শূন্যতার ভাষা: ক্রিকেট বিশ্লেষণে অনুপস্থিত ডেটার প্রমাণ-মূল্য

১. খালি স্কোরকার্ডের রাত

ময়মনসিংহের একটি সন্ধ্যায়, শেখ রাসেল ক্রীড়া চক্রের ছোট্ট ডেটা-কক্ষে বসে আছি। সামনে স্ক্রিনে একটি স্প্রেডশিট খোলা, যেখানে কলামের নামগুলো লেখা আছে—শট আইডি, কোণ, দূরত্ব, চাপ, ফলাফল—কিন্তু নিচের সারিগুলো ফাঁকা। মডেল চালু করেছি তিনবার, তিনবারই একই ফল: কোনো আউটপুট নেই। কারণ একটাই। যেই ম্যাচটির বিশ্লেষণ করতে চাইছিলাম, সেই ম্যাচের একটিও নির্ভরযোগ্য রেকর্ড আমার হাতে নেই। স্থানীয় একটি টুর্নামেন্টের ফলাফল কারও কাছে লেখা হয়নি, স্কোরকার্ড কোথাও জমা হয়নি, আর ভিডিও তো অনেক আগেই মুছে গেছে। মডেল নীরব থাকল।

এই নীরবতাটাই আমার কাজের আসল বিষয় হয়ে উঠেছে। বিশ বছরের বেশি সময় ধরে ক্রিকেট দেখছি, আর শেষ দশ বছর ধরে এই খেলাটির ডেটা নিয়ে বসবাস করছি। এই সময়ে শিখেছি একটা অদ্ভুত সত্য—খেলার সবচেয়ে জোরালো বিশ্লেষণ সবসময় যায় সেই জায়গায়, যেখানে ডেটা সবচেয়ে বেশি; কিন্তু সবচেয়ে সৎ বিশ্লেষণ জন্ম নেয় সেখানে, যেখানে ডেটা নেই। ফাঁকা ঘর, হারানো স্কোরকার্ড, বাতিল হওয়া ওভার, খেলা হয়নি এমন ফিক্সচার—এগুলো বিশ্লেষকের কাছে বিশৃঙ্খলা নয়, বরং সাক্ষী। আমার প্রথম এক্সজি মডেলটির কথা মনে পড়ে, যা ময়মনসিংহে ছায়ার এক লিগে একটিমাত্র লণ্ঠন ছিল। সেই মডেলের সবচেয়ে দামি পাঠ ছিল না কোনো সংখ্যা, বরং সেই সব মুহূর্ত, যেগুলোকে সংখ্যা করা যায়নি।

আজ যে প্রশ্নটি নিয়ে বসেছি, সেটি অদ্ভুত রকমের সাধারণ: যখন বিশ্লেষণের কাঁচামাল নিজেই শূন্য হয়, তখন সৎ বিশ্লেষকের কাজ কী? এই লেখাটি সেই প্রশ্নের উত্তর খুঁজবে—ক্রিকেটের ডেটা-অর্থনীতির ভেতর থেকে, দুই স্তরের একটি বিশ্লেষণ-পাইপলাইনের উদাহরণ ধরে, আর আমার নিজের পাঁচটি মৌসুমের অভিজ্ঞতা দিয়ে।

২. প্রেক্ষাপট: ক্রিকেটের ডেটা-অর্থনীতি এবং দুই স্তরের পাইপলাইন

আধুনিক ক্রিকেট বিশ্লেষণ আসলে একটি কারখানা। কাঁচামাল ঢোকে একদিক দিয়ে—বল-বাই-বল লগ, ট্র্যাকিং ক্যামেরা, হক-আই, স্নাইপার সিস্টেম—আর বেরিয়ে আসে অন্যদিক দিয়ে গোছানো উপসংহার, প্রেডিকশন, ট্রান্সফার ভ্যালুয়েশন। এই কারখানার প্রতিটি ধাপে তথ্য নষ্ট হওয়ার সুযোগ থাকে। ইংল্যান্ড বা অস্ট্রেলিয়ায় যেখানে প্রতি ডেলিভারিতে দুই ডজন মেট্রিক স্বয়ংক্রিয়ভাবে জমা হয়, সেখানে বাংলাদেশ, পাকিস্তান বা শ্রীলঙ্কার অনেক ঘরোয়া ম্যাচে একটি শটের কোণ পর্যন্ত কেউ লিখে রাখে না। এই অসমতা কোনো ছোটখাটো প্রশাসনিক ঘাটতি নয়; এটিই দক্ষিণ এশীয় ক্রিকেট বিশ্লেষণের মূল বাস্তবতা।

এখানেই কাজ করে দুই স্তরের বিশ্লেষণ-পদ্ধতি। প্রথম স্তর হলো বিশ্লেষণ বা ডিকনস্ট্রাকশন: কোন একটি লেখা, স্কোরকার্ড বা ম্যাচ-রেকর্ড থেকে তথ্যবিন্দু বের করা—কারা খেলল, কী ঘটল, কোন সময়ে, কোন পরিস্থিতিতে। দ্বিতীয় স্তর হলো গভীর বিশ্লেষণ: সেই তথ্যবিন্দুগুলোকে কাঠামোবদ্ধ পরিকাঠামোর ভেতর ঢুকিয়ে বিচার করা—ফরম্যাট কী, পিচ কেমন, কে ব্যাট করল, কে বল করল, স্কোয়াডের গভীরতা কত, অর্থনৈতিক বাস্তবতা কী। এই দুই স্তর মিলেই একটি পূর্ণ বিশ্লেষণ দাঁড়ায়।

সমস্যা শুরু হয় তখন, যখন প্রথম স্তর নিজেই খালি হাতে ফিরে আসে। ধরুন, বিশ্লেষণের জন্য দেওয়া হলো এমন একটি নথি, যেখানে শিরোনাম নেই, সূত্র নেই, মূল দৃষ্টিভঙ্গি নেই, কোনো এনটিটি নেই—সব ঘরে লেখা শুধু এন/এ। তখন দ্বিতীয় স্তরের বিশ্লেষকের সামনে দুটি পথ খোলা থাকে। একটি পথ হলো অনুমান করে ঘরগুলো ভরে ফেলা—কল্পনায় একটা ফরম্যাট বসিয়ে দেওয়া, একটা দল বানিয়ে দেওয়া, একটা সংখ্যা বানিয়ে দেওয়া। আরেকটি পথ হলো সোজা বলে দেওয়া: যথেষ্ট তথ্য নেই, মূল্যায়ন করা সম্ভব নয়।

আমি দ্বিতীয় পথটি বেছেছি। কারণ আমি এমন একটি পরিবেশে কাজ শিখেছি, যেখানে ভুল সংখ্যার মূল্য সত্যের চেয়েও বেশি—কারণ ভুল সংখ্যা সত্য বলে চালিয়ে দেওয়া যায়, আর সেটি ছড়িয়ে পড়লে কেউ থামাতে পারে না। এই লেখায় সেই শিক্ষার কাঠামোটি খুলে দেখাব।

৩. মূল বিশ্লেষণ: শূন্যতা কীভাবে প্রমাণ হয়ে ওঠে

একটি বিশ্লেষণ তখনই সৎ, যখন সে জানে কোন ঘরটি ফাঁকা, আর কেন ফাঁকা। এই একটি বাক্যই আমার পুরো পেশাজীবনের সংক্ষিপ্ত রূপ। আসুন, এটি প্রমাণ করি আমার নিজের পথচলার ভেতর দিয়ে।

৩.১ ময়মনসিংহের প্রথম মডেল—লণ্ঠন ও ছায়া

২০১৭ সালের কথা। ত্রিশ বছর বয়সে হাঁটুর চোটে সেমি-প্রফেশনাল ক্যারিয়ার শেষ হওয়ার পর আমি ময়মনসিংহে ফিরে আসি, শেখ রাসেল ক্রীড়া চক্রে স্বেচ্ছাসেবী ডেটা-ভূমিকায়। বাংলাদেশ প্রিমিয়ার লিগে আবাহনী লিমিটেড ঢাকার বিপক্ষে ম্যাচটি ছিল আমার প্রথম বড় কাজ। সেই সময়ে আমি যা করতাম, সেটি আসলে বিশ্লেষণ নয়—বরং সংগ্রাহক হওয়া। মাঠের এক কোণ থেকে হাতে নোটবুক নিয়ে বসে থাকতাম, প্রতিটি শট নিজে গুনে নোট করতাম, প্রতিটি বলের পরিস্থিতি মনে রাখতাম, পরে রাতে ঘরে বসে সেগুলোকে স্প্রেডশিটে ঢোকাতাম। কোনো ট্র্যাকিং ক্যামেরা ছিল না, কোনো স্বয়ংক্রিয় সিস্টেম ছিল না, ছিল না কোনো প্রাতিষ্ঠানিক স্মৃতি।

সেই ম্যানুয়াল কাঠামোর ভেতর থেকেই আমি একটি প্রাথমিক এক্সজি মডেল দাঁড় করাই। প্রতিটি শটকে চারটি চলকের ভিত্তিতে ওজন দিতাম: শটের দূরত্ব, শটের কোণ, চাপের মাত্রা, এবং ডিফেন্ডারদের অবস্থান। এই চারটিকে মিলিয়ে আমি প্রতিটি শটের জন্য একটি সম্ভাব্য মান বের করতাম। সেদিনের ম্যাচে আমার মডেল শেখ রাসেলকে দিল ২.৭ এক্সজি, আর আবাহনীকে দিল মাত্র ০.৮। কিন্তু ম্যাচ শেষ হলো ১-১।

স্কোরলাইন এবং মডেলের মধ্যে এই ফারাকই আমার পুরো দৃষ্টিভঙ্গি বদলে দিল। যদি শুধু ফলাফল দেখতাম, বলতাম—দুটি দল সমান ছিল। কিন্তু প্রক্রিয়া বলছিল অন্য কথা: একটি দল বারবার বিপজ্জনক অবস্থানে পৌঁছেছে, সুযোগ তৈরি করেছে, গোল-মুখী শট নিয়েছে; আরেকটি দল হয়তো দুটি-তিনটি বিচ্ছিন্ন মুহূর্তে ভাগ্যকে ধরে ফেলেছে। আমি সেই রাতে একটি লম্বা পোস্ট লিখলাম ফেসবুকে, যেখানে যুক্তি দিলাম—ফলাফল আসল পার্থক্যটি ঢেকে ফেলেছে। পোস্টটি ১২০০ মানুষ শেয়ার করল, ঢাকার কয়েকজন স্কাউটও নজর দিল।

এই একটি ঘটনা আমাকে শিখিয়েছিল, মডেল কখনো চূড়ান্ত রায় নয়। মডেল হলো একটি প্রশ্ন—এবং সেই প্রশ্নের মান নির্ভর করে তার কাঁচামালের মানের উপর। যদি আমি প্রতিটি শট নিজে না গুনতাম, যদি চাপের মাত্রা অনুমান না করতাম, তাহলে ২.৭ এবং ০.৮—এই দুই সংখ্যাটি কখনো অস্তিত্বে আসত না। ময়মনসিংহে সেই প্রথম মডেলটি ছিল ছায়ার এক লিগে একটিমাত্র লণ্ঠন। আর সেই লণ্ঠনের সবচেয়ে বড় শিক্ষা ছিল এটাই—যে ঘরটি আমি আলোকিত করতে পারিনি, সেটিও আমাকে কিছু বলছিল।

৩.২ ২০১৮ বিশ্বকাপ এবং ব্রজোভিচের পাঠ

২০১৮ সালে আমার সেই ২০১৭-র লেখা নজরে পড়ে ডেনমার্কের এফসি মিডটিল্যান্ডের ডেটা বিভাগের। তারা আমাকে দূর থেকে ট্রান্সফার-মার্কেট বিশ্লেষক হিসেবে নিয়োগ দিল। রাশিয়া বিশ্বকাপে ইংল্যান্ডের বিপক্ষে সেমিফাইনালে আমি ক্রোয়েশিয়ার মার্সেলো ব্রজোভিচকে ট্র্যাক করছিলাম। আমার হাতে সরাসরি কোনো সিস্টেম-ডেটা ছিল না; ছিল টেলিভিশন ফিড, নিজের নোটবুক, আর একটি টাইম-কোডেড লগ।

সেই ম্যাচে ব্রজোভিচ ১২.৮ কিলোমিটার দৌড়েছিলেন, তার পাস নির্ভুলতার হার ছিল ৮৯ শতাংশ, আর তার পিডিপিএ (প্রতি ডিফেন্সিভ অ্যাকশনে পাস) ছিল ৮.৭। এই তিনটি সংখ্যা আমার কাছে ছিল একটি গল্পের কাঠামো—বলছিল, এই মিডফিল্ডার শুধু বল দখলে রাখেন না, তিনি প্রতিপক্ষের গতি-ছন্দও ভেঙে দেন। আমি একটি বারো পাতার রিপোর্ট তৈরি করলাম, যেখানে ব্রজোভিচকে কম-খরচের মিডফিল্ড সমাধান হিসেবে সুপারিশ করলাম। মিডটিল্যান্ড তাকে কিনল না। কিন্তু সেই গ্রীষ্মেই ব্রজোভিচ ইন্টার মিলানে গেলেন, আর সেখানে গিয়ে হয়ে উঠলেন অন্যতম গুরুত্বপূর্ণ খেলোয়াড়।

এই ঘটনাটি আমার বিশ্লেষণ-পদ্ধতিতে দুটি স্থায়ী পরিবর্তন আনে। প্রথমত, প্রতিটি ট্রান্সফার-প্রোফাইলে আমি পিডিপিএ এবং দূরত্ব-কভারেজকে মূল মেট্রিক হিসেবে ব্যবহার শুরু করলাম। দ্বিতীয়ত, আমি বুঝলাম—এই ধরনের মেট্রিকের ভেতরেও একটি ফাঁকা ঘর থাকে। ব্রজোভিচের ১২.৮ কিলোমিটার দৌড় সেমিফাইনালের একটি নির্দিষ্ট পরিস্থিতিতে মাপা; কিন্তু লিগের গড় গতি, প্রতিপক্ষের মান, ম্যাচের কতটা মিনিটে তিনি এই দূরত্ব পার করেছেন—এসব না জানলে এই সংখ্যা নিজেই বিভ্রান্তিকর হতে পারে। একটি মডেল, যদি তার নিজের সীমাবদ্ধতা না জানে, তবে সে একজন স্কাউটের পোশাক পরে থাকা একটি সাধারণ ক্যালকুলেটর ছাড়া আর কিছু নয়।

এই শিক্ষাটি আমাকে ধীর করে দিল। প্রতিটি রিপোর্টে আমি এখন লিগের কঠিনতার মাত্রা মিলিয়ে দেখি, প্রতিটি মেট্রিকের পাশে নমুনার আকার লিখি, আর প্রতিটি সুপারিশে আস্থার মাত্রা যোগ করি। এই সতর্কতা আমার লেখার গভীরতা বাড়িয়েছে, তবে গতি কমিয়েছে। অনেকবার ট্রান্সফার-উইন্ডোর সবচেয়ে জরুরি সময়ে আমার রিপোর্ট দেরিতে গেছে। কিন্তু সেটিই আমার মূল্য—আমি দ্রুত নই, আমি নির্ভরযোগ্য।

৩.৩ ২০২০-এর ফাঁকা স্টেডিয়াম ও একটি ভুয়া পজিটিভ

২০২০ সালে আমি বসুন্ধরা কিংসের ট্রান্সফার মার্কেট অ্যাডমিনিস্ট্রেটর হিসেবে যোগ দিই। তখন বিশ্বব্যাপী বিরতি চলছিল, আর ফাঁকা স্টেডিয়াম খেলার প্রতিটি ডেটাকে বিকৃত করে দিচ্ছিল। দর্শক নেই মানে চাপ নেই, চাপ নেই মানে খেলোয়াড়ের মানসিক অবস্থা ভিন্ন, ভিন্ন অবস্থা মানে মেট্রিকের অর্থ বদলে যায়।

ক্লাবটি একটি ব্রাজিলীয় স্ট্রাইকারকে টার্গেট করেছিল, যার বন্ধ-দরজার ম্যাচে প্রতি ৯০ মিনিটে এক্সজি ছিল ০.৭৮। কাগজে-কলমে সংখ্যাটি দারুণ। কিন্তু আমি তিনটি সংকেত দেখলাম, যেগুলো একসাথে বসছিল না। প্রথমত, তার দৌড়-কভারেজ ১৮ শতাংশ কমে গিয়েছিল। দ্বিতীয়ত, দুর্বল ডিফেন্সের বিপক্ষে তার পিডিপিএ কৃত্রিমভাবে ফুলে উঠেছিল। তৃতীয়ত, এই তিনটি সংখ্যা যে নমুনার উপর দাঁড়িয়ে ছিল, সেই নমুনার আকার ছিল এতই ছোট যে একটি ম্যাচের প্রভাব পুরো গড়টাই নাড়িয়ে দিতে পারত।

আমি একটি প্রেক্ষাপট-সমন্বিত মডেল দাঁড় করালাম, যেখানে কাঁচা এক্সজির পাশে দৌড়-কভারেজ, প্রতিপক্ষের মান, আর নমুনার আকার—তিনটিকেই একসাথে দেখলাম। মডেল বলল: এই এক্সজি তার প্রেক্ষাপটের সন্তান, তার নিজের গুণ নয়। আমি সুপারিশ করলাম সই না করার। ক্লাব চুক্তিটি বাতিল করল। পরে সেই স্ট্রাইকার অন্য একটি ক্লাবে গিয়ে ১৪ ম্যাচে মাত্র ২ গোল করলেন।

আমি একটি ভুয়া-পজিটিভ ট্রান্সফার আটকে দিয়েছিলাম, কারণ একটি সংখ্যা গল্পের সাথে মিলতে অস্বীকার করেছিল। এই অভিজ্ঞতা আমার লেখায় একটি নতুন স্তর যোগ করল—প্রেক্ষাপট-সমন্বিত মেট্রিকের সতর্ক পাঠ। ফাঁকা স্টেডিয়ামগুলো আমাকে শিখিয়ে দিয়েছিল, নীরবতাও একটি ডেটা-উৎস হতে পারে। কিন্তু এটাও সত্য, সেই সতর্কবার্তা পাঠাতে আমার তিন দিন দেরি হয়ে গিয়েছিল; আমার নিখুঁততার প্রবণতা আমাকে থামিয়ে রেখেছিল। তখন থেকেই আমি প্রতিটি সুপারিশে একটি আস্থার ব্যবধান লেখা শুরু করি।

৩.৪ ডেটা অখণ্ডতা: ক্রিকেটের অলিখিত লেজার

এখন আসি সেই বড় কাঠামোয়, যা এই সব অভিজ্ঞতাকে একটি সূত্রে বাঁধে। ক্রিকেটের ডেটা-অর্থনীতি আসলে একটি লেজার—একটি হিসাবের খাতা। প্রতিটি ম্যাচ, প্রতিটি ডেলিভারি, প্রতিটি রান সেখানে একটি এন্ট্রি। কিন্তু সমস্যা হলো, এই লেজারটি কেন্দ্রীভূত এবং ভঙ্গুর। কেউ একটি এন্ট্রি লিখে না ফেললে সেটি চিরতরে হারিয়ে যায়। কেউ ভুল লিখলে সেটি সংশোধন করার কোনো স্বাধীন উপায় নেই। আর কেউ ইচ্ছাকৃতভাবে বিকৃত করলে তা ধরার কোনো নিরপেক্ষ স্তর নেই।

আধুনিক অখণ্ডতা-ব্যবস্থা—যাকে অনেকে ব্লকচেইনের যুক্তি বলে বোঝেন—এখান থেকে শেখার মতো তিনটি ধারণা দেয়। প্রথমত, প্রতিটি এন্ট্রি সময়-মোহরাঙ্কিত হওয়া উচিত, যাতে পরে বদলানো না যায়। দ্বিতীয়ত, একটি এন্ট্রিকে একাধিক স্বতন্ত্র উৎস দিয়ে যাচাই করা উচিত, যাতে একক ব্যক্তির ভুল বা অসততা ধরা পড়ে। তৃতীয়ত, যে এন্ট্রি হারিয়ে গেছে, তার অস্তিত্ব নিজেই একটি তথ্য—কারণ অনুপস্থিতির একটি প্যাটার্ন থাকে।

আমার কাজের পদ্ধতিতে আমি ঠিক এই তিনটিই চেষ্টা করি। প্রতিটি ম্যাচের নোটে আমি তারিখ ও সময় লিখে রাখি। প্রতিটি সংখ্যা আমি যতটা সম্ভব দুই বা তিনটি স্বাধীন উৎস দিয়ে মিলাই—প্রত্যক্ষ দর্শন, সম্প্রচার, এবং লিখিত রেকর্ড। আর যখন কোনো ঘর ফাঁকা থাকে, আমি সেটি মুছে ফেলি না; বরং সেটি আলাদাভাবে চিহ্নিত করি। কারণ একটি ফাঁকা ঘর একটি মিথ্যা সংখ্যার চেয়ে অনেক বেশি সৎ।

৪. বিপরীতমুখী কোণ: ফাঁক পূরণের লোভ

এখন আসি সেই অস্বস্তিকর সত্যে, যা এই ধরনের কাজে যুক্ত প্রত্যেককে স্বীকার করতে হয়। বিশ্লেষকের সবচেয়ে বড় শত্রু তার তথ্যের অভাব নয়, বরং ফাঁক পূরণ করার লোভ।

ভাবুন তো। সামনে একটি কাঠামো, যার প্রতিটি ঘর ফাঁকা। চারপাশ থেকে চাপ আসছে—পাঠক নতুন কিছু চায়, সম্পাদক সময়সীমা চাপাচ্ছেন, প্রতিযোগী ইতিমধ্যে লিখে ফেলেছেন। এমন পরিস্থিতিতে মানুষের মস্তিষ্ক একটি অদ্ভুত কাজ করে। সে ফাঁকা ঘরগুলোকে পছন্দের তথ্য দিয়ে ভরে ফেলে। একটি ফরম্যাট অনুমান করে নেয়, একটি দল বানিয়ে ফেলে, একটি সম্ভাব্য ফলাফল কল্পনা করে, আর সেটিকে আত্মবিশ্বাসের সাথে উপস্থাপন করে। সমস্যা হলো, এই অনুমানগুলো এত সুন্দরভাবে সাজানো হয় যে পাঠক সেগুলোকে সত্য বলে বিশ্বাস করেন।

আমি এই লোভকে চিনি, কারণ আমি নিজেই এর শিকার হয়েছি। ২০১৮ সালে, ব্রজোভিচের রিপোর্ট তৈরির সময়, আমি এমন কিছু ফাঁকা ঘর অনুমান দিয়ে ভরেছিলাম, যেগুলো আমার যাচাই করার উপায় ছিল না—লিগের গড় গতির তুলনা, প্রতিপক্ষের কঠিনতার মাত্রা। পরে বুঝলাম, সেই অনুমানগুলোই ছিল আমার রিপোর্টের দুর্বলতম অংশ। সৌভাগ্যবশত সেই সুপারিশটি সঠিক ছিল, কিন্তু সঠিক হওয়ার কারণ ছিল ভাগ্য, আমার পদ্ধতি নয়।

আরেকটি ফাঁদ আছে, যা আরও ধূর্ত। সেটি হলো—কোরিলেশনকে কারণ ভেবে ফেলা। দুটি সংখ্যা একসাথে বাড়লে বা কমলে মনে হয় একটি অন্যটির কারণ। একটি স্ট্রাইকারের এক্সজি বাড়ছে, তার দলও জিতছে—তাহলে সে-ই জেতাচ্ছে, তাই না? না। হয়তো তার দলটি দুর্বল প্রতিপক্ষের বিপক্ষে খেলছে, হয়তো তার সতীর্থরা তাকে দুর্দান্ত বল সরবরাহ করছেন, হয়তো তার মাঠে দর্শকের চাপ ভিন্ন। ২০২০ সালে সেই ব্রাজিলীয় স্ট্রাইকারের ক্ষেত্রে ঠিক এই বিভ্রান্তিটাই সবাই করছিল। তার ০.৭৮ এক্সজি দেখে সবাই ভেবেছিল, এই সংখ্যাটি তার গুণ। আসলে সংখ্যাটি তার প্রেক্ষাপটের সন্তান।

এখানেই আসে সেই নিয়ম, যা আমি নিঃশব্দে মেনে চলি। স্থানীয় লিগ, দুর্বল ডেটা, অপরিচিত পরিবেশ—এখানে কোনো বৈশ্বিক টেমপ্লেট সরাসরি বসানো যায় না। ইংলিশ প্রিমিয়ার লিগের একটি মেট্রিক ধরে নিয়ে সেটি বাংলাদেশ প্রিমিয়ার লিগে বসিয়ে দিলে ফল আসে ভুল। কারণ দুই লিগের সম্পদ ভিন্ন, পিচ ভিন্ন, আবহাওয়া ভিন্ন, আর ডেটার ঘনত্ব ভিন্ন। প্রেক্ষাপটহীন মডেল মানে ছদ্মবেশী ক্যালকুলেটর—এবং সেই ছদ্মবেশ সবচেয়ে বিপজ্জনক, কারণ এটি সংখ্যার মর্যাদা পায়।

আমার নিজের কাজে আমি এই লোভকে তিনভাবে দমন করি। প্রথমত, আমি খোলাখুলি লিখে দিই কোন ঘরটি ফাঁকা এবং কেন। দ্বিতীয়ত, প্রতিটি সিদ্ধান্তের পাশে আমি আস্থার মাত্রা যোগ করি—নিশ্চিত, মধ্যম, অস্থায়ী। তৃতীয়ত, আমি একটি প্রাক-নিবন্ধিত পূর্বাভাস লিখে রাখি, যাতে পরে যাচাই করা যায় আমি ভুল ছিলাম কি না। এই অভ্যাসগুলো আমাকে ধীর করে, কিন্তু সৎ রাখে। আর দীর্ঘমেয়াদে সততাই একমাত্র সম্পদ, যা বিশ্লেষক সত্যিকারের জমা করতে পারেন।

৫. উপসংহার: পরবর্তী সংকেত

তাহলে খালি ইনপুটের সামনে বসে বিশ্লেষকের আসল কাজ কী? উত্তরটি সরল, কিন্তু কঠিন। কাজ হলো—ঘরগুলো ফাঁকা রেখেই কাঠামোটি সম্পূর্ণ রাখা। প্রতিটি মাত্রার পূর্ণ টেমপ্লেট হাজির করা, এবং যেখানে তথ্য নেই সেখানে নির্ভয়ে লিখে দেওয়া: যথেষ্ট তথ্য নেই, মূল্যায়ন করা সম্ভব নয়। এটি ব্যর্থতা নয়। এটি সততার একমাত্র কাঠামো।

আমি জানি, এমন একটি উত্তর পাঠকের কাছে হতাশাজনক মনে হয়। পাঠক সংখ্যা চান, গল্প চান, ভবিষ্যদ্বাণী চান। কিন্তু একটি মিথ্যা সংখ্যার চেয়ে একটি সৎ শূন্য অনেক বেশি দামি। কারণ শূন্যতা আপনাকে বলে, কোথায় দেখতে হবে। আর একটি মিথ্যা সংখ্যা আপনাকে ভুল জায়গায় নিয়ে যায়—এবং সেখানে গিয়ে আপনি আরও বড় ভুল করেন।

আমি ট্রান্সফার মার্কেটে এই নীতিটি বহন করি, কারণ ট্রান্সফার মার্কেট—ফুটবল হোক বা ই-স্পোর্টস—একটি গুজবের ইঞ্জিন। সেখানে প্রতিদিন হাজার হাজার গল্প জন্ম নেয়, আর সেখানেই সবচেয়ে বেশি ফাঁকা ঘর থাকে। আমি সেই ইঞ্জিনের গিয়ার ঘোরাই না, যতক্ষণ না ডেটা তা করতে বলে। একটি সংখ্যা যখন গল্পের সাথে মিলতে অস্বীকার করে, তখন আমি সেই গল্পটি ফেলে দিই, সংখ্যাটি নয়।

সামনে যা আসছে, তা হলো আরও বেশি ডেটা এবং আরও বেশি শব্দ। ট্র্যাকিং প্রযুক্তি ছড়িয়ে পড়ছে, প্রতিটি ঘরোয়া ম্যাচে ক্যামেরা ঢুকছে, বাজি-কোম্পানিগুলো লাইভ-ফিডের পেছনে দৌড়াচ্ছে। এই প্রসারণে লাভ আছে, কিন্তু বিপদও আছে। আমাদের দক্ষিণ এশীয় ক্রিকেটের আসল পরীক্ষা হবে এই—আমরা কি সংখ্যার প্রাচুর্যকে প্রজ্ঞা ভেবে ভুল করব, নাকি ফাঁকা ঘরগুলোকে সাক্ষী হিসেবে পড়তে শিখব?

ময়মনসিংহের সেই লণ্ঠনটি আজও আমার সাথে আছে। ছায়ার লিগে আলো কম, কিন্তু যেটুকু আছে, সেটুকু দিয়ে আমি ঠিক কী দেখা যায় আর কী দেখা যায় না—সেটাই মেপে যাচ্ছি। কারণ শেষ পর্যন্ত, বিশ্লেষক হিসেবে আমার মূল্য এই নয় যে আমি কত জানি; আমার মূল্য এই যে আমি জানি, আমি কতটা জানি না।