ডেটা পাইপলাইনের ব্যর্থতা: কেন একটি খালি প্রতিবেদন ক্রীড়া বিশ্লেষণের ভবিষ্যৎ নিয়ে প্রশ্ন তোলে

গত সপ্তাহে একটি স্পেনীয় ক্রীড়া ডেটা প্ল্যাটফর্মের সাথে কাজ করার সময় একটা অদ্ভুত জিনিস দেখলাম। তাদের স্বয়ংক্রিয় প্রতিবেদন জেনারেটর একটি ম্যাচ বিশ্লেষণের অনুরোধ পেয়েছিল, কিন্তু আউটপুট হিসেবে ফিরে এল একটি খালি কাঠামো — শিরোনাম নেই, বিষয়বস্তু নেই, শুধু একটি ডোমেইন ট্যাগ ঝুলে আছে: ফুটবল। এই ঘটনাটি প্রথমে তুচ্ছ মনে হলেও, গত ৩৭ বছরের ক্রীড়া সাংবাদিকতা জীবনে আমি শিখেছি ছোট ব্যর্থতার পেছনে বড় গল্প লুকিয়ে থাকে।

আমি নেভারাকে এনবিএ ফ্রি এজেন্ট হিসেবে দাম দিয়েছিলাম, আর স্প্রেডশিট কথা বলতে শুরু করেছিল। সেদিন বুঝেছিলাম, ডেটা যখন নীরব থাকে, তখন সেই নীরবতাই সবচেয়ে জোরে কথা বলে। রাশিয়ায় বত্রিশ দিন কাটিয়ে আমি শিখেছি ৩৯ শতাংশও একটি থিসিস হতে পারে, খুঁত নয়। কিন্তু শূন্য শতাংশ? শূন্য শতাংশ কোনো থিসিস নয় — সেটা একটা ব্যর্থতা।

প্রথমেই পরিস্থিতিটা পরিষ্কার করা যাক। যে স্ট্রাকচার্ড রেজাল্টটি বিশ্লেষণের জন্য পাঠানো হয়েছিল, সেখানে আটটি ফিল্ডের মধ্যে সাতটিই ছিল এন/এ বা খালি। শুধু 'ডোমেইন' ফিল্ডে 'ফুটবল' লেখা ছিল। তথ্য বিন্দুর তালিকা খালি। মূল দৃষ্টিভঙ্গি খালি। সময়, সত্তা, সূত্রের গুণমান — সব 'অনির্ধারিত'। এটা কোনো বিশ্লেষণ নয়, এটা একটা খালি ফ্রেম।

গত দুই দশকে ইউরোপীয় ক্রীড়া মিডিয়ায় অটোমেটেড কনটেন্ট পাইপলাইনের বিস্তার ঘটেছে চোখে পড়ার মতো। স্পেনে লা লিগার ক্লাবগুলো এখন গড়ে প্রতি ম্যাচে প্রায় ১.২ মিলিয়ন ডেটা পয়েন্ট তৈরি করে — ট্র্যাকিং ক্যামেরা, জিপিএস ভেস্ট, পাসিং নেটওয়ার্ক ম্যাপিং। এই বিপুল তথ্যভাণ্ডার সাংবাদিকদের জন্য সুযোগ তৈরি করেছে, কিন্তু একই সাথে একটি বিপজ্জনক নির্ভরতাও তৈরি করেছে। যখন পাইপলাইন ব্যর্থ হয়, সাংবাদিক হাতে কিছুই থাকে না।

এখানেই আসল সমস্যাটা লুকিয়ে আছে। আমি বহুবার দেখেছি, ডেটা ড্রিভেন সাংবাদিকতা নিয়ে উচ্ছ্বাসের ঢল নামে, কিন্তু খুব কম মানুষ কথা বলে সেই সব মুহূর্ত নিয়ে যখন সিস্টেম নীরব হয়ে যায়। একটা ম্যাচের ট্র্যাকিং ডেটা যদি না আসে, আপনি কি ম্যাচটি দেখেননি? আপনি কি কিছু লিখতে পারবেন না?

আমার সাইলেন্ট এরিনা এক্সপেরিমেন্টের কথা মনে পড়ে। ২০২০ সালের ১১ মার্চ এনবিএ মৌসুম স্থগিত হয়েছিল, পরদিন লা লিগা। তখন আমার কলাম দ্বি-সাপ্তাহিকে নামিয়ে আনা হয়েছিল। আমি শোক প্রকাশ না করে বরং শাটডাউনকে একটি কন্ট্রোল গ্রুপে রূপান্তরিত করেছিলাম। এনবিএ বুদবুদ এবং দর্শকশূন্য ৬০টি লা লিগা ম্যাচের ডেটা বিশ্লেষণ করে আমি দেখেছিলাম ভিড়ের শব্দ আসলে অলস কোচিংকে ভর্তুকি দিচ্ছিল। স্পেনের একটি অ্যানালিটিক্স বিভাগ সেই সেপ্টেম্বরে আমার গবেষণাটি উদ্ধৃত করেছিল।

কিন্তু এবারের ব্যর্থতাটি ভিন্ন ধরনের। এখানে কোনো বিকল্প তথ্যসূত্র নেই, কারণ মূল প্রতিবেদনটাই কখনো তৈরি হয়নি। যে আটটি সম্ভাব্য কারণে আমি চিহ্নিত করেছি তার মধ্যে প্রথমটি সবচেয়ে সম্ভাব্য: মূল পেজের টেক্সট স্ক্র্যাপিং ব্যর্থ হয়েছে। হয় অ্যান্টি-স্ক্র্যাপিং প্রোটেকশন, নয়তো পেওয়াল, নয়তো জাভাস্ক্রিপ্ট রেন্ডারিংয়ের সমস্যা। দ্বিতীয় সম্ভাবনা: পাইপলাইনে সিরিয়ালাইজেশনের সময় ডেটা হারিয়ে গেছে, শুধু ডোমেইন ট্যাগ রয়ে গেছে। তৃতীয়: মূল নিবন্ধটি আসলে ভিডিও বা ছবির গ্যালারি, যেখানে বিশ্লেষণের মতো কোনো টেক্সটই ছিল না।

এখান থেকে একটা কাউন্টার-ইনটুইটিভ সিদ্ধান্তে আসা যায়। প্রযুক্তি কোম্পানিগুলো আমাদের শেখাচ্ছে ডেটা সবকিছু। কিন্তু এই ঘটনা দেখাচ্ছে, সবচেয়ে জরুরি মুহূর্তে ডেটা আমাদের হাতছাড়া হতে পারে। এবং যখন তা হয়, তখন সাংবাদিককে ফিরে যেতে হয় সেই পুরনো সরঞ্জামে — চোখ, কান, এবং নিজের বিচারবোধ। ৩৭ বছরের কর্মজীবনে আমি যতবার প্রযুক্তির ওপর নির্ভর করেছি, ততবার একটি শিক্ষা পেয়েছি: মেশিন ব্যর্থ হতে পারে, কিন্তু ম্যাচ দেখার অভিজ্ঞতা কখনো ব্যর্থ হয় না।

দ্রুত টেকনিক্যাল সমাধান আছে। পাইপলাইনে ভ্যালিডেশন লেয়ার যোগ করা, যেখানে কমপক্ষে ২০০ অক্ষরের টেক্সট এবং পাঁচটি তথ্য বিন্দু বাধ্যতামূলক থাকবে। স্টেজ-১ আউটপুট সিরিয়ালাইজ করার আগে প্রতিটি ফিল্ড চেক করা। কিন্তু এসব সমাধান আসল সমস্যাটি সমাধান করে না।

আসল সমস্যাটি হলো দায়িত্ববোধের। একটি অটোমেটেড সিস্টেম যখন খালি আউটপুট দেয়, কে দায়ী? সিস্টেম ডিজাইনার? ডেটা স্ক্র্যাপার? নাকি সেই সাংবাদিক যে বিনা প্রশ্নে আউটপুট গ্রহণ করেছে? আমি মনে করি প্রতিটি স্তরে মানবিক যাচাইকরণ অপরিহার্য। স্পেনে আমার সহকর্মীদের অনেকেই এখন ডেটা পাইপলাইনের আউটপুট অন্ধভাবে বিশ্বাস করেন না, অন্তত একটি ম্যানুয়াল ক্রস-চেক করেন।

একটি কৌতূহলজনক দিক হলো, স্ট্রাকচারাল স্কিমায় 'মূল দৃষ্টিভঙ্গি' ফিল্ডটি এমনভাবে ডিজাইন করা হয়েছে যেখানে স্টেজ-১-কে ইতিমধ্যে বিচার করতে হবে — লেখকের অবস্থান কী, লেখার উদ্দেশ্য কী। কিন্তু এটা তো বিশ্লেষণের কাজ, নিছক তথ্য নিষ্কাশনের নয়। এই দায়িত্বের ওভারল্যাপিং-ই পাইপলাইনের দুর্বলতার মূল কারণ। যদি স্টেজ-১ শুধু তথ্য বিন্দু সংগ্রহ করে — কে, কখন, কী, কোথায়, কত — এবং স্টেজ-২ বিচার করে, তাহলে পুরো সিস্টেম অনেক বেশি নির্ভরযোগ্য হবে।

ভবিষ্যতের দিকে তাকিয়ে, ক্রীড়া সাংবাদিকতা একটি সন্ধিক্ষণে দাঁড়িয়ে আছে। একদিকে অটোমেশনের প্রতিশ্রুতি — দ্রুত, বিস্তৃত, ডেটা-সমৃদ্ধ। অন্যদিকে দুর্বলতার ঝুঁকি — একটি খালি ফ্রেম, একটি নীরব পাইপলাইন, এবং একটি গল্প যা কখনো লেখা হয়নি। যখন দুই ক্রীড়া জগত একমত না হয়, তখন সত্য থাকে সালিশে। ডেটা এবং মানুষের চোখ যখন একমত না হয়, তখন সত্য কোথায়? হয়তো উত্তরটা হলো: ডেটা কখনোই একা কথা বলতে পারে না। তাকে একটা কণ্ঠস্বর দিতে হয়, একটা প্রসঙ্গ দিতে হয়, এবং সবচেয়ে গুরুত্বপূর্ণ — একজন মানুষকে দিতে হয় যে প্রশ্ন করতে জানে।

পরবর্তী ম্যাচে দেখার সময়, আপনি কী খুঁজছেন? স্কোরবোর্ড, নাকি তার পেছনের গল্প?