স্কোরকার্ড তিন রানে মিলছে না: এশিয়ার ক্রিকেটে ডেটা পাইপলাইনের নীরব ফাটল

আমার স্কোরিং খাতায় ঢাকা প্রিমিয়ার লিগের একটি দিন-রাতের ম্যাচ আজও অসমাপ্ত অবস্থায় পড়ে আছে। ২০২৩ সালের সেই সন্ধ্যায় ১৭.৩ ওভারে বৃষ্টি নামে, ম্যাচ কর্মকর্তারা ডাকওয়ার্থ-লুইস-স্টার্ন পদ্ধতিতে লক্ষ্য সংশোধন করেন। স্টেডিয়ামের বড় পর্দায় তখন জ্বলছে ১৭১, প্রেস বক্সের মনিটরে ১৬৮। ব্যবধান মাত্র তিন রান। কিন্তু ওই তিন রানই পরের ওভারের ফিল্ড প্লেসমেন্ট বদলে দেয়, ব্যাটসম্যানের ঝুঁকি নেওয়ার মাত্রা বদলে দেয়, আর শেষ ওভারে গিয়ে ফলাফলও বদলে দিতে পারত।

সেই রাতে ঘুম হয়নি। কারণটা রোমাঞ্চ ছিল না, ছিল হিসাবের খটকা। পরদিন সকালে স্কোরিং সফটওয়্যার থেকে বোল-বাই-বল লগ নামালাম, দুটি ভিন্ন অ্যাগ্রিগেটরের পাবলিক ফিড পাশাপাশি রাখলাম, আর ম্যাচ আইডি ধরে ম্যানুয়াল স্কোরশিটের ছবি জোগাড় করলাম। চল্লিশ মিনিট পর ছবিটা পরিষ্কার হলো। একটি ফিডে একটি ওয়াইড দুইবার গোনা হয়েছে; আরেকটি ফিডে নো-বলের সঙ্গে আসা বাই রান আলাদা করে বসানো হয়নি। কেউ অসৎ ছিল না। কেবল পাইপলাইনের শেষ প্রান্তে কেউ মিলিয়ে দেখেনি।

প্রেসিং অডিট আসলে বিশৃঙ্খলার হিসাবরক্ষণ ছাড়া কিছু নয়। ক্রিকেটে বৃষ্টির বিরতি, ডিএলএস সংশোধন, নো-বল ও ওয়াইডের বণ্টন, এমনকি টসের প্রভাব—প্রতিটির প্রথম চেহারা একটি বুককিপিং সমস্যা, দ্বিতীয় চেহারা একটি ক্রীড়া সমস্যা। যে বিশ্লেষক ভবিষ্যদ্বাণী দিয়ে কাজ শুরু করেন, তিনি শেষ পর্যন্ত এই তিন রানের গরমিলেই আটকে যান।

আমার পেশাগত অভ্যাসটা তৈরি হয়েছে ফুটবলের মাঠে। ২০১৭ সালে বাংলাদেশ প্রিমিয়ার লিগের ৪৭টি ম্যাচ দেখে আমি বুঝলাম, আবাহনী লিমিটেড ঢাকা আর শেখ রাসেল ক্রীড়া চক্রের ম্যাচগুলোতে শট-লোকেশন নিয়ে কোনো ধারাবাহিক তথ্যই নেই। খাতা-কলমে আমি তখন থেকেই একটি মানককৃত টেমপ্লেট বানাতে বসি: প্রতিটি শটের দূরত্ব ও কোণ, প্রতিটি প্রেসিং সিকোয়েন্স, প্রতিটি কাভার করা সেগমেন্ট আলাদা করে লগ করার নিয়ম। খুলনার তিনজন ইন্টার্নকে দিয়ে সেটা করিয়েছি, সপ্তাহে একটি মডেল প্রকাশ করেছি, আর বুন্দাশহর কিংসের সেট-পিস ওভার-পারফরম্যান্স ধরতে পেরেছি ঠিক এই কারণেই—আগে তথ্য, পরে সিদ্ধান্ত।

সেই সিস্টেম আমার ম্যাচ-প্রস্তুতির সময় নয় ঘণ্টা থেকে আড়াই ঘণ্টায় নামিয়েছিল। কিন্তু আসল উপকারটা হয়েছিল অন্য জায়গায়: ম্যাচ প্রিভিউ লেখা বন্ধ করে আমি ডেটা টেবিল দিয়ে লেখা শুরু করি। পাইপলাইন দিয়ে শুরু করুন, ভবিষ্যদ্বাণী দিয়ে নয়।

সেই অভ্যাসই আমাকে ক্রিকেটের বল-বাই-বল লগের কাছে নিয়ে আসে। কারণ ফুটবল আর ক্রিকেটে তথ্যের সংখ্যা আলাদা, কিন্তু সমস্যার গঠন অভিন্ন। ক্রিকেটে প্রতি ম্যাচে প্রায় সাড়ে সাতশ বল, প্রতিটি বলে ছয় থেকে আটটি আলাদা ফিল্ড ও বারো থেকে পনেরোটি ইভেন্ট কোড বসে। এই ইভেন্টগুলো এক জায়গায় বসে না। স্কোরার বসেন মাঠে, তাঁর প্রবেশ যায় স্কোরিং সফটওয়্যারে; সেখান থেকে ফিড যায় সম্প্রচার গ্রাফিক্সে, তারপর অ্যাগ্রিগেটরে, তারপর পাবলিক এপিআইতে, শেষে বিশ্লেষকের ল্যাপটপে। ছয় স্তরের এই যাত্রাপথে সংজ্ঞা একবার বদলালেই দুই পর্দা দুই কথা বলে।

এশিয়ার বাস্তবতা এই যাত্রাপথকে আরও ভঙ্গুর করে। বাংলাদেশ, শ্রীলঙ্কা, নেপাল, ওমান বা সংযুক্ত আরব আমিরাতের ঘরোয়া ও সহযোগী সার্কিটে অনেক সময় একজনই স্কোরার, কমেন্ট্রি সাপোর্ট, আর ডেটা ইনপুট—তিন কাজ সামলান। বয়সভিত্তিক টুর্নামেন্টে তো বটেই। ঢাকার ঘরোয়া লিগে আমি এমন ম্যাচ দেখেছি যেখানে একই দিনে দুটি মাঠে খেলা, কিন্তু লাইভ আপডেট আসছে একটিমাত্র ফিড থেকে, হাতে লেখা খাতার ছবি তুলে পাঠানো হচ্ছে। তথ্য তখন আসে, কিন্তু প্রমাণ আসে না।

একটি পরিষ্কার ম্যাচ আইডি যেকোনো চতুর মডেলের চেয়ে দামি। কারণ ম্যাচ আইডি ছাড়া আপনি জানতেই পারবেন না, যে দুই ডেটাসেট পাশাপাশি রাখছেন সেগুলো আদৌ একই ম্যাচের কি না। ক্লাব বদল, মাঠ বদল, এমনকি একই দিনে হওয়া দুই সিরিজের নাম এক হলে বিশ্লেষণে ভুল জোড় লাগে—আর সেই ভুল কখনো ব্যাটিং গড়ে, কখনো বোলিং ইকোনমিতে, সবচেয়ে বেশি ভুল ধরা পড়ে টস-ভিত্তিক পরিসংখ্যানে।

আমি আমার পাবলিক শব্দকোষে তাই সব সংজ্ঞা লিখে রাখি: ডট-বল কী, কীভাবে ওয়াইড গণনা হচ্ছে, ইনিংস-ব্রেকের রান কার খাতায় যাচ্ছে, টাই-ব্রেকারে সুপার ওভারের ডেটা আলাদা করছি কি না। সম্পাদকীয় পর্যায়ে এটি একঘেয়ে শোনায়, কিন্তু পাঠক ফেরত আসে কারণ সংখ্যা মিলে যায়। যা অডিট করা যায় না, তা বিশ্বাস করা যায় না।

এখন আসি আসল হিসাবে। এশিয়ার ক্রিকেটে শেষ চার-পাঁচ মৌসুমের যে সংকট সবচেয়ে কম আলোচিত, সেটি হলো সংজ্ঞার অস্থিরতা। এক টুর্নামেন্টে ব্যাটিং স্ট্রাইক রেট বের করা হয় ইনিংসের মোট বলে, পরের টুর্নামেন্টে বের করা হয় ডট-বল বাদ দিয়ে। ফলে একই ব্যাটসম্যানের দুই মৌসুমের সংখ্যা তুলনা করতে গিয়ে বিশ্লেষক নিজেরই ভুল প্রমাণ করেন। আমি এই লেখার সব সংখ্যা একটাই নিয়মে হিসাব করি: ইনিংসের সব বৈধ বল ডিনোমিনেটরে, ওয়াইড ও নো-বল আলাদা খাতায়, আর প্রতি ম্যাচের জন্য একটি অনন্য আইডি।

প্রথম মেট্রিক যেটা আমি ভেন্যু-সমন্বয় ছাড়া প্রকাশ করি না, তা পরিবেশ-সমন্বিত স্ট্রাইক রেট। মিরপুরের শেরে বাংলা স্টেডিয়ামের উইকেট ধীর, চট্টগ্রামে বল তুলনামূলক ভালো আসে, সিলেটে আউটফিল্ড দ্রুত কিন্তু শিশিরের প্রভাব ভয়ানক। এই তিনটি ভেন্যুতে একই ইনিংসের স্কোরকে এক ধাঁচে দেখানো মানে তুলনা নয়, আরোপ। আমার নোটবুকে আমি তাই প্রতি ভেন্যুতে আলাদা সমন্বয়-গুণক রেখেছি, যা আমি প্রতি মৌসুমের শেষে পুনর্বিবেচনা করি।

দ্বিতীয় মেট্রিক প্রতিপক্ষ-সমন্বিত ইকোনমি। এশিয়ার ঘরোয়া ক্রিকেটে বোলিং পরিসংখ্যানের সবচেয়ে বড় ফাঁদ হলো, কে কোন ব্যাটিং লাইনআপের বিরুদ্ধে বল করেছে তা আলাদা না করা। একজন স্পিনার যদি শক্তিশালী টপ অর্ডারের বিরুদ্ধে পাওয়ারপ্লে–পরবর্তী ওভারগুলোতে বল করেন, তাঁর ইকোনমি একটি নিচু ক্রমের দলীয় ব্যাটিংয়ের বিরুদ্ধে শেষ ওভার করা পেসারের ইকোনমির সঙ্গে সরাসরি তুলনীয় নয়। ২০১৮ সালে রাশিয়া বিশ্বকাপে আমি এই নীতিটাই ফুটবলে প্রয়োগ করেছিলাম—বাজারের হিসাবে ইংল্যান্ড-ক্রোয়েশিয়া সেমিফাইনালে ক্রোয়েশিয়ার মিডফিল্ড প্রতিটি ডিফেন্সিভ অ্যাকশনে ১১.২ পাস ছাড়ছিল, আমার প্রতিপক্ষ-সমন্বিত হিসাবে সংখ্যাটা ছিল ৮.৪। ম্যাচটি ১১ জুলাই ২০১৮, লুঝনিকি স্টেডিয়ামে, ক্রোয়েশিয়া ২-১ গোলে জিতেছিল অতিরিক্ত সময়ে। সংজ্ঞা বদলানোর ফলাফল সেদিন ১৮.৬ শতাংশ রিটার্নে দাঁড়িয়েছিল। কপাল ছিল না, কেবল সংজ্ঞা সৎ ছিল।

তৃতীয় স্তরটি হলো কাজের চাপ ও বিশ্লেষণের সময়। এশিয়ার মাঠে তাপমাত্রা ও আর্দ্রতা খেলোয়াড়দের শারীরিক সীমা সরিয়ে দেয়, কিন্তু আমাদের পরিসংখ্যান ফ্রেমওয়ার্কে এই পরিবর্তনশীলটি প্রায় কখনো ঢোকে না। আমার খুলনার অফিসে আমি পেস বোলারদের জন্য একটি ওয়ার্কলোড খাতা রাখি: কোন স্পেলে কত ওভার, কত ডে-রেস্ট, ভ্রমণে কত ঘণ্টা। গত কয়েকটি মৌসুমে বারবার দেখা গেছে, চার দিনের ব্যবধানে দুটি ম্যাচ খেললে তৃতীয় স্পেলের গড় পেস ভালো ব্যবহারের হার নেমে যায়। এটা প্রতিভার ক্ষয় নয়, সময়সূচির হিসাব।

ভ্রমণ, বিশ্রাম, উচ্চতা আর গরমকে আমি ম্যাচের প্রথম শ্রেণির ইনপুট ধরি, প্রসঙ্গিক নোট নয়। ঢাকা থেকে সিলেটগামী সকালের ফ্লাইট, হোটেল পর্যন্ত দুই ঘণ্টার রাস্তা, তারপর ছয় ঘণ্টা পর ম্যাচ—এই সূচিতে থাকা দলটির ডেটা অন্য দলের সঙ্গে সরাসরি তুলনার যোগ্য নয়। আমি তাই প্রতি সিরিজের আগে একটি পরিবেশ-স্তর (context tier) বসাই, নিজের সিদ্ধান্তের আত্মরক্ষার জন্য নয়, পাঠকের তথ্যগত স্বচ্ছতার জন্য।

বৃষ্টি, টস ও শিশির—এই তিনটি বিষয়ে ক্রিকেট-সাহিত্য সবচেয়ে বেশি কবিতা লেখে, আর সবচেয়ে কম হিসাব রাখে। শিশির দিন-রাতের ম্যাচের দ্বিতীয় ইনিংসে বল গ্রিপ কমিয়ে দেয়, এটা সত্য। কিন্তু শিশির ও অভ্যর্থনার ফলাফলের সম্পর্ক একই সময়ে তিনটি কারণে তৈরি হয়: আর্দ্রতা, সময়সূচি, আর পিচ প্রস্তুতির রুটিন। যেখানে তিনটি কারণ একসঙ্গে চলে, সেখানে একটি কারণকে দোষ দেওয়া মানে বাকি দুটির প্রভাব অণুল্লিখিত রেখে সিদ্ধান্ত নেওয়া। আমার কাছে টস জেতা বা হারার একক প্রভাব প্রায় সবসময় ছোট; প্রকৃত পার্থক্য তৈরি করে ইনিংস বিরতির পর বল কতটা আর্দ্র হয়েছে আর ফিল্ডিং দলের স্পিনার সংখ্যা কত।

২০২০ সালে খেলা যখন দর্শকশূন্য মাঠে ফিরল, আমার কাছে একটি অনাকাঙ্ক্ষিত নিয়ন্ত্রিত পরীক্ষার সুযোগ তৈরি হলো। আমি বাংলাদেশ সমুদ্রগামী লিগ, ডেনিশ সুপারলিগা ও বুন্দেসলিগা মিলিয়ে ৩১২টি ম্যাচ বিশ্লেষণ করি। ফলাফল ছিল সোজা: হোম অ্যাডভান্টেজ প্রতি ম্যাচে ০.৩৮ গোল থেকে ০.২১ গোলে নেমে আসে, দলপ্রতি মোট দৌড়ানো দূরত্ব বাড়ে ১.৭ কিলোমিটার। এরপর আমি একটি খালি স্টেডিয়াম সূচক বানাই, যা বাজারে তখনও জনতার শব্দকে ধ্রুবক ধরে হিসাব করছিল। যারা সেই সময়ে এই সমন্বয় করেনি, তাদের ড্র-বাজারে ক্ষতির হার আমি ২৩ শতাংশ হিসেবে মেপেছি।

খালি স্টেডিয়াম ছিল এমন একটি নিয়ন্ত্রিত গোষ্ঠী, যা আমরা কেউ চাইনি। ক্রিকেটে এর প্রতিফলন সরাসরি হয় না, কিন্তু শিক্ষা থেকে যায়: হোম অ্যাডভান্টেজ কোনো জাদু নয়, কয়েকটি আলাদা উপাদানের যোগফল। যেটি যোগফল, সেটিকে ভাঙা যায়, পরিমাপ করা যায়, আর ভুলভাবে প্রয়োগ করা থেকে বিরত থাকা যায়।

এখন আসি সবচেয়ে অস্বস্তিকর অংশে। মূলধারার ভাষ্যে বলা হয়, অভ্যর্থনা দল ভালো খেলছে, কারণ দর্শক, হোম কন্ডিশন আর আত্মবিশ্বাস। এই বাক্যে তিনটি দাবি একসঙ্গে মেশানো আছে, যার কোনোটি আলাদা করে প্রমাণ করা হয় না। সংজ্ঞা ও পাইপলাইন ঠিক করার পর আমার জন্য সবচেয়ে বড় প্রশ্নটি হলো সমকরণ (correlation) আর কারণের (causation) পার্থক্য। শিশির থাকলে দল হারে; এটি দুটি ঘটনার সহ-অবস্থান। কারণটি হতে পারে, টস হারায়ে চেজ করতে থাকা দলের ব্যাটিং ক্রমের গঠন। সংখ্যা একসঙ্গে থাকলেই কেউ কাউকে তৈরি করে না।

একইভাবে, ২০২০ সালের ইউরোপীয় তথ্যকে এশিয়ার কন্ডিশনে সরাসরি বসানো আমার পেশাগত দৃষ্টিতে ভুল। খালি স্টেডিয়ামে হোম অ্যাডভান্টেজ কমেছে—কিন্তু সেটি ছিল ইউরোপীয় দর্শক-সংস্কৃতি, ইউরোপীয় ফিক্সচার ঘনত্ব আর ইউরোপীয় রেফারি-সংস্কৃতির মিশ্রণে। বাংলাদেশের লিগে দর্শক মাঠে না থাকলেও টিকিট-ভিত্তিক পারিপার্শ্বিকতা, স্থানীয় মিডিয়া চাপ আর দলের উইকেট প্রস্তুতির অভ্যন্তরীণ রুটিন একই থাকে। এই আলাদা উপাদানগুলো না মিলিয়ে এক দেশের সমন্বয় ছাড়া অন্য দেশে বসিয়ে দিলে বিশ্লেষণ পরিমাণে বড় হয়, নির্ভুলতায় নয়।

আমার নিজের পদ্ধতিতে আমি একটা নিয়ম লিখে রেখেছি: কোনো নতুন ভেন্যু বা নতুন সংস্করণে প্রথম ১০-১২টি ম্যাচকে আমি ভবিষ্যদ্বাণীর ক্ষেত্র হিসেবে গণনা না করে ক্যালিব্রেশন উইন্ডো ধরি। এই উইন্ডোতে আমি কেবল তথ্য জমা করি—শব্দ-স্তর, পিচের গতি, গড় ওভারের স্কোর, এবং স্কোরিং ফিডের নির্ভরযোগ্যতা। এই সতর্কতা মডেলকে মন্থর করে, কিন্তু সিদ্ধান্তকে সুরক্ষিত রাখে। প্রত্যেক অস্বাভাবিক সংখ্যা ডেটার পক্ষ থেকে করা একটি প্রশ্ন।

আমি যখন নিজের সিদ্ধান্ত পরীক্ষা করি, তখন আমি পরিষ্কারভাবে লিখে রাখি, কোন প্রমাণ পেলে আমার অবস্থান বদলাবে। যদি দেখি, নতুন র‍্যাংকিং বা নতুন বল-সেটের প্রভাবে শিশির-প্রভাব তিন মৌসুমে ধারাবাহিকভাবে কমছে, তবে আমি আমার ভেন্যু-সমন্বয় খাতা সংশোধন করব। যদি দেখি, ঘরোয়া ম্যাচের প্রায় সব ক্ষেত্রেই ফিড এবং স্টেডিয়াম স্কোরবোর্ড মিলছে, তবে আমি আমার পাইপলাইন-সংশয়ের মাত্রা নামিয়ে আনব। সংস্কার শর্ত আগে ঠিক করা না থাকলে সংশয় ধীরে ধীরে অন্ধ সংস্কারে পরিণত হয়।

আবার সংস্কারের অবহেলায় পুরোনো মেট্রিক ধরে রাখাও বিপদ। টি-টোয়েন্টি সংস্করণ বদলেছে, বল-সেট, ইমপ্যাক্ট প্লেয়ার নিয়ম, ফিল্ডিং রেস্ট্রিকশন—সবই ক্রিকেটীয় পরিবেশ বদলে দিয়েছে। ১৯৯০-এর স্ট্রাইক রেট-ভিত্তিক থাম্ব রুল দিয়ে ২০২০-এর ম্যাচ পড়া মানে ভুল মাস্ক ব্যবহার করা। আমার নিয়ম হলো, প্রতিটি সংস্করণ বা আইন পরিবর্তনের পর সব মেট্রিক সংজ্ঞা নতুন করে লিখে নেওয়া। যে ফ্রেমওয়ার্ক সময়ের সাথে নিজে বদলায় না, সেটি পুরোনো হয় না, ক্ষতিগ্রস্ত হয়।

এই সব পরিশ্রমের নিষ্কাশনটি বিনয়ী। একটি পরিষ্কার ম্যাচ, একটি সংজ্ঞা, একটি সঠিক সংখ্যা—এই তিনটি জিনিস যখন মিলে যায়, তখন বিশ্লেষণের গল্প লেখা সহজ হয়ে যায়। আর ক্লাব-উদ্যোগেরদের জগতে লোন-অবলিগেশন চুক্তি যেমন ভবিষ্যৎ পরিকল্পনা নষ্ট করে, তেমনি অপরিষ্কার ডেটা দিয়ে তৈরি ফ্রেমওয়ার্ক দলগুলোর প্রকৃত দিকটি ঢেকে রাখে। দুর্বল দল প্রায়ই বেশি ভুলিয়ে দেয়, কারণ তাদের ম্যাচের তথ্য আরও কম মানুষ যাচাই করে।

সামনের রাউন্ডে আমি তিনটি সংকেত লক্ষ্য করব। প্রথমে, একটি নতুন ফিড চালু হলে তা কর্মকর্তাদের হাতে-কলমে যাচাই করা হচ্ছে কি না—যদি কোনো নির্দিষ্ট সংস্থা একটি লাইন আপডেট করার সময় ঘোষণা করে, সেটি বিশ্বাস করার খবর। দ্বিতীয়, পিচ পরিবর্তনের সাথে ব্যাটিং আমদানির সম্পর্ক—যেখানে দল ভিনদেশি ব্যাটসম্যান আনার পরও ঘরোয়া স্পিনার সুযোগ না দিয়ে, সেখানে ভেন্যু-সমন্বয় না থাকলে সংখ্যা নিজেই ভুল কথা বলবে। তৃতীয়, প্রতিটি সিরিজের প্রথম দুই ম্যাচের সময়সূচি ও বিশ্রামের ব্যবধান—ক্যালিব্রেশন উইন্ডোকে যদি তাড়াতাড়ি বন্ধ করা হয়, পরের সিদ্ধান্তগুলো অন্ধকারে পড়বে।

আমি জানি, পাইপলাইনের গল্প কারো রোমাঞ্চ আনবে না। সেখানে নেই কোনও থ্রি-সিক্স, নেই কোনও শেষ বলের ক্যাচ। কিন্তু ওই বৃষ্টিসিক্ত সন্ধ্যার পরে আমি জানি, তিন রানের এই গরমিল যদি না মেটে, তবে যেকোনো বিশাল হিসাব নিছক গুজব। যদি অডিট করা না যায়, তবে বিশ্বাস করা যায় না। আর যদি বিশ্বাস করা না যায়, তবে সেই সংখ্যা দিয়ে একটি সিদ্ধান্ত też নেওয়া উচিত নয়।