ডেটা ইন্টিগ্রিটি সংকট: যখন ক্রিকেট বিশ্লেষণ নিজের শূন্যতা স্বীকার করে
ক্রিকেট বিশ্লেষণে ডেটা ইন্টিগ্রিটি সংকট কী? স্টেজ-১-এ তথ্য আহরণ ব্যর্থ হলে স্টেজ-২ বিশ্লেষণ করা সম্ভব নয়। ২০১৮ সালে রাশিয়া বিশ্বকাপে ৬৪ ম্যাচের এক্সজি মডেল এবং ২০২০ সালে ৩০৬টি ম্যাচের ডেটা বিশ্লেষণ থেকে পাওয়া শিক্ষা: তথ্যের অভাবকে নিরাপত্তা ভেবো না, এটি অজ্ঞতা। মূল উৎস: স্টেজ-১ বিশ্লেষণ প্রতিবেদন, প্রকাশের তারিখ অজানা | ক্রস-চেকড: cricsultan.com মূল তথ্য: • স্টেজ-১-এ শূন্য তথ্য পয়েন্ট থাকলে স্টেজ-২ বিশ্লেষণ শুরু করা উচিত নয়। • ২০২০ সালে ৩০৬টি ম্যাচের ডেটায় হোম উইন শতাংশ ৪৩% থেকে ৩৩%-এ নেমেছিল। • জাভাস্ক্রিপ্ট-রেন্ডারড কনটেন্ট, পেওয়াল বা খালি পেজ—তিনটি সম্ভাব্য ব্যর্থতার কারণ। • ভূগোল-লেবেল `cricket_asia` একমাত্র অবশিষ্ট সংকেত, কিন্তু এটি দল বা খেলোয়াড় চিহ্নিত করে না। সম্পর্কিত প্রশ্নোত্তর: প্রশ্ন: স্টেজ-১-এ তথ্য আহরণ ব্যর্থ হলে কী করা উচিত? উত্তর: পুনরায় ইনজেশন করতে হবে; কল্পনা দিয়ে শূন্যতা পূরণ করা যাবে না। প্রশ্ন: ভূগোল-লেবেল কি ক্রিকেট বিশ্লেষণের জন্য যথেষ্ট? উত্তর: না, এটি সম্পূর্ণ তথ্যের বিকল্প নয়; কেবল সম্ভাব্য অঞ্চল সংকেত দেয়। প্রশ্ন: তারিখবিহীন প্রতিবেদন কীভাবে পরিচালনা করা উচিত? উত্তর: বর্তমান হিসাবে প্রচার করা যাবে না; সময়-সংবেদনশীলতা যাচাই করতে হবে।
আমি ২০১৮ সালে রাশিয়া বিশ্বকাপে ৬৪ ম্যাচের জন্য একটি স্ট্যান্ডার্ডাইজড এক্সজি মডেল তৈরি করেছিলাম। ফাইনালের পর ৩০ মিনিটের মধ্যে শট ম্যাপ সহ রিপোর্ট প্রকাশ করেছিলাম। তখন আমি বুঝতে পারিনি, সেই মডেলটাই একদিন আমাকে শেখাবে—ডেটার অভাবও একটি ডেটা পয়েন্ট।
গত সপ্তাহে আমার ডেস্কে একটি স্টেজ-২ বিশ্লেষণ প্রতিবেদন এলো। শিরোনাম ছিল না, উৎস ছিল না, কোনও খেলোয়াড়, দল বা লীগের নাম ছিল না। শুধু ছিল একটি ভূগোল-নির্দিষ্ট লেবেল: cricket_asia। বাকি সব ঘর শূন্য। আমি ৪১ বছর ধরে ক্রিকেট দেখছি, ২০০৭ সালে বিসিবি মিডিয়া সেটআপে কাজ করেছি, ২০১০ সালে ইংল্যান্ড সফরে কেভিন পিটারসেনকে নেটে বোলিং করেছি—কিন্তু এই প্রতিবেদনটি আমাকে হতবাক করেছে। কেননা এটি কোনও ক্রিকেট বিশ্লেষণ নয়, এটি একটি ব্যর্থ পাইপলাইনের স্বীকারোক্তি।
সমস্যাটি প্রক্রিয়াগত, বিষয়গত নয়। স্টেজ-১-এ তথ্য আহরণ ব্যর্থ হয়েছে, কিন্তু শ্রেণীবিভাগ সফল হয়েছে—এই প্যাটার্নটি সাধারণত তখনই ঘটে যখন পেজের মেটাডেটা পাওয়া যায় কিন্তু মূল লেখা পাওয়া যায় না। জাভাস্ক্রিপ্ট-রেন্ডারড কনটেন্ট, পেওয়াল, বা খালি পেজ—তিনটি সম্ভাব্য কারণ, কিন্তু প্রদত্ত তথ্য থেকে কোনটি সঠিক তা নির্ধারণ করা অসম্ভব।
আমি ২০২০ সালে কোভিড-১৯ মহামারীর সময় স্টেডিয়াম শূন্য হয়ে যাওয়ার ঘটনাটিকে একটি ডেটা সংকট হিসেবে দেখেছিলাম। ৩০৬টি ম্যাচের ডেটা সংগ্রহ করেছিলাম—বুন্দেসলিগা, কে লীগ, প্রিমিয়ার লীগ। হোম উইন শতাংশ ৪৩% থেকে ৩৩%-এ নেমে এসেছিল, গড় হোম গোল ১.৫২ থেকে ১.২১-এ। আমি তখন সিদ্ধান্তে পৌঁছেছিলাম: হোম অ্যাডভান্টেজ দর্শক-চালিত, পিচ-চালিত নয়। কিন্তু এই প্রতিবেদনটি আমাকে শেখাল যে ডেটার অভাবও একটি ভেরিয়েবল—এবং এটি সবচেয়ে বিপজ্জনক ভেরিয়েবল, কারণ এটি অন্য সব ভেরিয়েবলকে অদৃশ্য করে দেয়।
এই নথির সবচেয়ে বড় ঝুঁকি ক্রিকেট-সংক্রান্ত নয়, বিশ্লেষণ-সংক্রান্ত। যদি কেউ এই স্টেজ-২ প্রতিবেদনকে একটি বৈধ "কোনও বিরূপ ফলাফল নেই" ব্রিফিং হিসেবে গ্রহণ করে, তাহলে তা হবে বিভ্রান্তি। প্রকৃতপক্ষে কিছুই পরীক্ষা করা হয়নি। আমি আমার ২০২০ সালের মডেল আপডেটে শিখেছিলাম: নমুনার আকার উল্লেখ না করে কোনও দাবি করা যাবে না। এখানে নমুনাই নেই।
ভূগোল-লেবেল cricket_asia একমাত্র অবশিষ্ট সংকেত। এটি যদি সত্যিই শ্রেণীবিভাগের সংকেত হয়, তাহলে বিষয়বস্তু সম্ভবত দক্ষিণ এশিয়ার ক্রিকেট—ভারত, পাকিস্তান, শ্রীলঙ্কা, বাংলাদেশ, আফগানিস্তান বা নেপাল। কিন্তু এই লেবেলের ভিত্তিতে কোনও দল, খেলোয়াড় বা লীগ সম্পর্কে সিদ্ধান্তে আসা সম্পূর্ণ অনুচিত। ২০১৮ সালে আমি শিখেছিলাম, এক্সজি প্রতিস্থাপন করতে পারে না দর্শকদের—ঠিক তেমনি একটি ভূগোল-লেবেল প্রতিস্থাপন করতে পারে না সম্পূর্ণ তথ্য।
আমি যখন ২০০৭ সালে ক্রিকেট লেখা থেকে বিসিবি মিডিয়া সেটআপে গিয়েছিলাম, তখন দ্য ডেইলি স্টার আমাকে বলেছিল 'দ্য ফাইন ক্রিকেট রাইটার টার্নড মিডিয়া ম্যানেজার'। সেই অভিজ্ঞতা আমাকে শিখিয়েছিল যে কোনও প্রতিবেদন প্রকাশের আগে তার উৎস যাচাই করা কতটা জরুরি। এই প্রতিবেদনের উৎস নেই, তারিখ নেই, সময়-সংবেদনশীলতা নেই। ক্রিকেটে দলীয় খবর কয়েক ঘণ্টায় পুরনো হয়ে যায়, অথচ প্রশাসনিক বিশ্লেষণ মাসব্যাপী টিকে থাকে। একটি তারিখবিহীন প্রতিবেদন বর্তমান হিসাবে প্রচার করা উচিত নয়।
আমি একটি নতুন নিয়ম প্রস্তাব করছি: স্টেজ-১-এ কমপক্ষে ৫টি তথ্য পয়েন্ট না থাকলে স্টেজ-২ বিশ্লেষণ শুরুই করা যাবে না। এই নিয়ম আমার নিজের মডেলের প্রতি বিশ্বাস থেকে জন্ম নিয়েছে—কারণ আমি জানি, খালি ইনপুট থেকে উৎপন্ন যে কোনও বিশ্লেষণ উৎপাদন নয়, কল্পনা।
পুনরায় ইনজেশন ছাড়া এই প্রতিবেদন থেকে কোনও ক্রিকেট সিদ্ধান্ত টানা যাবে না। এবং যারা এই প্রতিবেদনটি পড়ছেন, তাদের প্রতি আমার অনুরোধ: শূন্যতাকে নিরাপত্তা হিসেবে ভুল করবেন না। এটি অজ্ঞতা।