খালি পেলোডের পাঠ: ক্রিকেট অ্যানালিটিক্সে নাল-হ্যান্ডলিং, ডেটা সততা ও পাইপলাইনের নৈতিক পরীক্ষা

গত বৃহস্পতিবার রাত সাড়ে এগারোটায় রংপুরের বাসার ছোট্ট ডেস্কে বসে আমি একটি ফাইল খুলেছিলাম। নাম ছিল সাধারণ — এক ক্রিকেট নিবন্ধের স্টেজ-২ গভীর পেশাদার বিশ্লেষণ। ফাইল খোলার আগে মনে হয়েছিল, আজ রাতে অন্তত দুটি ইনিংসের ফেজ-ভিত্তিক ডেটা, একজন বোলারের ইকোনমি স্প্লিট, আর একটা ভেন্যু-অ্যাডজাস্টমেন্ট নিয়ে কাজ হবে। ফাইল খুলে যা দেখলাম, সেটা ক্রিকেটের ডেটা নয় — এক সারি খালি ঘর। শিরোনাম নেই, উৎস নেই, তথ্যবিন্দু নেই, খেলোয়াড় নেই, দল নেই। শুধু একটা লেবেল ঝুলে ছিল কোণায় — cricket_asia। অথচ ঠিক তার নিচেই লেখা, প্রতিটি ক্ষেত্র “অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়”।

সেই মুহূর্তটাই এই লেখার আসল বিষয়। কারণ সেদিন রাতে আমার সামনে দুটো পথ খোলা ছিল। এক, খালি ঘরগুলোকে বিশ্বাসযোগ্য শোনানো ক্রিকেট গল্প দিয়ে ভরে দেওয়া — কারণ পাঠক তো গল্প চায়। দুই, সৎভাবে লিখে দেওয়া: “আমি জানি না”। দ্বিতীয় পথটা লোভনীয় নয়, জনপ্রিয় নয়, বাইরে থেকে দেখলে ব্যর্থতা মনে হয়। কিন্তু ক্রিকেট অ্যানালিটিক্সে — বিশেষ করে দক্ষিণ এশিয়ার বাজারে, যেখানে প্রতিটি সংখ্যার পেছনে খ্যাতি, সম্প্রচার-স্বার্থ আর বাজি জড়িত — “জানি না” বলাটাই একমাত্র পেশাদার উত্তর।

আমি দুই স্তরের একটি পদ্ধতিতে কাজ করি। প্রথম স্তরে (স্টেজ-১) কাঁচা নিবন্ধ থেকে তথ্যবিন্দু আর মূল দৃষ্টিভঙ্গি আলাদা করা হয়। দ্বিতীয় স্তরে (স্টেজ-২) সেই তথ্যবিন্দুর উপর ভর করে গভীর বিশ্লেষণ দাঁড় করানো হয়। এখানে একটা কথা পরিষ্কার করা দরকার: স্টেজ-২ কখনওই স্বাধীন সত্যের উৎস নয়; সে স্টেজ-১-এর দেওয়া প্রমাণের উপরে দাঁড়ানো একটি ব্যাখ্যা। প্রমাণ না থাকলে ব্যাখ্যা থাকে না — থাকে শুধু অনুমান, আর অনুমান সাংবাদিকতা নয়, কল্পকাহিনি।

এই পদ্ধতির প্রতি আমার আস্থা তৈরি হয়েছে ধীরে ধীরে, নিজের ভুলের দাম দিয়ে। ২০১৮ সালে, যখন আমার নিজের অ্যাথলেট জীবন শেষ হয়ে গেছে, আমি রংপুরে বিশ্ববিদ্যালয়ের ছাত্র। ২০১৭ সালে বাংলাদেশ প্রিমিয়ার লিগের জন্য হাতে বানানো একটা এক্সজি স্প্রেডশিট ছিল আমার কাছে। সেটা আমি প্রয়োগ করলাম রাশিয়া বিশ্বকাপে। ক্রোয়েশিয়ার সাত ম্যাচ আর ফ্রান্সের সাত ম্যাচ, এক-এক করে ট্র্যাক করলাম। ক্রোয়েশিয়ার গড় এক্সজি ছিল ১.৪২, কিন্তু তারা প্রতি ম্যাচে হজম করছিল ১.২৯ গোল। ফ্রান্সের গড় এক্সজি ছিল ২.১০, হজম মাত্র ০.৮৬। ফাইনালের আগে আমি লিখেছিলাম, ফ্রান্স জিতবে, কারণ ক্রোয়েশিয়ার ওপেন-প্লে এক্সজি ছিল ১.১০, আর ফ্রান্সের ২.৪০। ফ্রান্স ৪-২ জিতল। লেখাটা বারো হাজার বার পড়া হলো।

I audited every shot of the 2026 World Cup and found the model telling a quieter story than the scoreboard. সেদিন থেকে আমার প্রতিটি ম্যাচ-রিপোর্টে একটা এক্সজি টেবিল থাকে। কারণটা সরল — স্কোরলাইন প্রক্রিয়ার কথা বলে না, সে শুধু ফলাফল বলে। আর ফলাফল একবার ঘটে, প্রক্রিয়া প্রতিটি বল জুড়ে থাকে।

কিন্তু এই শিক্ষার একটা বিপরীত দিকও আছে, যেটা ২০২০ সালে আমি শিখলাম। মহামারির বিরতিতে আমি বুন্দেসলিগার ক্লোজড-ডোর প্রত্যাবর্তন নিয়ে পড়াশোনা করলাম। ৩০৬টি কোভিড-পূর্ব ম্যাচ আর ৯২টি পুনরারম্ভ-পরবর্তী ম্যাচ পাশাপাশি রাখলাম। ঘরের দলের জয়ের হার নামল ৪৩.৩% থেকে ৩৩.৩%-এ, ঘরের দলের প্রতি ম্যাচে এক্সজি নামল ১.৫৪ থেকে ১.৩১-এ। কিন্তু প্রকাশনার আগে আমি নমুনার আকার, দলের মান আর সময়সূচির প্রভাব — এই তিনটা জিনিস আলাদা করে যাচাই করলাম। রিপোর্টে সতর্কবার্তা রাখলাম: ৯২টি ম্যাচ ঘরের-মাঠ-সুবিধার তত্ত্ব নতুন করে লেখার জন্য যথেষ্ট নয়। বাংলাদেশের দুইটি ক্রীড়া সংবাদমাধ্যম সেটি উদ্ধৃত করল।

I listened to 2026 press conferences and counted the pauses, not just the quotes. ওই বছর ইতালির ইউরো ২০২০ প্রেস-সিস্টেম নিয়ে কাজ করার সময় আমি সাত ম্যাচ শেষ হওয়া পর্যন্ত অপেক্ষা করেছিলাম। ইতালির পিপিডিএ ছিল ৮.৩, প্রতি ম্যাচে এক্সজি ২.১০, নকআউটে হজম মাত্র ০.৫৭ এক্সজি। টোকিও অলিম্পিকে স্পেনের পেদ্রিকে ছয় ম্যাচ ধরে দেখলাম — ৫৩২ পাস, ৯২% নির্ভুলতা, প্রতি ম্যাচে ১১.৮ কিলোমিটার দৌড়। সাত ম্যাচ না দেখা পর্যন্ত কোনো নতুন ট্যাকটিকাল মেটা নিয়ে আমি মাথা নাড়ি না। এই অপেক্ষা আমাকে হাইপে ধীরগতির বানিয়েছে, কিন্তু বিশ্লেষণকে করেছে নির্ভরযোগ্য।

এসব বলছি কারণ সেদিন রাতের খালি ফাইলটা আমাকে ঠিক এই শিক্ষাগুলোর সামনে দাঁড় করিয়ে দিয়েছিল। একটি ফাঁকা পেলোড আমার কাছে এমন এক পরীক্ষা, যা আমার নিজের পেশাগত নীতির বিরুদ্ধে গিয়ে আমাকে প্রলোভিত করার চেষ্টা করে।

তথ্যবিন্দু (Information Point) কী, সেটা আগে স্পষ্ট হওয়া দরকার। একটি নিবন্ধের ভেতর থেকে বের করা প্রতিটি যাচাইযোগ্য, উদ্ধৃতযোগ্য একক সত্যকে আমি তথ্যবিন্দু বলি। উদাহরণ: “ফিল্ডার এক্স ২০২৪ সালের ডিসেম্বরে দুই বছরের চুক্তিতে দল বদলেছে”, বা “বোলার ওয়াই শেষ পাঁচ ম্যাচে পাওয়ারপ্লেতে ৭.২ ইকোনমি রেখেছে”। এই এককগুলোই স্টেজ-২-এর ভিত্তি। একটা নিবন্ধ থেকে যদি শূন্য তথ্যবিন্দু বেরোয়, তাহলে বিশ্লেষণ দাঁড়ানোর মতো মাটি নেই।

নাল-হ্যান্ডলিং মানে অনুমান নয়, অস্বীকার। পদ্ধতির নিয়ম পরিষ্কার: উপাদান না থাকলে সৎভাবে লিখতে হবে “অপর্যাপ্ত তথ্য, মূল্যায়ন করা সম্ভব নয়” — ফাঁকা জায়গা কল্পনায় ভরাট করা যাবে না। আমার কাছে এটা শুধু প্রযুক্তিগত নিয়ম নয়, নৈতিক অবস্থান। কারণ সাংবাদিকতায় ভুল তথ্য আর অপূর্ণ তথ্যের মধ্যে বিশাল পার্থক্য। অপূর্ণ তথ্য পাঠককে সতর্ক করে; ভুল তথ্য পাঠককে বিভ্রান্ত করে, আর পরে গোটা বিশ্লেষণধারার উপর অবিশ্বাস জন্মায়।

আমার সন্দেহপ্রবণতা এখানে কাজে লাগে। আমি প্রতিটি উপসংহারকে সাময়িক ধরে নিই, যতক্ষণ না সেটা একটা কাঠামোবদ্ধ চাপ-পরীক্ষা পার হয়। খালি পেলোড আসলে এই চাপ-পরীক্ষার সবচেয়ে সহজ রূপ — এখানে পরীক্ষা করার মতো কিছুই নেই, তাই উত্তরণও নেই।

আটটি মাত্রা জুড়ে স্টেজ-২ বিশ্লেষণ চলে: ফরম্যাট ও ম্যাচ-বিশ্লেষণ, খেলোয়াড়ের টেকনিক ও ডেটা, দলের ভূগোল ও র‍্যাঙ্কিং, লিগ ও বাণিজ্যিক ইকোসিস্টেম, নিয়ম ও শাসন, ঝুঁকি-বিশ্লেষণ, জন-আখ্যান ও প্রত্যাশা, এবং শিল্প-সংক্রমণ। প্রতিটি মাত্রার বিশ্লেষণমূলক উপসংহার তথ্যবিন্দুতে ভর করা বাধ্যতামূলক। তথ্যবিন্দু শূন্য হলে প্রতিটি মাত্রা একই জায়গায় এসে থামে।

ভাবুন ফরম্যাট মাত্রার কথা। কোনো ম্যাচের ফরম্যাট (টেস্ট/ওডিআই/টি-২০), ইনিংসের অবস্থা, ভেন্যু, আবহাওয়া, ডিএলএস — এগুলোর একটা না থাকলে ম্যাচ-প্রক্রিয়া বিশ্লেষণ অসম্ভব। শুধু cricket_asia লেবেল দিয়ে ফরম্যাট বোঝা যায় না; লেবেল একটা অঞ্চল বোঝায়, একটা ম্যাচ নয়। এশিয়ান ক্রিকেট — এই শব্দবন্ধের ভেতরে ভারত, পাকিস্তান, বাংলাদেশ, শ্রীলঙ্কা, আফগানিস্তান, নেপাল — কে কোন ফরম্যাটে, কোন ভেন্যুতে খেলছে, তা অনুমান করা যায় না।

খেলোয়াড় মাত্রায় যাওয়া যাক। কোনো খেলোয়াড়ের নাম না থাকলে তার ভূমিকা (ওপেনার/অ্যাঙ্কর/ফিনিশার; পেস/স্পিন; অলরাউন্ডার/কিপার) চিহ্নিত করা অসম্ভব। বয়স-বক্ররেখা, ফর্ম-প্রবণতা, পরিস্থিতিভিত্তিক স্প্লিট — এসবের জন্য একটা বেসলাইন দরকার, যা নেই। আমার নিয়ম হলো, একজন খেলোয়াড়ের শেষ সাত ম্যাচের ডেটা না থাকলে তার ফর্ম নিয়ে একটা বাক্যও লিখি না — কারণ সাত ম্যাচের কম নমুনায় ফর্ম আর কাকতালীয়তার পার্থক্য করা যায় না।

দলের মাত্রা একইভাবে আটকে যায়। আইসিসি র‍্যাঙ্কিং, ঘরোয়া-বাইরের প্রোফাইল, ব্যাটিং গভীরতা, বোলিং সমন্বয়, বেঞ্চ-গভীরতা, বয়স-গঠন — কোনোটাই দল চিহ্নিত না হলে মূল্যায়ন করা যায় না। লিগ ও বাণিজ্যিক মাত্রার অবস্থা আরও স্পষ্ট: সম্প্রচার-স্বত্বের মূল্য, ফ্র্যাঞ্চাইজি ভ্যালুয়েশন, খেলোয়াড়ের বেতন — একটাও উপস্থিত না থাকলে বাণিজ্যিক বনাম ক্রীড়া-মূল্যের পার্থক্য আঁকা যায় না।

নিয়ম ও শাসন মাত্রাটা আমার বিশেষ প্রিয়, কারণ এখানেই সবচেয়ে বেশি আঁকাবাঁকা তথ্য চলে। ক্ষমতা/রাজস্ব বণ্টন, খেলার নিয়ম-বিতর্ক, সততা-বিরোধী লড়াই, যোগ্যতা ও নির্বাচন, রাজনৈতিক-ভূরাজনৈতিক কারণ — কোনো ঘটনা বর্ণিত না হলে ঝুঁকির মাত্রা নির্ধারণ করা অসম্ভব। ঝুঁকি-ম্যাট্রিক্সের ছয়টি শ্রেণি (ক্রীড়া, কর্মী, বাণিজ্যিক, নিয়ম/সততা, জনমত, ব্যবস্থাগত) সবই খালি পড়ে থাকে, কারণ ঝুঁকির জন্য একটা বিষয় দরকার — ম্যাচ, দল, লেনদেন বা সিদ্ধান্ত।

জন-আখ্যান মাত্রাও কোনো ব্যতিক্রম নয়। কোনো দাবি, হেডলাইন-কোণ, বা হাইপ-ফ্রেমিং না থাকলে আখ্যানের টেকসইতা, নমুনা-যাচাই, প্রত্যাশা-ফাঁক — কিছুই মাপা যায় না। আর শিল্প-সংক্রমণ মাত্রার জন্য দরকার একটা উজান-ঘটনা (চুক্তি, সম্প্রচার-ডিল, প্রতিভা-উন্নয়ন, শাসন-পরিবর্তন), যা মূল্য-শৃঙ্খল ধরে নিচের দিকে অনুসরণ করা যায়। এখানে এমন ঘটনা নেই, তাই সংক্রমণ-মানচিত্রের প্রতিটি ঘর “প্রবেশ নেই” লেখা নিয়ে বসে থাকে।

এখানেই আসল বিপদ, আর সেটা কারও কারও কাছে অদৃশ্য। যদি একটি খালি পেলোড কোনো ভাষা-মডেল বা দ্রুতগামী বিশ্লেষকের হাতে পড়ে, তাহলে সে খুব সহজে “বিশ্বাসযোগ্য” ক্রিকেট কনটেন্ট দিয়ে ফাঁক ভরে দিতে পারে। কারণ ভাষা-মডেলের স্বভাবই পরিপূর্ণতা — সে ফাঁকা জায়গা দেখলে ভরাট করতে চায়। সে একটা বোলারের ইকোনমি বানিয়ে দেবে, একটা ইনিংসের স্কোর বানিয়ে দেবে, একটা ট্রান্সফার ফি বানিয়ে দেবে — সবকিছু সাবলীল, প্রবাহমান, আর সম্পূর্ণ মিথ্যা।

I opened the transfer ledger and found a fee was never just a number. বছরের পর বছর ট্রান্সফার মার্কেট অ্যাডমিনিস্ট্রেটর হিসেবে কাজ করতে গিয়ে আমি শিখেছি, একটি ফি-র পেছনে থাকে চুক্তির দৈর্ঘ্য, বেতন-কাঠামো, এজেন্ট-কমিশন, ভবিষ্যৎ-বিক্রয়-শর্ত, আর রিলিজ-ক্লজ। যদি কেউ শুধু “অমুক খেলোয়াড় অমুক দলে গেছে, ফি এত” লিখে দেয়, তাহলে সে লেজারটাকে অসম্পূর্ণভাবে পড়ছে। খালি পেলোড থেকে বানানো ডেটার অবস্থা ঠিক তেমনই — একটা সংখ্যা আছে, কিন্তু তার পেছনের কাঠামো নেই।

On deadline day, I learned that paperwork is the only language the market respects. ডেডলাইন ডে-তে আমি দেখেছি, আবেগ যতই উঁচু হোক, শেষ কথা কাগজপত্রের। একটি চুক্তি বৈধ হয় তখনই, যখন তার প্রতিটি তারিখ, প্রতিটি স্বাক্ষর, প্রতিটি নিবন্ধন মিলে যায়। ডেটা পাইপলাইনও তাই — একটি বিশ্লেষণ বৈধ হয় তখনই, যখন তার প্রতিটি তথ্যবিন্দু তার উৎস পর্যন্ত ট্রেস করা যায়।

তাই আমার সুপারিশ হলো একটি ন্যূনতম-ইনপুট-গেট। স্টেজ-২ চালু হওয়ার আগে বাধ্যতামূলক শর্ত: অন্তত একটি শিরোনাম এবং একটি তথ্যবিন্দু থাকতে হবে। না থাকলে সিস্টেম নিজেই ইনপুট প্রত্যাখ্যান করবে, স্বয়ংক্রিয়ভাবে। এতে কল্পনার দরজা বন্ধ হয়। কারণ যে পাইপলাইন খালি ইনপুটকে বিশ্লেষণ বলে চালিয়ে দেয়, সে আসলে মিথ্যা উৎপাদনের কারখানা।

সেদিনের ফাইলে একটা সূক্ষ্ম, কিন্তু বড় ইঙ্গিত ছিল। সব বিষয়বস্তুর ক্ষেত্র ফাঁকা, অথচ একটা ডোমেইন লেবেল — cricket_asia — ঠিকঠাক বসানো। এটা কাকতালীয় নয়। এর মানে সম্ভবত এই: লেবেলিং মডিউল চালু হয়েছিল, কিন্তু এক্সট্র্যাকশন মডিউল চালু হয়নি। অর্থাৎ, কোনো একটা ধাপে ক্রম বা নির্ভরতা ভেঙে গেছে — কেউ হয়তো ভেবেছে লেবেল থাকলেই যথেষ্ট। কিন্তু লেবেল বিষয়বস্তু নয়। cricket_asia একটা স্কোপ ট্যাগ, যা বলে “এটা এশিয়ান ক্রিকেট-সংক্রান্ত”, কিন্তু কোন ম্যাচ, কোন দল, কোন ফরম্যাট — কিছুই বলে না।

I listened to 2026 press conferences and counted the pauses, not just the quotes. লেবেল আর বিষয়বস্তুর এই ফাঁকটা অনেকটা সংবাদ সম্মেলনের সেই ফাঁকা বিরতির মতো — মুখে যা বলা হয়, আর যা এড়িয়ে যাওয়া হয়, তার ব্যবধান। যেখানে লেবেল আছে কিন্তু তথ্য নেই, সেখানে কেউ একটা ধাপে থেমে গেছে, আর পরের ধাপে কেউ সেটা ধরতে পারেনি।

দক্ষিণ এশিয়ার বাজারে এই ধরনের ত্রুটির খরচ অনেক বড়, কারণ এখানে সম্পদ সীমিত। বড় সম্প্রচার-সংস্থা বা লিগের কাছে যেখানে প্রতিটি বল ট্র্যাক করার জন্য ক্যামেরা, সেন্সর আর বিশ্লেষকের দল আছে, সেখানে আমাদের মতো ছোট মার্কেটকে বাজেট-সীমার ভেতরেই কাজ করতে হয়। আমার নীতি হলো বাজেট-সীমিত প্র্যাগম্যাটিজম: প্রথমে মূল মেট্রিক যাচাই করো (স্কোর, ইনিংসের অবস্থা, ভেন্যু), তারপর প্রসারিত মেট্রিক (স্প্লিট, এক্সজি, পিপিডিএ) যোগ করো। কিন্তু এই সীমিত বাজেটেই সঠিক প্রায়োরিটি দরকার, নইলে প্রতিটি টাকা অপচয়।

বাজেট-সীমার আরেকটা দিক আছে, যা আমি সতর্কভাবে দেখি: সস্তা প্রক্সি দিয়ে মূল মেট্রিক বাদ দেওয়া। ধরা যাক, একটা লিগের কাছে নির্ভুল বল-ট্র্যাকিং নেই। তখন কেউ কেউ মোটামুটি অনুমান দিয়ে কাজ চালিয়ে দেয়, আর সেটাকে “ডেটা” বলে চালায়। এটা ঠিক খালি পেলোড কল্পনায় ভরাট করার মতোই বিপজ্জনক, শুধু ভিন্ন মোড়কে। সৎ পথ হলো, প্রক্সির সীমাবদ্ধতা স্পষ্টভাবে লেখা: “এই সংখ্যাটি ম্যানুয়াল স্কোরিং থেকে, তাই এর নির্ভরযোগ্যতা সীমিত।”

আমার নিজের কাজে এই সীমাবদ্ধতা-লেখার অভ্যাস তৈরি হয়েছে বাধ্য হয়ে। ২০২০ সালের বুন্দেসলিগা রিপোর্টে আমি স্পষ্ট করেছিলাম, ৯২টি ম্যাচ দিয়ে ঘরের-মাঠ-সুবিধার তত্ত্ব নতুন করে লেখা যায় না। ২০২১ সালের ইউরো রিপোর্টে লিখেছিলাম, সাত ম্যাচের নিচে কোনো ট্যাকটিকাল মেটা অনুমোদন করি না। এই “কী প্রমাণিত হয় না” প্যারা প্রতিটি লেখায় রাখার অভ্যাসই সম্পাদকদের আস্থা এনেছিল, আর সেই আস্থাই আমাকে ঢাকার একটি ডেটা এজেন্সিতে আমার প্রথম জুনিয়র পেশাদার ভূমিকা এনে দিয়েছিল।

এখন সেই পাল্টা-স্বাভাবিক কোণ, যেটা আমার নিজেরও প্রথমে ভুল ধারণা ছিল। আমি দীর্ঘদিন ধরে খালি ডেটাসেটকে একটা ব্যর্থতা, একটা ক্ষতি, একটা দুর্বলতা হিসেবে দেখেছি। কিন্তু সময়ের সঙ্গে আমি বুঝলাম, একটি খালি ডেটাসেট আসলে একটি “পরিষ্কার নেতিবাচক” — যা ভুল ডেটার চেয়ে অনেক মূল্যবান। ভুল ডেটা আপনাকে আত্মবিশ্বাসের সঙ্গে ভুল দিকে চালায়; খালি ডেটা আপনাকে সতর্ক করে দেয়, “এখানে কিছু নেই, অন্য সূত্র খোঁজো”।

অধিকাংশ বিশ্লেষক শূন্যতাকে ভয় পায়। কারণ পাঠক শূন্যতা পড়ে না, পাঠক গল্প পড়ে। তাই শূন্যতা ভরাট করার চাপ প্রায় অনিবার্য। কিন্তু আমার অভিজ্ঞতায়, যে বিশ্লেষক “জানি না” বলতে পারে, সে দীর্ঘমেয়াদে বেশি টিকে থাকে। কারণ তার প্রতিটি “জানি” কখনও ফাঁপা প্রমাণিত হয় না।

আরেকটা প্রতিবাদী পর্যবেক্ষণ: লেবেল থাকা আর তথ্য থাকা — এই দুটোর মধ্যে একটা ভয়ংকর সম্পর্ক আছে। একটা ডোমেইন লেবেল পাঠককে (আর কখনও সিস্টেমকেও) একটা মিথ্যা পরিপূর্ণতার অনুভূতি দেয়। ফাইলটা দেখতে “ভরা” মনে হয়, কারণ কোণায় cricket_asia লেখা। অথচ ভেতরে সব খালি। সংশ্লিষ্টতা (correlation) আর কারণ (causation) গুলিয়ে ফেলার মতোই, এখানে “লেবেল থাকা” আর “বিষয়বস্তু থাকা”-কে গুলিয়ে ফেলা হয়। লেবেল মানে বিষয়বস্তু নয় — ঠিক যেমন লেবেলবিহীন ভালো ডেটাও থাকতে পারে, আর লেবেল-সমৃদ্ধ ফাঁকা ফাইলও।

এখানে একটা কথা যোগ করা জরুরি: এই নাল-হ্যান্ডলিং শৃঙ্খলা আসলে ক্রিকেট ডেটার একটি বড় শূন্যতা পূরণ করে। খেলাধুলার তথ্য-পরিসরে সবাই ফলাফল নিয়ে মেতে থাকে — কে জিতল, কে কত রান করল। কেউ জিজ্ঞেস করে না, ডেটাটা কোথা থেকে এল, কে যাচাই করল, কী বাদ পড়ল। অথচ সেই অদৃশ্য প্রশ্নগুলোর উত্তরই ঠিক করে দেয়, একটা বিশ্লেষণ কত দিন টিকবে। আমার কাছে এটাই আসল “ডেটা মঙ্ক”-এর কাজ — ফলের পেছনে নয়, ফলের উৎসের পেছনে দাঁড়ানো।

সুতরাং পরের ধাপে আমার সিগন্যাল সরল, কিন্তু অস্বস্তিকর: ক্রিকেট অ্যানালিটিক্সের পরবর্তী যুগ জিতবে তারা নয়, যারা দ্রুততম ফাঁক ভরাট করে; জিতবে তারা, যারা সবচেয়ে সৎভাবে ফাঁক নথিবদ্ধ করে। খালি পেলোডকে বিশ্লেষণ বলে চালিয়ে দেওয়ার প্রলোভন যত বাড়বে, তত বেশি দরকার একটা ন্যূনতম-ইনপুট-গেট, একটা নমুনা-সীমা, আর একটা স্পষ্ট “কী প্রমাণিত হয় না” অনুচ্ছেদ।

প্রশ্নটা আমার নিজের কাছে রেখেই শেষ করি: যখন আপনার হাতে একটা ফাঁকা ডেটাসেট আসবে, আর পাঠক একটা গল্প চাইবে — আপনি কি সংখ্যা বানাবেন, নাকি সত্যটা লিখবেন, যে সংখ্যাটা এখনও আসেনি?