খালি ডেটাসেটের সততা: ইস্পোর্টস, ব্লকচেইন অডিট ট্রেইল এবং একটি মডেলের নীরব স্বীকারোক্তি

খালি ডেটাসেটের সততা: ইস্পোর্টস, ব্লকচেইন অডিট ট্রেইল এবং একটি মডেলের নীরব স্বীকারোক্তি

গত রাতে আমার ল্যাপটপের পর্দায় একটা অদ্ভুত দৃশ্য ফুটে উঠল। আমি স্প্রেডশিট খুলেছিলাম, কলাম A থেকে Z পর্যন্ত প্রস্তুত ছিল — প্যাচ ভার্সন, পিক-ব্যান রেট, এক্সপেক্টেড থ্রেট, প্রেসার ফিঙ্গারপ্রিন্ট, ট্রান্সফার ভ্যালুয়েশন। দুই ধাপের বিশ্লেষণ পাইপলাইনের প্রথম ধাপ শেষ হয়েছে, দ্বিতীয় ধাপের জন্য আমি প্রস্তুত। কিন্তু আউটপুট ফিরে এল প্রায় ফাঁকা। শিরোনাম: N/A। সূত্র: N/A। তথ্যবিন্দু: শূন্য। সত্তা: শনাক্ত করা যায়নি।

একজন ডেটা মঙ্কের জীবনে এটাই বিরলতম ঘটনা — ভুল সংখ্যা নয়, কোনো সংখ্যাই নেই। একটা খালি ডেটাসেট। আমি কফির কাপ নামিয়ে রেখে ভাবলাম, এটা তো ব্যর্থতা নয়, এটা একটা স্বীকারোক্তি। কারণ যে সিস্টেম তথ্য বানিয়ে দিতে পারত, সে বানায়নি। আজ আমি সেই নীরবতার ভেতর দিয়ে ব্লকচেইন, ইস্পোর্টস ডেটা এবং অডিটেবল মডেলের গল্প বলব।

প্রসঙ্গ: কেন একটা ফাঁকা আউটপুট ইস্পোর্টসের সবচেয়ে বড় সমস্যাটা উন্মোচন করে

ইস্পোর্টস ডেটা ইকোসিস্টেমের গঠনটা ফুটবলের চেয়েও কেন্দ্রীভূত। ফুটবলে অপ্টা বা স্ট্যাটসবোম্বের মতো স্বাধীন ডেটা সরবরাহকারী থাকে, যারা শট ম্যাপ, xG, PPDA আলাদা করে যাচাই করতে দেয়। ইস্পোর্টসে ম্যাচের ভেতরের প্রায় প্রতিটি তথ্য — পিক-ব্যান, গোল্ড কার্ভ, ড্যামেজ পার মিনিট, অবজেক্টিভ কন্ট্রোল, ভিশন স্কোর — আসে পাবলিশারের নিজস্ব API থেকে। গেমের মালিক পাবলিশার, টুর্নামেন্টের মালিক পাবলিশার, আর ডেটার মালিকও পাবলিশার। এই ত্রিভুজে স্বাধীন যাচাইয়ের জায়গা খুব কম।

আমি বছরের পর বছর ধরে ফুটবল আর ইস্পোর্টস — দুই জায়গাতেই ম্যাচ দেখে ডেটা ট্র্যাক করেছি। ফুটবলে একটা ম্যাচের xG কার্ভ নিয়ে দুই সংস্থার হিসাব আলাদা হলে সেটা বিতর্কের বিষয় হয়ে ওঠে, কারণ সেখানে মেথডলজি প্রকাশ্যে থাকে। ইস্পোর্টসে সেই বিতর্ক নেই, কারণ বিকল্প সূত্রই নেই। যখন একটা সিরিজের ফলাফল নিয়ে সন্দেহ ওঠে, তখন তদন্তকারীর হাতে থাকে শুধু পাবলিশারের দেওয়া লগ। আর যে লগ ইতিহাসে একবার লেখা হয়ে গেছে, সেটা কেউ বদলেছে কি না — তা প্রমাণ করার কোনো নিরপেক্ষ উপায় নেই।

এখানেই ব্লকচেইনের প্রবেশ। ব্লকচেইনের মূল প্রতিশ্রুতি গোপনীয়তা নয়, বরং অপরিবর্তনীয়তা — একবার লেখা হয়ে গেলে সেটা আর নিঃশব্দে বদলানো যায় না। ইস্পোর্টসের প্রেক্ষাপটে এর অর্থ হতে পারে এমন এক স্তর, যেখানে প্রতিটি ম্যাচের মেটাডেটা, প্যাচ ভার্সন, ড্রাফট রেকর্ড, এমনকি ট্রান্সফার চুক্তির মূল শর্তাবলি একটি টাইমস্ট্যাম্পযুক্ত লেজারে অ্যাংকর করা যায়। কিন্তু আমি ব্লকচেইন নিয়ে লিখতে বসে একটা পুরনো শিক্ষা মনে রেখেছি — ২০১৮ সালের কাজানের পাঠ।

২০১৮ সালের জুনে, সিউলে তখন আমি কুড়ি বছরের বিশ্ববিদ্যালয়ের ছাত্র, আমি দেখলাম দক্ষিণ কোরিয়া জার্মানিকে ২-০ হারাল। জার্মানি ২৬টি শট, ২.৭ xG আর ৬.৮ PPDA তৈরি করেছিল; দক্ষিণ কোরিয়ার ছিল ০.৮ xG আর ১২.৩ PPDA। আমি গোল উদযাপনে ঝাঁপ দিইনি। আমি ম্যাচের সময়েই একটা স্প্রেডশিট বানিয়ে দেখালাম, কোরিয়ার লো-ব্লক কীভাবে জার্মানিকে কম-মূল্যের শটে ঠেলে দিয়েছে। ওই লেখা চল্লিশ হাজার বার পড়া হয়েছিল। সেখান থেকে শিখলাম, ডেটা কখনো মিথ্যা বলে না, কিন্তু ভ্যারিয়েন্স ব্যাখ্যা করতেই হয়। কাজান কোনো অঘটন ছিল না; ওটা ছিল মডেলের অবশেষে নিঃশ্বাস নেওয়া।

এই প্রসঙ্গটা ব্লকচেইন আলোচনার জন্য জরুরি, কারণ অপরিবর্তনীয়তা আর সত্য — এই দুইটা এক জিনিস নয়। কাজানে ম্যাচের প্রতিটি শট যদি অন-চেইনে লেখা থাকত, তাহলেও কোরিয়ার জয় ব্যাখ্যা করার জন্য আমার xG আর PPDA বের করতে হতো। লেজার আমাকে সংখ্যা দিত, অর্থ দিত না।

মূল বিশ্লেষণ: ব্লকচেইন ইস্পোর্টস ডেটার কোন স্তরে বাস্তবে কাজে লাগে

আমার মনে হয়, ইস্পোর্টসে ব্লকচেইনের আলোচনা এখনো ভুল জায়গায় কেন্দ্রীভূত। মানুষ সাধারণত 'ফ্যান টোকেন' আর 'NFT স্কিন' নিয়ে কথা বলে, যা মূলত ফিনান্সিয়াল প্রোডাক্ট, ডেটা ইন্টিগ্রিটি নয়। আমি ডেটা মঙ্ক হিসেবে সেসব আগ্রহের জায়গা দেখি না। আমি দেখি এমন চারটা স্তর, যেখানে একটা অডিটেবল লেজার বাস্তব পার্থক্য তৈরি করতে পারে।

স্তর এক: প্যাচ-অ্যাজ-কনস্টিটিউশন এবং ক্রিপ্টোগ্রাফিক হ্যাশ

ইস্পোর্টসে প্যাচ হলো সংবিধান। প্যাচ প্রতিটি দলের এজেন্সি পুনর্বণ্টন করে, কোনো হাইলাইট তৈরি হওয়ার অনেক আগেই। এখন সমস্যা হলো, প্যাচের ভার্সন নিয়ে অস্পষ্টতা থাকে। প্র্যাকটিস সার্ভার আর টুর্নামেন্ট সার্ভারের ভার্সন আলাদা হলে ফলাফল ব্যাখ্যার ভিত্তিই নড়ে যায়। ব্লকচেইনে প্রতিটি প্যাচ বিল্ডের একটা ক্রিপ্টোগ্রাফিক হ্যাশ সংরক্ষণ করা যায়, আর প্রতিটি ম্যাচ রেকর্ড সেই হ্যাশ রেফারেন্স করতে পারে। তাহলে প্রশ্ন 'কোন প্যাচে এই ম্যাচ হয়েছে' — উত্তরটা আর পাবলিশারের সদিচ্ছার উপর নির্ভর করবে না।

প্যাচ হ্যাশ অন-চেইনে থাকলে ভবিষ্যতের কোনো মেটা-বিতর্কে 'আমরা জানতাম না' বলে দায় এড়ানো অসম্ভব হয়ে যায়।

স্তর দুই: ড্রাফট আর পিক-ব্যানের টাইমস্ট্যাম্পড রেকর্ড

ড্রাফটের প্রতিটি ব্যান আর পিক যদি ব্লক টাইমে সিল করা হয়, তাহলে পিছনে ফিরে ড্রাফট এডিট করার সুযোগ থাকে না। টুর্নামেন্ট ইন্টিগ্রিটি তদন্তে এটা সরাসরি কাজে লাগে। ফুটবলের ট্রান্সফার উইন্ডোতে যে সমস্যাটা দেখি — দল ঘোষণা করে, তারপর কাগজপত্র 'সংশোধন' করে — ইস্পোর্টসের রোস্টার লকেও একই ধরনের ঝুঁকি আছে। একটি অপরিবর্তনীয় ড্রাফট লেজার সেই ফাঁক বন্ধ করে।

স্তর তিন: এক্সপেক্টেড থ্রেট রেসিডুয়ালের অডিটেবল হিসাব

আমি xG-এর সঙ্গে বসে থাকি যতক্ষণ না স্কোরলাইন মিথ্যা বলা বন্ধ করে। ইস্পোর্টসে এর সমতুল্য হলো ভিশন ডিনায়াল, ম্যাপ কন্ট্রোল, আর অবজেক্টিভ টেক রেট। যদি এই সূচকগুলোর গণনা-পদ্ধতি প্রকাশ্যে থাকে আর প্রতিটি ম্যাচের কাঁচা ইভেন্ট লগ অন-চেইনে অ্যাংকর করা থাকে, তাহলে যে কেউ স্বাধীনভাবে মডেল রিপ্রোডিউস করতে পারে। তখন একজন বিশ্লেষক আর বলতে পারবেন না 'আমার মডেল বলছে', বরং দেখাতে হবে 'এই লগ থেকে এই সূচক এভাবে বেরোয়'। PPDA একটি স্বীকারোক্তি: গোলের আগেই প্রেসার তার আঙুলের ছাপ রেখে যায়। ইস্পোর্টসেও একই নিয়ম — টিমফাইট শুরুর আগেই ভিশন স্কোর আর টেম্পো তার ছাপ রেখে যায়, যদি কেউ সেটা রেকর্ড করে।

স্তর চার: ট্রান্সফার, চুক্তি আর 'ফ্রি এজেন্ট' অর্থনীতি

এটা আমার সবচেয়ে অস্বস্তিকর পর্যবেক্ষণ। ট্রান্সফার উইন্ডোতে চোখ সবসময় ট্রান্সফার ফির দিকে থাকে, কিন্তু আসল গল্পটা থাকে সাইনিং-অন ফি, রিলিজ ক্লজ আর এজেন্ট পেমেন্টের গঠনে। একটা ফ্রি এজেন্ট সাইনিং-এ যে বিশাল সাইনিং-অন ফি দেওয়া হয়, সেটা ফিনান্সিয়াল ফেয়ার প্লে-র মূল স্ক্রুটিনিকে পুরোপুরি বাইপাস করে — কারণ সেখানে ট্রান্সফার ফি নেই, তাই অ্যামোর্টাইজ করার কিছু নেই। ব্লকচেইন এই জায়গায় দ্বিমুখী প্রভাব ফেলে। একদিকে চুক্তির মূল শর্তাবলি অন-চেইনে থাকলে সেই ফাঁকফোকর কমে; অন্যদিকে যদি শুধু টোকেনে-মোড়া চুক্তি হয়, তাহলে গোপনীয়তার নামে আরও অস্বচ্ছ গঠন তৈরি হয়। প্রতিটি ট্রান্সফার গুজব একটি প্রায়র, যা একটি বিশ্বাসযোগ্য শট ম্যাপের অপেক্ষায় — ইস্পোর্টসে সেই শট ম্যাপ হলো স্ক্রিম পারফরম্যান্সের যাচাইযোগ্য লগ।

খালি স্টেডিয়াম, রিগ্রেশন আর লাইভ ড্যাশবোর্ডের পাঠ

ব্লকচেইন আলোচনায় আমি পরিবেশগত ভেরিয়েবল ভুলতে পারি না। ২০২০ সালের মে মাসে, বৈশ্বিক ক্রীড়া বিরতির সময়, আমি কে-লিগ ১-এর উদ্বোধনী ম্যাচ বিশ্লেষণ করেছিলাম — জেওনবুক হুন্দাই মোটরস ১-০ সুওন স্যামসাং ব্লুউইংস, খালি স্টেডিয়ামে। প্রথম পাঁচ রাউন্ডে আমি PPDA আর কভার করা দূরত্ব ট্র্যাক করেছিলাম। দেখলাম, হোম xG সুবিধা ০.৩৫ থেকে ০.১২-তে নেমে এসেছে, আর গড় PPDA ১.৪ বেড়েছে। কে-লিগের পুনরারম্ভ ছিল মুখোশ পরা রিগ্রেশন, আর কোনো দর্শক ছিল না। খালি স্টেডিয়াম হোম অ্যাডভান্টেজকে মারেনি; ওটা তার কঙ্কাল উন্মোচন করেছে।

এই শিক্ষা ব্লকচেইনে সরাসরি প্রযোজ্য। যদি হোম-অ্যাডভান্টেজ, ভ্রমণ দূরত্ব, বিশ্রামের দিন — এই ভেরিয়েবলগুলোও ম্যাচ রেকর্ডের সঙ্গে অন-চেইনে অ্যাংকর করা হয়, তাহলে ভবিষ্যতের কোনো বিশ্লেষক দেখতে পারবেন কোন ম্যাচ কোন পরিবেশে হয়েছে। ডেটা তখন ম্যাচকে দ্বীপ হিসেবে নয়, একটা সিস্টেমের অংশ হিসেবে দেখাবে।

২০২১ সালের ইউরো ফাইনালে, ওয়েম্বলিতে, আমি লাইভ ড্যাশবোর্ড চালাচ্ছিলাম। ইংল্যান্ড দ্বিতীয় মিনিটেই গোল করেছিল, কিন্তু ষাটতম মিনিটের মধ্যে ইতালির PPDA ছিল ৮.১, ফিল্ড টিল্ট ৬৮%, আর xG ১.৬ বনাম ইংল্যান্ডের ০.৮। আমি ইতালির ট্রফি জেতার লাইভ বাজি সুপারিশ করেছিলাম। মডেল মিলেছিল। ওয়েম্বলিতে লাইভ ড্যাশবোর্ড চোখ পিটপিট করল, বাজার বোঝার অনেক আগেই। এই অভিজ্ঞতা আমাকে শেখাল, রিয়েল-টাইম ডেটা তখনই মূল্যবান যখন সেটা যাচাইযোগ্য। ব্লকচেইন সেই যাচাইযোগ্যতার একটা কাঠামো দিতে পারে — যদি ইনপুট সৎ হয়।

বিপরীত দৃষ্টিকোণ: অপরিবর্তনীয়তা সত্য নয়, আর খালি আউটপুটই ছিল সবচেয়ে সৎ ফলাফল

ব্লকচেইন ইস্পোর্টস ডেটার সমস্যার সব সমাধান নয়। এটা একটা লেজার, কোনো সত্য-যন্ত্র নয়। গার্বেজ ইন, গার্বেজ আউট — শুধু এবার আবর্জনাটা স্থায়ীভাবে, টাইমস্ট্যাম্পসহ সংরক্ষিত থাকে। একটা অন-চেইন মিথ্যা আসলে একটা সাধারণ মিথ্যার চেয়ে বিপজ্জনক, কারণ তার 'প্রমাণ' দেখতে অনেক বেশি বিশ্বাসযোগ্য। কেউ যদি ম্যাচ ইভেন্ট লগে ভুল তথ্য ঢুকিয়ে দেয় আর সেটা অন-চেইনে সিল হয়ে যায়, তাহলে সেটা মুছে ফেলা প্রায় অসম্ভব।

আরও একটা ফাঁদ আছে — কোরিলেশন আর কজেশন গুলিয়ে ফেলা। অন-চেইন ডেটা দেখতে পারলে অনেকেই ভাববেন, সম্পর্ক মানেই কারণ। কিন্তু ২০২২ সালের কাতারে আমার নিজের মডেল এখানেই হোঁচট খেয়েছিল। আর্জেন্টিনা বনাম সৌদি আরব ম্যাচে আমার মডেল আর্জেন্টিনা -১.৫-কে শক্ত ভ্যালু বলেছিল। আর্জেন্টিনা ২.২ xG আর ১৫টি শট তৈরি করেছিল; সৌদি আরবের ছিল ০.৪ xG আর ৩টি শট। সৌদি আরব ২-১ জিতল। আমি সঙ্গে সঙ্গে ইমার্জেন্সি স্টপ-লস চালু করলাম, চব্বিশ ঘণ্টার জন্য সব লাইভ বাজি বন্ধ রাখলাম, ভ্যারিয়েন্স পুনর্গণনা করলাম, আর লো-ব্লক দলগুলোর জন্য একটা আপসেট ফিল্টার যোগ করলাম। আমার মডেল পজেশন ডমিন্যান্স নিয়ে অতিরিক্ত অনমনীয় ছিল।

তাহলে খালি ডেটাসেটের সততাটা কোথায়? ওই ফাঁকা আউটপুট, যেখানে কোনো সত্তা বা তথ্যবিন্দু ছিল না, সেটাই ছিল সবচেয়ে সৎ ফলাফল। পাইপলাইনটা অনুমান করেনি। কেউ যদি জোর করে টিম, প্যাচ বা প্লেয়ারের নাম বসিয়ে দিত, তাহলে সেটা হতো ভুয়া ভিত্তির উপর দাঁড়ানো একটা বিশ্লেষণ — অন-চেইনে সিল করা একটা মিথ্যা। ইস্পোর্টস আর ফুটবল — দুটোই রিগ্রেশনের দিকে ফেরে; শুধু কোলাহল ইউনিফর্ম বদলায়। ব্লকচেইন সেই ইউনিফর্মটা আরও চকচকে করে তুলতে পারে, কিন্তু ভেতরের খেলোয়াড় বদলায় না।

এখানে আর একটা জায়গা আছে যেখানে আমি সতর্ক থাকি — ইনজুরি ডেটা। মেডিক্যাল গোপনীয়তার কারণে ভক্ত আর মিডিয়া অন্ধ থাকে; ক্লাব শুধু সেই ইনজুরির তথ্য প্রকাশ করে যা তাদের শেয়ার বা স্টকের স্বার্থে সুবিধাজনক। ব্লকচেইন যদি ইনজুরি রেকর্ড অন-চেইনে রাখতে চায়, তাহলে আমরা গোপনীয়তা আর স্বচ্ছতার মধ্যে একটা নতুন সংঘর্ষে পড়ব। খেলোয়াড়ের শারীরিক তথ্য সম্পূর্ণ প্রকাশ্য হলে সেটা তার ক্ষতি করবে; কিন্তু সম্পূর্ণ গোপন থাকলে দল সুবিধা নেবে। এই ভারসাম্যটা প্রযুক্তির প্রশ্ন নয়, নীতির প্রশ্ন।

টেকঅ্যাওয়ে: পরের প্যাচ, পরের উইন্ডো আর একটা প্রশ্ন

পরের ট্রান্সফার উইন্ডোতে আর পরের প্যাচে আমি যে সংকেতটা দেখব তা হলো — কোন লিগ বা পাবলিশার প্রথমে যাচাইযোগ্য ডেটা স্তর চালু করে। যে লিগ প্যাচ হ্যাশ, ড্রাফট লগ আর স্ক্রিম পারফরম্যান্স এক অডিটেবল লেজারে আনবে, সে লিগ নিজের বিতর্ক কমাবে আর বাজারের আস্থা বাড়াবে। আর যারা শুধু টোকেন আর স্কিন নিয়ে ব্যস্ত থাকবে, তারা ডেটা ইন্টিগ্রিটির আসল সমস্যা অসমাধান রেখে দেবে। প্রশ্নটা সরল: আপনার প্রিয় লিগ কি চায় আপনার মডেল অডিট করা যাক, নাকি শুধু বিশ্বাস করা যাক?