগে দৈনিক পত্রিকার ডেস্কে বসে থাকলে আমি সম্ভবত ওই খালি ঘরটাই কলম দিয়ে ভরিয়ে ফেলতাম। একটি দল বানিয়ে ফেলতাম, একটি ম্যাচ বানিয়ে ফেলতাম, একটি গল্প বানিয়ে ফেলতাম। কারণ ডেস্ক চায় কপি, আর কপি চায় তথ্য; তথ্য না থাকলে কল্পনা। কিন্তু এই ফাইলটি আমাকে যা শিখিয়েছে, তা যেকোনো ইনিংসের চেয়ে বেশি কাজের: যখন হাতে কোনো তথ্য থাকে না, তখন সবচেয়ে সৎ আউটপুট হলো একটি নাল-রেজাল্ট রিপোর্ট — কোনো গল্প নয়, একটি স্বীকারোক্তি। আজকের এই লেখাটি সেই ফাঁকা ফাইলকে নিয়ে — একটি শূন্য বিশ্লেষণ কীভাবে ক্রিকেট ডেটা-সাংবাদিকতার সবচেয়ে অস্বস্তিকর সত্যটি টেনে বের করল।

আমি এই পেশায় এসেছি ২০০৬ সালে, দৈনিক পত্রিকার খেলার ডেস্কে, একজন ক্রিকেট রিপোর্টার হিসেবে। সেসময় আমাদের কাজ ছিল স্কোরকার্ড আর কোটেশন জোড়া দিয়ে কপি তৈরি করা। ম্যাচের ফলাফল ছিল আখ্যানের কেন্দ্র, আর বিশ্লেষণ ছিল সাজসজ্জা। ২০১৭ সালে আমি যখন মুম্বাইয়ের একটি নতুন মিডিয়া আউটলেটে যোগ দিলাম, তখন আমার বয়স ৪৪, এবং আমি ছিলাম সেই আউটলেটের প্রথম ডেটা বিশ্লেষক। সেখানে আমার কাজ বদলে গেল — স্কোরকার্ড আর কোটেশন থেকে xG, PPDA আর শট-ম্যাপের দিকে। ভারতের নতুন মিডিয়া বাজারে সেই সময় এক অদ্ভুত টানাপোড়েন তৈরি হয়েছিল: একদিকে ডেটার প্রতি আকর্ষণ, অন্যদিকে ক্লিক আর এনগেজমেন্টের চাপ। যে কোনো ফাঁকা জায়গা গল্প দিয়ে ভরাট করার প্রলোভন প্রতিদিন বাড়ছিল।

বাংলাদেশের মিডিয়া বাস্তবতা ভিন্ন। ঢাকার ক্রিকেট সাংবাদিকতা বড় হয়েছে স্মৃতি, মৌখিক ইতিহাস আর ম্যাচ-পরবর্তী আখ্যানের ওপর। আমার প্রথম স্মৃতিকথা, ২০২৩ সালে প্রকাশিত, আসলে সেই দুই জগতের মধ্যে একটি সেতু — দৈনিক ডেস্কের রিপোর্টিং আর মুম্বাইয়ের ফরেনসিক ডেটা-স্কুলের মাঝখানে দাঁড়িয়ে লেখা। এক জগতে সতর্কতা হলো, তথ্য না থাকলে চুপ থাকা। অন্য জগতে সতর্কতা হলো, তথ্য না থাকলেও কপি জমা দেওয়া। এই দুই সংস্কৃতির সংঘর্ষেই জন্ম নেয় আমার আজকের বিষয়।

যে ফাইলটি আমি খুলেছিলাম, সেটি ছিল একটি দুই-ধাপের বিশ্লেষণ-পাইপলাইনের দ্বিতীয় ধাপ। প্রথম ধাপের কাজ হলো একটি নিবন্ধকে ভেঙে তথ্যবিন্দু আর সত্তায় পরিণত করা। দ্বিতীয় ধাপ — যেটি আমার হাতে — সেই তথ্যবিন্দুর ওপর ভিত্তি করে গভীর বিশ্লেষণ করা। কিন্তু প্রথম ধাপের ফল ছিল শূন্য। তথ্যবিন্দুর তালিকা খালি। সত্তার তালিকা নেই। সূত্র নেই, তারিখ নেই, ধরন নেই। অর্থাৎ বিশ্লেষণের যে কাঁচামাল, সেটাই নেই। এখানেই আসল পরীক্ষা: যখন পাইপলাইনের নিচে কোনো ভিত্তি নেই, তখন আপনি কী করবেন?

একটি বিশ্লেষণ-কাঠামো যত সুন্দরই হোক, তথ্য ছাড়া তা কেবল একটি ফাঁকা ঘরের নকশা। আমার হাতে আটটি বিভাগের একটি নিখুঁত ছক ছিল — ফরম্যাট ও ম্যাচ বিশ্লেষণ, খেলোয়াড়ের কৌশল ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও প্রশাসন, ঝুঁকি, জন-আখ্যান, আর শিল্প-প্রসারণ। প্রতিটি বিভাগে টেবিল, প্রতিটি টেবিলে ঘর। কিন্তু প্রতিটি ঘরে লিখতে হতো "অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়"। কেন? কারণ কোনো ম্যাচ নেই, কোনো খেলোয়াড় নেই, কোনো দল নেই, কোনো ফরম্যাট নেই। শুধু একটি অঞ্চল-ট্যাগ — "cricket_asia" — যা দক্ষিণ এশিয়ার একটি অস্পষ্ট ভৌগোলিক ইঙ্গিত ছাড়া আর কিছুই বলে না।

এই মুহূর্তে দুটি পথ খোলা ছিল। প্রথম পথ: কল্পনা। একটি দল বানাই, একটি ম্যাচ বানাই, কয়েকটি পরিসংখ্যান বানাই, আর ছকটি ভরিয়ে ফেলি। দ্বিতীয় পথ: স্বীকারোক্তি। লিখে দিই — এই ইনপুট দিয়ে বিশ্লেষণ সম্ভব নয়, এবং এটি একটি প্রক্রিয়া-ব্যর্থতা, ক্রিকেট-অন্তর্দৃষ্টি নয়। আমি দ্বিতীয় পথটি বেছেছিলাম। এবং সেটাই এই লেখার কেন্দ্রীয় যুক্তি।

আমি জানি পাঠকের প্রথম প্রতিক্রিয়া হবে হতাশা। কে চায় একটি রিপোর্ট পড়তে যার প্রতিটি ঘরে লেখা "জানা যায়নি"? কিন্তু এখানেই ক্রিকেট ডেটা-বিশ্লেষণের একটি মৌলিক সত্যটি লুকিয়ে আছে, যা আমি আমার সারা কেরিয়ারে বারবার দেখেছি: নাল-রেজাল্ট প্রকাশ করা বিশ্লেষকের সবচেয়ে কঠিন কাজ, কারণ সিস্টেম আপনাকে এর জন্য পুরস্কৃত করে না। এডিটর চান সংখ্যা। অ্যালগরিদম চান এনগেজমেন্ট। পাঠক চান নিশ্চিত সিদ্ধান্ত। আর আপনি হাতে ধরে আছেন একটি খালি তালিকা।

আমার জীবনের সবচেয়ে বড় শিক্ষাটি এসেছিল উল্টো দিক থেকে — যখন তথ্য ছিল, কিন্তু সেটি প্রচলিত আখ্যানের বিরুদ্ধে গিয়েছিল। ২০১৭ সালের ইউরোপীয় চ্যাম্পিয়ন্স লিগের ফাইনালে রিয়াল মাদ্রিদ ইউভেন্তুসকে ৪-১ গোলে হারিয়েছিল। স্কোরলাইন বলছিল একপাক্ষিক ধ্বংসযজ্ঞ। ক্রিস্তিয়ানো রোনালদো দুটি গোল করেছিলেন, কাসেমিরো আর মার্কো আসেনসিও একটি করে; ইউভেন্তুসের হয়ে মারিও মানজুকিচ একটি। সংখ্যা দেখে যে কেউ লিখে দিতেন "রিয়াল মাদ্রিদের সহজ জয়"। কিন্তু আমি ম্যাচটি একটি মডেল দিয়ে খুলেছিলাম — xG আর PPDA। মডেল বলল, রিয়াল মাদ্রিদ ২.৬ xG তৈরি করেছিল, ইউভেন্তুস মাত্র ১.২। প্রথমার্ধে ইউভেন্তুস প্রেস করছিল PPDA ৭.১ নিয়ে — অর্থাৎ তারা উচ্চ লাইনে চাপ দিচ্ছিল, কিন্তু সেই চাপ থেকে বেরিয়ে আসার পথ খোলা রেখে দিচ্ছিল।

আমি লিখেছিলাম "দ্য ফাইনাল ওয়াজ নট আ ৪-১"। আমি যুক্তি দিয়েছিলাম, স্কোরলাইন একটি কৌশলগত ভাঙনকে ঢেকে দিচ্ছে। সংখ্যাটি মিথ্যা ছিল না; সংখ্যাটি অসম্পূর্ণ ছিল। ৪-১ ছিল ফলাফল, কিন্তু গল্পটি ছিল রিয়াল মাদ্রিদের কাউন্টার-অ্যাটাকের দক্ষতা আর ইউভেন্তুসের কাঠামোগত ঝুঁকি। ভারতীয় ফুটবল-বৃত্তে লেখাটি ভাইরাল হয়েছিল। কিন্তু আমার কাছে আসল জয়টি ছিল অন্য কিছু: আমি প্রমাণ করেছিলাম, ডেটা আখ্যানের সাজসজ্জা নয়, ডেটা আখ্যানের ছুরি। তথ্য যদি গল্পকে প্রশ্ন না করে, তবে তথ্য কেবল সাজসজ্জা।

I performed the first xG autopsy in Indian new media; the body was a narrative. — এটাই ছিল সেই মুহূর্ত। আমার লেখার ধরন বদলে গেল। আমি কোটেশন আর স্কোরলাইন দিয়ে শুরু করা বন্ধ করলাম। প্রতিটি ম্যাচ-বিশ্লেষণ শুরু হতে লাগল xG, PPDA আর শট-ম্যাপ দিয়ে। এডিটরদের মেনে নিতে হলো, ডেটাই আখ্যানের প্রাথমিক স্তর। এই পরিবর্তনই ২০১৮ সালে আমার বিশ্বকাপ ক্রেডেনশিয়াল এনে দিল।

২০১৮ সালের রাশিয়া বিশ্বকাপে আমি ডেটা ডেস্কে ছিলাম। জার্মানি দক্ষিণ কোরিয়ার কাছে ০-২ গোলে হেরেছিল। জার্মানির দখল ছিল ৭০ শতাংশ, শট ২৬টি, xG ২.৭। তারপরও তারা হেরেছিল। কারণ? তাদের PPDA ছিল ৬.৮ — অর্থাৎ তারা উঁচুতে প্রেস করছিল, আর পেছনে বিশাল ফাঁকা জায়গা রেখে দিচ্ছিল। দক্ষিণ কোরিয়া দুটি কাউন্টার থেকে ১.১ xG তৈরি করেছিল, কিম ইয়ং-গুয়ন আর সন হিউং-মিনের গোলে। ম্যাচের আগেই আমি একটি পূর্বাভাসমূলক লেখা প্রকাশ করেছিলাম — সতর্কবার্তা দিয়ে যে জার্মানির এই দখল একটি বিপদসংকেত, কোনো গুণ নয়।

Germany — একটি শব্দেই সেই শিক্ষাটি জড়িয়ে আছে। ম্যাচ শেষে আমার মডেলটি তিনটি ইউরোপীয় আউটলেট উদ্ধৃত করেছিল। — Root: Experience 2, Germany. সেদিন থেকে আমি ম্যাচ-পরবর্তী বিবরণ নয়, ম্যাচ-পূর্ববর্তী পূর্বাভাসমূলক ফরেনসিক লেখা শুরু করলাম। PPDA থ্রেশহোল্ড আর xG পার্থক্যের একটি চেকলিস্ট বানালাম। কিন্তু এর একটি পার্শ্বপ্রতিক্রিয়া ছিল: লেখা ধীর হয়ে গেল, কারণ প্রতিটি মেট্রিক যাচাই না করে আমি প্রকাশ করতে রাজি ছিলাম না।

এই দুই অভিজ্ঞতা — ২০১৭-র অটোপসি আর ২০১৮-র পূর্বাভাস — আমাকে একটি নিয়ম শিখিয়েছিল, যা আজকের খালি ফাইলের সঙ্গে সরাসরি যুক্ত। তথ্য থাকলে তথ্য দিয়ে আখ্যান খুঁড়তে হয়। তথ্য না থাকলে আখ্যান খোঁড়ার কিছুই থাকে না। তখন যে কেউ গল্প বানায়, সে বিশ্লেষণ করে না — সে বিশ্লেষণের ছদ্মবেশ ধারণ করে।

ক্রিকেটে এই ছদ্মবেশের চারণভূমি বিশাল। ভাবুন, একটি বৃষ্টিবিঘ্নিত ম্যাচ। ডাকওয়ার্থ-লুইস-স্টার্ন পদ্ধতিতে ফলাফল নির্ধারিত হলো, কিন্তু ওভার কমে যাওয়ায় প্রকৃত দক্ষতার পরিমাপ অসম্পূর্ণ রয়ে গেল। একজন বিশ্লেষক যদি সেই ম্যাচ থেকে সিদ্ধান্তে পৌঁছান যে "এই দলের ব্যাটিং গভীরতা দুর্বল", তিনি একটি শূন্য ভিত্তির ওপর দালান তুলছেন। ডেটার ভাষায় এটি কনফাউন্ডিং ভেরিয়েবল — আসল কারণটি ওভার-সীমা, দক্ষতা নয়। কিন্তু আখ্যানের চাহিদা এত প্রবল যে কেউ কনফাউন্ডিংয়ের কথা বলতে চান না।

ভাবুন, একজন অভিষেক খেলোয়াড়, যিনি দুই ম্যাচে দুটি দুর্দান্ত ইনিংস খেলেছেন। সামাজিক মাধ্যমে ইতিমধ্যেই তাকে "পরবর্তী মহাতারকা" ঘোষণা করা হয়েছে। কিন্তু দুই ম্যাচের নমুনা দিয়ে কোনো খেলোয়াড়ের প্রকৃত ক্ষমতা মাপা অসম্ভব। এখানেই আমার পেশাগত একটি দৃঢ় মত: ট্রান্সফার-মার্কেটের ডেটা-মডেল তরুণ প্রতিভাকে অতিরিক্ত মূল্য দেয় আর ড্রেসিং-রুমের রসায়নকে অবমূল্যায়ন করে। কারণ তরুণ প্রতিভার সংখ্যা পাওয়া যায় — রান, স্ট্রাইক-রেট, বয়স-বক্ররেখা। কিন্তু ড্রেসিং-রুমের রসায়ন একটি ডেটা-ফাঁক: তা মাপা যায় না, তবু ফলাফলে তার প্রভাব বিশাল। যে মডেল এই ফাঁকটিকে শূন্য ধরে নেয়, সে প্রতিটি মূল্যায়নে একটি নীরব ত্রুটি বহন করে।

ক্রিকেটে xG-ধাঁচের চিন্তার নিজস্ব সংস্করণ আছে — expected runs, wicket probability, আর phase-adjusted impact। টি-টোয়েন্টিতে ম্যাচটি তিন ভাগে ভাগ করা যায়: পাওয়ারপ্লে (ওভার ১-৬), মিডল ওভার (৭-১৫), আর ডেথ ওভার (১৬-২০)। পাওয়ারপ্লেতে মূল মেট্রিক উইকেটের সম্ভাবনা; মিডল ওভারে রান-রোটেশন আর বাউন্ডারি-দমন; ডেথ ওভারে expected runs। যদি কেউ শুধু গড় আর স্ট্রাইক-রেট দিয়ে একজন ব্যাটসম্যানকে মাপেন, তিনি এই ফেজ-প্রসঙ্গটি হারিয়ে ফেলেন। মিডল ওভারে ৪০ গড় আর ১৪০ স্ট্রাইক-রেটে খেলা একজন ব্যাটসম্যান, ডেথ ওভারে একই সংখ্যার চেয়ে বেশি মূল্যবান — কারণ ডেথ ওভারে বোলিং কঠিনতর, আর সেই কঠিনতা মডেলটিতে ধরা পড়ে না। এটাই প্রক্সি প্রতিস্থাপনের একটি নিখুঁত উদাহরণ: যা মাপা সহজ, তাকে যা মাপা কঠিন, তার প্রতিনিধি বানিয়ে ফেলা।

আরেকটি বিশাল ফাঁক হলো আম্পায়ারিং আর DRS। একটি ম্যাচ যদি একটি প্রান্তিক DRS সিদ্ধান্তে মোড় নেয়, ফলাফলটি বাস্তব, কিন্তু "দক্ষতা"-আখ্যানটি তখন দূষিত। একইভাবে সন্ধ্যার ম্যাচে শিশির পড়লে তাড়া করা দলের জন্য পিচ সহজ হয়ে যায়। ফলে একটি দলের "চেজিং দক্ষতা" হয়তো শিশিরের দান, দক্ষতার নয়। এই ধরনের নীরব ভেরিয়েবল চিহ্নিত না করে বিশ্লেষণ লেখা মানে, ভুল কারণকে সঠিক নাম দেওয়া।

আমি আমার কর্মজীবনে চারটি নির্দিষ্ট ব্যর্থতা-ধরন চিহ্নিত করেছি, যেগুলো তথ্যের অভাব ঢাকতে ব্যবহৃত হয়। প্রথমটি — বানানো তথ্য: একেবারে গল্প থেকে সংখ্যা বানিয়ে ফেলা। দ্বিতীয়টি — প্রক্সি প্রতিস্থাপন: যা মাপা যায় না, তার বদলে যা মাপা যায় তা ব্যবহার করা, এবং দুটিকে সমান ধরে নেওয়া — যেমন দখলকে নিয়ন্ত্রণ ধরে নেওয়া, বা স্কোরলাইনকে দক্ষতা ধরে নেওয়া। তৃতীয়টি — মিথ্যা নির্ভুলতা: "৭.৩ xG" লেখা, যখন আসলে ভিত্তিটাই সন্দেহজনক। চতুর্থটি — চেরি-পিকিং: যে সংখ্যাগুলো পূর্বনির্ধারিত আখ্যানকে সমর্থন করে, শুধু সেগুলো দেখানো।

এই চারটির মধ্যে সবচেয়ে বিপজ্জনক হলো দ্বিতীয়টি, প্রক্সি প্রতিস্থাপন, কারণ এটি সৎ দেখায়। ২০১৭-র ফাইনালে যদি আমি শুধু দখল আর স্কোরলাইন দেখতাম, আমি একটি ভুল গল্প লিখতাম। প্রক্সিটি আমাকে সত্যের কাছাকাছি নিয়ে গিয়েছিল, কিন্তু সম্পূর্ণ সত্য নয়। প্রকৃত সত্য পেতে আমাকে xG আর PPDA — দুই স্তরের মেট্রিক — একসঙ্গে পড়তে হয়েছিল। একটি মেট্রিক কখনও একা সত্য বলে না; দুটি স্বাধীন মেট্রিক একমত হলে তবেই ভিত্তি তৈরি হয়।

এখন ফিরে আসি খালি ফাইলে। এই ফাইলে কোনো প্রক্সিও নেই। শূন্য তথ্যবিন্দু মানে চারটি ব্যর্থতা-ধরনের প্রথমটির — বানানো তথ্যের — সবচেয়ে বড় ফাঁদ। কারণ এখানে সৎভাবে বিশ্লেষণ করার কোনো উপায়ই নেই। একমাত্র সৎ আউটপুট হলো স্বীকার করা: "এই ইনপুট দিয়ে বিশ্লেষণ সম্ভব নয়।" এটি কোনো ব্যর্থতা নয় — এটি পদ্ধতিগত সততা।

এখানে একটি সূক্ষ্ম পার্থক্য মনে রাখা জরুরি। "অপর্যাপ্ত তথ্য" আর "পরস্পরবিরোধী তথ্য" এক নয়। অপর্যাপ্ত তথ্য মানে, হাতে কিছু নেই। পরস্পরবিরোধী তথ্য মানে, হাতে দুটি সংখ্যা আছে যারা একে অন্যকে খণ্ডন করে — তখন বিশ্লেষকের কাজ হলো সেই বিরোধটি পাঠকের সামনে খুলে ধরা, একটি পক্ষ বেছে নেওয়া নয়। প্রথম ক্ষেত্রে সঠিক উত্তর একটি নাল-রিপোর্ট; দ্বিতীয় ক্ষেত্রে সঠিক উত্তর একটি বিরোধ-মানচিত্র। দুটোই অস্বস্তিকর, দুটোই বিরল, কারণ দুটোই নিশ্চিত সিদ্ধান্ত দেয় না।

একটি নাল-রিপোর্ট কীভাবে লিখতে হয়, তা নিয়ে আমার একটি ব্যক্তিগত ছক আছে। প্রথমে ফাঁকটি স্পষ্ট করে বলা: কোন তথ্য নেই। তারপর সত্তাগুলো নাম ধরে বলা: কোন দল, কোন খেলোয়াড়, কোন ফরম্যাট অনুপস্থিত। তারপর বলা, কোন ইনপুট এলে বিশ্লেষণ শুরু হবে। শেষে একটি পরীক্ষাযোগ্য শর্ত স্থির করা: কোন তথ্য এলে আমি আমার অবস্থান বদলাব। এই চার ধাপের প্রতিটি ধাপই পাঠকের প্রতি একটি প্রতিশ্রুতি — আমি আপনাকে গল্প দিচ্ছি না, আমি আপনাকে একটি মানচিত্র দিচ্ছি, যেখানে সীমা স্পষ্ট।

এই শৃঙ্খলা ক্রিকেট-জুয়া আর ফ্যান্টাসি মার্কেটেও প্রাসঙ্গিক। এই বাজারগুলো মিথ্যা নির্ভুলতাকে ভালোবাসে, কারণ নির্ভুল ভবিষ্যদ্বাণী বাজি ধরতে উৎসাহ দেয়। একজন বিশ্লেষক যখন বলেন, "আমি জানি না", তিনি তার পাঠককে অন্ধ বাজি থেকে বাঁচান। সেদিক থেকে নাল-রেজাল্ট কেবল পদ্ধতিগত সততা নয় — এটি পাঠকের প্রতি একটি সুরক্ষা।

আমি যদি এই নাল-রেজাল্ট রিপোর্টটিকে একটি ম্যাচ হিসেবে দেখি, তাহলে এর ম্যান অব দ্য ম্যাচ হলো কাঠামোগত সততা। রিপোর্টটি বলছে: তথ্যবিন্দু নেই, তাই বিশ্লেষণ নেই। এই সরল বাক্যটি ক্রিকেট ডেটা-জগতে বিরল, কারণ এই জগতের প্রণোদনা-ব্যবস্থা বিপরীত দিকে ঠেলে। একটি হট-টেক ভিডিও লক্ষাধিক ভিউ পায়; একটি নাল-রেজাল্ট রিপোর্ট প্রায় কেউ পড়ে না। এডিটরের কাছে নাল-রেজাল্ট মানে খালি পাতা; অ্যালগরিদমের কাছে মানে কম এনগেজমেন্ট। ফলে সিস্টেমটি ধীরে ধীরে বিশ্লেষকদের শেখায়: ফাঁকা জায়গা সবসময় ভরাট করো, যেভাবেই হোক।

এই শিক্ষার ফল আমরা প্রতিদিন দেখি। একটি ম্যাচে একজন খেলোয়াড় দুটি ক্যাচ ফেললেন, সঙ্গে সঙ্গে "তিনি ফর্ম হারিয়েছেন" শিরোনাম। অথচ ক্যাচ-ফেলানো একটি উচ্চ-ভ্যারিয়েন্স ঘটনা — দুই-তিনটি নমুনা দিয়ে ফর্ম মাপা যায় না। একটি দল ঘরের মাঠে টানা তিন ম্যাচ হারল, সঙ্গে সঙ্গে "কোচ চলে যাবেন" গুজব। অথচ ঘরের মাঠের সুবিধা ঋতু-ভেদে ওঠানামা করে, আর তিন ম্যাচের নমুনা কেবল শোরগোল। এই প্রতিটি ক্ষেত্রেই তথ্য ছিল — কিন্তু তথ্যটি ছিল "এখনও সিদ্ধান্তের জন্য যথেষ্ট নয়"। আর এই "এখনও যথেষ্ট নয়" কথাটি বলার সাহস কেউ দেখান না।

আমি আমার কর্মজীবনে একটি প্যাটার্ন লক্ষ্য করেছি, যা আমি নীরব ত্রুটি বলি। প্রতিটি মডেল, প্রতিটি বিশ্লেষণে কিছু অনুমান থাকে যা কখনও পরীক্ষা করা হয় না। ড্রেসিং-রুমের রসায়নের ফাঁকটি এমনই একটি নীরব ত্রুটি। কনফাউন্ডিং ভেরিয়েবল, ছোট নমুনা, অসম্পূর্ণ বল-ট্র্যাকিং — সবই নীরব ত্রুটি। একজন ভালো বিশ্লেষক সেই ত্রুটিগুলোকে চিহ্নিত করেন এবং পাঠককে জানান। একজন দুর্বল বিশ্লেষক সেগুলোকে শূন্য ধরে এগিয়ে যান। দুজনের লেখা দেখতে একই রকম হতে পারে — দুটোতেই সংখ্যা থাকে, দুটোতেই আত্মবিশ্বাস থাকে। পার্থক্য হলো, একজনের সংখ্যা আখ্যানকে প্রশ্ন করে, অন্যজনের সংখ্যা আখ্যানকে সাজায়।

বাংলাদেশ-ভারত তুলনার একটি স্তর এখানে প্রাসঙ্গিক। দুই দেশেই ক্রিকেট আবেগের কেন্দ্র, কিন্তু ডেটা-পরিপক্বতা ভিন্ন স্তরে। ভারতের আইপিএল-কেন্দ্রিক ইকোসিস্টেমে প্রতি-বলের ডেটা, বল-ট্র্যাকিং, ফিল্ডিং-ম্যাপ — সবই বাণিজ্যিকভাবে উৎপাদিত হয়, কারণ বাজেট আছে। বাংলাদেশের ঘরোয়া ক্রিকেটে সেই পরিকাঠামো এখনও গড়ে উঠছে। ফলে একই ম্যাচ, দুই দেশের বিশ্লেষক ভিন্ন স্তরের প্রমাণ নিয়ে কাজ করেন। বিপদটি হলো, কম ডেটার বিশ্লেষক বেশি ডেটার বিশ্লেষকের ভাষা অনুকরণ করতে শুরু করেন — একই আত্মবিশ্বাস, কিন্তু ভিত্তি দুর্বল। এটাই মেট্রিক-ওভাররিচের আন্তঃসীমান্ত রূপ।

আমি জার্মানিতে কাটানো সময়ে একটি শিক্ষা পেয়েছি, যা ক্রিকেটেও খাটে। জার্মান বিশ্লেষণ-সংস্কৃতিতে সতর্কতা একটি গুণ — "আমরা জানি না" বলা লজ্জার নয়। সেই সংস্কৃতিতে একটি ভুল অনুমানের চেয়ে একটি সৎ শূন্যতা ভালো। আমি চাই ক্রিকেটেও সেই মানসিকতা আসুক। আমি চাই একজন তরুণ ক্রিকেট-বিশ্লেষক গর্ব করে বলতে পারুক, "এই ম্যাচের ডেটা আমার কাছে যথেষ্ট নয়, তাই আমি সিদ্ধান্ত দিচ্ছি না।" সেদিন ক্রিকেট-সাংবাদিকতা এক ধাপ পরিপক্ব হবে।

এখানেই আমার কাউন্টার-ইনটুইটিভ যুক্তিটি আসে, এবং আমি জানি এটি অনেকের অস্বস্তির কারণ হবে। প্রচলিত ধারণা হলো, বিশ্লেষকের মূল্য তার উৎপাদনে — কত লেখা, কত সিদ্ধান্ত, কত ভবিষ্যদ্বাণী। আমি বলি উল্টোটা। একজন বিশ্লেষকের প্রকৃত মূল্য মাপা হয় তার অস্বীকারের ক্ষমতা দিয়ে — কতবার তিনি সৎভাবে বলতে পারেন, "এখানে আমি জানি না।" যে বিশ্লেষক কখনও "জানি না" বলেন না, তিনি বিশ্লেষক নন; তিনি একজন আখ্যান-নির্মাতা, যিনি সংখ্যার পোশাক পরে ঘোরেন।

কিন্তু এই যুক্তির একটি বিপদও আছে, এবং আমি তা স্বীকার করি। নাল-রেজাল্ট সহজেই অস্ত্র হয়ে উঠতে পারে। কেউ বলতে পারেন, "দেখুন, এমনকি বিশেষজ্ঞও বলছেন তথ্য নেই — তাহলে আমরা যা বলি তাই ঠিক।" অর্থাৎ শূন্যতা থেকে একটি নতুন আখ্যান জন্ম নিতে পারে — সন্দেহের আখ্যান, যা প্রমাণের অভাবকেই প্রমাণ হিসেবে ব্যবহার করে। এটাই নাল-রেজাল্টের প্যারাডক্স: যে রিপোর্ট সততার জন্য লেখা হয়, সেটিকেই অসততার ঢাল বানানো যায়। তাই নাল-রেজাল্টের সঙ্গেই থাকতে হবে স্পষ্ট ভাষা — "তথ্য নেই" মানে "তথ্য নেই", কোনো পক্ষের জয় নয়।

দ্বিতীয় বিপদটি আরও সূক্ষ্ম। আমি ৩৭ বছর ধরে এই খেলা দেখছি, এবং আমার একটি অভ্যাস তৈরি হয়েছে — সন্দেহ করা। কিন্তু সন্দেহ একটি পদ্ধতি, একটি ব্যক্তিত্ব নয়। যে বিশ্লেষক প্রতিটি ঐকমত্যকে স্বয়ংক্রিয়ভাবে প্রত্যাখ্যান করেন, তিনি ঠিক ততটাই অপরিশুদ্ধ যতটা তিনি যাঁকে সমালোচনা করেন। প্রতিটি কাউন্টার-ইনটুইটিভ দাবির সঙ্গেই থাকতে হবে একটি পরীক্ষাযোগ্য অনুমান এবং একটি পূর্বনির্ধারিত প্রমাণ-শর্ত: কোন তথ্য এলে আমি ভুল স্বীকার করব। খালি ফাইলের ক্ষেত্রে সেই শর্তটি সরল — একটি বৈধ ইনপুট এলে বিশ্লেষণ শুরু হবে।

তৃতীয় বিপদটি আবেগের। আমি জানি, খালি ফাইল নিয়ে লেখা পাঠকের কাছে শীতল, এমনকি অহংকারী মনে হতে পারে। একজন ভক্ত সন্ধ্যায় ম্যাচ দেখতে বসেন তার দলের জন্য আবেগ নিয়ে; তিনি একটি টেবিল চান না, তিনি একটি গল্প চান। এই আবেগটিকে ছোট করে দেখানো আমার কাজ নয়। বরং এটাই সেই শক্তি, যার কারণে ক্রিকেট এত বড়। আমার কাজ হলো সেই আবেগকে সম্মান করা, আর একইসঙ্গে বলা — আবেগ সিদ্ধান্তের ভিত্তি হতে পারে না। ভালোবাসুন, কিন্তু যাচাই করুন।

তাহলে সেই ফাঁকা ফাইলটি আসলে কী ছিল? এটি ছিল একটি আয়না। এটি দেখাল, একটি বিশ্লেষণ-পাইপলাইন তথ্য ছাড়া কতটা অসহায়, এবং একটি বিশ্লেষক সেই অসহায়ত্ব স্বীকার করতে কতটা প্রস্তুত। পরের বার যখন কোনো টেবিলের সামনে বসবেন, আর দেখবেন ঘরগুলো খালি — নিজেকে প্রশ্ন করুন: আমি কি তথ্য খুঁজছি, নাকি গল্প? উত্তরটি আপনার পেশাগত সততার মাপকাঠি। এবং ক্রিকেট-জগতের জন্য আমার প্রশ্নটি হলো: কবে আমাদের এডিটর, অ্যালগরিদম আর পাঠক — সবাই মিলে সেই বিশ্লেষককে পুরস্কৃত করবেন, যিনি সাহস করে বলতে পারেন, "এখানে আমি জানি না"?