ডেটা অডিটের পাঠ: খালি ইনপুট থেকে কী শেখা যায়

একটি অডিট লেজারে যখন তথ্যের ঘর ফাঁকা থাকে, তখন সবচেয়ে বড় আবিষ্কার হলো সেই শূন্যতাটাই। ২০২৬ সালের ফেব্রুয়ারিতে আমার হাতে একটি বিশ্লেষণী কাঠামো এল, যার শিরোনামে লেখা ছিল ক্রিকেট_এশিয়া। কিন্তু ভেতরে ঢুকে দেখি, তথ্যবিন্দুর তালিকা শূন্য, কোনো খেলোয়াড়ের নাম নেই, দলের নাম নেই, ম্যাচের স্কোর নেই, সংবাদ নেই। শুধু একটি লেবেল, যার পিছনে টেস্ট, ওয়ানডে, টি-টোয়েন্টি এবং এশিয়ার বহু দেশের ক্রিকেট লুকিয়ে থাকতে পারে। এই শূন্যতাকে আমি তিনটি লেখার নিয়মের পরীক্ষা হিসেবে নিলাম: তথ্যের উৎসতা, নমুনার আকার নিয়ন্ত্রণ, এবং পরিস্থিতিগত সতর্কতা। ফলাফল হতাশাজনক, কিন্তু শিক্ষণীয়। ক্রিকেট বিশ্লেষণের মূল ভিত্তি হলো ম্যাচের ধরন। টেস্ট ক্রিকেটে ৯০ ওভারের পরের সেশন, ওয়ানডেতে পাওয়ারপ্লে, টি-টোয়েন্টিতে ডেথ ওভার—এই তিনটি আলাদা খেলা। একটি লেবেল দিয়ে এই তিন ফরম্যাটকে এক করে ফেললে প্রতিটি সিদ্ধান্ত ভুল দিকে চলে যায়। ২০১৮ বিশ্বকাপের এক্সজি অডিটে আমি ক্রোয়েশিয়ার সাত ম্যাচ আর ফ্রান্সের সাত ম্যাচ আলাদা করে রেখেছিলাম। কারণ, গ্রুপ পর্বের ১.৪২ এক্সজি আর ফাইনালের ১.১০ এক্সজি এক নয়। নকআউটের চাপ, শীতল আবহাওয়া, প্রতিপক্ষের মান—সব আলাদা। আমার কাছে মনে হয়, ফরম্যাটের মিশ্রণ মানে বিশ্লেষণের ভিত্তি দুর্বল। এশিয়ার ক্রিকেট মানে কেবল ভারত-পাকিস্তান দ্বৈরথ নয়। বাংলাদেশের স্পিন-বান্ধব উইকেট, শ্রীলঙ্কার ডাম্বুলা পিচ, আফগানিস্তানের কাবুল-কান্দাহার বোলিং সারফেস, সংযুক্ত আরব আমিরাতের ফ্ল্যাট ডেক—প্রতিটি পরিবেশ আলাদা কাজ করে। ২০২০ সালে আমি জার্মান বুন্দেসলিগার ৩০৬ ম্যাচের আগে-পরে তুলনা করেছিলাম ৯২ ম্যাচের সাথে। করোনার আগে হোম উইন ৪৩.৩%, পরে ৩৩.৩%। হোম এক্সজি ১.৫৪ থেকে ১.৩১। কিন্তু সেই রিপোর্টে স্পষ্ট লিখেছিলাম, ৯২ ম্যাচ দিয়ে হোম অ্যাডভান্টেজের তত্ত্ব নতুন করে লেখা যায় না। কারণ, দলের মান, রেস্ট ডে, ভ্রমণ—সব ফ্যাক্টর আলাদা। এশিয়ার ক্রিকেটে এই পরিস্থিতিগত ফ্যাক্টর আরও জটিল, কারণ এখানে জাতীয় দল আর ফ্র্যাঞ্চাইজি লিগের ওভারল্যাপ থাকে। ব্লকচেইন প্রযুক্তির সাথে ক্রিকেট ডেটার সম্পর্ক নিয়ে ভাবার সময় এসেছে। ২০২৬ সালের এই প্রেক্ষাপটে ব্লকচেইন মানে শুধু ক্রিপ্টো নয়। প্রতিটি ডেটা পয়েন্টের উৎস, সময়, এবং পরিবর্তনের রেকর্ড অপরিবর্তনীয়ভাবে লিপিবদ্ধ করা। যদি আমার হাতে একটি অপরিবর্তনীয় অডিট লেজার থাকত, তাহলে সেই শূন্য ইনপুটও রেকর্ড হয়ে থাকত—কার কাছ থেকে এল, কখন এল, কে প্রসেস করছে। এটিই আমার কাছে ব্লকচেইন ক্রিকেট বিশ্লেষণের মূল্য: প্রতিটি দাবির পিছনে একটি সত্যতার চেইন। কিন্তু প্রচলিত লেবেল-ভিত্তিক বিশ্লেষণে এই চেইন ভেঙে যায়। ক্রিকেট_এশিয়া লেবেল থেকে কোনো সিদ্ধান্ত টানা মানে অনুমানের ওপর ভিত্তি করে একটি ভবিষ্যদ্বাণী তৈরি করা, যা পরে মিথ্যা বলে প্রমাণিত হবে। আমি ২০২১ সালে ইতালির প্রেস অডিট করেছি সাত ম্যাচ, ২০০০ পাস, ১১.৮ কিলোমিটার দৌড়ের ডেটা দিয়ে। তিন মাস লেগেছিল, কারণ আমি সাত ম্যাচের আগে কোনো তত্ত্বে সিলমোহর দিই না। সেই ধৈর্য থেকেই আমি ট্রান্সফার মার্কেট অ্যাডমিনিস্ট্রেশনে এসেছি। এখন প্রশ্ন হলো, এই ধৈর্য কি একটি শূন্য ইনপুট থেকে কিছু তৈরি করতে পারে? উত্তর: না। এবং সেটাই এই অডিটের সঠিক ফলাফল। আমার পরবর্তী কাজ হবে ইমপুট পাইপলাইনের দিকে তাকানো। যে কানেক্টরটি খালি তথ্য ফিরিয়ে দিচ্ছে, সেটি কি শুধু নেটওয়ার্ক সমস্যা, নাকি পার্সিং স্তরের ত্রুটি? সেটি যাচাই না করে কোনো বিশ্লেষণে হাত দেওয়া মানে নিজের লেজারে মিথ্যা এন্ট্রি করা। ক্রিকেট বিশ্লেষণে সেই মিথ্যা এন্ট্রি শুধু পড়ার অভিজ্ঞতা নষ্ট করে না, বরং ভবিষ্যতের সিদ্ধান্তের ভিত্তিও দুর্বল করে। খেলোয়াড় নির্বাচন, ফি মূল্যায়ন, ইনজুরি ঝুঁকি—সবই ডেটার ওপর দাঁড়ায়। একটি খালি লেবেল দিয়ে সেই ভিত্তি নির্মাণ করা সম্ভব নয়। শেষ কথা হলো সময়ের। ২০২৬ সালের এই মুহূর্তে ক্রিকেট ডেটা ইকোসিস্টেমে সবচেয়ে বড় সম্পদ আর বড় ঝুঁকি একই জিনিস: তথ্যের প্রাচুর্য। কিন্তু প্রাচুর্যের ভেতরে শূন্যতাও চোখের সামনে থেকে যায়। যে বিশ্লেষক লেবেল দেখে গল্প বানান, আর যে বিশ্লেষক খালি ঘর দেখে সতর্ক থাকেন—তাদের মধ্যে পার্থক্য কেবল পেশাদারিত্বে নয়, সিদ্ধান্তের নির্ভরযোগ্যতায়। পরবর্তী ম্যাচ থ্রেডে আমি তাই প্রতিটি দাবির পাশে লিখব: তথ্যের উৎস কোথায়, নমুনা কত, আর এই সংখ্যা কী প্রমাণ করতে পারে না। কারণ ক্রিকেটের লেজারে শুধু রান আর ওয়াইড নয়, তথ্যের উৎসও লেখা থাকতে হয়।