ফুটবল ডেটা লেকে হলিউডের ‘ডিগার’: ভুল ট্যাগ, ডেটা দূষণ ও ব্লকচেইনের নিরাময়

হলিউডের নতুন ছবি Digger বক্স অফিসে প্রথম সপ্তাহে মাত্র ৮ মিলিয়ন ডলার আয় করেছে—এই খবরটি যখন ফুটবল বিশ্লেষণের টেবিলে উঠে আসে, তখন প্রশ্নটা ডেটা পাইপলাইনকে ঘিরে তৈরি হয়। দি র্যাপের প্রতিবেদনে বলা হয়েছে, টম ক্রুজ ও আলেহান্দ্রো গনসালেস ইনিয়ারিতুর ছবিটি মার্কিন প্রেক্ষাগৃহে ৮ মিলিয়ন এবং বিশ্বব্যাপী ২১ মিলিয়ন ডলার সংগ্রহ করেছে। অথচ একটি নয়-মাত্রিক ফুটবল বিশ্লেষণ কাঠামোয় এই প্রতিবেদনকে ‘ফুটবল’ ডোমেইন ট্যাগ দিয়ে প্রবেশ করানো হয়েছে। দৃশ্যটি হাস্যকর নয়; এটি একটি ডেটা-গুণমানের সতর্কবার্তা। বিগত ১৩ বছর ধরে খেলার ডেটা নিয়ে কাজ করার অভিজ্ঞতায় আমি দেখেছি, ভুল লেবেল একদিনে তৈরি হয় না। এটি সিস্টেমের দুর্বলতা থেকে জন্ম নেয়। ফুটবল বিশ্লেষণের প্রথম স্তরে একটি প্রবন্ধকে ভাঙা হয়; প্রতিটি তথ্য-বিন্দু, সত্তা ও মতামত আলাদা করে নথিভুক্ত করা হয়। এখানে ডোমেইন লেবেল ছিল ‘ফুটবল’, কিন্তু ২১টি তথ্য-বিন্দুর একটিতেও ক্লাব, খেলোয়াড়, কোচ, ম্যাচ, ট্রান্সফার বা প্রতিযোগিতার উল্লেখ নেই। রয়েছে প্রযোজনা বাজেট ১৬৩–১৭৩ মিলিয়ন ডলার, মার্কেটিং ব্যয় প্রায় ১০০ মিলিয়ন ডলার এবং প্রক্ষেপিত লোকসান ২৫০ মিলিয়ন ডলার। অর্থায়ন করেছে ওয়ার্নার ব্রাদার্স ও স্কাইড্যান্স। ছবিটি নিয়ে মূল প্রতিবেদনে আরও তথ্য ছিল। Digger একটি জলবায়ু-পরিবর্তন বিষয়ক স্যাটায়ার; এটি পরিচালনা করেছেন আলেহান্দ্রো গনসালেস ইনিয়ারিতু। প্রযোজনা করেছে ওয়ার্নার ব্রাদার্স ও স্কাইড্যান্স। শুরুর দিকে লোকসানের পূর্বাভাস ছিল ১২৫ মিলিয়ন ডলার; পরে তা বেড়ে ২৫০ মিলিয়ন ডলারে দাঁড়িয়েছে। ওয়ার্নার ব্রাদার্স এই হিসাব নিয়ে আনুষ্ঠানিক মন্তব্য করতে অস্বীকৃতি জানিয়েছে। ছবিটি সমালোচকদের কাছ থেকে মিশ্র প্রতিক্রিয়া পেয়েছে। দি র্যাপের খবরে স্কাইড্যান্সের একজন অভ্যন্তরীণ সূত্র বলেছে, এটি বড় ধরনের বাণিজ্যিক বিপর্যয়। ফুটবল বিশ্লেষণের নয়টি মাত্রা—কৌশল, অর্থ, ফলাফল, লিগ, নিয়ম, ম্যানেজমেন্ট, ঝুঁকি, মিডিয়া এবং শিল্প-প্রভাব—প্রতিটি ক্ষেত্রে প্রকৃত তথ্যের প্রয়োজন। এই নিবন্ধে সেই তথ্য নেই। কৌশলগত বিভাগে কোন ফর্মেশন বা প্লেস্টাইল নেই; ফাইন্যান্সে কোন ক্লাবের ব্যালান্স শিট নেই; ক্রীড়া ফলাফলে কোন টেবিল-পজিশন নেই। একমাত্র ‘ডেটা’ হলো বক্স অফিসের আয়, যা ফুটবলের সাথে সম্পর্কহীন। এই কারণেই সঠিক সিদ্ধান্ত ছিল প্রতিটি মাত্রাকে ‘অপ্রতুল তথ্য’ হিসেবে চিহ্নিত করা, আর কোনো কল্পিত বিশ্লেষণ তৈরি না করা। একটি গুরুত্বপূর্ণ বিষয় এখানে বারবার মনে করিয়ে দেওয়া দরকার: খারাপ বিশ্লেষণের চেয়ে খালি ঘর ভালো। যখন একটি কাঠামোতে পর্যাপ্ত তথ্য থাকে না, তখন ‘নল হ্যান্ডলিং’ নিয়ম অনুযায়ী স্পষ্টভাবে লেখা উচিত—এই বিষয়ে কোনো সিদ্ধান্ত সম্ভব নয়। বানানো সংখ্যা বা বানানো কৌশল-মতামত দিয়ে ফাঁকা ঘর পূরণ করা মানে ডেটা দূষণকে বৈধতা দেওয়া। একজন দায়িত্বশীল বিশ্লেষক যেটা করবেন, সেটা হলো বলবেন: এই নিবন্ধটি ফুটবল নয়; এটি বিনোদন-ব্যবসার খবর। তাহলে ব্লকচেইন কোথা থেকে আসে? ধরুন, দি র্যাপের নিবন্ধটি প্রথমবার ডেটাবেসে ঢোকার সময় একটি স্মার্ট কন্ট্রাক্ট তার কনটেন্ট হ্যাশ তৈরি করে রাখে। মেশিন লার্নিং মডেল যদি তাকে ‘ফুটবল’ ট্যাগ দেয়, তবে সেই ট্যাগ-নির্ণয়ের ফলাফল, মডেলের কনফিডেন্স স্কোর এবং ব্যবহৃত সত্তা-তালিকা সবকিছু অন-চেইন লেজারে লেখা হয়। পরে একজন মানব সম্পাদক যখন দেখেন যে ট্যাগটি ভুল, তখন তার সংশোধনীও একই লেজারে টাইমস্ট্যাম্পসহ রেকর্ড হয়। এতে ভুলটি যেমন দ্রুত ধরা পড়ে, তেমনি দায়িত্বও নির্ধারিত হয়। ব্লকচেইন ওরাকল এখানে আরও শক্তিশালী ভূমিকা নিতে পারে। ওরাকল বাইরের বিশ্ব থেকে নিশ্চিত করে সেই নিবন্ধে কোন নির্দিষ্ট সত্তা আছে। যদি তালিকায় ‘টম ক্রুজ’, ‘ওয়ার্নার ব্রাদার্স’, ‘ডিগার’ থাকে, আর কোনো ফুটবল ক্লাব বা খেলোয়াড় না থাকে, তবে স্মার্ট কন্ট্রাক্ট স্বয়ংক্রিয়ভাবে বিশ্লেষণ শুরু করতে অস্বীকার করতে পারে। অর্থাৎ, কোনো নিবন্ধে কমপক্ষে একটি ক্লাব, একজন নিবন্ধিত খেলোয়াড় বা একটি স্বীকৃত প্রতিযোগিতার অস্তিত্ব না থাকলে সেটি ফুটবল পাইপলাইনে প্রবেশই করতে পারবে না। এ ধরনের ভুল কেন হয়? প্রথমত, অনেক অটোমেটেড ক্লাসিফায়ার আউটলেটের নাম, সংখ্যা এবং খবরের ধরন দেখে কাজ করে। TheWrap একটি প্রতিষ্ঠিত বিনোদন-শিল্প সংবাদমাধ্যম; এটি থেকে আসা খবর স্বয়ংক্রিয়ভাবে ‘খেলাধুলার খবর’ হিসেবে গণ্য হলে বিপত্তি ঘটে। দ্বিতীয়ত, ‘ক্রুজ’, ‘ওয়ার্নার ব্রাদার্স’ এসব নাম ফুটবল সত্তা-তালিকায় না থাকায় মডেলের বিভ্রান্তি বোঝা যায়। তৃতীয়ত, কোনো কোনো সিস্টেমে ডোমেইন লেবেল আগে বসানো হয়, পরে কনটেন্ট পড়া হয়—এটি অত্যন্ত ঝুঁকিপূর্ণ। এই ভুল যদি ধরা না পড়ত, তাহলে পরিণতি কী হতো? ফুটবল ডেটাবেসে হলিউড ছবির বক্স অফিস সংখ্যা যোগ হলে কী-ওয়ার্ড ফ্রিকোয়েন্সি, এনটিটি গ্রাফ, ট্রেন্ড বিশ্লেষণ—সব দূষিত হতো। একটি ভুল লেবেল ‘ল্যান্ডমার্ক’ হয়ে দাঁড়াতে পারত, কারণ পরের ধাপে আরেকটি মেশিন এই ডেটা পড়ে শেখে। ডেটা পাইপলাইনে একবার দূষণ ছড়ালে তা সহজে সরানো যায় না। তবে ব্লকচেইনকে সব সমস্যার সমাধান ভাবলে ভুল হবে। ‘গার্বেজ ইন, গার্বেজ আউট’ সত্যটি অপরিবর্তিত। যদি ভুল তথ্য একবার চেইনে লেখা হয়, তাহলে তা আরও স্থায়ী হয়ে যায়—সংশোধন করা কঠিন, কারণ ব্লকচেইনের মূল বৈশিষ্ট্যই হলো অপরিবর্তনীয়তা। তাই ব্লকচেইন ইনপুটের সত্যতা নিশ্চিত করে না; এটি কেবল প্রক্রিয়ার স্বচ্ছতা ও জবাবদিহিতা বাড়ায়। দরকার সিদ্ধান্ত গ্রহণের জন্য একটি বহু-স্তরের যাচাই ব্যবস্থা: অটোমেটেড ট্যাগ, মডেলের ব্যাখ্যা, মানব অডিট এবং প্রয়োজনে কনসেনসাস মেকানিজম। ব্লকচেইনের টাইমস্ট্যাম্প এখানে গুরুত্বপূর্ণ। যখন একটি নিবন্ধ হ্যাশ-করা হয়, তখন কেউ পরে গিয়ে পরিবর্তন করে ‘আসলে এটা তো বিনোদন খবর’ বললেও প্রমাণ থাকবে যে প্রথম ট্যাগ ভুল ছিল। এটি কেবল সংশোধনের ইতিহাস নয়, সংশোধনের দায়ও কে নিচ্ছে তা চিহ্নিত করে। ডেটা-প্রদাতা প্রতিষ্ঠানগুলোর রেপুটেশন স্কোর তৈরি করা সম্ভব; যারা বারবার ভুল ট্যাগ দেয়, তাদের স্কোর কমে যাবে, আর নির্ভরযোগ্য সূত্রের স্কোর বাড়বে। তবে প্রযুক্তির সীমা আছে। স্মার্ট কন্ট্রাক্ট যতই নির্ভুল হোক, মানুষের চূড়ান্ত বিচার একদিনও বাদ দেওয়া যায় না। ডেটা-গুণমানের নিয়মে ‘মানুষ-ইন-দ্য-লুপ’ একটি অপরিহার্য স্তর। ব্লকচেইন সেই স্তরটিকে আরও কার্যকর করে, কারণ প্রতিটি মানুষের সংশোধনীর পেছনে একটি ক্রিপ্টোগ্রাফিক স্বাক্ষর থাকে। এই ঘটনাটি সুযোগও তৈরি করেছে। এটি একটি পরীক্ষা-কেস হিসেবে ব্যবহার করা যেতে পারে—যে মডেল ‘ফুটবল’ ডোমেইন চিহ্নিত করতে ব্যর্থ, তাকে প্রশিক্ষণ দেওয়ার জন্য এটাই নিখুঁত উদাহরণ। পাশাপাশি দরকার উল্লম্ব-যাচাই গেট: খেলোয়াড়, ক্লাব বা প্রতিযোগিতার সত্তা খুঁজে পাওয়া না গেলে নিবন্ধটি অন্য ভার্টিকালে পাঠিয়ে দেওয়া। ব্লকচেইন সেই গেটকে স্বচ্ছ ও নিরপেক্ষ করতে পারে। প্রশ্ন এখন আর নেই—‘ডিগার কি ফুটবল ছবি?’ প্রশ্ন এখন—আমাদের ডেটা পাইপলাইন কি এতটাই নির্ভরযোগ্য যে ভুল লেবেলকে সে থামিয়ে দিতে পারে? উত্তর যতক্ষণ না ‘হ্যাঁ’ হয়, ততক্ষণ প্রতিটি অদ্ভুত শিরোনামই আমাদের সিস্টেমের অসুস্থতার নির্দেশক।