অন-চেইন বিশ্লেষণের নীরব ব্যর্থতা: ফরম্যাট যখন নিখুঁত, ডেটা যখন ফাঁকা

গত মাসে একটি অন-চেইন বিশ্লেষণ প্রতিবেদন আমার ডেস্কে এলো — আটচল্লিশ পৃষ্ঠা, প্রতিটি টেবিল ভরা, প্রতিটি চার্ট রঙিন। MVRV অনুপাত আছে, NVT সিগন্যাল আছে, ওয়ালেট ঘনত্বের হিসাব আছে, টোকেন ঘূর্ণন হার আছে। তথ্যসূত্র খুঁজতে গিয়ে থেমে গেলাম। কোনো নাম নেই, কোনো তারিখ নেই, নমুনার আকার নেই। প্রতিটি বিশ্লেষণী অবস্থান ফাঁকা, অথচ ফ্রেমওয়ার্ক শুরু থেকে শেষ পর্যন্ত “সম্পূর্ণ।”

এই দৃশ্য আমার চেনা। বছরের পর বছর ডেটা দেখে শিখেছি, বিশ্লেষণের সবচেয়ে বিপজ্জনক মুহূর্ত সেটা নয় যখন সংখ্যা ভুল হয়; বিপজ্জনক মুহূর্ত সেটা, যখন সংখ্যাই থাকে না, অথচ নথিটা নিখুঁত দেখায়। একটি সম্পূর্ণ ফরম্যাট আর একটি সম্পূর্ণ বিশ্লেষণ — এই দুইয়ের মাঝের ফাঁকটাই আজকের অন-চেইন জগতের সবচেয়ে বড় ঝুঁকি।

ব্লকচেইন বিশ্লেষণের বাজার গত পাঁচ বছরে বিস্ফোরিত হয়েছে। Glassnode, Nansen, Dune, Arkham-এর মতো প্ল্যাটফর্ম এখন হাজারো ড্যাশবোর্ড চালায়। যে কেউ কয়েকটি SQL লাইনে একটি টোকেনের সম্পূর্ণ “স্বাস্থ্য প্রতিবেদন” বানাতে পারে — TVL, সক্রিয় ঠিকানা, হোল্ডার ঘনত্ব, এক্সচেঞ্জ নেটফ্লো, স্টেবলকয়েন প্রবাহ। ডেটার প্রাচুর্য এত বেশি যে বিশ্লেষণের চেয়ে বিশ্লেষণের ভান করা এখন অনেক সহজ।

এই বাজারের অর্থনীতিটা খেয়াল করার মতো। বিশ্লেষণ প্ল্যাটফর্মগুলো মূলত সাবস্ক্রিপশন, API অ্যাক্সেস আর এন্টারপ্রাইজ ডেটা ফি-তে চলে। যারা টাকা দেয় — ট্রেডিং ডেস্ক, ফান্ড, মার্কেট-মেকার — তারা চান দ্রুত সিদ্ধান্ত, লম্বা ব্যাখ্যা নয়। ফলে পণ্যটা এমনভাবে গড়া হয় যাতে একটা নম্বর দ্রুত দেখানো যায়, আর সেটার সূত্র পেছনে চাপা পড়ে যায়। আমার বছরের পর বছর ডেটা দেখার অভিজ্ঞতা বলছে, এই কাঠামোয় বিশ্লেষকের কাজটা সহজে “সংশ্লেষণ” থেকে “প্রচারে” সরে যায়।

আমি প্রথমে ভেবেছিলাম সমস্যাটা ডেটার অভাব। পরে বুঝলাম, সমস্যাটা ডেটার আধিক্য। যখন কেউ প্রতিটি সূচক একসাথে দেখায়, তখন পাঠক একটা নম্বরের সূত্র যাচাই করার আগেই পরের দশটা নম্বরে ডুবে যায়। ফুটবলে xG-র মানে বোঝা যায়, কারণ প্রতি ম্যাচে শটের সংখ্যা সীমিত। কিন্তু একটি চেইনে প্রতিদিন লাখো লেনদেন, কোটি ডলারের গতিবিধি। সেখানে “সিগন্যাল” শব্দটা কতটা হালকা হয়ে যায়, সেটা প্রথমে টের পাইনি।

ডেটার আধিক্য ডেটার অভাবের চেয়ে বিপজ্জনক, কারণ প্রাচুর্য আত্মবিশ্বাসের জন্ম দেয়, আর আত্মবিশ্বাস যাচাইকে ধীর করে দেয়।

ধরা যাক, কেউ একটি রিপোর্টে লিখল: “এই টোকেনের TVL বেড়েছে, অতএব ভিত্তি শক্ত।” আমি তিনটি প্রশ্ন করব। এক, TVL কোন চেইনে গোনা হয়েছে — L1, L2, নাকি দুটোর ডাবল-কাউন্টিং? দুই, সেই TVL কতটা লুপ করা ধার? তিন, নমুনার আকার কত — ৩০ দিন, ৩০০ দিন? ফুটবলে কেউ পাঁচ ম্যাচের নমুনায় একজন স্ট্রাইকারকে “নিশ্চিত গোলমেশিন” বললে আমি থামিয়ে দিই; ক্রিপ্টোতে ৩০ দিনের TVL-এ একটি প্রোটোকলকে “নিরাপদ” বলাও একই ভুল।

এখানেই আসে মডেল স্থানান্তরের সমস্যা। যে কাঠামো বিটকয়েন মেইননেটে তৈরি, সেটা একটি ইমার্জিং-মার্কেট চেইনে, একটি লিকুইড স্টেকিং টোকেনে, বা একটি সদ্য লঞ্চ হওয়া L2-এ হুবহু খাটে না। বিটকয়েনের ইউটিলিটি, নেটওয়ার্ক প্রভাব আর তারল্য গভীরতা — এগুলো একটি পরিণত, একক-উদ্দেশ্য সম্পদ। একটি DeFi টোকেনের মূল্য নির্ভর করে ইমিশন সূচি, গভর্নেন্স ভোট আর এক্সচেঞ্জ তালিকাভুক্তির উপর। একই মেট্রিক দুই জায়গায় ব্যবহার করলে সংখ্যাটা পরিষ্কার থাকে, ব্যাখ্যাটা মরে যায়।

সংখ্যাটা পরিষ্কার ছিল; চেইনটা পরিষ্কার হতে রাজি হলো না।

রোলআপ আর ব্রিজের যুগে ডেটার হিসাব আরও জটিল। একটি L2-এ লেনদেন হয়, তারল্য থাকে একটি ব্রিজ চুক্তিতে, আর চূড়ান্ত নিষ্পত্তি হয় L1-এ। একটি ড্যাশবোর্ড যদি তিনটে জায়গা থেকেই গুনতে শুরু করে, তবে একই ডলার তিনবার গণ্য হয়। সক্রিয় ঠিকানার ক্ষেত্রেও একই কথা — একটি ব্রিজিং ঠিকানা হাজারো ব্যবহারকারীর প্রতিনিধিত্ব করতে পারে, আবার একই ব্যবহারকারী কয়েকটি ঠিকানায় ভাগ হয়ে থাকতে পারে। যে বিশ্লেষণ এই পার্থক্য মেলাতে পারে না, তার “ব্যবহারকারী বৃদ্ধি” শুধু সংখ্যার ফোলা।

২০২২ সালের মে মাসের কথা ধরুন। ৯ মে, ২০২২-এ টেরার স্টেবলকয়েন UST তার পেগ হারায়। তার আগে পর্যন্ত ড্যাশবোর্ডগুলো দেখাচ্ছিল একরকম স্বাভাবিক ছবি — Anchor Protocol-এর ১৯.৫% ফলন, স্থিতিশীল TVL, বাড়তে থাকা ব্যবহারকারী। প্রতিটি সূচক বলছিল “সব ঠিক আছে।” কিন্তু যে যন্ত্রটা সূচকগুলোর নিচে চলছিল — একটি অ্যালগরিদমিক পেগ, যা একটি ট্রেজারি ও একটি টোকেনের পারস্পরিক নির্ভরতার উপর দাঁড়ানো — সেটি তখনই ভাঙছিল, যখন ড্যাশবোর্ড সবচেয়ে শান্ত দেখাচ্ছিল। শিক্ষণীয় ব্যাপার এই নয় যে UST ভেঙেছে; শিক্ষণীয় ব্যাপার হলো, ভাঙার আগের সপ্তাহগুলোতে ফরম্যাট নিখুঁত ছিল, প্রমাণ শূন্য ছিল।

আমি এটাকে “ফাঁকা ডেটাসেটের মিথ্যা” বলি। একটি ফাঁকা ডেটাসেট কখনো সত্য বলে না, আবার কখনো ভদ্রভাবে মিথ্যা বলে। যদি আপনি একটি মডেলকে ফাঁকা ইনপুট দেন, সে থেমে যায় না — সে তার ডিফল্ট মান বসিয়ে দেয়, ফরম্যাট ভরে দেয়, আর পাঠক সংখ্যাগুলোকে ডেটা ভেবে নেয়। ফাঁকা ইনপুট থেকে জন্ম নেওয়া আত্মবিশ্বাসই বিশ্লেষণের সবচেয়ে সফল ছলনা।

আমি নিজে একবার ঠিক এই ভুলটাই করেছিলাম। একটি ইমার্জিং চেইনের টোকেন প্রবাহ বিশ্লেষণ করতে গিয়ে ইউরোপীয় বাজারের তারল্য ধরে নিয়েছিলাম। ফলাফল দারুণ “পরিষ্কার” এসেছিল — প্রতিটি সূচক একই দিকে ইঙ্গিত করছিল। পরে বুঝলাম, সেই চেইনে দৈনিক প্রকৃত তারল্য এত পাতলা যে আমার ফিল্টারগুলোর বেশিরভাগ শুধু একই কয়েকটি বড় ওয়ালেটকেই বারবার গুনছিল। স্টেডিয়াম চুপ হয়ে যাওয়ার পর আমি মডেলটা আবার গড়েছি — কিন্তু নতুন মডেল মানে অনুমান, রায় নয়।

এখানে একটা সতর্কতা জরুরি। মডেল আবার গড়া আর মডেল সঠিক হওয়া এক জিনিস নয়। পুনর্নির্মাণের লগ আর যাচাইয়ের লগ আলাদা রাখতে হয়। একটি নতুন ফ্রেমওয়ার্ক যতক্ষণ না নমুনার বাইরের ডেটায় টিকে থাকে, ততক্ষণ সেটি কেবল একটি অনুমান। ক্রিপ্টোতে এই ধৈর্য কম, কারণ বাজার দ্রুত। কিন্তু দ্রুততা যাচাইয়ের বিকল্প নয় — সে শুধু যাচাই এড়ানোর অজুহাত।

আমাদের অঞ্চলের প্রেক্ষাপটে বিষয়টা আরও সূক্ষ্ম। দক্ষিণ এশিয়ায় স্টেবলকয়েন প্রায়ই ব্যবহৃত হয় রেমিট্যান্স আর মূল্য সংরক্ষণের জন্য। এই ব্যবহারের ধরন পশ্চিমা ট্রেডিং ডেস্কের চেয়ে সম্পূর্ণ আলাদা — এখানে লেনদেন হয় ছোট, বিরল, আর ব্যক্তিগত প্রয়োজনভিত্তিক। যে অন-চেইন মডেল শিকাগোর ট্রেডারদের আচরণে ক্যালিব্রেট করা, সে ঢাকা বা করাচির একজন ব্যবহারকারীর প্যাটার্ন বুঝবে না। যে ডেটাসেটে জনতা নেই, সেই ডেটাসেট মিথ্যা বলতে পারে — কেবল সে ভদ্রভাবে বলে। আমাদের বাজারে সত্যিকারের বিশ্লেষণ করতে হলে মডেলটা এখানকার বাস্তবতা থেকে নতুন করে গড়তে হবে, বাইরে থেকে ধার নয়।

অন-চেইন ডেটার সবচেয়ে অন্ধকার দিকটা দেখা যায় লাইভ ফিডে। যেই মুহূর্তে একটি ডেটা স্ট্রিম সরাসরি ট্রেডিং বট, MEV রোবট আর স্নাইপার বটে ঢুকে পড়ে, সেখানে বিশ্লেষণের কাজ আর অনুমানের কাজ মিশে যায়। যে ডেটা একজন মানুষকে বোঝানোর কথা ছিল, সেটাই এখন কয়েক মিলিসেকেন্ডে একটি স্বয়ংক্রিয় সিদ্ধান্তে পরিণত হয়। এই পরিবেশে “দ্রুত ডেটা” মানে “সঠিক ডেটা” নয় — বরং উল্টো; দ্রুততার চাপে সূত্র যাচাইয়ের সময়টাই কেটে যায়।

টোকেন বাজারেও একটা নীরব খরচ আছে, যেটা কেউ ড্যাশবোর্ডে দেখায় না — প্রকল্পের প্রচারযন্ত্র। ফুটবলে যেমন কিছু এজেন্ট বাজারের শব্দ বাড়িয়ে দাম নষ্ট করেন, ক্রিপ্টোতে ঠিক তেমনি কিছু “অ্যাডভাইজর”, মার্কেট-মেকার আর ইনফ্লুয়েন্সার স্বার্থসংশ্লিষ্ট গল্প ছড়িয়ে একটি টোকেনের “সিগন্যাল” বানিয়ে ফেলেন। যে ড্যাশবোর্ড সেই গল্পকে সংখ্যার মোড়কে দেখায়, সেটি নিরপেক্ষ নয় — সে একটা নির্দিষ্ট পক্ষের হয়ে কথা বলে।

আর আছে এক্সচেঞ্জের তালিকাভুক্তি। একটি নতুন টোকেনের লিস্টিং যখন “উদযাপন” হিসেবে উপস্থাপিত হয়, সেখানে ভাবনার চেয়ে আয় বেশি থাকে। লিস্টিং ফি, মার্কেটিং, কৃত্রিম ভলিউম — এসবের ছাপ পড়ে ঠিক সেই মেট্রিকগুলোর উপর, যেগুলো বিশ্লেষকরা “প্রমাণ” বলে দেখান। যে ডেটা বাজারজাতকরণের হাতিয়ার হয়ে যায়, সে আর নিরপেক্ষ সাক্ষী থাকে না।

এখন আসি সেই জায়গায়, যেখানে আমার সবচেয়ে বেশি সতর্ক থাকা উচিত। অন-চেইন বিশ্লেষণে পারস্পরিক সম্পর্ককে কারণ ভেবে নেওয়ার প্রবণতা খুব সহজ। “হোয়েল ওয়ালেট টোকেন কিনেছে, অতএব দাম বাড়বে” — এটা প্রায়ই ভুল। বড় ওয়ালেট কিনতে পারে হেজ করার জন্য, ওটিসি চুক্তির অংশ হিসেবে, বা এক্সচেঞ্জের ইন্টারনাল রিব্যালান্সিং হিসেবে। যে ওয়ালেট দেখে আমরা “বুদ্ধিমান অর্থ” বলি, সেটি আসলে কয়েকটি ঠিকানার একটি গুচ্ছও হতে পারে, যারা একে অন্যকে ফিড করে।

সহ-সম্পর্ক কোনো প্রমাণ নয়; সেটি কেবল একটি প্রশ্ন — এবং বেশিরভাগ ড্যাশবোর্ড প্রশ্নটা করতে ভুলে যায়।

এখানে আমাকে নিজের সীমাটা আগে স্বীকার করতে হয়। অন-চেইন ডেটা চেইনের ভেতরের গতিবিধি দেখায়, কিন্তু চেইনের বাইরের জগৎ — নিয়ন্ত্রণ, ম্যাক্রো-সুদের হার, নিয়ন্ত্রক সংস্থার সিদ্ধান্ত, একটি বড় এক্সচেঞ্জের তারল্য সংকট — এগুলো ডেটা কাঠামোয় ধরা পড়ে না। আমি যদি বলি “ডেটা সব বলছে”, তাহলে আমি মিথ্যা বলছি। ডেটা কিছু বলে, বাকিটা বলে প্রেক্ষাপট। যে বিশ্লেষক আগে সীমাটা স্বীকার করেন, তাঁর কথা পরে বেশি বিশ্বাসযোগ্য হয় — এই শিক্ষা আমি খেলাধুলার ডেটা থেকে পেয়েছি, আর ক্রিপ্টোতে সেটা আরও সত্য।

শেষ ঝুঁকিটা সবচেয়ে ধূর্ত। একটি ফাঁকা ইনপুট থেকে তৈরি প্রতিবেদন যখন সম্পূর্ণ ফরম্যাটে সাজানো থাকে, তখন একজন সাধারণ পাঠক সেটাকে সত্যিকারের বিশ্লেষণ ভেবে নেন। এটাই “নীরব ব্যর্থতা” — সিস্টেম ভেঙেছে, কিন্তু দেখতে ঠিক আছে। বিশ্লেষণের প্রকৃত ঝুঁকি তাই টোকেনের দাম নয়; ঝুঁকিটা হলো, ফাঁকা প্রমাণের উপর ভরসা করে একটি সিদ্ধান্ত নিয়ে ফেলা।

তাহলে সামনে কী দেখবেন? আমি একটি সিগন্যালের দিকে তাকিয়ে থাকব: ড্যাশবোর্ডগুলো কবে নমুনার আকার, তথ্যসূত্র আর আস্থার মাত্রা দেখানো শুরু করবে। যে প্ল্যাটফর্ম আগে এই তিনটি জিনিস দেখাবে, তার প্রতিটি সংখ্যা অনেক বেশি মূল্যবান হবে। যে বিশ্লেষণ তার সীমা জানে, সে-ই একমাত্র বিশ্লেষণ যাকে আপনি ভরসা করতে পারেন।

এবং পরেরবার যখন একটি নিখুঁত, রঙিন, আটচল্লিশ পৃষ্ঠার অন-চেইন প্রতিবেদন আপনার ডেস্কে আসবে, একটা প্রশ্ন করুন — এই সংখ্যাগুলোর পেছনে নমুনা কত বড়? উত্তর যদি ফাঁকা হয়, তাহলে বুঝবেন, আপনি একটি ফ্রেমওয়ার্ক দেখছেন, একটি সত্য নয়।