ক্রিকেট ডেটা পাইপলাইনের নীরব ব্যর্থতা: খালি বিশ্লেষণ, ভাঙা আস্থা এবং ব্লকচেইন লেজারের পাঠ

রাত একটা। ময়মনসিংহের ভাড়া ঘরে ল্যাপটপের পর্দায় কার্সর জ্বলছে। আমার পাইথন স্ক্র্যাপার সাতাশটি ম্যাচের প্রতিটি বল, প্রতিটি রান, প্রতিটি ওভার টেনে আনছে। ভোরের আগে যে ফাইলটা আটটা মাত্রার বিশ্লেষণ হয়ে ফেরার কথা, সেটা ফিরল খালি JSON হিসেবে। শিরোনাম নেই, তথ্যবিন্দু শূন্য, খেলোয়াড় নেই, দল নেই। শুধু একটা লেবেল টিকে আছে — cricket_asia। আমি নোটবুক খুলেছিলাম প্রথম হুইসেলের আগে, বন্ধ করেছিলাম বাজারের পরে; সেদিন নোটবুকের পাতা সাদা থেকে গেল। খালি পাতা যে নিজেই একটা তথ্য, সেটা আমি শিখেছিলাম ২০১৭ সালে, তিনটা আলাদা হার্ড ড্রাইভে CSV ব্যাকআপ রাখতে গিয়ে। ক্রিকেট বিশ্লেষণ আজ আর একজনের চোখ আর নোটবুকের কাজ নয়। এটা এখন দুই স্তরের যন্ত্র। প্রথম স্তরে একটা স্ক্র্যাপার বা ভাষা-মডেল সংবাদ, স্কোরকার্ড আর বাজারের টিক থেকে তথ্যবিন্দু কুড়িয়ে আনে — শিরোনাম, সূত্র, সময়সংবেদনশীলতা, জড়িত সত্তা, মূল দৃষ্টিভঙ্গি। দ্বিতীয় স্তরে সেই তথ্যবিন্দুগুলোকে আটটা মাত্রায় সাজিয়ে গভীর বিশ্লেষণ তৈরি হয় — ফরম্যাট, খেলোয়াড়ের কৌশল, দলের অবস্থান, লিগ ও বাণিজ্য, নিয়ম ও শাসন, ঝুঁকি, জনমত, এবং শিল্প-প্রবাহ। যতক্ষণ প্রথম স্তর ভরাট, ততক্ষণ দ্বিতীয় স্তর সোনা। কিন্তু প্রথম স্তর যদি ফাঁকা ফেরে, দ্বিতীয় স্তর কী করে? সে প্রতিটা মাত্রায় লিখে দেয় — অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়। এটাই সেদিন ঘটল। যে ফাইলটা আমার সামনে এল, তার প্রায় প্রতিটা ঘর ফাঁকা। লেবেল হিসেবে ছিল cricket_asia — যেখানে আদর্শ মানে শুধু 'Cricket' থাকা উচিত, সেখানে একটা আঞ্চলিক উপ-ট্যাগ। এর মানে পাইপলাইনে কোথাও একটা জিনিস ভেঙেছে — হয় ফেচ, হয় পার্সিং, নয়তো স্কিমা ম্যাপিং। নীরব ব্যর্থতা। যন্ত্র থামল না, চিৎকার করল না, শুধু ফাঁকা হাতে ফিরে এল। আর এই নীরবতাই সবচেয়ে বিপজ্জনক, কারণ যন্ত্র যেখানে থামে না, সেখানে ভুলটা কোথায় শুরু হলো সেটা কেউ দেখে না। আমার কাছে এই ব্যর্থতা নিজেই সবচেয়ে বড় বিশ্লেষণ। একটা ভাঙা পাইপলাইন যা চিৎকার করে, সেটা উপকারী; যে পাইপলাইন চুপচাপ ফাঁকা ফেরে, সেটা বিষ। কারণ এরপর দুই ধরনের মানুষ আসে। প্রথমজন জানে না যে ডেটা নেই, সে ফাঁকা ফাইলটাকে সত্য ভেবে সিদ্ধান্ত নেয়। দ্বিতীয়জন জানে না যে ফাঁকা মানে শূন্য, তাই সে ফাঁকা জায়গাটা নিজের অনুমানে ভরে দেয় — আর তখনই বিশ্লেষণ কল্পকাহিনিতে পরিণত হয়। সতেরো বছরের বাজি-বাজার দেখার অভিজ্ঞতা থেকে বলি, এই দ্বিতীয় ধরনের মানুষটাই সবচেয়ে বেশি ক্ষতি করে, কারণ সে আত্মবিশ্বাসী। ভাবুন ওই আটটা মাত্রা ভরাট হলে কী হতো। ফরম্যাট বিশ্লেষণে টস আর ডিএলএস ছেঁটে ফেলে প্রকৃত পারফরম্যান্স বের করার কথা ছিল। খেলোয়াড়ের ঘরে এজ-কার্ভ আর সাম্প্রতিক ফর্মের ট্রেন্ড ধরার কথা ছিল। দলের ঘরে ব্যাটিং গভীরতা, বোলিং কম্বিনেশন আর বেঞ্চের হিসাব। লিগের ঘরে সম্প্রচার-স্বত্বের মূল্য, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন আর খেলোয়াড়ের বেতনের অঙ্ক। কিন্তু কিছুই হলো না, কারণ উপরের ধাপটা ফাঁকা ফিরল। মনে রাখা দরকার — আটটা মাত্রা আসলে আটটা আয়না; আর আয়নার সামনে কেউ না থাকলে আয়না কিছু দেখায় না। বলা হয় ডেটা নতুন তেল। কিন্তু অপরিশোধিত তেল যেমন ইঞ্জিন চালায় না, অযাচাইকৃত ডেটাও তেমনি সিদ্ধান্ত চালায় না। সেদিনের খালি JSON আসলে একটা গন্ধ — যেটা বলে, উপরের কোনো ধাপে ফেচ হয়েছে কি হয়নি, তার কোনো প্রমাণ নেই। শিরোনাম নেই, সূত্র নেই, উৎসের গুণমান নেই, সময়সংবেদনশীলতা নেই। তথ্যবিন্দু শূন্য মানে দ্বিতীয় স্তরের প্রতিটা উপসংহার ভিত্তিহীন — তাই প্রতিটা ঘরে লেখা হলো 'অপর্যাপ্ত তথ্য'। এটা ব্যর্থতা নয়, এটা সততা। যন্ত্র যখন জানে না, তখন তাকে জানার ভান করতে দেওয়া যায় না। সম্পাদকেরা দৈর্ঘ্য নিয়ে অভিযোগ করতেন, কিন্তু স্বচ্ছতাই আমার স্বাক্ষর হয়ে গেল — পাঠক আমাকে বিশ্বাস করত, কারণ তারা যাচাই করতে পারত। আজকের ফাঁকা ফাইলটা তাই আমার কাছে কেবল একটা প্রযুক্তিগত গলদ নয়, একটা নৈতিক সংকটও। এখন ভাবুন বাণিজ্যের দিকটা। এই পাইপলাইনের ডাউনস্ট্রিম গ্রাহক কারা? সম্প্রচার, ফ্যান্টাসি প্ল্যাটফর্ম, বাজি-বাজার, ডেরিভেটিভ। একটা ফাঁকা বা দূষিত ফিড যদি সরাসরি একটি ওডস-মডেলে ঢোকে, তাহলে বাজার একটা ভুল দামে পণ্য বেচে দিতে পারে — আর কেউ ধরতেও পারবে না, কারণ ভুলটা টাকা নয়, ভুলটা তথ্যে। বাজি-বাজারে তাই আমার নিয়ম একটাই — তথ্য না থাকলে বাজিও না। যে মডেল নিজের অজ্ঞতা স্বীকার করতে পারে, সেটাই আসল মডেল। এখানেই অপরিবর্তনীয় লেজারের, অর্থাৎ ব্লকচেইন ধরনের অডিট ট্রেইলের প্রাসঙ্গিকতা। ভাবুন, প্রতিটা ফেচ, প্রতিটা পার্স, প্রতিটা স্কিমা-ম্যাপিং যদি একটা ছেদন-অসম্ভব খতিয়ানে টাইমস্ট্যাম্পসহ লেখা থাকত। সকালে যখন ফাইলটা ফাঁকা ফিরত, তখন আমি অনুমান করতাম না — আমি খতিয়ান খুলে দেখতাম ঠিক কোন সেকেন্ডে কোন ধাপে শূন্য এল। অন-চেইন ক্রীড়া ডেটা নিয়ে এখন অনেক হাইপ। ফ্যান টোকেন, স্মার্ট কন্ট্র্যাক্টে বাজি-সেটেলমেন্ট, অন-চেইন টিকিটিং — সবই আসছে। কিন্তু হাইপের মূল সুরটা মিস করা যায় না: লেজার ডেটাকে সত্য বানায় না, লেজার ডেটাকে অপরিবর্তনীয় বানায়। পার্থক্যটা বিশাল। আমি বছর পাঁচেক ধরে আমার প্রতিটা মডেল আউটপুট পাবলিক চেঞ্জলগে রাখছি — v1.0 থেকে v2.1 পর্যন্ত প্রতিটা সহগ পরিবর্তনের দলিল। ব্লকচেইন সেটাকে আরও কঠোর করতে পারে, কিন্তু সেটা কোনো হারানো বল ফিরিয়ে আনবে না। আর একটা কথা এখানে জরুরি। ক্লাবের IPO ফ্যানের আবেগকে নগদীকরণ করে; ব্লকচেইন-লেজার স্বচ্ছতার প্রতিশ্রুতি দেয়, কিন্তু শেয়ারবাজারের রিপোর্টিং-চাপ প্রায়ই ফুটবলিং সিদ্ধান্তকে ছাপিয়ে যায়। মানে প্রযুক্তি সততা দিতে পারে, কিন্তু প্রযুক্তি সততাকে বাধ্যতামূলক করতে পারে না — সেটা করতে হয় মানুষকে, প্রক্রিয়াকে। প্রচলিত ধারণা বলে, ভালো পাইপলাইন মানে বেশি ডেটা, বেশি ফিড, বেশি রিয়েল-টাইম। আমার অভিজ্ঞতা উল্টোটা বলে — ভালো পাইপলাইন মানে জানে কখন ডেটা নেই। ২০২০ সালে যখন বুন্দেসলিগা নীরব হয়ে গেল, তখন স্টেডিয়ামে সবচেয়ে জোরে শোনা যাচ্ছিল সহগটা। আমি তখন হোম-উইন হার ৪৫.২% থেকে ৩৩.৮%-এ নামা, পেনাল্টি ২২% কমা, আর অ্যাওয়ে দলের xG বাড়া দেখলাম — শব্দ নয়, সংখ্যা। এখানেও একই শিক্ষা। যন্ত্র যদি বলে 'আমি জানি না', সেটা ব্যর্থতা নয়, সেটা সতর্কবার্তা। আর একটা অডিট লেজারের আসল কাজ সতর্কবার্তাটা কেউ যাতে মুছে দিতে না পারে, সেটা নিশ্চিত করা। আরেকটা ভ্রান্ত ধারণা — অন-চেইন ডেটা মানেই নির্ভুল ডেটা। এটা নিছক কোরিলেশন আর কার্যকারণ গুলিয়ে ফেলা। ডেটা লেজারে ওঠার আগে যা ছিল, সেটাই ওঠে; ভুল ফেচ লেজারে উঠলে সেটা অমর ভুল হয়ে যায়। ব্লকচেইন সত্যের প্রমাণ নয়, ব্লকচেইন অপরিবর্তনীয়তার প্রমাণ। বাজারে কেউ কেউ বলছেন 'ক্রীড়া ডেটার জন্য ব্লকচেইন' — কিন্তু ফেচ ব্যর্থ হলে কোনো লেজার ওই অনুপস্থিত বল বানিয়ে দিতে পারে না। মুদ্রা আর ম্যাচ, দুটোতেই আসল প্রশ্ন এক — তুমি কতটা খোলাখুলি দেখাতে পারো, তুমি কী জানো আর কী জানো না। আর একটা খুঁটিনাটি। লেবেল হিসেবে 'cricket_asia' আসাটা ছোট ব্যাপার নয়। আদর্শ ট্যাক্সোনমিতে সেখানে 'Cricket' থাকার কথা। একটা অ-মানক লেবেল মানে প্রথম আর দ্বিতীয় স্তরের স্কিমা ম্যাপিংয়ে ঘর্ষণ — মানে পাইপলাইনের ব্যাকরণ আর অভিধান আলাদা বইয়ের। এই ছোট অসঙ্গতিটাই দেখিয়ে দেয়, ব্যর্থতা শুধু ফেচে নয়, স্থাপত্যেও লুকিয়ে থাকে। আপনি ডেটা কতটা পেলেন, তার চেয়ে বড় প্রশ্ন — আপনি কি জানেন ডেটা কতটা পেলেন? সামনের সপ্তাহে আমি একটা ভ্যালিডেশন গেট বসাচ্ছি, যেটা তথ্যবিন্দু ফাঁকা থাকলে প্রথম স্তরের আউটপুট আটকে দেবে — দ্বিতীয় স্তরে পৌঁছানোর আগেই। পাশাপাশি ফেচ আর পার্সের প্রতিটা ধাপে লগ চালু করছি। এই দুইটা কাজই সস্তা, কিন্তু এগুলো পাইপলাইনকে 'দেখতে পারা' যন্ত্র বানায়। সামনে আমি তিনটা সংকেত ট্র্যাক করব: প্রথম স্তরের আউটপুট পূর্ণতা, ডোমেইন-লেবেলের ধারাবাহিকতা, আর উৎস-মেটাডেটার উপস্থিতি। ক্রিকেটে আমরা ডিআরএস-এর রিভিউ নিয়ে তর্ক করি — দুই মিনিটের বেশি অপেক্ষা গোল উদযাপনের ছন্দ ভেঙে দেয়, ঠিক তেমনি দীর্ঘ অযাচাইকৃত পাইপলাইন সিদ্ধান্তের ছন্দ ভেঙে দেয়। ডেটার জগতে সেই অপেক্ষার সমতুল্য হলো যাচাই। এক মিনিটের যাচাই যদি আপনার পাঁচ ঘণ্টার বিশ্লেষণকে ভুল থেকে বাঁচায়, সেটা খরচ নয়, বিনিয়োগ। বাজারের ক্লোজিং লাইন হলো সেই স্বীকারোক্তি যা বাজার তখন বলে, যখন কেউ দেখছে না। আর একটা ফাঁকা পাইপলাইনের আউটপুট হলো ঠিক তেমনই একটা স্বীকারোক্তি — যন্ত্র নিজে থেকে বলছে, আমি জানি না। প্রশ্নটা শেষে এখানেই থামে: আপনার বিশ্লেষণ জানে কি যে সে জানে না? — Root: The Scraper