যখন পোষা প্রাণীর নিবন্ধন ফুটবল ডেটাসেটে ঢুকে পড়ে

গত মাসের এক সকালে একটা স্টেজ-ওয়ান ফাইল খুললাম। ফাইলের ডোমেইন লেবেলে স্পষ্ট লেখা—ফুটবল। আমি তখন ট্রান্সফার উইন্ডোর ভেতরের বেতন-কাঠামো আর প্রেসিং-ফিট মিলিয়ে দেখছিলাম, যা আমার প্রতিদিনের কাজ। ফাইলটা খুলে যা পেলাম, তার সঙ্গে ফুটবলের সম্পর্ক শূন্য: মেক্সিকোতে কুকুর ও বিড়ালের নিবন্ধন নিয়ে লেখা একটি পাবলিক-সার্ভিস ব্যাখ্যা। বাইশটি তথ্যবিন্দু। প্রতিটিই পোষা প্রাণীর রেজিস্ট্রি, রাজ্য আইন আর সিনেটে উত্থাপিত একটি বিল নিয়ে। একটি ক্লাব নেই, একজন খেলোয়াড় নেই, একটি ম্যাচ নেই, একটি ট্রান্সফার ফি নেই। লেবেল আর বিষয়বস্তুর মধ্যের এই ফাঁকটা আমি দুবার পড়লাম, কারণ আমার প্রথম প্রতিক্রিয়া ছিল ধরে নেওয়া যে আমি ভুল ফাইল খুলেছি। দ্বিতীয়বার পড়ার পর স্পষ্ট হলো, ভুলটা আমার নয়। স্প্রেডশিট কখনো মিথ্যা বলে না, তবে সে প্রায়ই ফিসফিস করে। সেদিন সে ভুল ঘরে ফিসফিস করছিল। আধুনিক স্পোর্টস-ডেটা পাইপলাইন কীভাবে চলে, সেটা আগে বলে নেওয়া দরকার। প্রতিটি নথি প্রথমে স্বয়ংক্রিয়ভাবে পড়া হয়, তারপর একটি ভার্টিক্যালে বসানো হয়—ফুটবল, ক্রিকেট, বাস্কেটবল, নীতি, স্বাস্থ্য। এই বসানোটাই ডোমেইন লেবেল। লেবেল ঠিক থাকলে নথি নিজের ঘরে ঢোকে; ভুল হলে সে অন্যের দরজায় দাঁড়ায়, আর কেউ টের পায় না। আমার কাজের অর্ধেকটা ওই দরজার সামনে দাঁড়িয়ে চেক করা, কে ভেতরের লোক আর কে বাইরের। এবার আসল নথিটা কী বলছে, সেটা ন্যায্যভাবে বলা দরকার, কারণ এর বিষয়বস্তু সত্যিই কাজের। মেক্সিকোয় সম্প্রতি একটি গুজব ছড়িয়েছে—পোষা প্রাণীর জন্যও নাকি এখন CURP লাগবে। CURP হলো মেক্সিকোর নাগরিক পরিচয়ের ইউনিক কোড। নথিটি পরিষ্কার করেছে, ফেডারেল পর্যায়ে এখনো এমন কোনো বাধ্যবাধকতা নেই। তবে কিছু জায়গায় নিজস্ব ব্যবস্থা চালু আছে। মেক্সিকো সিটিতে RUAC নামে একটি রেজিস্ট্রি আছে, যেখানে প্রক্রিয়াটি বিনামূল্যে। নুয়েভো লেওনে প্রাণী সুরক্ষা ও কল্যাণ আইনের আওতায় নিবন্ধনের বিধান রয়েছে। সিনেটে একটি জাতীয় পশু-রেজিস্ট্রি বিল প্রস্তাবিত, যার কাঠামো এখনো চূড়ান্ত হয়নি; রাজ্যগুলো নিজেদের নিয়মেই চলছে। লেখকের অবস্থান নিরপেক্ষ, উদ্দেশ্য সেবামূলক ব্যাখ্যা—ভুল ধারণা ভেঙে মানুষকে অপ্রয়োজনীয় জরিমানা থেকে বাঁচানো। সমস্যাটা নথির গুণে নয়, পাইপলাইনের স্থাপত্যে। দূষণ তিন স্তরে ছড়ায়। প্রথম স্তর, এনটিটি এক্সট্রাকশন। মডেল স্পেনীয় প্রশাসনিক ভাষা থেকে শব্দ তুলে নেয়—রেজিস্ট্রো, ট্রান্সফেরেন্সিয়া, ভেনতানা। এই শব্দগুলো স্পেনীয় ফুটবল সাংবাদিকতার অভিধানেও হুবহু আছে: ট্রান্সফার, উইন্ডো, রেজিস্ট্রেশন। কীওয়ার্ড মিলে গেলে মডেল একটি ভুয়া নোড বানিয়ে ফেলে, যার পেছনে কোনো বাস্তব খেলোয়াড় নেই। দ্বিতীয় স্তর, সেন্টিমেন্ট অ্যাগ্রিগেশন। নিরপেক্ষ ব্যাখ্যামূলক লেখার টোন যদি ফুটবল-সেন্টিমেন্ট সূচকে মিশে যায়, সূচকটি ভুল সংকেত বহন করতে শুরু করে। তৃতীয় স্তর, মডেল পুনঃপ্রশিক্ষণ। ভুয়া পজিটিভ জমতে থাকলে মডেল নিজের ভুল থেকে শেখে, আর ভুলটা স্থায়ী হয়ে বসে। বছরের পর বছর ম্যাচ দেখে আমার একটা অভ্যাস গড়ে উঠেছে—স্কোরলাইন দেখার আগে প্রেসিং লাইন দেখি। সেই অভ্যাসই আমাকে শিখিয়েছে, ইনপুট নোংরা হলে আউটপুট কখনো পরিষ্কার হয় না। ২০১৭ সালে এক্সপেক্টেড ভ্যালু নিউজলেটারে আমি রোমার মোহামেদ সালাহকে কম-মূল্যায়িত বলে চিহ্নিত করেছিলাম—তখন তার সিরি আ-তে ১৫ গোল, ১১ অ্যাসিস্ট, প্রতি ৯০ মিনিটে ২.৮ শট, ১৩.৯ xG আর ৮.৭ xA। এই সংখ্যাগুলোর প্রতিটিই একটি নির্দিষ্ট এনটিটি আইডির নিচে বসে থাকা একটি সারির ওপর নির্ভরশীল। সারিটা ভুল নোডে বসে থাকলে বিশ্লেষণটা কাগজে সুন্দর, বাস্তবে অর্থহীন। ২০২০ সালে স্টেডিয়াম খালি, বাজেট ধসে পড়া সময়ে আমি ওলভসের দিয়োগো জোতার জন্য ৪১ মিলিয়ন পাউন্ডের সুপারিশ করি—সাতটি লিগ গোল, ৬.১ xG, প্রতি ৯০ মিনিটে ২.১ শট, ৭.৯ PPDA। আমার ক্রাইসিস ট্রান্সফার ইনডেক্স বেতন, বয়স, ইনজুরি ইতিহাস আর প্রেসিং-ফিট মিলিয়ে বানানো ছিল; ইনডেক্সটি ঠিক ততটাই নির্ভরযোগ্য, যতটা নির্ভরযোগ্য তার ইনপুট সারিগুলো। স্টেডিয়াম খালি হয়ে গেলে মডেলগুলোকে শ্বাস নিতে শিখতে হয়েছিল—কিন্তু শ্বাস নেওয়ার আগে মডেলের জানা দরকার, সে কোন ঘরে দাঁড়িয়ে আছে। ২০২২ সালে কাতারে সোফিয়ান আমরাবাতের সংখ্যা—প্রতি ৯০ মিনিটে ৪.১ ট্যাকল-প্লাস-ইন্টারসেপশন, ৯০ শতাংশ পাস নির্ভুলতা, ৭.২ প্রোগ্রেসিভ পাস—দুটি ইউরোপীয় রিক্রুটমেন্ট বিভাগ উদ্ধৃত করেছিল। ভিত্তি যদি দূষিত হতো, উদ্ধৃতিটা সম্পদ নয়, দায় হয়ে থাকত। এখানেই CURP প্রাসঙ্গিক হয়ে ওঠে, আর এটাই আমার আসল পর্যবেক্ষণ। CURP একটি ইউনিক-কি ব্যবস্থা: একজন মানুষ, একটি কোড, কোনো দ্বিত্ব নেই। রেজিস্ট্রি অদ্বিতীয়তা দাবি করে। ক্লাসিফায়ার তার ঠিক উল্টো—সে সম্ভাব্যতার বণ্টন তৈরি করে, দ্ব্যর্থতা তার সহনসীমার ভেতরেই থাকে। ফুটবল অ্যানালিটিকস এক দশক ধরে খেলোয়াড়ের মূল্য মাপার মডেল বানিয়েছে, কিন্তু রেকর্ডের পরিচয় মাপার মডেল বানায়নি। আমাদের দরকার খেলোয়াড়ের জন্য একটি CURP—একটি ক্যানোনিকাল এনটিটি আইডি, যা একটি রেকর্ডকে একবারই, এক জায়গায়, এক নামে বসায়। ঝুঁকির ধরনটা স্পষ্ট। এটি সিস্টেমিক, তথ্য-অখণ্ডতার ঝুঁকি—সম্ভাবনা বেশি, প্রভাব বেশি। একটা ভুল রেকর্ড কেবল নিজে ভুল থাকে না, প্রতিবেশী রেকর্ডের ওপরেও ছায়া ফেলে। ধরা যাক, কোনো ভান্ডারে এই ধরনের একটি মাত্র ভুল ঢুকল; সেটি যদি বেতন-সারির সঙ্গে জোড়া লাগে, একটি ইনজুরি-রেকর্ডের পাশে বসে, তাহলে পরের ইনডেক্স রিপোর্টে সেই ভুলটা গুণিতক হয়ে ফিরে আসে। ন্যূনতম প্রতিকার: রেকর্ডটি আলাদা করে ফেলা, লেবেল সংশোধন, ক্লাসিফায়ার অডিট, আর সম্প্রতি ফুটবল ট্যাগ পাওয়া রেকর্ডগুলোর নমুনা যাচাই। স্বাভাবিক প্রতিক্রিয়া হবে—লেবেল ঠিক করে দাও, কাজ শেষ। কিন্তু মডেলকে দোষ দেওয়ার আগে তিনটি বিকল্প পরীক্ষা করা দরকার। এক, শব্দের কাকতালীয় মিল: স্পেনীয় প্রশাসনিক ভাষা আর স্পেনীয় ফুটবল ভাষা একই শব্দভান্ডার ভাগ করে নেয়। দুই, ফিড রাউটিংয়ের ভুল—মিশ্র ফিড থেকে নথি ভুল শাখায় পড়তে পারে। তিন, মানুষের ট্যাগিং ভুল। আমি এখনো প্রমাণ করতে পারি না কোনটি ঘটেছে। এখানেই আমি নিজেকে থামাই, কারণ সংখ্যা না জেনে হার বানানো আমার পেশার সবচেয়ে বড় ফাঁদ। এই পাইপলাইনে ভুয়া পজিটিভের হার কত—হাজার ভাগে এক, না পাঁচশ ভাগে এক—আমি জানি না। অনুমান করলে সেটা বিশ্লেষণ হতো না, হতো সাজসজ্জা। দ্বিতীয় কথা, যেটা বলা জরুরি: নথিটি নিজে খারাপ সাংবাদিকতা নয়। মেক্সিকোর নাগরিকরা যেখানে ভুল তথ্যের ভিত্তিতে জরিমানার ঝুঁকিতে পড়ছেন, সেখানে একটি নিরপেক্ষ ব্যাখ্যা সত্যিকারের কাজ করে। তার দোষ একটাই—সে আমাদের ঘরের লোক নয়। আরও অস্বস্তিকর পর্যবেক্ষণ এই: আমরা খেলোয়াড়ের দুর্বলতা ধরার জন্য মডেল বানিয়েছি, নিজের ইনটেকের দুর্বলতা ধরার জন্য বানাইনি। ডিফেন্সিভ মিডফিল্ডার খুঁজে বের করার সিস্টেম আছে, ভুল ডেটা খুঁজে বের করার সিস্টেম নেই। রাশিয়া আমাকে শিখিয়েছিল—শব্দ সংকেতের চেয়ে দূরে যায়। মেক্সিকোর পোষা প্রাণীর রেজিস্ট্রি নিয়ে লেখা একটি ফাইল আমাদের ফুটবল ভান্ডারে ঢুকে পড়া সেই শিক্ষারই আরেকটি নমুনা। প্রশ্নটা এখন এই: আমাদের ডেটাসেটে আর কত অচেনা অতিথি চুপচাপ বসে আছে, যাদের আমরা এখনো খেলোয়াড় বলে গণ্য করছি?