ফুটবল ফিডে টেলর সুইফট: একটি লেবেল ভুলের অটোপসি

সিলেটের ডেস্কে বসে নতুন একটি ফাইল খুললাম। ফাইলের লেবেলে গোটা এক শব্দ—ফুটবল। প্রত্যাশা ছিল ম্যাচের প্রেসিং সিকোয়েন্স, লাইন-ব্রেকিং পাসের হিসাব, কিংবা ট্রান্সফার উইন্ডোর কোনো ব্যালান্স শিট। স্ক্রল করতে করতে যা বেরিয়ে এল, তা অন্য এক জগতের: টেলর সুইফট, বিলবোর্ড ২০০, ১৭৩,০০০ ইকুইভ্যালেন্ট অ্যালবাম ইউনিট, ১৩৮.৭৯ মিলিয়ন স্ট্রিম। একটি ক্লাব নেই, একজন কোচ নেই, একটি ফর্মেশন নেই। যে স্প্রেডশিট আমি প্রত্যয় খুঁজতে খুলেছিলাম, সেটি এবার দেখাল—ত্রুটি বিশ্লেষণে নয়, বিশ্লেষণের কাঁচামালে।

বিষয়টা স্পষ্ট করা দরকার। বিলবোর্ড ২০০ হলো যুক্তরাষ্ট্রভিত্তিক অ্যালবাম চার্ট, যা মূলত লুমিনেটের ডেটার ভিত্তিতে তৈরি হয়। সেখানে ইকুইভ্যালেন্ট অ্যালবাম ইউনিট (ইএউ) মানে অ্যালবাম বিক্রি, ট্র্যাক-ইকুইভ্যালেন্ট ইউনিট ও স্ট্রিমিং-ইকুইভ্যালেন্ট ইউনিটের সমন্বিত হিসাব। স্ট্রিমিং-ইকুইভ্যালেন্ট ইউনিট (এসইএ) হলো অন-ডিমান্ড স্ট্রিমকে অ্যালবাম-সমতুল্য ইউনিটে রূপান্তর—সাধারণত প্রায় ১,২৫০ প্রিমিয়াম স্ট্রিমে একটি অ্যালবাম ইউনিট ধরা হয়। এসবই রেকর্ডেড-মিউজিক ইন্ডাস্ট্রির মেট্রিক। ফুটবলের এক্সপেক্টেড গোল, পিপিডিএ বা পজেশন-ম্যাপের সঙ্গে এর কোনো সম্পর্ক নেই।

গত আঠারো বছরের পর্যবেক্ষণে আমি শিখেছি, ফুটবল বিশ্লেষণ দাঁড়িয়ে থাকে ইনপুটের পরিচ্ছন্নতার উপর। ২০১৭ সালে ফুটবলবাংলায় জুনিয়র ট্যাকটিক্যাল অ্যানালিস্ট হিসেবে যোগ দেওয়ার পর প্রথম অ্যাসাইনমেন্টেই হাতে-কলমে ১৪টি প্রেসিং সিকোয়েন্স ও ২৩টি লাইন-ব্রেকিং পাস চার্ট করেছিলাম—কারণ আমি জানতাম, ডেটার উৎস পরিষ্কার না হলে বিশ্লেষণের সৌন্দর্য কোনো কাজে আসে না।

এখানে ঘটে যাওয়া ভুলটি প্রযুক্তিগত, নৈতিক নয়। কোনো স্বয়ংক্রিয় ক্লাসিফায়ার, কিংবা কোনো ব্যাচ জব, একটি বিনোদন-ফিডের সংগীত-চার্ট প্রতিবেদনকে ভুলভাবে ফুটবল ট্যাগ দিয়েছে। লেবেল হলো বিশ্বাসের এক চুক্তি—ডাউনস্ট্রিম বিশ্লেষক ধরে নেন, ফাইলের বিষয়বস্তু আর লেবেল এক। এই চুক্তি ভাঙলে কী ঘটে, সেটাই আসল গল্প।

প্রথমত, ডাউনস্ট্রিম মডেলের প্রতিটি সিদ্ধান্ত দূষিত হয়ে যায়। ফুটবল বিশ্লেষণে আমরা বলি, গার্বেজ ইন, গার্বেজ আউট। কিন্তু বিপদটি আরও সূক্ষ্ম: মিউজিক চার্টের ডেটা ফুটবল ফ্রেমওয়ার্কে ঢুকলে মডেল কোনো এরর দেয় না। সে চুপচাপ ১৭৩,০০০ ইউনিটকে কোনো শট কনভার্শন ভেবে নিতে পারে, ১৩৮.৭৯ মিলিয়ন স্ট্রিমকে প্রগ্রেসিভ পাস ভাবতে পারে। ভুল ইনপুট কখনো চিৎকার করে না; সে নীরবে মডেলের ভেতরে বাসা বাঁধে।

দ্বিতীয়ত, সবচেয়ে বড় ঝুঁকি ডাউনস্ট্রিম হ্যালুসিনেশন। যখন বিশ্লেষক বা মডেলকে জোর করে বলা হয়—এই ইনপুট থেকে ফুটবল বিশ্লেষণ বের করো—তখন দুইটির একটি ঘটে। হয় সে স্বীকার করে, তথ্য অপর্যাপ্ত; নয়তো সে দল, খেলোয়াড়, কোচ বানিয়ে ফেলে। দ্বিতীয় পথটি সহজ, আর ঠিক সেই কারণেই বিপজ্জনক। এখানে একটি গুরুত্বপূর্ণ শৃঙ্খলা কাজ করেছে: স্টেজ-১ ডিকনস্ট্রাকশনের ২৩টি তথ্যবিন্দুর প্রতিটিতে ফুটবল-এনটিটি খুঁজেও একটি পাওয়া যায়নি। ফলাফল তাই স্পষ্ট—বিশ্লেষণ করা সম্ভব নয়।

আমি আমার লগড-মিস পদ্ধতি এখানেও প্রয়োগ করেছি। প্রতিটি ম্যাচে আমি এখন প্রতিটি মিস লগ করি—ঠিক তেমনি এই ফাইলেও খুঁজেছি, একটি দল, একজন খেলোয়াড়, একটি প্রতিযোগিতার নাম আছে কি। ২৩-এ ২৩টি মিস। আমি এখনো আই টেস্ট চালাই, কিন্তু এখন প্রতিটি মিস লগ করি—আর এই লগটিই আমাকে হ্যালুসিনেশনের হাত থেকে বাঁচিয়েছে।

আট-দুইয়ের অটোপসি আমাকে শিখিয়েছিল, সংকটের মূল কারণ খুঁজতে হয় শেষ হুইসেল থেকে নয়, বরং প্রথম ভুল প্রেস থেকে। এখানেও তাই: সমস্যা শুরু হয়েছে শেষ আউটপুটে নয়, বরং প্রথম ট্যাগিং ধাপে। একটি ফুটবল ডেটা পাইপলাইনে প্রাথমিক ভ্যালিডেশন গেট থাকা জরুরি—এনটিটি-টাইপ চেক। কোনো নিবন্ধে অন্তত একটি দল, খেলোয়াড় বা প্রতিযোগিতার নাম না থাকলে সেটি ফুটবল ফিডে প্রবেশের যোগ্য নয়। এই গেট অনুপস্থিত বলেই একটি সংগীত-চার্ট প্রতিবেদন ফুটবল লেবেল নিয়ে ভেতরে ঢুকেছে।

মডেলের নির্ভুলতা নিয়ে আমরা যতটা ভাবি, ইনপুটের উৎস নিয়ে ততটা ভাবি না। অথচ একটি ভুল লেবেল পুরো বিশ্লেষণ-শৃঙ্খলকে বিষিয়ে দিতে পারে। ডেটা সায়েন্সে এটিকে বলা হয় প্রভেন্যান্স সমস্যা—ডেটার জন্ম, উৎস ও যাত্রাপথের হিসাব। ফুটবলে আমরা পজেশন অডিট করি, প্রতিটি পাসের খরচ মাপি; ৩৯% ফাইনাল আমাকে শিখিয়েছিল, পজেশন একটি কর, ট্রফি নয়। তেমনি প্রতিটি ইনপুটের উৎসও অডিট করা দরকার।

এখানে প্রতিসাম্যতার ফাঁদে পড়া সহজ। স্বাভাবিক প্রতিক্রিয়া—একটি ভুল, একটি নিবন্ধ, এতে এত মাতামাতি কেন? কিন্তু আসল বিপদ একক ভুলে নয়, নীরবতার মধ্যে। যে বিশ্লেষক একবার অনুমান করে ফুটবল বানিয়ে ফেলেন, তিনি দ্বিতীয়বারও করবেন—আর দ্বিতীয়বার কেউ ধরতে পারবে না। পাইপলাইনের সবচেয়ে বিপজ্জনক বৈশিষ্ট্য হলো, ভুল ইনপুট প্রায়ই সঠিক আউটপুটের মতো দেখতে হয়। একটি ভুল ট্যাগ ধরা পড়ে; কিন্তু সেটি যদি সিস্টেমিক হয়—যদি স্বয়ংক্রিয় ক্লাসিফায়ার নিয়মিত বিনোদন বা ব্যবসার নিবন্ধ ফুটবল ফিডে পাঠায়—তবে দূষণ ছড়াতে থাকে, আর কেউ টের পায় না।

আমরা সাধারণত মডেলের পক্ষপাত নিয়ে কথা বলি। ইনপুট-পক্ষপাত তার চেয়েও ভয়ংকর, কারণ এটি অদৃশ্য। একটি দুর্বল মডেল দুর্বল আউটপুট দেয়, আর সেটি মাপা যায়। কিন্তু দূষিত ইনপুট নিখুঁত মডেলকেও ভুল পথে চালায়, অথচ স্কোরবোর্ডে কোনো ভুল দেখায় না। এই কারণেই ডোমেইন-ট্যাগিং ধাপটিকে পাইপলাইনের সবচেয়ে সংবেদনশীল জায়গা হিসেবে দেখা উচিত—এখানেই প্রথম ও শেষ প্রতিরক্ষা।

ভুলটি ধরা পড়ার পর আমার প্রথম কাজ ছিল থামা, স্বীকার করা, এবং লগ করা। পরের পাইপলাইন রিভিউতে আমার অগ্রাধিকার হবে ট্যাগিং গেট অডিট করা—এনটিটি-চেক যোগ করা, আর এই নিবন্ধটিকে একটি রিগ্রেশন টেস্ট হিসেবে সংরক্ষণ করা। ভুলকে লুকিয়ে ফেলা যায়, কিন্তু লগ না করলে সে আবার ফিরে আসে।

পরের ম্যাচের স্কোরশিটের মতো, পরের ব্যাচের ফিডেও আমার প্রশ্ন একটাই থাকবে: ফাইলটি তার লেবেলের যোগ্য কি না। যদি না হয়, বিশ্লেষণ শুরুর আগেই থামা উচিত—কারণ ভুল কাঁচামালের উপর দাঁড়ানো প্রতিটি সিদ্ধান্ত শেষ পর্যন্ত একটি মিথ্যা।