খালি সেল, বড় সংকেত: ইস্পোর্টস ডেটা পাইপলাইনের নীরব ব্যর্থতার অডিট

সেদিন সকালে যে রিপোর্টটি স্ক্রিনে খুললাম, তার শিরোনাম ছিল "Stage-2 Deep Professional Analysis Report"। নয়টি বিশ্লেষণ-মাত্রা, ছয়-শ্রেণির ঝুঁকি ম্যাট্রিক্স, একটি সিদ্ধান্ত-সারাংশ, শেষে একটি অ্যানালিস্ট-নোট — সব উপস্থিত। ফরম্যাট নিখুঁত, উপশিরোনাম নিখুঁত। কিন্তু প্রতিটি ঘরে হুবহু একই বাক্য বসানো: "N/A - insufficient information"।

খেলা শুরুর আগে স্কোরবোর্ড মুছে ফেলা স্বাভাবিক। এখানে ঘটেছে উল্টোটা — স্কোরবোর্ডটি নিজেই উধাও। ম্যাচের নাম নেই, দলের নাম নেই, গেম-টাইটেল নেই, এমনকি সোর্সের URL-ও নেই। Stage-1 ডিকনস্ট্রাকশনের ফলাফল কার্যত শূন্য, আর সেই শূন্যের উপর দাঁড়িয়ে Stage-2 ধৈর্য ধরে পুরো টেমপ্লেটটি ভরিয়ে তুলেছে — প্রতিটি ফাঁকা জায়গায় একটিই বাক্য লিখে।

আমার কাছে এই ঘটনা কোনো সংবাদের অভাব নয়; এটি ইন্সট্রুমেন্টের ব্যর্থতা। পার্থক্যটি ছোট নয়। একটি খালি নোটবুক বলতে পারে মাঠে কিছুই ঘটেনি। কিংবা বলতে পারে কলমের কালি শেষ হয়ে গেছে। দুটো এক নয়, আর সাংবাদিকতা ও অ্যানালিটিক্সে এই দুটো গুলিয়ে ফেলাই সবচেয়ে ব্যয়বহুল ভুল।

ইস্পোর্টস ডেটা বিশ্লেষণে আমরা সাধারণত দুই স্তরের পাইপলাইনে কাজ করি। Stage-1 কাঁচা নিবন্ধ থেকে তথ্য-বিন্দু, সত্তা, সময়-সংবেদনশীলতা আর লেখকের অবস্থান টেনে আনে। Stage-2 সেই বিন্দুগুলোকে প্যাচ, টুর্নামেন্ট ফরম্যাট, রোস্টার, আঞ্চলিক শক্তি, ক্লাব-অর্থায়ন, শাসন-সম্মতি, ঝুঁকি, ন্যারেটিভ এবং ইন্ডাস্ট্রি ট্রান্সমিশন — এই নয়টি মাত্রায় গভীর করে।

এখানে Stage-1 খালি ফিরেছে। তথ্য-বিন্দুর তালিকা শূন্য। সত্তা-নির্ধারণের নির্দেশ দেওয়া হয়েছে "উপরের তথ্য-বিন্দু থেকে চিহ্নিত করুন" — অথচ উপরে কিছু নেই। লেখকের অবস্থান ফাঁকা, নিবন্ধের উদ্দেশ্য ফাঁকা, সোর্স-মান যাচাই অসম্ভব। অর্থাৎ বিশ্লেষণের ভিত্তি-স্তরটিই অস্তিত্বহীন।

Stage-2 যা করেছে, সেটি আসলে পেশাগত শৃঙ্খলার উদাহরণ: সে বানানো তথ্য দিয়ে টেমপ্লেট ভরায়নি। "যথেষ্ট তথ্য নেই" লিখে থেমে গেছে, এবং শেষে স্পষ্টভাবে জানিয়েছে যে এই আউটপুট একটি স্ট্রাকচারাল প্লেসহোল্ডার। এটাই সঠিক সিদ্ধান্ত। কিন্তু একটি অপ্রিয় সত্য এখানেই লুকিয়ে আছে — সঠিক আচরণ আর কার্যকর সিস্টেম এক জিনিস নয়।

ডেটা ইঞ্জিনিয়ারিংয়ে "null propagation" নামে একটি পরিচিত সমস্যা আছে। একটি ফিল্ড খালি থাকলে সেটি নিচের প্রতিটি ধাপে ছড়িয়ে পড়ে, কিন্তু প্রক্রিয়াটি থামে না। পাইপলাইন "সফল" দেখায়, লগ সবুজ দেখায়, ড্যাশবোর্ড ভরে ওঠে — অথচ আউটপুট অর্থহীন। এই রিপোর্টটি ঠিক তেমনই একটি ঘটনার দলিল। Stage-1 ব্যর্থ, কিন্তু Stage-2 তবুও চালু হয়েছে এবং নয়টি মাত্রা জুড়ে সেই ব্যর্থতাটি সফলতার ফরম্যাটে ছড়িয়ে দিয়েছে।

এখানেই প্রথম পাঠ: একটি null মানে আপনার যন্ত্র সম্পর্কে একটি পরিমাপ — জগৎ সম্পর্কে নয়। আমরা যখন "তথ্য নেই" পড়ি, মস্তিষ্ক সেটিকে "ঘটনা নেই" হিসেবে অনুবাদ করে। কিন্তু পরিসংখ্যানে এই অনুবাদ অবৈধ। তথ্যের অনুপস্থিতি আর ঘটনার অনুপস্থিতি দুই ভিন্ন রাশি। প্রথমটি মাপে আপনার সংগ্রহ-পদ্ধতি, দ্বিতীয়টি মাপে বাস্তবতা।

নোটবুক কখনো মিথ্যা বলে না, কিন্তু সে শুধু সেই প্রশ্নেরই উত্তর দেয় যা আপনি করেন। এই বাক্যটি আমি প্রথম লিখেছিলাম একটি ক্রুদ্ধ কমেন্টের জবাবে, ২০১৭ সালে, মেলবোর্নে, যখন কেউ বলেছিলেন মেয়েদের রঙের ভাষ্য লিখতে পাঠানো উচিত। তখন থেকে আমার প্রতিটি লেখা শুরু হয় একটি ডেটা টেবিল আর একটি সোর্স-নোট দিয়ে। কারণ নোটবুক নিরপেক্ষ, কিন্তু নোটবুক-নির্মাতা নিরপেক্ষ নয়। কে কী লিখবে, কোন ঘর ফাঁকা থাকবে — সেটি একটি মানবিক সিদ্ধান্ত।

এই রিপোর্টের সবচেয়ে দামি তথ্যটি লুকিয়ে আছে তার "Critical Upstream Data Gap" সতর্কবার্তায়। সেখানে স্পষ্ট লেখা: Stage-1 কার্যত খালি, তাই Stage-2 অর্থপূর্ণ হতে পারে না। এটাই সেই সংকেত যা আমরা সাধারণত উপেক্ষা করি। খালি ঘরগুলো আসলে চিৎকার করছে — শুধু কেউ শুনছে না, কারণ চিৎকারটি একটি সংরক্ষিত ফরম্যাটে লেখা।

টেমপ্লেট একধরনের ছদ্মবেশ। ভরা টেমপ্লেট দেখতে সম্পন্ন কাজের মতো। ম্যানেজার কলাম গোনেন, অর্থ গোনেন না। এই রিপোর্টে নয়টি মাত্রা, প্রতিটিতে সাব-টেবিল, প্রতিটিতে "N/A"। শুনতে মনে হবে বিশাল পরিশ্রম। বাস্তবে সেটি শূন্যের সুশৃঙ্খল পুনরাবৃত্তি। টেমপ্লেট তখনই বিপজ্জনক হয় যখন সেটি ব্যর্থতাকে উপস্থাপনযোগ্য করে তোলে।

এখানে একটি ভাষাগত ফাঁদও আছে। রিপোর্টের তথ্য-মূল্য রেটিংয়ের চারটি ঘরই শূন্য তারা পেয়েছে — অথচ "রেটিং" শব্দটি নিজেই একটি বিচার বহন করে। শূন্য তারা শ্রোতার মাথায় অনুবাদ হয় "খারাপ" হিসেবে; প্রকৃত অর্থ অবশ্য "মাপা যায়নি"। একটি সিস্টেম যদি ব্যর্থতাকে নিম্নমানের পারফরম্যান্সের মতো দেখায়, তবে সেটি ডায়াগনসিসকেই দূষিত করছে।

আরও একটি স্তর আছে। একটি অডিট-ট্রেইল আসলে ছোট একটি লেজার — প্রতিটি ধাপ তার ইনপুট আর আউটপুটের হ্যাশ লিখে রাখে। আউটপুট খালি হলেও ব্লকটি লেখা হয়, আর শৃঙ্খলটি সেই ব্যর্থতার রেকর্ড বহন করে। এই রিপোর্টে ঠিক সেটিই ঘটেছে: Stage-2-এর প্রতিটি ঘর একটি ব্লক, আর প্রতিটি ব্লক কনসিস্টেন্টভাবে বলছে "আমার ইনপুট ছিল শূন্য"। শৃঙ্খলটি সৎ; সমস্যা হলো কেউ তার পড়ার নিয়ম জানে না।

এখানেই দ্বিতীয় বিপদ — নিচের দিকে সংক্রমণ। যদি এই Stage-2 আউটপুট কোনো স্বয়ংক্রিয় সিস্টেমে যায়, তবে "insufficient information" শব্দগুচ্ছটিই একটি বৈধ বিশ্লেষণ হিসেবে সংরক্ষিত হবে। পরের ধাপে কেউ সেটি পড়ে সিদ্ধান্ত নেবে — কোনো খেলা নেই, কোনো প্যাচ নেই, কাজ শেষ। অথচ প্রকৃত বার্তাটি ছিল: পাইপলাইনের প্রথম ধাপটি ভেঙে পড়েছে। ব্যর্থতা আর অনুপস্থিতি এভাবে হাত বদল করে, আর সিস্টেমটি নিজেই জানে না যে সে মিথ্যা বলছে।

সমাধান জাদুকরী নয়, রুটিন। প্রতিটি ধাপের শেষে একটি ভ্যালিডেশন-লগ থাকা উচিত: সোর্সের URL, ইনজেশনের টাইমস্ট্যাম্প, এক্সট্রাক্টরের ভার্সন, গেম-টাইটেল, নন-এম্পটি ফিল্ডের সংখ্যা, আর একটি গেট-থ্রেশহোল্ড। তথ্য-বিন্দুর সংখ্যা যদি শূন্য হয়, পাইপলাইন থামুক — সতর্কবার্তা ছাড়া নয়। বাকি সব সাজানো থাকলেও গেট খুলবে না।

আমি ২০১৮ সালের রাশিয়া বিশ্বকাপে রিমোট ডেটা ইন্টার্ন ছিলাম, সোলো এক্সেল আর একটি ধীর ইন্টারনেট লাইনে। ফ্রান্স-আর্জেন্টিনা ৪-৩ ম্যাচে আমি কিলিয়ান এমবাপ্পের ৩০ কিমি/ঘণ্টার বেশি গতির সাতটি স্প্রিন্ট গুনেছিলাম, আর ফ্রান্সের PPDA ছিল ৮.৯। সেই সময়ের শিক্ষা সরল ছিল: প্রতিটি সংখ্যার একটি সোর্স থাকে, আর সোর্স ছাড়া সংখ্যা কোনো সংখ্যাই নয়। একটি ফাঁকা ঘরে আমি কখনো "০" লিখিনি; লিখেছি "ডেটা নেই"।

২০২০ সালে, দর্শকশূন্য স্টেডিয়ামে, আমি বুন্দেসলিগার একটি প্রকল্পে দেখলাম ঘরের মাঠে জয়ের হার ৪৩.২% থেকে নেমে ৩৩.৩% হয়েছে। বিশাল কোনো মডেল নয় — শুধু পরিষ্কার আগে-পরে রেকর্ড আর PPDA। সেখানেও একই নিয়ম: যা নেই, তা লিখে রাখো; যা নেই, তা অনুমান করে ভরো না। ফুটবল সংস্কৃতি হলো দৃশ্যমান চাপ, আর চাপ সবসময় একটি ডেটা-ছায়া রেখে যায়।

মার্কিন-জন্ম, মেলবোর্ন-বাসিন্দা হিসেবে আমি দুটো ডেটা-সংস্কৃতির মধ্যে বাস করি। উত্তর আমেরিকা দ্রুত পণ্য চায়, অস্ট্রেলিয়া ধীর নির্ভুলতা। দুটোরই দরকার একটি অভিন্ন সংজ্ঞা — ভার্সনযুক্ত ট্যাক্সোনমি, পুনরুৎপাদনযোগ্য নোটবুক, আর সোর্স-হায়ারার্কি। এই রিপোর্টটি দেখায় কেন তা জরুরি: একটি খালি ফলাফল দুই সংস্কৃতিতেই ভিন্নভাবে পড়া হবে। কেউ বলবে "খবর নেই", কেউ বলবে "সিস্টেম ভেঙেছে"। সংজ্ঞা অভিন্ন না হলে দুজনেই সঠিক থাকবে, আর দুজনেই ভুল সিদ্ধান্ত নেবে।

তৃতীয় পাঠ: সতর্কতা আর ব্যাখ্যা এক নয়। রিপোর্টটি অসংখ্যবার লিখেছে "insufficient information", কিন্তু সেটি আসলে একটি সতর্কবার্তা, কোনো ব্যাখ্যা নয়। সতর্কবার্তা থামায়; ব্যাখ্যা বোঝায়। যখন সতর্কবার্তাকেই ব্যাখ্যার আসনে বসানো হয়, তখন পাঠক মনে করেন বিশ্লেষণ হয়েছে, অথচ কিছুই হয়নি।

এখন বিরোধী পক্ষটিকে ন্যায্যভাবে দাঁড় করাই। কেউ বলতে পারেন: "Stage-1 খালি মানে তো নিবন্ধটিই হয়তো ফাঁকা ছিল। সবসময় ব্যর্থতা ধরতে হবে কেন? কখনো কখনো খবরই থাকে না।" যুক্তিটি অখণ্ডনীয় নয়, কিন্তু শক্ত। একটি ফুটবল ম্যাচ ০-০ হতে পারে; সেটি ব্যর্থতা নয়, সেটি একটি ফলাফল।

তবু এই রিপোর্টে "খবর নেই" ব্যাখ্যাটি খাটে না, কারণ দুটো পরীক্ষা সে উত্তীর্ণ হয়নি। প্রথমত, একটি বৈধ খালি ফলাফলেও সোর্স, তারিখ আর নিবন্ধের শিরোনাম থাকত; এখানে তিনটিই N/A। দ্বিতীয়ত, প্রকৃত "খবর নেই" অবস্থায় Stage-1 একটি অ-শূন্য তালিকা ফেরায়, যেখানে ফলাফলটি হয় "কোনো উল্লেখযোগ্য ঘটনা নেই" — শূন্য তালিকা নয়। শূন্য তালিকা মানে এক্সট্রাক্টর কিছুই পড়েনি, বা পড়েও বুঝতে পারেনি।

আরও একটি স্তর আছে। ধরুন এক্সট্রাক্টর কাজ করেছিল, কিন্তু নিবন্ধটি ছিল গেম-টাইটেল-বিহীন, সত্তা-বিহীন এক সাধারণ প্রবন্ধ। তাহলেও সিদ্ধান্ত একই: Stage-2 শুরু করার আগেই থামা উচিত ছিল। কারণ প্যাচ বিশ্লেষণ করা যায় না টাইটেল না জেনে; LOL, DOTA2, CS2, ভ্যালোরান্ট — প্রতিটির মেট্রিক, ফরম্যাট, অঞ্চল-শক্তি সম্পূর্ণ ভিন্ন। টাইটেল ছাড়া "মেটা দিক" লেখা মানে ফাঁকা ফ্রেমে ছবি আঁকার চেষ্টা।

এখানে একটি সূক্ষ্ম ফাঁদও আছে, যা আমি নিজের কাজে বারবার দেখি: পারস্পরিক সম্পর্ককে কারণ ভাবা। এই রিপোর্টে অনেক "N/A" আছে — কারণ Stage-1 খালি। কিন্তু কোনো পাঠক ভুল করে ভাবতে পারেন, "N/A" মানে বিশ্লেষক অলস। কারণটি অলসতা নয়, কারণটি আপস্ট্রিম ব্যর্থতা। ভুল রোগনির্ণয় করলে ভুল ঔষধ, আর সিস্টেমে সেটিই সবচেয়ে দীর্ঘস্থায়ী ক্ষতি।

তাহলে আসল পাপটি কোথায়? বিশ্লেষকের সততায় নয়, সিস্টেমের নকশায়। যে পাইপলাইন Stage-1-এর খালি ফলাফল পেয়েও Stage-2 চালু করে, সে ভদ্রতার সঙ্গে নিজের ব্যর্থতাকে গ্রন্থিত করছে। ভদ্রতা এখানে নিরাপত্তার ছদ্মবেশ। একটি সিস্টেম তখনই পরিপক্ব, যখন সে নিজের খালি হাত চিনতে পারে এবং থামতে জানে।

ভালো দিকটিও বলে রাখি। রিপোর্টের "Signals Requiring Ongoing Tracking" টেবিলটি আসলে পেশাগত সেরা চর্চা। সেখানে তিনটি ট্র্যাকিং-সিগন্যাল রাখা হয়েছে: Stage-1 পুনঃএক্সট্রাকশনের সাফল্য, গেম-টাইটেল নিশ্চিতকরণ, আর সোর্স অ্যাট্রিবিউশন। প্রতিটির জন্য পর্যবেক্ষণ-পদ্ধতি, ট্রিগার-শর্ত আর প্রত্যাশিত প্রভাব লেখা। এটাই ভবিষ্যতের সঠিক প্রতিমান — ব্যর্থতা এখানে শেষ নয়, একটি ট্র্যাক করা চলক।

নিয়মিত মৌসুমে পাঠকের চাহিদা আলাদা। তাঁরা প্রতিটি ম্যাচ দেখেন, তাই তাঁদের দরকার শিরোনাম হওয়ার আগেই সংকেত — টেবিলের নিচের ক্লান্তি, রেফারির প্রবণতা, প্যাচের প্রান্তিক প্রভাব। কিন্তু সেই সংকেত দেওয়ার আগে একটি শর্ত: সংকেতটি সত্যিই ডেটা থেকে এসেছে কি না, তা যাচাই করা। খালি পাইপলাইন থেকে আসা "বিশ্লেষণ" পাঠকের আস্থার সবচেয়ে বড় শত্রু।

পরের রাউন্ডে আমার প্রত্যাশা সরল। তথ্য-বিন্দুর সংখ্যা যদি থ্রেশহোল্ডের নিচে নামে, ডাউনস্ট্রিম ধাপ স্বয়ংক্রিয়ভাবে বন্ধ হোক। সোর্স আর গেম-টাইটেল দুটো বাধ্যতামূলক ফিল্ড হোক; না থাকলে আউটপুট নয়। আর "insufficient information" শব্দগুচ্ছটি বিশ্লেষণের শরীরে নয়, হেডারের সতর্কবার্তায় থাকুক।

কারণ শেষ বিচারে প্রশ্নটি প্রযুক্তিগত নয়, নৈতিক। যখন আপনার নোটবুকে একটি ঘর ফাঁকা থাকে, আপনি কি সেটি ঢেকে দেবেন সুন্দর বাক্যে, নাকি সেটিকে খোলা রেখে সততার সঙ্গে লিখবেন "জানি না"? প্রথমটি দ্রুত, দ্বিতীয়টি সঠিক। আর দীর্ঘমেয়াদে শুধু দ্বিতীয়টিই টিকে থাকে — কারণ একটি ট্রান্সফার ফি একটি অনুমান; প্রথম এক হাজার মিনিট তার পিয়ার রিভিউ।