যেখানে সংখ্যা ঠিক, লেবেল ভুল: ক্রিকেট ডেটার তিনটি ব্যর্থ ক্রস-চেক
**মূল উত্তর:** Stage-1 প্যাকেটের তিনটি তথ্য পাবলিক রেকর্ডের সঙ্গে মেলেনি — একটি ভুল সময়-উইন্ডোতে বসানো, একটি ভুল খেলোয়াড়-সনাক্তকরণে জমা, একটি পুরোনো মডেল-ভার্সনে তৈরি। ফলে Stage-2 বিশ্লেষণ শুরুর আগেই ওই তিনটি বাদ দিয়ে বাকি তথ্যের ভিত্তিতে কাঠামো পুনর্গঠন করতে হয়েছে। **মূল তথ্য:** - ব্যর্থতা তিন ধরনের: উইন্ডো মিসম্যাচ, এনটিটি মিসম্যাচ, এবং মডেল ভার্সন ড্রিফট। - বৃষ্টিবিধ্বস্ত ম্যাচে পাওয়ারপ্লে চার ওভার হলে ‘পাওয়ারপ্লে ইকোনমি’ সংখ্যাটি সত্য, লেবেলটি ভুল। - ডিএলএস পুনর্গণনা বা তৃতীয় আম্পায়ারের রিভার্সালে ম্যাচ পুনঃস্কোর হলে পুরোনো সংখ্যা ফিডে টিকে থাকে। - ২০২০ সালে ৯২টি দর্শকশূন্য বুন্দেসলিগা ম্যাচে হোম-উইন হার ৪৩.২% থেকে ৩৩.৩%-এ নেমেছিল। - সমাধান: প্রকভেন্যান্স চেইন, দুই-ঘড়ির নিয়ম, ডিনোমিনেটর যাচাই ও সংজ্ঞা-লক। **উৎস:** Stage-2 Deep Analysis — Cricket Domain, Stage-1 প্যাকেট রিভিউ | প্রকাশ: ১৩ আগস্ট ২০২৬ | Cross-checked: cricsultan.com **সম্পর্কিত প্রশ্নোত্তর:** প্রশ্ন: ভেরিফিকেশন গেট কখন ব্যর্থ হয়? উত্তর: যখন প্যাকেট যাচাই শেষ হওয়ার আগেই প্রকাশের জন্য চলে যায়, তখন গেটের অস্তিত্ব অর্থহীন হয়ে পড়ে। প্রশ্ন: কোন ডেটা সবচেয়ে বিপজ্জনক? উত্তর: যে ডেটা একসময় সত্য ছিল কিন্তু পরে সংশোধিত হয়েছে — যেমন পুনঃস্কোর হওয়া ম্যাচের পুরোনো পরিসংখ্যান। প্রশ্ন: রোল-ফিট বিশ্লেষণে ডিনোমিনেটর কেন গুরুত্বপূর্ণ? উত্তর: ভুল উইন্ডোতে গড়া সংখ্যা সঠিক থাকলেও সিদ্ধান্ত ভুল করায়, যেমন কাপ-মিনিট ঢুকে গেলে লিগ-ভিত্তিক ড্রিবল ডেটা বিভ্রান্ত করে।
রাত সোয়া একটায় মনিটরে তিনটি সারি লাল হয়ে আছে। Stage-1 প্যাকেট থেকে আসা সংখ্যাগুলো নিজেদের মধ্যে ঠিকঠাক — টাইপো নেই, রাউন্ডিং ভুল নেই, ইউনিটও মিলে যাচ্ছে। সমস্যা হলো, তিনটির কোনোটিই পাবলিক রেকর্ডের সঙ্গে মেলে না। একটি সংখ্যা সঠিক ম্যাচে জন্মেছে, কিন্তু বসে আছে ভুল সময়-উইন্ডোতে; একটি সংখ্যা সঠিক মানুষকে নিয়ে তৈরি, কিন্তু ওই নামের নিচে দুজন আলাদা খেলোয়াড় জমা হয়ে গেছে; আরেকটি সংখ্যা একদম নিখুঁত, অথচ যে মডেল-ভার্সনে সেটি তৈরি হয়েছিল তার সংজ্ঞা এখন বদলে গেছে। গেট বন্ধ। বিশ্লেষণ শুরুর আগেই থেমে গেল।
এমন রাত আমার কাছে নতুন নয়। ২০১৭ সালে রংপুরের কোডিং ডেস্কে বসে যখন হাতে ৪০টি বিপিএল ম্যাচ স্প্রেডশিটে কোড করছি, তখনই বুঝেছিলাম — ক্রিকেটের ভুল সাধারণত সংখ্যায় থাকে না, থাকে সংখ্যার সীমানায়। ওভার ০ আর ওভার ১-এর মাঝখানে, ফ্রি-হিটের বলটা কোন ওভারে গুনতে হবে সেই ফয়সালায়, উইকেট পড়ার বলটা বোলারের নামে যাবে না ব্যাটসম্যানের নামে যাবে সেই সিদ্ধান্তে। আমি রংপুরের কোডিং ডেস্ক থেকে শুরু করেছিলাম, তারপর রাশিয়ার নীরবতায় গিয়ে শিখেছি — সময়-ছাপ ছাড়া কোনো সংখ্যা বিশ্বাসযোগ্য নয়।
প্রসঙ্গ: প্যাকেট থেকে প্রবন্ধ পর্যন্ত পাঁচ হাত
Stage-1 প্যাকেট মানে কাঁচা উপাদানের একটি স্তূপ — বল-বাই-বল ফিড, স্কোরার শিট, সংবাদপত্রের আর্কাইভ, কয়েকটি ভিডিও-টাইমস্ট্যাম্প। Stage-2 মানে সেই উপাদান থেকে কাঠামো তৈরি। মাঝখানে পাঁচটি হাত আছে: কাঁচা ফিড, স্কোরার, অ্যাগ্রিগেটর, বিশ্লেষক, লেখক। প্রতিটি হাতান্তরে অর্থ সরে যাওয়ার একটা সম্ভাবনা থাকে।
২০১৮ সালে রাশিয়ায় ফ্রান্সের ৪-২-৩১ দেখতে গিয়ে আমি এই হাতান্তরের ধারণাটা পেয়েছিলাম। ফাইনালে ফ্রান্স ৬৬ শতাংশ পজেশন ছেড়ে দিয়েছিল, কিন্তু ওপেন-প্লে xG দিয়েছিল মাত্র ০.৮ — এই দুই সংখ্যা একসঙ্গে না পড়লে গল্পটা অর্থহীন। একইভাবে ২০২০ সালে ৯২টি দর্শকশূন্য বুন্দেসলিগা ম্যাচ কোড করার সময় দেখলাম হোম-উইন হার ৪৩.২ শতাংশ থেকে নেমে ৩৩.৩ শতাংশে এসেছে, অথচ অ্যাওয়ে দলের হাই-টার্নওভার বেড়েছে ১১ শতাংশ। স্টেডিয়াম যখন খালি হয়ে গেল, আমি তখন চিৎকার শোনা বন্ধ করে নীরবতা মাপা শুরু করলাম — এবং ঠিক তখনই আবিষ্কার করলাম, প্রতিটি সংখ্যার সঙ্গে একটা সময়-ছাপ আর একটা সংজ্ঞা জুড়ে দিতে হয়।
ক্রিকেটে এই শৃঙ্খলা আরও কঠিন, কারণ এখানে খেলাটা নিজেই একটা গণনার খেলা — ওভার, বল, রান, উইকেট, ডাকওয়ার্থ-লুইস। ফুটবলে একটি ম্যাচ ৯০ মিনিট, ক্রিকেটে একটি ম্যাচ ৪০ ওভারও হতে পারে, ২০ ওভারও হতে পারে, ১৫ ওভারেও নেমে আসতে পারে। প্রতিটি সংক্ষেপণ মানে নতুন একটি ডিনোমিনেটর। আর টুর্নামেন্ট সাইকেলে এই সংক্ষেপণ ঘটে সবচেয়ে দ্রুত, সবচেয়ে অগোছালোভাবে।
মূল বিশ্লেষণ: তিনটি ব্যর্থতার শরীর
উইন্ডো মিসম্যাচ। প্রথম আইটেমটি দেখতে নিখুঁত — একজন বোলারের পাওয়ারপ্লে ইকোনমি। সংখ্যাটি সত্যি, কিন্তু তার ভেতরে দুটি বৃষ্টিবিধ্বস্ত ম্যাচ ঢুকে গেছে যেখানে পাওয়ারপ্লে ছিল চার ওভার, ছয় ওভার নয়। ফলাফল: ওভারপ্রতি রানের হিসাব ঠিক, কিন্তু ‘পাওয়ারপ্লে’ শব্দটির অর্থ ভুল। এখানেই ক্রিকেট ডেটার সবচেয়ে সাধারণ অসুখ — সংখ্যাটি মিথ্যা নয়, তার গায়ে লাগানো লেবেলটি মিথ্যা। ডেথ-ওভার স্পেশালিস্ট নির্ধারণের সময় একই ফাঁদ অপেক্ষা করে। যে ম্যাচে ইনিংস ১৫ ওভারে শেষ হয়েছে, সেখানে ১৭ থেকে ২০ ওভার বলে কিছু নেই; কিন্তু অ্যাগ্রিগেটরে সেই ম্যাচের সব বল ‘ডেথ’ কলামে ঢুকে যায়। আপনি একজন বোলারকে ডেথ স্পেশালিস্ট বলে চিনিয়ে দিলেন, অথচ সে জীবনে ওই চার ওভারে বলই করেনি।
এনটিটি মিসম্যাচ। দ্বিতীয় আইটেমে সমস্যা নামের স্তরে। একই পদবির দুই খেলোয়াড়, অথবা একই খেলোয়াড়ের দুটি নিবন্ধন-কাল, অথবা একটি ম্যাচ যা পরে পুনঃস্কোর হয়েছে — ডিএলএস পুনর্গণনা, কোড-অব-কন্ডাক্ট জরিমানা, তৃতীয় আম্পায়ারের সিদ্ধান্ত বদল। পুনঃস্কোর হওয়া ম্যাচের পুরোনো সংখ্যা ইন্টারনেটে বেঁচে থাকে, নতুন সংখ্যা কেবল মূল ফিডে ঢোকে। হেড-টু-হেড রেকর্ডে নো-রেজাল্ট ম্যাচ গুনে ফেলার ভুলটাও এখানেই। ক্রিকেটের সবচেয়ে বিপজ্জনক ডেটা সেই ডেটা, যেটি একবার সত্য ছিল।
মডেল ভার্সন ড্রিফট। তৃতীয় আইটেমটি সবচেয়ে ধূর্ত। এক্সপেক্টেড রান, এক্সপেক্টেড উইকেট, জয়-সম্ভাবনা — এই মডেলগুলো প্রতি মৌসুমে পুনঃক্যালিব্রেট হয়। ২০২১ সালের মডেলের একটি সংখ্যা আর ২০২৫ সালের মডেলের সংখ্যা একই স্কেলে বসানো যায় না। দুটোই ‘এক্সপেক্টেড’ শব্দটা বহন করে, তাই পাঠক ধরেই নেন দুটো তুলনীয়। এখানে ভুলটি কাউকে দোষারোপ না করেই ঘটে যায়।
এই তিন ধরনের ব্যর্থতা ঠেকানোর জন্য আমি একটা চার-ধাপের অডিট ব্যবহার করি। প্রথম ধাপ, প্রকভেন্যান্স চেইন — সংখ্যাটি কাঁচা ফিড থেকে আমার টেবিল পর্যন্ত কোন কোন হাত ঘুরে এসেছে, তার প্রতিটি ধাপে নাম আর তারিখ লিখে রাখা। দ্বিতীয় ধাপ, দুই-ঘড়ির নিয়ম — ম্যাচ-ঘড়ি (কোন ওভার, কোন বল) আর ক্যালেন্ডার-ঘড়ি (কোন তারিখ, কোন মৌসুম) আলাদা করে লিখতে হবে; একটিকে অন্যটির substitute করা যাবে না। তৃতীয় ধাপ, ডিনোমিনেটর যাচাই — এই সংখ্যার নিচে কোন বলগুলো আছে, তার তালিকা। চতুর্থ ধাপ, সংজ্ঞা-লক — সংখ্যাটি যে মডেল-ভার্সনে তৈরি, সেটি লেখার সময় উল্লেখ করা।
এই চার ধাপের সবচেয়ে গুরুত্বপূর্ণ শিক্ষা: ভুল প্রায় কখনোই মানে থাকে না, থাকে অর্থে। যে অ্যাগ্রিগেটর একটি বোলারের নামের পাশে ৬.২ ইকোনমি বসিয়েছে, সে মিথ্যা বলেনি। কিন্তু আমি যদি সেই ৬.২-কে ‘পাওয়ারপ্লে স্পেশালিস্ট’ বলে চালিয়ে দিই, তাহলে মিথ্যাটি আমার।
২০২৩ সালের জানুয়ারিতে লিস্টার সিটির হয়ে শাখতার দোনেৎস্ক থেকে তেতে-র লোন মুভ নিয়ে যে রিপোর্টটি আমি একা তৈরি করেছিলাম, সেটি কাজ করেছিল কারণ ডিনোমিনেটরটা পরিষ্কার ছিল — প্রতি ৯০ মিনিটে ২.৮ ড্রিবল, লিগ-মিনিটের নির্দিষ্ট উইন্ডোতে। ওই উইন্ডোতে যদি কাপ-মিনিট ঢুকে যেত, সংখ্যাটি ঠিক থাকত, আর সিদ্ধান্তটা ভুল হয়ে যেত। ২০২২ সালের কাতার বিশ্বকাপে মরক্কোর ৪-১-৪-১ দেখতে গিয়েও একই শৃঙ্খলা দরকার ছিল — পর্তুগালের বিরুদ্ধে কোয়ার্টারফাইনালে সোফিয়ান আমরাবাতের ১২.৩ কিলোমিটার কভারেজ একটি অর্থবহ সংখ্যা, কারণ সেটি নির্দিষ্ট ম্যাচ, নির্দিষ্ট ভূমিকা আর নির্দিষ্ট প্রতিপক্ষের সঙ্গে বাঁধা।
এখন টুর্নামেন্ট সাইকেলের চাপ যোগ করুন। সংক্ষিপ্ত চক্রে প্যাকেট আসে দ্রুত, সম্পাদকীয় চাহিদা আসে তারও দ্রুত। একই দিনে তিনটি ম্যাচ, তিনটি ভিন্ন ভেন্যু, তিনটি ভিন্ন পিচ-কন্ডিশন। স্কোরার ক্লান্ত, ফিড দেরিতে আসে, অ্যাগ্রিগেটর আগের মৌসুমের টেমপ্লেটে নতুন ডেটা ঢোকায়। এই অবস্থায় উইন্ডো মিসম্যাচ আর এনটিটি মিসম্যাচের হার গুণিতক হারে বাড়ে।
বিপরীত দিক: দোষটা অ্যাগ্রিগেটরের নয়
স্বাভাবিক প্রতিক্রিয়া হলো অ্যাগ্রিগেটরকে দোষ দেওয়া, অথবা ফিড-প্রোভাইডার বদলানো। আমার অভিজ্ঞতায় আসল ফাটলটা ডেডলাইনে। যে প্যাকেট যাচাইয়ের আগেই প্রকাশের জন্য চলে যায়, সেখানে গেট থাকা-না-থাকা সমান। আরও একটা বিপদ আছে — যে গেট কেবল সংখ্যা যাচাই করে, সংজ্ঞা যাচাই করে না, সেটি পরিচ্ছন্ন মিথ্যা তৈরি করে। সংখ্যাটি সঠিক প্রমাণিত হবে, উৎসও নির্ভরযোগ্য দেখাবে, তবু অর্থটা ভুল থাকবে।
আরেকটি জায়গায় আমাদের সততা দরকার। আম্পায়ারিং রিভিউ আর ডিএলএস পুনর্গণনার ক্ষেত্রে রেকর্ড পরে সংশোধিত হয়। বড় ম্যাচের সংশোধন সংবাদ হয়, ছোট ম্যাচের সংশোধন চাপা পড়ে যায়। এতে করে পাবলিক রেকর্ডে একটি অসমmetry তৈরি হয় — বড় দলের সংখ্যা বেশি যাচাই হয়, ছোট দলের সংখ্যা কম। এটা কোনো ষড়যন্ত্র নয়, এটা মনোযোগের অর্থনীতি। ফলে ছোট দলের বিরুদ্ধে গড়া কোনো রেকর্ড দীর্ঘদিন অনানুষ্ঠানিকভাবে ভুল থাকে, আর সেটাই পরে বিশ্লেষণের ভিত্তি হয়ে যায়।
ফিল্ডিং মেট্রিকেও একই ফাঁদ। ‘রানস সেভড’ সংখ্যাটি অর্থবহ হয় কেবল তখনই, যখন জানা থাকে কতগুলো বল আপনার ফিল্ডিং-আর্কে ঢুকেছিল। যতগুলো বল আসেনি, সেগুলোর জন্য কেউ রান বাঁচায় না — অথচ টেবিলে সবাই সমান দেখায়। ফুটবলে যেভাবে অর্থহীন দৌড় সুন্দর সংখ্যা তৈরি করে, ক্রিকেটে অর্থহীন ফিল্ডিংও তাই করে।
পরবর্তী ম্যাচে কী দেখবেন
পরের প্যাকেট আসবে কয়েক দিনের মধ্যে, আর তার সঙ্গে আসবে নতুন তিনটি লাল সারি — এটাই স্বাভাবিক। আমার পরামর্শ সহজ: কোনো সংখ্যা দেখে প্রথমে জিজ্ঞেস করুন তার নিচে কোন বলগুলো আছে, তারপর জিজ্ঞেস করুন সংখ্যাটি কোন মডেল-ভার্সনের। পিচ ছাড়া ডেটা শব্দ, আর ডেটা ছাড়া পিচ হাতছাড়া সুযোগ। প্রশ্নটা শেষ পর্যন্ত একটাই — টুর্নামেন্ট শেষ হলে আমরা কোন রেকর্ডটি বিশ্বাস করব, যেটি ফিডে আছে, নাকি সেটি যেটি যাচাই করে টিকে আছে?