নাল স্টেট থেকে ব্লকচেইন: শূন্য ইনপুট কীভাবে স্পোর্টস ডেটা বিশ্লেষণের ভিত্তি ধসিয়ে দেয়

আমি বিশ্লেষণ ডেস্কে বসে আছি, সামনে একটি Stage-2 ডিপ প্রফেশনাল অ্যানালাইসিস রিপোর্ট — ক্রিকেট ডোমেইনের জন্য তৈরি আট-ডাইমেনশনের একটি ফ্রেমওয়ার্ক। প্রতিটি ডাইমেনশনের জন্য পূর্ণ টেবিল, পূর্ণ চেকলিস্ট, পূর্ণ সাব-হেডিং। অথচ প্রতিটি ঘরে একটাই বাক্য লেখা: ‘N/A — insufficient information’। ইনফরমেশন পয়েন্টের তালিকা শূন্য। কোনো দল নেই, কোনো খেলোয়াড় নেই, কোনো ফরম্যাট নেই, কোনো ভেন্যু নেই। কাগজটা হাতে নিয়ে প্রথম যে অনুভূতিটা আসে, সেটা বিশ্লেষকের নয় — ডেটা ইঞ্জিনিয়ারের। কারণ স্কোরকার্ডে শূন্য ওভার মানে ম্যাচ হয়নি; কিন্তু এখানে ম্যাচ হয়েছে বলে ধরে নিয়েই কাগজটা ডেস্কে এসেছে। শূন্যতাটা কনটেন্টের নয়, প্লাম্বিংয়ের।

একটি ডেলিভারি আসে না, অথচ বোলার রান-আপ শুরু করে — এই দৃশ্য আমি বহুবার দেখেছি। ব্যাটসম্যান ক্রিজে, ফিল্ড সেট, কিপার দাঁড়িয়ে, কিন্তু বল নেই। তখন স্কোরবোর্ড কিছু বলে না; বলে টাইমিং। বিশ্লেষণ পাইপলাইনে ঠিক সেই অবস্থাটাই তৈরি হয়েছে। Stage-1 ডিকনস্ট্রাকশন — যেখানে উৎস নিবন্ধ থেকে ফ্যাক্ট, সত্তা, সময়-সংবেদনশীলতা ও সোর্স-কোয়ালিটি বের করে আনা হয় — সেখানে ফলাফল শূন্য। আর Stage-2 বিশ্লেষণ সেই শূন্যের ওপর দাঁড়িয়ে আটটি ডাইমেনশন চালাতে বলা হয়েছে। ফ্রেমওয়ার্ক নিজেই স্বীকার করছে: ‘There are zero information points to anchor on.’

এখানেই আজকের আসল প্রশ্ন। স্পোর্টস ডেটা ইকোসিস্টেমে — যা আজ ফ্যান্টাসি স্পোর্টস, ব্রডকাস্ট গ্রাফিক্স, অকশন ভ্যালুয়েশন, পারফরম্যান্স স্কাউটিং থেকে বাজি-বাজার পর্যন্ত ছড়িয়ে আছে — আমরা সাধারণত ব্যর্থতার কথা ভাবি ভুল দিক থেকে। আমরা ভাবি, ডেটা ভুল হলে সমস্যা। কিন্তু তার চেয়ে বড় সমস্যা হলো ডেটা না থাকলে। কারণ শূন্য ডেটার জায়গায় মানুষ নিজের কল্পনা ঢুকিয়ে দেয়। এবং সেটাই সবচেয়ে বিপজ্জনক দূষণ।

Stage-1 কেন খালি হলো: তিনটি সম্ভাব্য ফাটল

ব্লকচেইনের মূল ধারণা — append-only, hash-chained, tamper-evident লেজার — এখানে প্রাসঙ্গিক, কারণ একটি সঠিক পাইপলাইনে ‘তথ্য কোথায় হারাল’ সেটা হুবহু বলা সম্ভব হওয়া উচিত। ২০০৮ সালের ৩১ অক্টোবরে সাতোশি নাকামোতো'র প্রকাশিত Bitcoin হোয়াইটপেপার যে ধারণাটা জনপ্রিয় করেছিল, তা ছিল কেবল মুদ্রা নয় — একটি ভেরিফায়েবল অডিট ট্রেইল। স্পোর্টস ডেটা পাইপলাইনে ঠিক এই ট্রেইলটাই আজ অনুপস্থিত।

প্রথম ফাটল: ফেচ ব্যর্থতা। উৎস নিবন্ধটি সিস্টেমে পৌঁছায়ইনি। ইনজেশন স্তরে একটি HTTP এরর, একটি পারমিশন সমস্যা বা একটি খালি রেসপন্স — আর Stage-1 বিশ্লেষক পান খালি পেজ। এখানে সাংবাদিকতার ব্যর্থতা নেই, আছে অবকাঠামোর ব্যর্থতা।

দ্বিতীয় ফাটল: পার্স ব্যর্থতা। নিবন্ধটি এসেছে, কিন্তু টেক্সট এক্সট্র্যাকশন, টোকেনাইজেশন বা এনটিটি রিকগনিশন স্তরে সেটি হজম হয়নি। পিডিএফ-ভিত্তিক ফিড, রেন্ডার হওয়া জাভাস্ক্রিপ্ট বা এনকোডিং-ভাঙা টেক্সট — এইসব জায়গায় সিস্টেম নীরবে শূন্য রিটার্ন দেয়। এটাই সবচেয়ে ধূর্ত ফাটল, কারণ স্কোরবোর্ডে এরর দেখায় না; শুধু ইনফরমেশন পয়েন্ট শূন্য থাকে।

তৃতীয় ফাটল: সত্যিই কনটেন্ট-ফ্রি উৎস। উৎস নিবন্ধটি সত্যিই এমন কিছু ছিল যা কোনো ক্রিকেট-তথ্য বহন করে না। এই ক্ষেত্রে শূন্য ফলাফল আসলে সঠিক ফলাফল।

তিনটির মধ্যে পার্থক্য করা যায় কেবল তখনই, যখন প্রতিটি ধাপের একটি ভেরিফায়েবল লগ থাকে। বছরের পর বছর ম্যাচ দেখে আমি শিখেছি, প্রমাণ মানে শুধু সংখ্যা নয় — প্রমাণ মানে সংখ্যাটি কোথা থেকে এল, তা জানা। ট্র্যাকিং ক্যামেরার ফ্রেম রেট না জানলে যে স্পিড ডেটা বের হয়, সেটা বিশ্বাস করা যায় না। ঠিক তেমনি, একটি এনটিটি-ট্যাগ যাচাই করা যায় না যদি না তার সোর্স-টাইমস্ট্যাম্প থাকে।

ফ্রেমওয়ার্ক যা করেছে, সেটাই আসল শিক্ষা

এই রিপোর্টের সবচেয়ে উল্লেখযোগ্য দিক হলো, এটি কিছু করেনি। এটি কোনো দল, খেলোয়াড়, ম্যাচ বা ডেটা বানায়নি। প্রতিটি ঘরে সৎভাবে লিখেছে ‘Insufficient information, cannot assess’। এটি দুর্বলতা নয় — এটি একটি ইন্টিগ্রিটি সিগন্যাল। যেকোনো বিশ্লেষণ ফ্রেমওয়ার্কের প্রকৃত পরীক্ষা হলো: ইনপুট শূন্য হলে সে চুপ থাকতে পারে কি না।

এখানে একটি পরিসংখ্যানগত বাস্তবতা মনে রাখা দরকার। বড় ভাষা মডেল বা স্বয়ংক্রিয় বিশ্লেষণ সিস্টেমের স্বাভাবিক প্রবণতা হলো ‘উপযোগী’ হওয়া — শূন্য ইনপুট পেলে অনুমান দিয়ে ভরাট করা। ক্রিকেটের ভাষায় বললে: একটি ফরমেশন তখনই সত্যি হয় যখন বল গড়াতে শুরু করে। ফরমেশন শুধু কাগজে থাকলে সেটা গুজব। ডেটার ক্ষেত্রেও ঠিক তাই — একটি বিশ্লেষণ তখনই সত্যি, যখন তার পেছনে অন্তত একটি সাইটেবল ইনফরমেশন পয়েন্ট থাকে। এই রিপোর্ট সেই বল গড়ায়নি; তাই সে নিজেকে গোল দেয়নি।

আমার মনে পড়ে ২০২০ সালের জুনের সেই নীরব গুডিসন ডার্বি — Everton ০-০ Liverpool। স্টেডিয়াম শূন্য, দর্শক নেই, কিন্তু ডেটা ছিল: ৭০% পজেশন, শূন্য বিগ চান্স। সেদিন বুঝেছিলাম, নীরবতা নিজেই একটা ডেটা পয়েন্ট। কিন্তু নীরবতা আর শূন্যতা এক নয়। নীরব স্টেডিয়ামে বল লাইভ ছিল; এখানে বলটাই মাঠে আসেনি। এই পার্থক্যটা বিশ্লেষককে চিনতে হয়।

কাউন্টার-ইনটুইটিভ দিক: শূন্যতা লুকানোর চাপ

স্বাভাবিক প্রতিক্রিয়া হবে: ‘ঠিক আছে, ডেটা নেই তো কী — অ্যানালাইসিস তো দিতে হবে।’ এখানেই লুকিয়ে আছে স্পোর্টস মিডিয়ার সবচেয়ে বড় অপ্রকাশিত খরচ। আমরা নিবন্ধ, হেডলাইন আর থ্রেডের হিসাব রাখি, কিন্তু প্রোভেন্যান্সের হিসাব রাখি না। ফলে যে বিশ্লেষণ উৎসহীন, সেটিও সাইটেবল দেখায় — যতক্ষণ না কেউ পেছনে গিয়ে দেখে ইনফরমেশন পয়েন্টের তালিকা খালি।

ফুটবল বা ক্রিকেটের ট্রান্সফার মার্কেটে এটাই সবচেয়ে স্পষ্ট। একটি গুজব যখন ছড়ায়, তখন সেটি অনেক সময় তিনটি সূত্রের মতো দেখায়, অথচ তিনটিই একই মূল উৎসের পুনরাবৃত্তি। ব্লকচেইনের ভাষায়: একই লেনদেন তিনবার বর্ণনা করা মানে তিনটি লেনদেন নয়। ভেরিফিকেশন মানে শুধু তথ্য নয়, তথ্যের শিকড় যাচাই করা।

আমি যাচাই করা যায় না, এমন নীরবতা গল্প দিয়ে ভরি না — I don’t fill a silence I can’t verify। আমার অভিজ্ঞতা বলে, The press is not a sprint; it is a conversation held in five-yard increments — ডেটা যাচাইও ঠিক তেমনই। এক ধাপে সব প্রমাণ পাওয়া যায় না; ধাপে ধাপে, পাঁচ ইয়ার্ড করে এগোতে হয়। Stage-1 হলো সেই প্রথম পাঁচ ইয়ার্ড। সেই ধাপ খালি থাকলে পুরো পিচ অচল।

কেন এটি একটি সিস্টেমিক, ব্যক্তিগত নয়, ব্যর্থতা

একজন বিশ্লেষকের ভুল আর একটি পাইপলাইনের ভুল — এই দুটোকে আলাদা করা জরুরি। এখানে কোনো বিশ্লেষক ভুল করেনি; বরং সিস্টেমটি সৎ থেকেছে। কিন্তু সব প্রমাণ ইঙ্গিত করে সমস্যাটি ইনজেশন স্তরে। যখন একটি Stage-1 রিপোর্টের প্রতিটি ফিল্ড — শিরোনাম, সোর্স, টাইপ, সত্তা, সময়-সংবেদনশীলতা, সোর্স-কোয়ালিটি — একসাথে N/A হয়ে যায়, তখন সেটা সাধারণত ফেচ বা পার্স ফেইলিউরের লক্ষণ, কনটেন্ট-ফ্রি নিবন্ধের লক্ষণ নয়।

এবং এখানেই ব্লকচেইন-স্টাইল চিন্তা কাজে আসে, খেলার মাঠে নয় — মাঠের বাইরের অফিসে। প্রতিটি ইনজেশন ইভেন্টের একটি হ্যাশ, প্রতিটি এক্সট্র্যাকশন ধাপের একটি টাইমস্ট্যাম্প, প্রতিটি এনটিটি-ট্যাগের একটি সোর্স-রেফারেন্স — এই তিনটি থাকলে ‘ডেটা কোথায় হারাল’ প্রশ্নের উত্তর কখনোই অজানা থাকত না। আমরা তখন জানতাম: নিবন্ধটি এসেছিল কি না, পার্স হয়েছিল কি না, আর কোন ধাপে শূন্যতা ঢুকেছে। বর্তমানে আমরা শুধু ফলাফলটা দেখছি, প্রক্রিয়াটা নয়।

বাস্তব ঝুঁকি: হ্যালুসিনেশনের সুযোগ

এখানে যে ঝুঁকিটা সবচেয়ে বড়, সেটি রিপোর্টের নিজের ভাষায় লেখা: ‘If any cricket-specific content (teams/players/data) is later produced from this input, treat it as unverified and likely hallucinated।’ অর্থাৎ, এই খালি ইনপুট থেকে যদি পরবর্তী কোনো ধাপে দল, খেলোয়াড় বা পরিসংখ্যান উৎপন্ন হয়, সেটি বানানো — বাস্তব নয়।

এটি একটি সতর্কবার্তা, কেবল একটি প্রযুক্তিগত নোট নয়। কারণ স্পোর্টস কনটেন্ট ইকোসিস্টেমে একটি বানানো পরিসংখ্যান দ্রুত ছড়ায়: প্রথমে একটি থ্রেডে, তারপর একটি আউটলেটে, তারপর একটি বাজি-মার্কেটে। সেখানে গিয়ে থামানো প্রায় অসম্ভব। এজন্যই ‘শূন্য মানে কিছু বলার নেই’ — এই সত্যটি মেনে নেওয়া এত কঠিন, অথচ এত জরুরি।

পরবর্তী যাচাই: কী দেখতে হবে

আমি কোনো থ্রেডে দাবি করি না যে এখানে কোনো দুর্দান্ত ট্যাকটিক্যাল গল্প লুকিয়ে আছে। আমি বলি: যাচাইযোগ্যতা ছাড়া কোনো গল্প নেই। তাই পরবর্তী ম্যাচের জন্য — অর্থাৎ পরবর্তী পাইপলাইন রানে — তিনটি জিনিস দেখতে হবে। প্রথমত, Stage-1-এ অন্তত একটি সাইটেবল ইনফরমেশন পয়েন্ট ফিরে আসা। দ্বিতীয়ত, নিবন্ধের পরিচয় — শিরোনাম, সোর্স, টাইপ — অ-শূন্য হওয়া। তৃতীয়ত, সময়-সংবেদনশীলতা ও সোর্স-কোয়ালিটির মূল্যায়ন আবার করা। এই তিনটি গেট পার না হলে Stage-2 চালানো উচিত নয়।

কারণ আমি এই চক্রটি আগেও দেখেছি; শুধু জুতা বদলায় — I have seen this cycle before; it just wears different boots। একবার ছিল ফ্যাক্স মেশিনে ভুল ট্রান্সমিশন, এখন হলো API-র খালি রেসপন্স। যন্ত্র বদলেছে, ব্যর্থতার ধরন একই। প্রশ্নটা আজও একই: আমরা কি প্রক্রিয়াটা লগ করছি, নাকি শুধু ফলাফলটা ছাপছি?