ফাঁকা ইনপুট, নকল নিশ্চয়তা: ফুটবল ডেটা পাইপলাইনের নীরব ব্যর্থতা

লিভারপুলের ট্রান্সফার ডেস্কে রাত সাড়ে বারোটা। স্প্রেডশিট খুললাম। কলামের হেডার ঠিক আছে, রো-এর সংখ্যা শূন্য। একটা লাইন আছে শুধু — ডোমেইন লেবেল: ফুটবল। তারপর নীরবতা। শিরোনাম নেই, মূল সূত্র নেই, ধরন অস্পষ্ট, এক-বাক্যের সারসংক্ষেপ নেই, লেখকের অবস্থান নেই, উদ্দেশ্য নেই, তথ্যবিন্দুর তালিকা ফাঁকা। যে দুটি ফিল্ড তথাকথিতভাবে তথ্যবিন্দু থেকে অনুমান করার কথা — সংশ্লিষ্ট এনটিটি ও সূত্রের গুণমান — সেগুলোও ফাঁকা। স্ক্রিপ্ট ক্র্যাশ করেনি। কোনো এরর বার্তা নেই। লগ বলছে সব ঠিকঠাক চলছে।

এটাই ফুটবল বিশ্লেষণের সবচেয়ে বিপজ্জনক মুহূর্ত — যখন টুল ব্যর্থ হয় না, শুধু ফাঁকা হয়ে যায়। স্প্রেডশিট কখনও মিথ্যা বলে না, সে শুধু ফিসফিস করে; কিন্তু সম্পূর্ণ ফাঁকা স্প্রেডশিট ফিসফিসও করে না, সে নীরব থাকে। সেই নীরবতাকে ডেটা ভেবে ফেলাই এই পেশার সবচেয়ে পুরোনো ফাঁদ।

২০১৭ সালে যখন এক্সপেক্টেড ভ্যালু নিউজলেটার শুরু করি, তখন থেকেই আমার প্রতিটি স্কাউটিং রিপোর্টের মেরুদণ্ড ছিল তিনটি সংখ্যা — xG, xA আর প্রেসিং-ফিট। ২০১৮ রাশিয়া বিশ্বকাপে ডেটা ডেস্কে কাজ করতে গিয়ে বুঝলাম, টুর্নামেন্ট ফুটবলে সিদ্ধান্তের গতি অনেক বেশি। ফ্রান্সের PPDA ছিল ৮.৭, এনগোলো কঁতের ট্যাকল প্লাস ইন্টারসেপশন প্রতি ৯০ মিনিটে ৪.২। ম্যাচ শেষ হওয়ার দুই ঘণ্টার মধ্যে অডিট পাবলিশ করার জন্য আমাকে রিইউজেবল টেমপ্লেট বানাতে হয়েছিল, কারণ পুরো ডেস্ককে একটি ফল-কেন্দ্রিক কাঠামোয় দাঁড় করাতে হয়। টেমপ্লেট গতি আনে, এটা সত্য। কিন্তু টেমপ্লেট একটা দামও নেয়, যেটা তখন বোঝা যায়নি: টেমপ্লেট বিষয়বস্তু যাচাই করে না, সে শুধু খাপ মিলিয়ে দেয়। ইনপুট ফাঁকা হলেও টেমপ্লেট খাপ বানিয়ে দেয়।

রাশিয়া আমাকে শিখিয়েছিল, শব্দ সংকেতের চেয়ে দ্রুত ছড়ায়। কিন্তু রাশিয়ায় অন্তত শব্দ ছিল। এবারের টুর্নামেন্ট চক্রে সমস্যাটা ঠিক উল্টো — শব্দ নেই, সংকেত নেই, শুধু ফাঁকা ফিল্ড। আর ফাঁকা ফিল্ডের বিরুদ্ধে আমাদের কোনো টেমপ্লেট নেই, কারণ আমরা সবসময় ধরে নিয়েছি সমস্যা হবে শব্দে, চিৎকারে, ভুল খবরে — ফাঁকায় নয়।

ফুটবল ডেটার পাইপলাইন চারটি স্তরে চলে: ক্যাপচার, এক্সট্রাকশন, মডেলিং, সিদ্ধান্ত। একটা ক্লাব বছরে হাজার হাজার রিপোর্ট কেনে; একটা কনসালট্যান্সি সেগুলো ছেঁকে স্কাউটিং শিট বানায়। এই চেইনের গোটা দর্শন দাঁড়িয়ে আছে গারবেজ ইন, গারবেজ আউট-এর ওপর। কিন্তু আসল বিপদটা এর চেয়ে সূক্ষ্ম: শূন্য ইন, আত্মবিশ্বাসী আউট। ইনপুট ফাঁকা হলে মডেল খালি জায়গা পূরণ করতে শুরু করে — আর সে পূরণ করে খ্যাতি দিয়ে। খ্যাতিই মডেলের ডিফল্ট প্রায়র।

এই ব্যর্থতার তিনটি রূপ আমি চিনি।

প্রথমত, শূন্য মানে শূন্য নয়। কোনো খেলোয়াড়ের মিনিট লগ না থাকলে তার xG প্রতি ৯০ মিনিটে ০.০০ দেখায়। মডেল পড়ে নিরীহ। বাস্তবে সত্যিটা অপর্যবেক্ষিত। এই দুটো এক জিনিস নয়, কিন্তু দুটোর সংখ্যাগত ছাপ এক। ২০২২ কাতারে মরক্কোর সফিয়ান আমরাবাতের সংখ্যা ছিল পূর্ণ — প্রতি ৯০ মিনিটে ৪.১ ট্যাকল প্লাস ইন্টারসেপশন, ৯০ শতাংশ পাস কমপ্লিশন, ৭.২ প্রোগ্রেসিভ পাস। অ্যাটলাস লায়নস ডসিয়ারে লিখেছিলাম, তার মূল্য ফুলে উঠবে, কিন্তু অন্তর্নিহিত সংখ্যা টপ-ক্লাব মুভকে সমর্থন করে। সেই লেখার শক্তি ছিল এই যে ইনপুট পূর্ণ ছিল। ইনপুট ফাঁকা হলে আমি ঠিক উল্টোটা করতাম — বিখ্যাত নামের দিকে ঝুঁকতাম, কারণ ফাঁকা জায়গা খ্যাতি দিয়ে ভরে দেওয়াই সবচেয়ে সহজ।

দ্বিতীয়ত, খাপের সম্পূর্ণতা বিষয়বস্তুর শূন্যতাকে ঢেকে দেয়। সব শিরোনাম ভরা, সব বুলেট পয়েন্ট আছে, সূত্রে লেখা থাকে ওপরের তথ্যবিন্দু থেকে — অথচ তথ্যবিন্দু বলে কিছু নেই। সফটওয়্যার ইঞ্জিনিয়ারিংয়ে এটাকে বলে ড্যাংলিং রেফারেন্স। ফুটবলে এর সহজ উদাহরণ: এমন স্কাউটিং রিপোর্ট যা দেখতে নিখুঁত, কিন্তু ভেতরে একটাও যাচাইযোগ্য ম্যাচ-অবজারভেশন নেই। ২০১৬-১৭ মৌসুমে লিভারপুলের ব্যর্থ ট্রান্সফার উইন্ডো অডিট করার সময় আমি এটা হাতে-কলমে শিখেছি। রোমার মোহামেদ সালাহ — ১৫ সিরি আ গোল, ১১ অ্যাসিস্ট, প্রতি ৯০ মিনিটে ২.৮ শট, ১৩.৯ xG, ৮.৭ xA। সেই লেখা ২৫ হাজার সাবস্ক্রাইবারে পৌঁছেছিল। মনে রাখা দরকার, সেখানেও ফাঁকা জায়গা ছিল — ক্লপের কাউন্টার-প্রেসে সালাহর অফ-বল রান কেমন বসবে, তা তখনও প্রমাণিত নয়। কিন্তু ফাঁকা জায়গা খ্যাতি দিয়ে ভরি নি, সম্ভাব্যতার হিসাব দিয়ে ভরেছিলাম, আর প্রতিটি দাবির পিছনে একটা সারি রেখেছিলাম। পার্থক্যটা ওই একটা সারির।

তৃতীয়ত, ত্রুটি উত্তরাধিকারে বাড়ে। প্রথম স্তর ফাঁকা ফেরত দিলে দ্বিতীয় স্তর ফর্মার ঠিক রেখে বিষয়বস্তু বানায়। ফলাফল: কাগজে দেখতে একটা সম্পূর্ণ বিশ্লেষণ — আর্কিটেকচার নিখুঁত, অন্তর্দৃষ্টি শূন্য। স্পোর্টস-বিজনেসে আমরা এই ঝুঁকি রোজ নিই, কারণ সিদ্ধান্ত নিতে হয় ডেডলাইনে, আর ডেডলাইন কারও জন্য অপেক্ষা করে না।

২০২০-র মহামারি এই ব্যর্থতার সবচেয়ে পরিষ্কার পরীক্ষা দিয়েছিল। স্টেডিয়াম খালি হলে ডেটা হারায় না — সে অসম্পূর্ণ হয়ে যায়। উপস্থিতি-ভিত্তিক মেট্রিক পড়ে যায়, হোম-অ্যাডভান্টেজ লোপ পায়, ম্যাচ-টেম্পো বদলে যায়। তখন লিভারপুলে আমি ক্রাইসিস ট্রান্সফার ইনডেক্স বানাই — মজুরি, বয়স, চোটের ইতিহাস, xG প্রতি ৯০, PPDA ফিট, কাভার করা দূরত্ব। সে-ইনডেক্সে উলভসের দিওগো জোতাকে ৪১ মিলিয়ন পাউন্ডে সুপারিশ করি: ৭ লিগ গোল, ৬.১ xG, প্রতি ৯০ মিনিটে ২.১ শট, ৭.৯ PPDA। লিভারপুল তাকে সেপ্টেম্বরে দলে ভেড়ায়। স্টেডিয়াম খালি হলে মডেলকে শ্বাস নিতে শিখতে হয় — অর্থাৎ অপূর্ণতার সঙ্গে বাঁচতে শিখতে হয়, কারণ ফাঁকা গ্যালারিতে পরিবেশ নামে কোনো কলাম থাকে না।

এখানেই আমার নিজের সন্দেহটা বলা দরকার। আমি ইনপুটের ঘাটতি নিয়ে যতটা লিখছি, সেটাও তথ্য নয় — সেটাও তথ্যহীনতার ব্যাখ্যা। একটি ব্যর্থ পাইপলাইনের লগ পড়ে আমি ধরে নিচ্ছি, হারিয়ে যাওয়া বস্তুটি ছিল কোনো প্রকৃত প্রতিবেদনের বাক্য। বিকল্প ব্যাখ্যাটাও টেস্ট করা উচিত: হয়তো ওই পেজটি কখনো কোনো বিষয়বস্তুই ধারণ করত না — একটি খালি পাতা, যা ভুল করে লাইনচ্যুত হয়েছে। প্রশ্নটি তখন বদলে যায়: আমরা কি ক্ষতি শনাক্ত করছি, নাকি ক্ষতির অনুমানকে বিশ্লেষণ নাম দিচ্ছি?

এটা নিছক কারিগরি প্রশ্ন নয়। শব্দ নিজেকে ঘোষণা করে — ভুল খবর নিজের সংশোধন দাবি করে। নীরবতা ঘোষণা করে না। গুণমান-নিয়ন্ত্রণের পরীক্ষাগুলো ভুলের জন্য বানানো, অনুপস্থিতির জন্য নয়। তাই একটি ফাঁকা ডেটাসেট ক্লিন দেখায়, আর একটি কোলাহলময় ডেটাসেট সন্দেহ জাগায়। রাশিয়া আমাকে শিখিয়েছিল, শব্দ সংকেতের চেয়ে দ্রুত ছড়ায় — কিন্তু রাশিয়ার সাংবাদিকতার আসল শিক্ষা ছিল অন্য: যত জোরে চিৎকার, তত বেশি যাচাই। নীরবতা সে-সুযোগটাই কেড়ে নেয়।

এখানে আরেকটি স্তর আছে, যা আমি ব্যক্তিগতভাবে দেখেছি। ঢাকার কোনো ক্লাব-মাঠের ধারে বসে থাকা একজন স্কাউট সপ্তাহে তিনটি রিপোর্ট লেখেন, যার একটিও কখনো কোনো ইউরোপীয় পাইপলাইনে ঢোকে না। মডেল সেই জেলা পড়ে প্রতিভা নেই। সত্যিটা ভিন্ন: ক্যামেরা নেই, ডেটা সংগ্রহকারী নেই, পথ নেই। বছরের পর বছর ম্যাচ দেখে আমি শিখেছি, উপমহাদেশে প্রতিভার ঘাটতি নেই, ঘাটতি আছে লগিংয়ের। একটি পাইপলাইনের ডিফল্ট সূত্রগুলো ইউরোপীয় হলে নীরবতাও ইউরোপীয় উচ্চারণে কথা বলে — এবং সেই উচ্চারণটি অসম্পূর্ণতাকে ঔপনিবেশিক নিশ্চয়তার মতো করে পড়ে।

শীতলভাবে দেখলে এই দুর্বলতা মডেলিংয়ের নয়, সংস্কৃতির। আমরা মেট্রিককে জিজ্ঞাসা করি না, তুমি কী দেখতে পাচ্ছ না। অনুপস্থিত ডেটাকে আমরা শূন্য ধরে নিই, কারণ শূন্য একটি সংখ্যা, আর সংখ্যা নিয়ে কাজ করা সহজ। অজানা একটি রাষ্ট্র, যা টেবিলে বসে না। অথচ ফুটবলে সঠিক সিদ্ধান্ত প্রায় সবসময় আসে অজানাকে শূন্য না ভাবার সিদ্ধান্ত থেকে। জোতা ২০২০-এ যুক্তি ছিল না যে ক্রাইসিস-ইনডেক্সের শীর্ষে সে; যুক্তি ছিল যে তার অজানা অংশগুলো সীমিত ও পরিমাপযোগ্য।

পরবর্তী রাউন্ডের সংকেত স্পষ্ট। ফুটবল অ্যানালিটিক্সে এখন পক্ষপাত শনাক্তকারীর চেয়ে যোজন বেশি দরকার শূন্যতা শনাক্তকারী: এমন স্তর যা বলতে পারে, এটি ক্ষুদ্র নমুনা, এটি ফাঁকা ক্যাপচার, এটি কেবল অনুপস্থিত। যে মডেল ০.০০ আর অজানার মধ্যে পার্থক্য করতে পারে না, সে নিরীহ ব্যক্তিকে<｜place▁holder▁no▁379｜><｜place▁holder▁no▁379｜><｜place▁holder▁no▁379｜> না, সে নিরীহ আর অপর্যবেক্ষিত খেলোয়াড়কে এক করে ফেলে। প্রশ্নটি সোজা: যদি আপনার মডেল জিরো আর আননোন চিনতে না পারে, তবে অডিটরকে কে অডিট করবে?