নাল পেলোড: ক্রিকেট ডেটা স্পাইনের খালি ঘরটি কী বলে

হুক ২০১৭ সালের ডিসেম্বরে ধানমন্ডির একটি নিউ-মিডিয়া ডেস্কে আমি একটি SQL টেবিলের দিকে তাকিয়ে ছিলাম, যার প্রতিটি ঘর পূর্ণ ছিল। ওই মৌসুমে ছয়জনের একটি দল ৪৬টি ম্যাচ, ৭টি ক্লাব আর ১২,৪০০টি ball-by-ball ইভেন্ট একটি একক ডেটাবেসে ঢুকিয়েছিল; ১২টি ফিল্ডের একটি data dictionary বাধ্যতামূলক ছিল, আর প্রতিটি ম্যাচ শেষ হওয়ার ২৪ ঘণ্টার মধ্যে tagging শেষ করার নিয়ম ছিল। ওই স্পাইন ম্যানুয়াল ম্যাচ-রিপোর্টের ভুল ৩৮% কমিয়েছিল এবং preview প্রোডাকশন ৬ ঘণ্টা থেকে ৯০ মিনিটে নামিয়েছিল। পরের বছর রাশিয়া বিশ্বকাপে ৬৪টি ম্যাচ আর ১৬৯টি গোলের জন্য live xG মডেল বানানোর সময় সেই স্পাইনই ভিত্তি ছিল; চারজন অ্যানালিস্ট নিয়ে আমরা ৯টি প্রমিত মেট্রিকের একটি ১৫ মিনিটের পোস্ট-ম্যাচ ব্রিফ বের করতাম। আট বছর পরে, এই টুর্নামেন্ট সাইকেলে, আমার সামনে এল ঠিক উল্টো ছবি। একটি Stage-1 ডিকনস্ট্রাকশন রিপোর্ট — Article Title নেই, Article Source নেই, Article Type লেখা আছে N/A ও Unclassified; One-sentence Summary ফাঁকা, Author Stance ফাঁকা, Article Purpose ফাঁকা; Information Points অংশে একটিও এন্ট্রি নেই। যাকে আমরা বলি নাল পেলোড। একটি খালি ঘর, যার সামনে বসে একজন বিশ্লেষককে প্রথম সিদ্ধান্তটা নিতে হয় — সে লিখবে, নাকি থামবে। এই লেখাটি সেই সিদ্ধান্ত নিয়ে। কীভাবে একটি ফাঁকা ইনপুট ক্রিকেট-বিশ্লেষণের পাইপলাইনের আসল দুর্বলতা টেনে বের করে আনে, আর কেন সেই দুর্বলতা কোনো একক ম্যাচ হারার চেয়ে অনেক বড় ঘটনা। প্রেক্ষাপট ক্রিকেট-বিশ্লেষণ আজ আর একজন মানুষের নোটবই নয়। এটি একটি পাইপলাইন। প্রথম স্তরে থাকে কাঁচামাল — একটি ম্যাচ, একটি ঘোষণা, একটি চুক্তি, একটি স্কোরকার্ড। দ্বিতীয় স্তরে সেই কাঁচামালকে ছোট ছোট atom-এ ভাঙা হয়, যাকে আমরা বলি Information Points: কে, কখন, কোন ফরম্যাটে, কী করল। তৃতীয় স্তরে সেই atom-গুলো নিয়ে খেলোয়াড়, দল, লিগ আর প্রশাসন — এই চারটি অক্ষ বরাবর বিশ্লেষণ দাঁড় করানো হয়। Stage-1 কাজ করে ভাঙার; Stage-2 কাজ করে জোড়া লাগানোর। এই দুই স্তরের মাঝখানে একটি চুক্তি থাকে, যা কেউ লেখে না কিন্তু সবাই ধরে নেয়: Stage-1 যে atom পাঠাবে, তা সত্য। এখানেই ফাঁদ। কারণ Stage-1 যদি খালি হাত পাঠায়, তাহলে Stage-2-এর হাতে থাকে শূন্য। আর শূন্য থেকে বিশ্লেষণ বানানোর একটাই উপায় — কল্পনা। কল্পনা ক্রিকেট লেখায় সুন্দর শোনায়, কিন্তু এটি ডেটার চেয়ে বিপজ্জনক। আমাদের ডেস্কে ২০১৭ থেকেই একটি নিয়ম চালু ছিল: কোনো tactical claim প্রকাশ করা যাবে না, যদি না তার পেছনে অন্তত ১০টি ম্যাচ বা ১,০০০ মিনিট থাকে। এই নিয়ম প্রথমে আমাকে অজনপ্রিয় করেছিল। কেউ বলতেন, এক ম্যাচেই তো বোঝা যায়। না, যায় না। এক ম্যাচে একটি ফিফটি আসতে পারে প্রতিপক্ষের দুইটি catch ফেল করার কারণে; সেই ফিফটিকে form বলা যায় না, বলা যায় এক রাতের ভাগ্য। স্যাম্পল সাইজের এই গেটটি আমার ক্যারিয়ারের সবচেয়ে শক্ত অভ্যাস। এখন ভাবুন, স্যাম্পল যদি শূন্য হয়। গেটটি তো খুলবেই না; প্রশ্ন হলো, গেটের সামনে দাঁড়ানো বিশ্লেষক কী করেন। মূল বিশ্লেষণ যে Stage-1 রিপোর্টটি আমার সামনে এসেছিল, সেটি তার আটটি মাত্রার প্রতিটিতে একই উত্তর দিয়েছিল: অপর্যাপ্ত তথ্য। ফরম্যাট অজানা, কারণ Test, ODI, T20 বা The Hundred — কোনোটির নামই নেই। খেলোয়াড় অজানা, কারণ কোনো নাম নেই। দল অজানা, লিগ অজানা, প্রশাসন অজানা, ঝুঁকি অজানা। শুধু একটি সূত্র অবশিষ্ট: Domain Label — cricket_asia। এই একটি শব্দই একমাত্র সংকেত। আর এই সংকেতটির গায়ে লেখা ছিল: Confidence — Low। এটি একটি বিষয়ভিত্তিক ট্যাগ, কোনো ঘটনার প্রমাণ নয়। দক্ষিণ এশিয়ার ক্রিকেট মানে ভারত, পাকিস্তান, শ্রীলঙ্কা, বাংলাদেশ, আফগানিস্তান — আরও কত কী। এই ট্যাগ থেকে একটি দল বা একটি ফরম্যাট অনুমান করা মানে অনুমানের উপর অনুমান চাপানো। এখানে একটি গুরুত্বপূর্ণ পার্থক্য টানতে চাই, যেটি আমার মতো স্যাম্পল-গেটকিপাররা প্রায়ই গুলিয়ে ফেলেন। একটি ছোট নমুনা সাধারণীকরণযোগ্য নয় — এটা ঠিক। কিন্তু সাধারণীকরণযোগ্য নয় আর সত্য নয় — এই দুইটি এক কথা নয়। একটি ছোট নমুনাও একটি বাস্তব প্রক্রিয়া বর্ণনা করতে পারে; শুধু তাকে লেবেল করতে হয়, কোন দাবিটি কোথায় দাঁড়িয়ে আছে। আমাদের ডেস্কে আমরা তাই দুটি আলাদা কলাম রাখতাম: একটি generalizable, আরেকটি mechanism-only। কিন্তু শূন্য নমুনার ক্ষেত্রে এমনকি mechanism-only দাবিও করা যায় না। শূন্যে কোনো প্রক্রিয়া নেই। এখানেই নাল পেলোড অনন্য। তবু Stage-2 ফ্রেমওয়ার্কটি পুরো আটটি মাত্রা ধরে রেখেছিল — ফরম্যাট ও ম্যাচ, খেলোয়াড়ের কৌশল ও ডেটা, দলের ল্যান্ডস্কেপ ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক বাস্তুতন্ত্র, নিয়ম ও প্রশাসন, ঝুঁকি, জন-আখ্যান, এবং শিল্প-প্রসারণ। প্রতিটি ঘরে ফাঁকা। কেউ এটিকে অলসতা ভাবতে পারেন। আমি বলব, এটি একটি সচেতন নৈতিক সিদ্ধান্ত। কারণ একটি ফ্রেমওয়ার্কের পরীক্ষা সে তখনই পাস করে, যখন তার সামনে লোভনীয় খালি জায়গা থাকে — আর সে তা পূরণ করে না। ভাবুন উল্টোটি। যদি Stage-2 cricket_asia ট্যাগ দেখে ধরে নিত যে এটা বাংলাদেশের কোনো ম্যাচ, আর তারপর একটি বোলিং matchup বিশ্লেষণ লিখে দিত — কাগজে সেটি চমৎকার শোনাবে। কিন্তু সেই লেখার প্রতিটি বাক্য হবে জাল। জাল বিশ্লেষণ ক্ষতিকর নয় শুধু পাঠকের জন্য; ক্ষতিকর ওই খেলোয়াড়ের জন্যও, যার নাম ভুল প্রেক্ষাপটে উচ্চারিত হলো। ফরম্যাট অজানা মানে শুধু একটি লেবেল হারানো নয়। টেস্ট ক্রিকেটে ধৈর্য একটি কৌশল; T20-তে ধৈর্য একটি বিলাসিতা। পাওয়ারপ্লে, মিডল ওভার আর ডেথ ওভারের expected value তিনটি আলাদা সমীকরণ। একটি ODI-র ৩৫তম ওভারে যে সিদ্ধান্ত সঠিক, একটি T20-র ১৫তম ওভারে সেটি আত্মহত্যা। তাই ফরম্যাট না জানলে কোনো কৌশলগত দাবিই টেকসই হয় না। খেলোয়াড়ের ঘরে চারটি কলাম থাকত — average, strike rate বা economy rate, situational splits, আর recent trend। চারটির একটিও এখানে নেই, কারণ কোনো খেলোয়াড়ের নামই নেই। একটি ব্যাটারের মূল্য মাপা হয় তার average আর strike rate-এর ভারসাম্যে, প্রতিপক্ষভেদে তার situational split-এ। কোনো নাম ছাড়া এই ভারসাম্য মাপার প্রশ্নই ওঠে না। দলের ঘরে চারটি মাত্রা থাকত — batting depth, bowling combination, bench depth, age structure। প্রতিটির তুলনা হত একটি নির্দিষ্ট প্রতিদ্বন্দ্বীর সঙ্গে। কোন দল, কোন ফরম্যাট, কোন ঘরের মাঠ — তিনটির একটিও জানা না থাকলে এই তুলনা অসম্ভব। cricket_asia ট্যাগ থেকে দল অনুমান করা মানে একটি ভৌগোলিক তকমাকে দলের পরিচয় ভাবা। লিগের ঘরে থাকত broadcast-rights value, franchise valuation, player salaries। একটি চুক্তির মূল্য বোঝা যায় তার সঙ্গে সংশ্লিষ্ট দলের আকার, বাজারের গভীরতা আর সময়কাল মিলিয়ে। কোনো লিগ, কোনো নিলাম, কোনো স্বাক্ষর এখানে উল্লেখ নেই। ফলে প্রিমিয়াম-ছাড়ের হিসাব বানানোর কোনো উপাদানই নেই। প্রশাসনের চেকলিস্টে পাঁচটি বিন্দু — ক্ষমতা ও রাজস্ব বণ্টন, খেলার নিয়ম বিতর্ক, সততা ও দুর্নীতিরোধ, যোগ্যতা ও নির্বাচন, রাজনৈতিক প্রভাব। কোনোটির কোনো তথ্য নেই। অথচ একটি লিগের প্রকৃত স্বাস্থ্য প্রায়ই এই পাঁচটি বিন্দুতেই ধরা পড়ে — স্কোরবোর্ডে নয়, চুক্তির খাতায়। ঝুঁকির ছয়টি শ্রেণি — sporting, personnel, commercial, rules ও integrity, public opinion, systemic। সবগুলোতে একই উত্তর: অপর্যাপ্ত তথ্য। একটি ঝুঁকি মাপতে হলে তার বিষয় দরকার; বিষয় না থাকলে ঝুঁকির রেটিংও হয় না। এখানে শুধু একটি মেটা-ঝুঁকি টিকে থাকে — ইনপুট-পাইপলাইনের ঝুঁকি। জন-আখ্যানের ঘরে দেখতে হয় দাবিটির পেছনে মৌলিক সমর্থন আছে কি না, নমুনা যথেষ্ট কি না, আর এই আখ্যান কত দিন টিকবে। কোনো আখ্যানই এখানে নেই, তাই মূল্যায়নের কিছু নেই। এটিই সেই শিক্ষা যেটি আমি ২০১৮-য় বারবার দোহরাতাম — জনপ্রিয়তা আর সত্য দুটি আলাদা মেট্রিক। শিল্প-প্রসারণের মানচিত্র তিন স্তরে ভাগ হয় — উপরের স্তরে যুব উন্নয়ন ও প্রতিভা-সরবরাহ, মাঝের স্তরে জাতীয় দল ও লিগ, নিচের স্তরে সম্প্রচার ও বাণিজ্যিক বাজার। কোনো ঘটনা নেই, তাই কোনো সংক্রমণ নেই। অথচ এই তিন স্তরের সংযোগটাই ক্রিকেটের অর্থনীতি — একটি চুক্তি বদলালে তিন স্তরেই কম্পন ছড়ায়। এই জায়গায় আমার মনে পড়ে ২০২০ সালের কথা। খেলা বন্ধ হয়ে গেলে ৪৮ ঘণ্টায় আমাদের ডেস্ক একটি জরুরি রিমোট-ট্র্যাকিং প্রোটোকল বানিয়েছিল — ১৪টি লিগ, ১,২০০ ঘণ্টা আর্কাইভ। বুনডেসলিগা ফিরলে ৯২টি ম্যাচের ডেটায় দেখা গেল, হোম-উইন রেট ৪৩.২% থেকে ৩৩.৩%-এ নেমে গেছে। আমরা তিনটি খালি-স্টেডিয়াম ভেরিয়েবল প্রমিত করলাম — crowd noise, travel distance, substitution load। ১১ জনকে প্রশিক্ষণ দিলাম। লক্ষ্য করুন, ওই মুহূর্তে আমাদের হাতে ডেটা ছিল। প্রশ্ন ছিল কেন নেমে গেল, উত্তর ছিল কারণ এখানে একটি কাঠামোগত ভেরিয়েবল বদলেছে। কিন্তু নাল পেলোডের ক্ষেত্রে প্রশ্নটাই ভিন্ন: কী ঘটেছে? — আর তার উত্তর জানি না। এই জানি না বলতে পারাটাই পেশাদারিত্ব। আমি জানি, এই অবস্থানটি অজনপ্রিয়। একটি মিডিয়া ডেস্কে জানি না লেখা মানে কম ক্লিক, কম শেয়ার, কম আলোচনা। কনটেন্ট-ইকোনমি ভলিউমকে পুরস্কৃত করে, যাচাইযোগ্যতাকে নয়। প্রতিদিন হাজারো ক্রিকেট হেডলাইন জন্ম নেয়, যার অর্ধেকের পেছনে কোনো তথ্যসূত্র নেই। একটি পাইপলাইন যদি নাল ইনপুট চিনতে না পারে, সে সেই ভিড়ে মিশে যায় — আর নিজের অজান্তেই জাল ইনসাইট ছড়ায়। এখানেই আসে পাইপলাইনের সেই মেটা-ঝুঁকির কথা। Stage-2 রিপোর্টে এটি স্পষ্ট করে লেখা ছিল: সবচেয়ে বড় ঝুঁকি ক্রিকেটের নয়, পাইপলাইনের। যদি একটি খালি Stage-1 পেলোড কোনো downstream মডেল বা ড্যাশবোর্ডে ঢুকে পড়ে, যেটি খালি ইনপুট পরীক্ষা করে না, তাহলে সে নিঃশব্দে ভুয়া insight বানিয়ে ফেলবে। সমাধান সরল: একটি null-input guard, যা শূন্য Information Points দেখলেই পেলোড ফিরিয়ে দেয়। এই guard-এর অভাবে কে ক্ষতিগ্রস্ত হয়? প্রথমে বিশ্লেষক, যিনি দোষটা কাঁধে নেন। তারপর পাঠক, যিনি একটি ভুয়া সংখ্যার ভিত্তিতে সিদ্ধান্ত নেন। তারপর বিনিয়োগকারী ও ফ্যান্টাসি খেলোয়াড়। আর সবশেষে ওই ঘরোয়া কোচ বা অপেক্ষাকৃত ছোট লিগের অপারেটর, যার নাম ভুল বিশ্লেষণে ঢুকে যায় এবং যার সংশোধনের কোনো প্ল্যাটফর্ম নেই। ঢাকায় আমরা শিখেছি, একটি লিগ তার তারকাদের দিয়ে দাঁড়ায় না, দাঁড়ায় তার রেজিস্ট্রি দিয়ে। কে খেলছে, কার চুক্তি নিবন্ধিত, কে কত পাচ্ছে, কে পাচ্ছে না — এই সাধারণ তথ্যগুলোর একটি নির্ভরযোগ্য খাতা না থাকলে পুরো মৌসুম একটি অনুমানের উপর দাঁড়িয়ে যায়। ঠিক তেমনি, একটি অ্যানালিটিক্স পাইপলাইন তার মডেলের চমৎকারিত্বে দাঁড়ায় না, দাঁড়ায় তার ইনপুট-যাচাইয়ের কঠোরতায়। প্রশাসনের চোখে দেখলে বিষয়টি আরও পরিষ্কার। একটি লিগের গভর্ন্যান্স মানে শুধু নিয়ম লেখা নয় — মানে ট্রিবিউনাল, payment rail, accreditation, আর ডেটা ফিড। এই চারটি যদি দুর্বল হয়, তাহলে খেলার ফলাফল যতই রোমাঞ্চকর হোক, ব্যবস্থাটি ভঙ্গুর। ডেটার জগতে এর সমতুল্য হলো source attribution, timestamp, entity resolution, আর null-handling। এগুলোর কোনোটি চোখ ধাঁধানো নয়। কিন্তু ডেটা স্পাইন কখনোই গল্প ছিল না; সে ছিল গল্পের শর্ত। এই টুর্নামেন্ট সাইকেলে সবাই স্কোরবোর্ডের দিকে তাকিয়ে থাকে — কে কত রান করল, কে কত উইকেট নিল। আমি বরং পেছনের দিকে তাকাই: কে ডেটা ট্যাগ করল, কে তা যাচাই করল, আর কে সিদ্ধান্ত নিল যে অপর্যাপ্ত তথ্যে চুপ থাকাই ভালো। সেই শেষ ব্যক্তিটিই আজকের লেখার নায়ক — যদিও তার নাম কেউ জানে না। ভালো শোনার জন্য একটি ভুল ধারণা দূর করা দরকার। অনেকে ভাবেন, অপর্যাপ্ত তথ্য মানে বিশ্লেষকের ব্যর্থতা। বাস্তবে এটি প্রায়ই ইনপুট-স্তরের ব্যর্থতা — Stage-1 যদি একটি বৈধ নিবন্ধও ঠিকভাবে ভাঙতে না পারে, তাহলে দোষ Stage-2-এর নয়। Stage-2 রিপোর্ট নিজেই এই সন্দেহ প্রকাশ করেছিল: হয় মূল নিবন্ধটি খালি বা stub ছিল, নয়তো Stage-1 extraction-এ ব্যর্থ হয়েছে। এই দুইয়ের পার্থক্য করতে মূল কাঁচা নিবন্ধটি দরকার। আর সেটি না থাকলে যা করা উচিত, তা হলো Stage-1 আবার চালানো — অনুমান নয়। এটি আমাকে শেখায়, একটি পাইপলাইনের স্বাস্থ্য মাপা হয় তার আউটপুটের সংখ্যা দিয়ে নয়, তার খালি ইনপুট সামলানোর ক্ষমতা দিয়ে। যে সিস্টেম প্রতিদিন হাজার আউটপুট দেয় কিন্তু একটি খালি ইনপুট চিনতে পারে না, সে আসলে একটি ফ্যাক্টরি, একটি বিশ্লেষণ-ব্যবস্থা নয়। এখানে আরেকটি সূক্ষ্ম জিনিস লক্ষণীয়। Stage-2 রিপোর্টের আটটি মাত্রার প্রতিটিতে লেখা ছিল বিশ্লেষণ তৈরি করা যায় না, আর প্রতিটির পাশে সাক্ষ্য হিসেবে টানা ছিল একই বাক্য — কোনো তথ্যবিন্দু সরবরাহ করা হয়নি। এই নিয়মটিই আসল শিক্ষা — প্রতিটি সিদ্ধান্তের পাশে তার সাক্ষ্য টানানো। কাগজে এটি আমলাতান্ত্রিক মনে হয়। বাস্তবে এটি সাংবাদিকতার মেরুদণ্ড। বছরের পর বছর ম্যাচ দেখার অভিজ্ঞতা থেকে বলতে পারি, ক্রিকেট-দর্শক সবচেয়ে বেশি প্রতারিত হন সেই মুহূর্তে, যখন একজন বিশ্লেষক আত্মবিশ্বাসী কণ্ঠে এমন কিছু বলেন যার পেছনে একটি তথ্যও নেই। একটি রেকর্ড, একটি তুলনা, একটি ভবিষ্যদ্বাণী — সবকিছুর পেছনে একটি যাচাইযোগ্য সূত্র থাকা উচিত। নাল পেলোড আমাদের সেই সূত্রটির কথা মনে করিয়ে দেয়, কারণ সে সূত্রটি ছাড়াই একটি সম্পূর্ণ বিশ্লেষণ দাঁড় করানোর প্রলোভন সামনে ধরে রাখে। বিপরীত দৃষ্টি এখন আসি সেই অস্বস্তিকর দিকে, যেটি লিখতে আরাম লাগে না। আমি যদি বলি নাল পেলোড একটি সাফল্য, তাহলে আমি নিজের পেশার একটি বড় ফাঁক ঢেকে ফেলছি। প্রথম কথা — পাইপলাইনটির গায়ে দাগ লেগে গেছে। একটি বৈধ ক্রিকেট নিবন্ধ হয়তো ছিল, আর Stage-1 সেটি ভাঙতে পারেনি। এই ব্যর্থতা এখনো টিকে আছে। মূল কাঁচা লেখাটি কেউ উদ্ধার করেনি; Stage-1 আবার চালানো হয়নি; একটি request a valid input সুপারিশ কাগজে লেখা আছে, কিন্তু কে তা কার্যকর করবে, তার কোনো মালিক নেই। একটি সিস্টেম যখন ব্যর্থতা শনাক্ত করে অথচ মেরামত করে না, তখন সে ব্যর্থতা নয়, সে অসম্পূর্ণ সংস্কার। দ্বিতীয় কথা — এই সততা আমাদের কোনো খরচ হয়নি। খালি ইনপুট থেকে বিরত থাকা সহজ, কারণ লেখার কিছু ছিল না। আসল পরীক্ষা আসে তখন, যখন আংশিক তথ্য থাকে — যখন একটি নাম থাকে, একটি তারিখ থাকে, কিন্তু প্রেক্ষাপট থাকে না। তখন কি আমরা থামতে পারি? আমার অভিজ্ঞতা বলে, প্রায়ই না। আমরা এক-দুইটি তথ্য পেলেই গল্প বুনে ফেলি। সুতরাং নাল পেলোডের এই পরিচ্ছন্নতা আমাদের সততার প্রমাণ নয়; এটি ছিল সুবিধাজনক সততা। তৃতীয় কথা — ভুল ইনপুটের খরচ কে বহন করে, তা আমি পরিষ্কার বলতে চাই। এই ব্যর্থ পেলোডটি যদি কোনো downstream পণ্যে ঢুকে পড়ত, তাহলে দায়টা পড়ত সেই জুনিয়র অ্যানালিস্টের ঘাড়ে, যে শেষ ধাপে ট্যাগ করছিল। অথচ ত্রুটিটি জন্মেছিল আরও উপরে, extraction স্তরে। গভর্ন্যান্সের ভাষায় এটাই পরিচিত — ঝুঁকি নিচে গিয়ে জমা হয়, সিদ্ধান্ত উপরে থাকে। যে প্লেয়ার বা কোচ এই মিথ্যা তথ্যের ভুক্তভোগী হতেন, তাদের জন্য কোনো ক্ষতিপূরণের পথ নেই। চতুর্থ কথা, আর এটি আমার সবচেয়ে বড় আত্মসমালোচনা। আমি নিজেই এই ধরনের guard-এর প্রস্তাব কতবার দিয়েছি, আর কতবার বাস্তবে তা চালু হয়েছে? আমাদের ২০১৭-র স্পাইনে একটি data dictionary ছিল, কিন্তু একটি null-check ছিল না। ২০১৮-র বিশ্বকাপ মডেলে ৯টি মেট্রিক ছিল, কিন্তু কীভাবে বুঝব ইনপুট খালি — সেই নিয়মটি ছিল না। ২০২০-র ক্রাইসিস প্রোটোকল ১১ জনকে প্রশিক্ষণ দিয়েছিল, কিন্তু ইনপুট-যাচাইয়ের একটি মডিউল ছিল না। লাইভ xG বিশ্বকাপকে একটি দর্শন থেকে সিদ্ধান্তের সমষ্টিতে বদলে দিয়েছিল — সেটি সত্য। কিন্তু সেই মডেলও যদি একটি খালি ম্যাচ-ফিড পেত, সে নিঃশব্দে সংখ্যা বানিয়ে ফেলত। বিশাল সাফল্যের গল্পগুলোর পাশে এই ছোট ফাঁকটুকুই সবচেয়ে বেশি অস্বস্তিকর, কারণ এটিই সবচেয়ে বেশি পুনরাবৃত্ত। আর একটি কথা যোগ করি, যেটি কেউ বলতে চান না। ছোট বাজারের ডেটা সত্যিই পাতলা — বাংলাদেশ, আফগানিস্তান বা কোনো ছোট ফ্র্যাঞ্চাইজি লিগের নমুনা বড় নয়। এই অজুহাতে অনেকেই পুরো বাজারটিকে উড়িয়ে দেন। আমি সেই দলে নই। ছোট নমুনা মানে মিথ্যা নয়; ছোট নমুনা মানে সীমিত দাবি। কিন্তু নাল পেলোডের ক্ষেত্রে সমস্যাটি ভিন্ন — এখানে নমুনা ছোট নয়, নমুনা নেই। এই দুইটি গুলিয়ে ফেললে আমরা আসল দুর্বলতাটি ঢেকে ফেলি, আর যারা সীমিত তথ্য নিয়ে সৎ থাকার চেষ্টা করেন, তাদের প্রতি অন্যায় করি। উপসংহার-ভাবনা তাহলে যা দাঁড়াল তা হলো: একটি খালি ঘর ক্রিকেট-বিশ্লেষণের সবচেয়ে সৎ উত্তর হতে পারে, আর একই সাথে তা পাইপলাইনের সবচেয়ে বড় দুর্বলতার আয়না। প্রশ্ন এখন একটি — আমরা কি এমন একটি ডেটা-অর্থনীতি গড়তে পারব, যেখানে বিরত থাকার জন্য পুরস্কার আছে? এই টুর্নামেন্ট চলার সময় পরের বার যখন কোনো হেডলাইন দেখবেন — একটি রেকর্ড, একটি চুক্তি, একটি র‍্যাঙ্কিং — একটি প্রশ্ন করুন: এর পেছনে কতটি যাচাইযোগ্য তথ্যবিন্দু আছে? শূন্য হলে চিৎকার নয়, নীরবতাই সঠিক। কারণ একটি লিগ ভাঙে তার খালি ট্রফি-ক্যাবিনেটে নয়, ভাঙে তার খালি ডেটা-ঘরে।