খালি ফাইল, সৎ উত্তর: ক্রিকেট ডেটা বিশ্লেষণে যাচাইয়ের শৃঙ্খলা

সিডনির বেডরুম। রাত এগারোটা পার হয়ে গেছে। দুই মনিটর জ্বলছে — একটায় চলছে পুরনো একটি ওয়ানডে ম্যাচের বল-বল লগ, অন্যটায় খোলা বিশ্লেষণের ফাইল। ফাইলটা খুলতেই চোখ আটকে গেল। প্রতিটি ঘর ফাঁকা। শিরোনাম নেই, উৎস নেই, তথ্যবিন্দু নেই। কোনো দল নেই, কোনো খেলোয়াড় নেই, ফরম্যাট নেই, সময়সীমা নেই। প্রতিটি ঘরে শুধু একটাই বাক্য ফিরে ফিরে আসছে — তথ্য অপর্যাপ্ত।

বছরের পর বছর ম্যাচ দেখে আমি শিখেছি, এমন মুহূর্তেই আসল পরীক্ষাটা আসে। ২০২২ সালে কাতারে আর্জেন্টিনা সৌদি আরবের কাছে ১-২ গোলে হেরে যাওয়ার রাতে অনেকেই দশ মিনিটের মধ্যে সিদ্ধান্ত টেনে ফেলেছিলেন — মেসির দল শেষ, উচ্চ রক্ষণভাগ ভেঙে পড়েছে, বয়সের ভার স্পষ্ট। আমার স্ক্রিনে তখন অন্য ছবি। আর্জেন্টিনা ২.৩ এক্সজি তৈরি করেছিল, ১৫টি শট নিয়েছিল; সৌদি আরব ০.৩ এক্সজি থেকে দুই গোল তুলে নিয়েছিল, আর আর্জেন্টিনা দশবার অফসাইড ফাঁদে পড়েছিল। ফলাফল আর প্রক্রিয়া দুটো আলাদা জিনিস। কিন্তু যদি সেদিন আমার হাতে কোনো তথ্যবিন্দুই না থাকত, আমি কী লিখতাম?

এই প্রশ্নটাই আজকের আলোচনার কেন্দ্র। আমার বিশ্লেষণ পদ্ধতি দুই ধাপে চলে। প্রথম ধাপে নিবন্ধটিকে ভেঙে তথ্যবিন্দুতে রূপান্তর করা হয় — কোন ম্যাচ, কোন ফরম্যাট, কোন দল, কোন খেলোয়াড়, কোন সংখ্যা, কোন সময়সীমা। দ্বিতীয় ধাপে সেই তথ্যবিন্দুগুলোকে ঘিরে গভীর বিশ্লেষণ গড়ে ওঠে। দুই ধাপের মধ্যে একটা সরল নিয়ম কাজ করে: প্রতিটি সিদ্ধান্তের পিছনে অন্তত একটি তথ্যবিন্দু থাকতে হবে। তথ্যবিন্দু শূন্য হলে সিদ্ধান্তও শূন্য — এবং সেটাই শৃঙ্খলা।

বিশ্লেষণ মানে মনের খেয়াল নয়, বিশ্লেষণ মানে প্রমাণের শৃঙ্খল। যখন বিশ্লেষণের কাঁচামাল শূন্য হয়, তখন সৎ উত্তর একটাই — কোনো সিদ্ধান্ত টানা যায় না। বাজার কিন্তু সেই সততা চায় না। বাজার চায় তৎক্ষণাৎ মতামত, চায় জোরালো শিরোনাম। ঠিক এখানেই একজন ডেটা বিশ্লেষকের প্রকৃত শৃঙ্খলা পরীক্ষিত হয়।

আমার পথচলা শুরু হয়েছিল ২০১৮ সালে, রাশিয়া বিশ্বকাপে, ১৭ বছর বয়সে। সিডনির বেডরুমে এক্সেলের উপরে আমি আমার প্রথম এক্সজি মডেল বানিয়েছিলাম, ১,২৪৮টি শট লগ করেছিলাম। ফ্রান্স আর্জেন্টিনার বিপক্ষে ২.১ এক্সজি থেকে চার গোল করেছিল, আর আর্জেন্টিনা ১.৪ এক্সজি থেকে তিনটি। ক্রোয়েশিয়া ফাইনাল পর্যন্ত গিয়ে ১০.৮ এক্সজি থেকে ১৪ গোল করেছিল, যার ছয়টি এসেছিল সেট পিস থেকে। চোখ যা দেখছিল, সংখ্যা তার উল্টো কথা বলছিল। সেদিন আমি বুঝেছিলাম, সংখ্যা একটা দাবি, যাকে মাঠে প্রমাণ দিতে হয় — তবেই সেটা সত্য হয়ে ওঠে।

সেই অভিজ্ঞতা থেকে জন্ম নেয় এক্সপেক্টেড ট্রুথ নামের একটা স্কুল ব্লগ। সেখানে প্রতিটি ম্যাচ রিপোর্ট শুরু হতো এক্সজি আর শট ম্যাপ দিয়ে। আমি আবেগের গল্প লেখা ছেড়ে দিয়ে প্রক্রিয়াভিত্তিক বিশ্লেষণ লিখতে শুরু করি। এই ব্লগটাই আমার ডেটা ল্যাবরেটরি হয়ে দাঁড়ায়। ২০২০ সালের বিশ্লেষণ থেকে আমি একটা বিশ্ববিদ্যালয়ের পেপার লিখি প্রেক্ষাপট-সংশোধিত এক্সজি নিয়ে। আমার বক্তব্য ছিল সরল: ডেটা কখনো মিথ্যা বলে না, কিন্তু প্রেক্ষাপট তার অর্থ বদলে দেয়।

এই পদ্ধতিই পরে আমার মূল হাতিয়ার হয়ে দাঁড়ায়। ২০২০ সালে গোটা ক্রীড়াবিশ্ব যখন থেমে গিয়েছিল, আমি বুন্দেসলিগার পুনরারম্ভ আর অস্ট্রেলিয়ার এ-লিগের দিকে তাকিয়েছিলাম। রিস্টার্টের পর বুন্দেসলিগার প্রথম পাঁচ রাউন্ডে হোম উইন হার ৪৩.৩ শতাংশ থেকে নেমে দাঁড়িয়েছিল ৩৩.৩ শতাংশে। ২০২০ সালের এ-লিগ গ্র্যান্ড ফাইনালে সিডনি এফসি খালি ব্যাংকওয়েস্ট স্টেডিয়ামে মেলবোর্ন সিটিকে ১-০ গোলে হারিয়েছিল। পিপিডিএ আর কভার করা দূরত্ব মিলিয়ে দেখলাম, হোম এক্সজি সুবিধা ০.২৫ কমে গেছে। তখনই আমার কাছে স্পষ্ট হয়ে গেল — মডেল এক কথা বলল, খালি স্টেডিয়াম বলল অন্য কথা। ডেটা কখনো মিথ্যা বলে না, কিন্তু প্রেক্ষাপট তার অর্থ বদলে দেয়।

২০২১ ইউরোতে ইতালি ইংল্যান্ডকে হারানোর ম্যাচে ইতালির দখল ছিল ৬৫ শতাংশ, শট ১৯টি, এক্সজি ২.১ — ইংল্যান্ডের ০.৮-র বিপক্ষে। জর্জিনিয়ো প্রতি ম্যাচে ১২.৯ কিলোমিটার ছুটেছিলেন, আর ইতালির পিপিডিএ ছিল ৮.৭। সাত ম্যাচে তারা মাত্র চার গোল খেয়েছিল। টোকিও অলিম্পিকেও ব্রাজিল স্পেনকে ২-১ গোলে হারিয়েছিল একই ধরনের উচ্চ প্রেসিং দিয়ে। প্রশ্ন হলো, এই প্রেসিং কি একটা টুর্নামেন্টের ঝলক, নাকি সারা মৌসুম টেকসই ব্যবস্থা?

একটি টুর্নামেন্টের সাফল্য আর একটি পুনরাবৃত্তিমূলক ব্যবস্থা এক জিনিস নয়। আমি তখন থেকেই প্রতিটি রিপোর্টে গেম স্টেট আর প্রেসিং মেট্রিক মাপা শুরু করি। কারণ ছোট নমুনা চিৎকার করে, বড় নমুনা সৎ থাকে। সাতটা ম্যাচ একটা দাবি জোরালো করার জন্য যথেষ্ট নয়, সন্দেহ জাগানোর জন্য যথেষ্ট।

ক্রিকেটে এই প্রেক্ষাপট আরও জটিল। টেস্ট, ওয়ানডে আর টি-টোয়েন্টি — তিন ফরম্যাটে একই সংখ্যার অর্থ তিন রকম। একটা ১৪০ স্ট্রাইক রেট টি-টোয়েন্টিতে স্বাভাবিক, ওয়ানডেতে অসাধারণ, টেস্টে প্রায় অসম্ভব। পিচের আচরণ, শিশির, দিনের আলো, বলের বয়স — এসব মিলিয়ে তারপর একটা সংখ্যা দাঁড়ায়। যে বিশ্লেষক ফরম্যাট আলাদা না করে সিদ্ধান্ত টানেন, তিনি আসলে বিশ্লেষণ করছেন না, অনুমান করছেন।

ক্রিকেটে আমি এক্সজি-র সমতুল্য ধারণা ব্যবহার করি — এক্সপেক্টেড রান আর উইকেট সম্ভাবনা। একটা ব্যাটসম্যানের ৪৫ গড় দেখতে ভালো লাগে, কিন্তু সেই ৪৫ কতটা শক্ত পিচে, কতটা শক্ত বোলিং আক্রমণের বিরুদ্ধে, কোন পজিশনে ব্যাট করে — এসব না জানলে সংখ্যাটা অর্ধেক গল্প বলে। একইভাবে একজন বোলারের ইকোনমি ম্যাচের কোন পর্বে, কতটা শিশিরে, কতটা পুরনো বলে — এসব মিলিয়ে তার আসল মূল্য বোঝা যায়।

২০২৪ ইউরো ফাইনালে স্পেন ইংল্যান্ডকে ২-১ গোলে হারিয়েছিল; স্পেনের এক্সজি ছিল ২.০, ইংল্যান্ডের ০.৮। সংখ্যা বলছিল স্পেন বেশি ভালো ছিল। কিন্তু ৯০ মিনিটের ভেতর একটা সেট পিস বা একটা রেফারি সিদ্ধান্ত ফলাফল উল্টে দিতে পারত। এখানেই প্রক্রিয়া আর ফলাফলের তফাতটা ধরা পড়ে। ২০২৫ সালের ক্লাব বিশ্বকাপে চেলসি পিএসজিকে ৩-০ গোলে হারিয়েছিল, কোল পামার দুই গোল করেছিলেন — এই ম্যাচটাও আমি ফিরে ফিরে দেখেছি, কারণ ফলাফল পরিষ্কার হলেও প্রক্রিয়ার ভেতরে অনেক ছোট সিগন্যাল লুকিয়ে ছিল।

গত গ্রীষ্মের ট্রান্সফার উইন্ডোতে হুলিয়ান আলভারেসের আটলেটিকো মাদ্রিদে ৭৫ মিলিয়ন ইউরোতে যাওয়া নিয়ে আমি একটা ডেটা ব্রিফ বানিয়েছিলাম। তার ০.৪৮ এক্সজি প্রতি ৯০ আর প্রেসিং সংখ্যা দেখে বোঝা যাচ্ছিল কেন ক্লাবটা এত টাকা ঢালছে। একটা ট্রান্সফার গুজব হলো প্রায়র; মেডিকেল হলো পোস্টেরিয়র। কাগজে যা লেখা, মাঠে তার যাচাই হওয়ার আগে সিদ্ধান্ত নেওয়া মানে অসম্পূর্ণ তথ্যকে চূড়ান্ত সত্য ভাবা।

এখন আসি সেই অস্বস্তিকর দিকে, যেটা নিয়ে সবাই কথা এড়িয়ে যায়। একটা শূন্য তথ্যসেট থেকে বিশ্লেষণ বানানোর চাপ সবসময় থাকে। ক্লায়েন্ট চায় দ্রুত মতামত, সম্পাদক চায় ভরাট পাতা, বাজার চায় এমন শিরোনাম যাতে ক্লিক পড়ে। এই চাপেই সবচেয়ে বড় ফাঁদ — শূন্যতার জায়গায় অনুমান ভরে দেওয়া। একটা বানানো সংখ্যা লেখা সহজ, কিন্তু একটা বানানো সংখ্যা গোটা বিশ্লেষণ-ব্যবস্থার বিশ্বাসযোগ্যতা ধ্বংস করে দেয়।

আমি যে সংখ্যাকে একটা টাচ পর্যন্ত ট্রেস করতে পারি না, তাকে বিশ্বাস করি না। এটা শুধু ব্যক্তিগত অভ্যাস নয়, পেশাগত সতর্কতা। কারণ মডেল যদি নিজের সীমা ছাড়িয়ে দাবি করতে শুরু করে, তখন সেটা মডেলের সাফল্য নয়, মডেলের সীমালঙ্ঘন। একটা শূন্য ফাইল আসলে কী বলছে? এটা বলছে, বিশ্লেষণ পাইপলাইনের কোথাও একটা সমস্যা আছে। হয় উৎস নিবন্ধটা পাওয়া যায়নি, হয় ফাইলটা পার্স হয়নি, নয়তো নিবন্ধটা ক্রিকেট-বিষয়বস্তুহীন — যেমন কোনো বিজ্ঞাপন পাতা বা ভুল পাতা। এই তিনটে সম্ভাবনার সমাধান তিন রকম।

আরেকটা ফাঁদ — ডিআরএস আর আম্পায়ারিং বিতর্ক। একটা বিতর্কিত আউটের সিদ্ধান্ত নিয়ে বিশাল আলোচনা হয়, কিন্তু সেই আলোচনার পিছনে কতটা নমুনা থাকে? কতগুলো অনুরূপ কেস? বেশিরভাগ সময় উত্তর থাকে শূন্য বা প্রায় শূন্য। অনেকে আবার এক ফরম্যাটের সংখ্যা অন্য ফরম্যাটে বসিয়ে দেন — টি-টোয়েন্টির স্ট্রাইক রেট দিয়ে টেস্টের ব্যাটিং বিচার করেন, অথবা ঘরের মাঠের পারফরম্যান্স দিয়ে বাইরের সফলতা দাবি করেন। এগুলো সবই নির্বাচনী পক্ষপাত। সহজ পথ হলো দুর্বলতাকে ঢেকে দেওয়া, নিজের অনুমানকেই প্রমাণ বানিয়ে ফেলা। শূন্য ইনপুট নিয়ে সৎ থাকাটাই পেশাদার শৃঙ্খলা। যেখানে ডেটা নেই, সেখানে ডেটার অভাবে সিদ্ধান্ত না টানাই সবচেয়ে বড় সিদ্ধান্ত।

সামনে ২০২৬ সালের যুক্তরাষ্ট্র-কানাডা-মেক্সিকো বিশ্বকাপের জন্য আমি একটা লাইভ এক্সজি মডেল প্রস্তুত করছি। সেই মডেল যত ভালোই হোক, একটা কথা মনে রাখা জরুরি — মডেল একটা প্রায়র, মাঠ হলো চূড়ান্ত বিচারক। আগামী রাউন্ডের ম্যাচগুলো দেখার সময় একটা জিনিস খেয়াল রাখবেন: আপনার হাতে যেটা আছে, সেটা সত্যিই ডেটা, নাকি জোরে বলা একটা মত? উত্তর খুঁজতে ফাইল খুলুন, সংখ্যা ট্রেস করুন, আর মাঠে তার প্রমাণ খুঁজুন।