ভুল লেবেলের খতিয়ান: যেভাবে মেক্সিকো সিটির একটি বিবাহবিচ্ছেদ ফাইল ফুটবল ডেটাসেটে ঢুকে পড়ল

আমি খতিয়ান টেনে বের করলাম। রেকর্ডের গায়ে লেবেল — "ফুটবল"। ভেতরে লেখা — মেক্সিকো সিটি (CDMX)-তে পারস্পরিক সম্মতিতে বিবাহবিচ্ছেদের মামলা অনলাইনে দায়ের করার প্রক্রিয়া। দুটো জিনিস একসঙ্গে বসে না। তবু বসেছিল — একটি ডেটা পাইপলাইনে, একটি ডোমেইন ট্যাগের ভেতরে, একটি নীরব ভুল হিসেবে। ২০১৭ সালে যখন নেইমারের ২২২ মিলিয়ন ইউরোর রিলিজ ক্লজ ট্রিগার হলো, তখনও আমি একইভাবে খতিয়ান টেনে বের করেছিলাম — মজুরির কাগজ, এফএফপি-র ফাঁক, বার্সেলোনার অ্যামোর্টাইজেশন শিডিউল। সেবার প্রতিটি সূত্রের একটা ঠিকানা ছিল, একটা তারিখ ছিল। এবার ঠিকানাই নেই। শুধু একটা লেবেল, আর একটা লেবেলের সঙ্গে বিষয়বস্তুর অনৈক্য। এই লেখাটা সেই অনৈক্যের খতিয়ান।

প্রসঙ্গ: একটা লেবেল যেভাবে খতিয়ান হয়ে ওঠে

আধুনিক কনটেন্ট পাইপলাইন অনেকটা ট্রান্সফার উইন্ডোর মতো কাজ করে। একটা নিবন্ধ ঢোকে, একটা ডোমেইন লেবেল জোটে, তারপর সেটা সংশ্লিষ্ট বিশ্লেষকের টেবিলে গিয়ে পড়ে। Stage-1 হলো অন্তর্ভুক্তি ধাপ — এখানেই নিবন্ধটি পড়া হয়, ভাগ করা হয়, একটা ক্যাটাগরি ট্যাগ বসানো হয়। Stage-2 হলো গভীর বিশ্লেষণ — যেখানে ওই ট্যাগ ধরে নয়টি ভিন্ন মাত্রায় তথ্য ভাঙা হয়: কৌশল, ক্লাব অর্থায়ন, ফলাফল, লিগের চিত্র, নিয়ম-শাসন, ড্রেসিংরুম, ঝুঁকি, মিডিয়া ন্যারেটিভ, আর শিল্প-সংক্রমণ। প্রতিটি ধাপে ধরে নেওয়া হয়, লেবেলটা ঠিক আছে।

সমস্যা হলো, লেবেল কখনোই নিজে নিজে প্রমাণ নয়। এটা একটা দাবি — সূত্র ছাড়া একটা দাবি। আমার পেশাগত জীবনের বড় অংশ কেটেছে দাবি আর প্রমাণের ফাঁক মাপতে। একটা ক্লাব বলতে পারে সে তারকা বিক্রি করছে না; কিন্তু ক্লজের তারিখ, মজুরির ব্যান্ড আর রেজিস্ট্রেশন উইন্ডো মিলিয়ে দেখলে ধরা পড়ে, বিক্রিটা আসলে তিন সপ্তাহ আগেই সিল হয়ে গিয়েছিল। ঠিক একইভাবে, একটা পাইপলাইন বলতে পারে একটা নিবন্ধ "ফুটবল"; কিন্তু নিবন্ধের ভেতরের বারোটা তথ্যবিন্দু মিলিয়ে দেখলে ধরা পড়ে, এটা ফুটবলের কিছুই নয়।

আমি ব্লকচেইনের প্রযুক্তিগত ভাষায় কথা বলতে চাই না — ওটা আমার ক্ষেত্র নয়, আর সেখানে ঢুকে পণ্ডিতি করা আমার লজ্জার হবে। কিন্তু ব্লকচেইনের মূল প্রতিশ্রুতিটা আমি চিনি, কারণ সেটা আমার নিজের কাজের মূলনীতির সঙ্গে হুবহু মেলে: প্রতিটি এন্ট্রির গায়ে একটা যাচাইযোগ্য প্রমাণ-সূত্র থাকা উচিত, আর সেই সূত্রটা পরে বদলে ফেলা যাওয়া উচিত নয়। একটি লেজার তখনই মূল্যবান, যখন প্রতিটি সারির পিছনে একটা সত্য ইতিহাস থাকে। যে পাইপলাইন একটা ফুটবল-লেবেল বসায় এমন একটা নিবন্ধে, যার ভেতরে কোনো ক্লাব, খেলোয়াড়, প্রতিযোগিতা বা শাসনসংস্থা নেই — সেই পাইপলাইনে একটা ব্লক নষ্ট। আর একটা নষ্ট ব্লক পুরো চেইনকে প্রশ্নের মুখে ফেলে।

মূল বিশ্লেষণ: বিষয়বস্তু যা বলে, লেবেল যা বলে

যে নিবন্ধটি ফুটবল নয়

ধরা যাক, নিবন্ধটার সারমর্ম এ রকম: মেক্সিকো সিটিতে (CDMX) পারস্পরিক সম্মতিতে বিবাহবিচ্ছেদের একটি অবিবাদী (uncontested) মামলা অনলাইনে শুরু করার পদ্ধতি। মূল শব্দগুলো লক্ষ করুন — মেক্সিকো সিটির বিচার বিভাগ (Poder Judicial de la CDMX), পার্টস-এর ভার্চুয়াল অফিস (OPV বা Oficina Virtual de Partes), FIREL / e.Firma / Firma Judicial — এই ইলেকট্রনিক স্বাক্ষর ব্যবস্থাগুলো, আর PDF নথি দাখিলের শর্তাবলি। এর একটাও ফুটবলের শব্দ নয়। একটাও ক্লাব, একটাও খেলোয়াড়, একটাও লিগ, একটাও ফেডারেশন নেই।

আমি এটা পরিষ্কার করে বলি, কারণ এখানেই আসল ঘটনা লুকিয়ে আছে। বিষয়টা এই নয় যে নিবন্ধটা দুর্বল বা ভুল। বিষয়টা হলো, নিবন্ধটা তার নিজের ক্ষেত্রে ঠিকঠাক একটা নাগরিক-সেবামূলক ব্যাখ্যা — একটা পাবলিক-সার্ভিস গাইড, যার লেখকের অবস্থান নিরপেক্ষ, উদ্দেশ্য তথ্যদান। কিন্তু তার গায়ে বসে আছে এমন একটা লেবেল, যার সঙ্গে তার কোনো সম্পর্ক নেই। ফুটবল-বিশ্লেষকের টেবিলে এসে পড়া এই নিবন্ধ একটা ক্যাটাগরি-ভুল (category error) — এমন একটা শ্রেণিতে ফেলা হয়েছে, যার সদস্য সে নয়।

বারোটা তথ্যবিন্দুর অডিট

Stage-1 থেকে বারোটা তথ্যবিন্দু এসেছে। আমি সেগুলো একটা একটা করে দেখলাম। প্রথম তিনটা বলছে, অনলাইনে বিবাহবিচ্ছেদ কীভাবে শুরু করতে হয় — প্ল্যাটফর্মে ঢোকা, পরিচয় যাচাই, প্রাথমিক আবেদন। পাঁচ থেকে বারো নম্বর বলছে OPV, ইলেকট্রনিক স্বাক্ষর, আর PDF নথি দাখিলের কারিগরি শর্ত। কোথাও একটা ছোট-বড় ফুটবল-সংক্রান্ত তথ্য নেই। একটা ফুটবল-বিশ্লেষণ তখনই দাঁড়াতে পারে, যখন অন্তত একটা কাঠামো (ফর্মেশন), একটা খেলার ধরণ, একটা খেলোয়াড়-ব্যবহারের ধরন, বা একটা ম্যাচ-প্রেক্ষাপট থাকে। এখানে এর একটাও নেই।

এটাই আমার পেশাগত অভ্যাসের প্রথম ধাপ — তথ্য অপর্যাপ্ত হলে অনুমান নয়, স্পষ্টভাবে বলা উচিত: "অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়।" অনেক বিশ্লেষক এখানে একটা ভুল করেন। তাঁরা একটা দুর্বল সূত্রকে জোর করে ফুটবলের ছাঁচে ফেলেন, তারপর সেটাকে বিশ্লেষণ বলে চালান। আমি সেটাকে বিশ্লেষণ বলি না; আমি সেটাকে বানানো বলি। আর আমার ৩৭ বছরের অভিজ্ঞতা বলছে, বানানো বিশ্লেষণ একটা লেজারে ঢুকে পড়লে পরে সেটা অনেক বড় ক্ষতি করে।

নয়টা মাত্রার নীরব "প্রযোজ্য নয়"

Stage-2-এ নয়টা মাত্রা ধরে বিশ্লেষণ হয়েছে। কৌশল ও কারিগরি বিশ্লেষণ? প্রযোজ্য নয় — কোনো ফর্মেশন নেই, কোনো xG বা PPDA নেই, কোনো স্কোয়াড নেই। ক্লাব অর্থায়ন ও ট্রান্সফার মার্কেট? প্রযোজ্য নয় — কোনো ক্লাব নেই, কোনো ফি নেই, কোনো মজুরি নেই, তাই কোনো ভ্যালুয়েশন বা এফএফপি বিশ্লেষণ অসম্ভব। ফলাফল ও জনমতের চক্র? প্রযোজ্য নয় — শূন্য ম্যাচের নমুনা। লিগের চিত্র ও দলীয় অবস্থান? প্রযোজ্য নয় — কোনো লিগ, কোনো প্রতিযোগিতা, কোনো টেবিল নেই। নিয়ম-শাসন? এখানেই সবচেয়ে পরিষ্কার ফাটল।

নিয়ম-শাসন মাত্রাটি ফুটবলে FIFA, UEFA, জাতীয় সংস্থা বা লিগের নিয়মকানুন ধরে কাজ করে। কিন্তু এখানে যে শাসন-কাঠামো আছে, সেটা মেক্সিকোর দেওয়ানি ও বিচারিক প্রক্রিয়ার আইন — ফুটবল শাসনের সঙ্গে তার কোনো সম্পর্ক নেই। ফুটবলের নিয়ম দিয়ে এটা মাপা মানে নিজের সীমা লঙ্ঘন করা। একইভাবে ম্যানেজমেন্ট ও ড্রেসিংরুম বিশ্লেষণ প্রযোজ্য নয়, ঝুঁকি-প্রোফাইল প্রযোজ্য নয়, মিডিয়া-ন্যারেটিভ প্রযোজ্য নয়, শিল্প-সংক্রমণ বিশ্লেষণ প্রযোজ্য নয়। নয়টা মাত্রার প্রায় প্রতিটিই ফিরে এসেছে একই উত্তর নিয়ে: অপর্যাপ্ত তথ্য।

এটাকে ব্যর্থতা ভাবলে ভুল হবে। এটাই সঠিক আচরণ। একটা সুস্থ পাইপলাইন তখনই সুস্থ, যখন সে জানে কখন বলতে হবে "আমি জানি না।" যে বিশ্লেষক প্রতিটি খালি ঘর জোর করে ভরে তোলেন, তিনি আসলে ঘর ভরেন না — তিনি ঘর নষ্ট করেন।

কীভাবে একটা লেবেল ভুল হয়: শব্দ-সংঘর্ষের অনুমান

এখানে একটা প্রযুক্তিগত প্রশ্ন জাগে: ভুলটা কীভাবে হলো? সবচেয়ে সম্ভাব্য ব্যাখ্যা — শ্রেণিবিন্যাসকরণ ধাপে একটা কীওয়ার্ড-সংঘর্ষ। এটা অনুমান, প্রমাণ নয়; আমি অনুমানকে প্রমাণ বলে চালাতে চাই না। তবু প্যাটার্নটা লক্ষণীয়। ভুলটা একটা বিচ্ছিন্ন ক্ষেত্রের ভুল নয় — নিবন্ধের শিরোনাম, সারসংক্ষেপ, আর বারোটা তথ্যবিন্দু সবই একই দিকে ইঙ্গিত করে: এটা আইনি-পদ্ধতির বিষয়বস্তু। অর্থাৎ মিলটা অভ্যন্তরীণভাবে সামঞ্জস্যপূর্ণ। এতে বোঝা যায়, গোলমালটা বিষয়বস্তুর ভেতরে নয় — গোলমালটা লেবেল বসানোর স্তরে।

এটা গুরুত্বপূর্ণ পার্থক্য। যদি শিরোনাম ফুটবল নিয়ে হতো আর তথ্যবিন্দুগুলো আইন নিয়ে, তাহলে ধরে নেওয়া যেত নিবন্ধটাই দ্বৈত বা অস্পষ্ট। কিন্তু এখানে সব স্তর মিলে একমত। তাই অনুমানটা হলো: Stage-1-এর অন্তর্ভুক্তি পর্যায়ে একটা ভুল ট্রিগার — সম্ভবত কোনো শব্দ বা বাক্যাংশ এমনভাবে মিলে গেছে, যা ক্লাসিফায়ারকে বিভ্রান্ত করেছে। এটা একটা লেবেলিং-দোষ, বিষয়বস্তুর দোষ নয়।

নষ্ট ব্লকের সংক্রমণ: নিচের দিকে ছড়ানোর ঝুঁকি

এখন আসল বিপদটার কথা। একটা ভুল লেবেল একা থাকলে ক্ষতি সীমিত। কিন্তু যদি এই ভুল-লেবেল করা রেকর্ড ফুটবল ডেটাসেটে জমা হতে থাকে, তাহলে সেটা ফুটবল-বিশ্লেষণের ফলাফলকেই দূষিত করবে। ভাবুন, কোনো একটা মডেল এই নিবন্ধটাকে ফুটবল-নমুনা হিসেবে গুনল। তারপর সেই নমুনা থেকেই কোনো সিদ্ধান্ত বেরোল — ধরুন, কোনো ডোমেইনের গড় বা কোনো প্রবণতার হিসাব। সেই সিদ্ধান্তের ভিতরে এখন একটা বিবাহবিচ্ছেদের ফাইল লুকিয়ে আছে।

ব্লকচেইনের ভাষায় এটা একটা নষ্ট ব্লক, যা পরে যাচাইয়ের সময় পুরো চেইনের সুনাম নষ্ট করে। আমার ভাষায় এটা একটা ভুল এন্ট্রি, যা পরে অডিটে ধরা পড়লে তার আগের সব এন্ট্রিকেও সন্দেহের মুখে ফেলে। এই কারণেই আমি সবসময় বলি, একটা ভুল ডেটা সংশোধন করার চেয়ে বড় কাজ হলো, ভুল ডেটা যাতে ঢুকতেই না পারে সেই গেট বসানো। কিন্তু তার আগে আরও একটা জিনিস আছে, যেটা এই কেসে সবচেয়ে অস্বস্তিকর।

"সূত্র: নেই" — সবচেয়ে বড় ফাঁক

খেয়াল করুন, Stage-1-এ নিবন্ধের সূত্র লেখা — "নির্দিষ্ট নয়।" লেখকও — "নির্দিষ্ট নয়।" আর বারোটা তথ্যবিন্দুর প্রতিটির পাশে সূত্রের ঘরটা ফাঁকা — "সূত্র: নেই।" এই তথ্যটা কেউ যদি শুধু লেবেল-ভুলের দিকে তাকিয়ে থাকে, সে এটা মিস করে যাবে। কিন্তু আমার কাছে এটাই সবচেয়ে বড় খবর।

কারণ এটা বোঝায়, শুধু ভুল লেবেলটা সমস্যা নয়। সমস্যা হলো, এই নিবন্ধটার কোনো যাচাইযোগ্য জন্মসূত্র নেই। কোন মাধ্যমে ছাপা হলো, কে লিখল, কবে — কিছুই নিশ্চিত নয়। অর্থাৎ ধরা যাক, লেবেলটা যদি কাল ঠিক করে দেওয়া হয়, তবু এই নিবন্ধটা কোনো গ্রহণযোগ্য সূত্র হিসেবে দাঁড়াতে পারবে না। কারণ একটা লেবেল ঠিক করা যায়, কিন্তু সূত্র ফিরিয়ে আনা যায় না।

বিপরীত দৃষ্টি: আসল অন্ধবিন্দুটা লেবেল নয়

সবাই যখন ভুল লেবেলটার দিকে তাকিয়ে আছে, তখন আমার প্রশ্ন আলাদা। আমি বলি: ভুল লেবেলটা উপসর্গ, রোগ নয়। রোগটা হলো সূত্রের অভাব। একটা পাইপলাইন যদি এমন নিবন্ধ গ্রাস করে, যার কোনো লেখক-পরিচয় নেই, কোন প্রকাশনার তারিখ নেই, কোন উদ্ধৃত সূত্র নেই — তাহলে তার একটা ভুল লেবেল বসানো কেবল সময়ের ব্যাপার। আজ ফুটবল, কাল অন্য কিছু। যে লেজারে এন্ট্রির পিছনে ইতিহাসই থাকে না, সেখানে ভুল এন্ট্রি ঠেকানোর কোনো উপায় নেই।

এখানেই আমি ব্লকচেইন-উৎসাহীদের একটা সতর্কতা দিতে চাই। ব্লকচেইনের নামে অনেকে শুধু অপরিবর্তনীয়তা (immutability) নিয়ে কথা বলেন — একবার লেখা হয়ে গেলে আর বদলাবে না। কিন্তু অপরিবর্তনীয়তা একা যথেষ্ট নয়। একটা ভুল তথ্য যদি অপরিবর্তনীয়ভাবে লেজারে বসে যায়, তাহলে সেটা সুরক্ষা নয়, সেটা শাস্তি। আসল মূল্য হলো প্রমাণ-সূত্রে (provenance) — কে লিখল, কখন লিখল, কোন নথি থেকে লিখল, আর সেই নথি যাচাই করা যায় কি না। আমার কাছে এই নিবন্ধটার সবচেয়ে বড় ব্যর্থতা লেবেল নয়; সবচেয়ে বড় ব্যর্থতা হলো, ওর গায়ে একটা সূত্র-হ্যাশ বসানোর মতো কিছুই নেই।

আর একটা কথা যোগ করা দরকার, নাহলে আমি নিজের পেশার দিকে আঙুল তুললাম না। যারা বলে "ফুটবল ডেটা সবসময় পরিষ্কার," তারা ভুল। আমি বছরের পর বছর ম্যাচ আর খতিয়ান ঘেঁটে দেখেছি, স্পোর্টস ডেটার পাইপলাইনও একই ধরনের ভুলে ভরা। হিটম্যাপ দেখে কেউ কেউ খেলোয়াড়ের ভূমিকা ঠিক ধরে ফেলেন বলে ভাবেন; আসলে হিটম্যাপ প্রায়ই চা-পাতার ভাগ্যফল — খেলোয়াড়ের আসল ভূমিকা সিস্টেমের ভেতরে লুকিয়ে থাকে, ছবিতে নয়। এখানেও তেমনি: লেবেলটা একটা ছবি, আর বিষয়বস্তুটা আসল। যিনি শুধু ছবি দেখেন, তিনি বিবাহবিচ্ছেদের ফাইলকে ফুটবল বলে চালিয়ে দেবেন, টেরও পাবেন না।

পরের ডমিনো

মেক্সিকো সিটির একটা বিবাহবিচ্ছেদের ফাইল কোনোদিন ফুটবল হয়ে উঠবে না — সেটা এই লেখার পয়েন্ট নয়। পয়েন্ট হলো, যেকোনো লেজারে একটা ভুল ঢুকে পড়লে সেটা সংশোধন করা যায়, কিন্তু খেয়াল করুন, সংশোধনের আগে আমাদের জানতে হয় কতগুলো আরও ভুল এন্ট্রি নীরবে বসে আছে। পাশের রেকর্ডগুলো একবার অডিট করুন। ক্লাসিফায়ারের ট্রিগার-নিয়মগুলো একবার দেখুন। আর যেখানে সূত্রের ঘর ফাঁকা, সেখানে লেবেল ঠিক করার আগে সূত্র ফিরিয়ে আনার ব্যবস্থা করুন। কারণ একটা প্রশ্ন এখনও ঝুলে আছে: যদি একটা বিবাহবিচ্ছেদের ফাইল ফুটবল ডেটাসেটে ঢুকতে পারে, তবে সেই ডেটাসেটে আর কী কী লুকিয়ে আছে, যা আমরা এখনো দেখিনি?