ভুল লেবেলের অটোপসি: একটি রিফাইনারির পদত্যাগপত্র কীভাবে ফুটবল ডেটা পাইপলাইনে পৌঁছাল

একটি নথি। একটি নাম। আর একটি লেবেল, যা ভুল ঠিকানায় পৌঁছে গেছে।

২০২৬ সালের ৯ অক্টোবর কার্যকর হওয়া একটি পদত্যাগের ঘোষণা। পাকিস্তান রিফাইনারি লিমিটেড (পিআরএল)—পাকিস্তান স্টক এক্সচেঞ্জে (পিএসএক্স) তালিকাভুক্ত একটি তেল-পরিশোধনকারী প্রতিষ্ঠান—জানিয়েছে যে তার বোর্ড চেয়ারম্যান তারিক কিরমানি স্বাস্থ্যজনিত কারণে চেয়ারম্যান ও পরিচালক, দুটি পদ থেকেই সরে দাঁড়িয়েছেন। তথ্যটি এসেছে একটি প্রাথমিক নিয়ন্ত্রক ফাইলিং থেকে, একটি উদ্ধৃত নোটিশসহ, নিরপেক্ষ সুরে লেখা একটি সংবাদ প্রতিবেদন হিসেবে। কোনো গুজব নেই, কোনো বিতর্ক নেই, কেবল একটি তালিকাভুক্ত কোম্পানির নিয়মমাফিক ঘোষণা।

আমি যখন বিশ্লেষণ কিউতে ফাইলটি খুললাম, লেবেলটা লেখা ছিল—ফুটবল।

লেবেলটা ছিল ভুল। আর ভুলটা স্পষ্ট হওয়ার আগেই আমি অভ্যাসবশত গুনতে শুরু করলাম, যেমনটা বছর দশেক ধরে ম্যাচ-ডেটা পরিষ্কার করার সময় করি। পিআরএল, পিএসএক্স, ক্যালটেক্স বা শেভরন পাকিস্তান, পাকিস্তান স্টেট অয়েল (পিএসও), পাকিস্তান ইন্টারন্যাশনাল এয়ারলাইন্স (পিআইএ), পাকিস্তান সরকার—ছয়টি নাম। এর মধ্যে ফুটবল ক্লাব, লিগ, ফেডারেশন, খেলোয়াড়, কোচ কিংবা প্রতিযোগিতা—শূন্য।

আমি মোডরিচ গুনেছি ২০১৮ সালে—৮৯টি সম্পূর্ণ পাস, প্রেসারের মধ্যে কতবার বল পেয়েছেন, কতটা প্রগ্রেসিভ পাস, ডিফেন্সিভ পজিশনিং—আর সেই সংখ্যাগুলো থেকে ক্রোয়েশিয়ার মিডফিল্ড নিয়ন্ত্রণ নিয়ে একটা সিদ্ধান্তে পৌঁছেছিলাম। এখানে আমি অন্য কিছু গুনলাম, আর ফলাফল এল উল্টো দিক থেকে সমান স্পষ্টভাবে: এই নথিতে ফুটবল বলে কিছু নেই।

— Root: Data Monk archetype / INTJ patience | Scenario: methodology or personal essay.

প্রেক্ষাপট: ফাইলিংটা আসলে কী, আর কেন সেটা ফুটবল নয়

পিএসএক্সের ডিসক্লোজার ফাইলিং একটি নির্দিষ্ট কাজ করে—তালিকাভুক্ত কোম্পানির বোর্ড, ব্যবস্থাপনা বা আর্থিক অবস্থার যে কোনো উল্লেখযোগ্য পরিবর্তন বিনিয়োগকারীদের জানানো। তারিক কিরমানির পদত্যাগ ঠিক সেই ধরনের ঘটনা। পঞ্চাশ বছরের বেশি কর্পোরেট অভিজ্ঞতার একজন ব্যক্তি, যিনি একসময় পিএসও-এর ব্যবস্থাপনা পরিচালক ও প্রধান নির্বাহী এবং পিআইএ-এর চেয়ারম্যান ও প্রধান নির্বাহী ছিলেন, স্বাধীন পরিচালকের ভূমিকা থেকে সরে দাঁড়ালে সেটি নিয়ন্ত্রিত কোম্পানি-গভর্ন্যান্স কাঠামোর একটি ঘটনা, ফুটবল ইভেন্ট নয়।

কেন এটা গুরুত্বপূর্ণ? কারণ ডেটা পাইপলাইনে লেবেল শুধু সাজসজ্জা নয়। লেবেল একটি স্কিমা ফিল্ড। কোন মডেল, কোন ডেটাসেট, কোন প্রশিক্ষণ সেটে একটি আইটেম যাবে, তা ঠিক করে দেয় ওই লেবেলই। ভুল লেবেল মানে ভুল ঘরে ঢুকে পড়া নথি। আর একটি নথি ভুল ঘরে ঢুকলে সেটি একা থাকে না, তার সঙ্গী হয় তার সমস্ত সংখ্যা, নাম আর সুর।

আমার অভিজ্ঞতা বলে, ফুটবল-ডেটা বিশ্লেষণে সবচেয়ে বড় ঝুঁকি দুর্বল ম্যাচ নয়, দুর্বল পরিষ্কার-পরিচ্ছন্নতা। ২০২০ সালে বুন্দেসলিগা মে মাসে ফিরে আসার পর আমি ডর্টমুন্ডের স্কালকে-এর বিপক্ষে ৪-০ জয় দেখছিলাম, খালি সিগনাল ইডুনা পার্কে। তখন হোম-অ্যাডভান্টেজের হার ৪৩.৩% থেকে ৩৩.৩%-এ নেমে এসেছিল, ১৮টি ম্যাচের নমুনায়। আমি হালান্ডের দুই গোল আর ডর্টমুন্ডের ২.১ xG-ও ট্র্যাক করছিলাম, আর লিখেছিলাম যে স্কোরলাইন পারফরম্যান্সকে বেশি ভালো দেখাচ্ছে। ওই পুরো বিশ্লেষণের ভিত্তি ছিল একটাই জিনিস—সব এন্ট্রি ফুটবল ঘরে আছে কি না।

স্টেডিয়াম যখন নীরব হলো, হোম অ্যাডভান্টেজ ৪৩.৩% থেকে ৩৩.৩%-এ নেমে এল।

যদি ওই ডেটাসেটে একটা কর্পোরেট ফাইলিং ঢুকে পড়ত, তবে গড়, বিচ্যুতি আর কনফিডেন্স ইন্টারভাল—সব ভুল হয়ে যেত। কিন্তু কোনো এরর মেসেজ আসত না। ঠিক এখানেই আসল সমস্যা।

মূল বিশ্লেষণ: এনটিটি রেজোলিউশনের নীরব ব্যর্থতা

ডেটা পাইপলাইনে ব্যর্থতা দুই ধরনের। এক, দৃশ্যমান—ক্র্যাশ, নাল, স্কিমা মিসম্যাচ, ব্যাচ ফেল। দুই, অদৃশ্য—পাইপলাইন সফলভাবে চলছে, কোনো সতর্কবার্তা নেই, অথচ ভেতরে ভুল তথ্য জমা হচ্ছে। ফুটবল ডোমেইনে এটাকে আমি নীরব ব্যর্থতা বলে থাকি, আর এটাই সবচেয়ে বিপজ্জনক।

পিআরএল-এর ঘটনাটি নীরব ব্যর্থতার নিখুঁত উদাহরণ। নথিটি বৈধ। ফাইলিংটি সময়মতো। পদত্যাগের কারণ স্পষ্ট, স্বাস্থ্য। সংবাদটি নিরপেক্ষ। যাচাইযোগ্যতার মানদণ্ডে এটা উঁচু মানের তথ্যসূত্র—প্রাথমিক, প্রথমপক্ষের, উদ্ধৃত। অথচ লেবেলটা ভুল।

কেন ভুল হলো? কারণ এনটিটি রেজোলিউশন ব্যর্থ হয়েছে। এনটিটি রেজোলিউশন হলো সেই ধাপ, যেখানে কোনো নথির ভেতরের নামগুলোকে একটি পরিচিত তালিকার সঙ্গে মেলানো হয়—এই নামটি কোন ক্লাব, কোন লিগ, কোন খেলোয়াড়। পিআরএল, পিএসও, পিআইএ—এই তিনটি নামের একটিও কোনো ফুটবল সত্তার সঙ্গে মেলে না। পাকিস্তান সরকার কোনো ফুটবল ফেডারেশন নয়। ক্যালটেক্স বা শেভরন পাকিস্তান কোনো স্পনসরশিপ চুক্তির পক্ষ নয়, এটি একটি জ্বালানি খাতের কোম্পানি।

এখানে আমার মনে পড়ে কাতার ২০২২-এর মরক্কো বনাম স্পেন ম্যাচের কথা। ০-০ ড্র, পেনাল্টিতে ৩-০, বোনো দুটি সেভ করলেন। আমি মরক্কোর PPDA ১২.৩ লিখেছিলাম, স্পেনকে সীমিত করেছিলাম ১.০ xG-তে, আর দেখিয়েছিলাম স্পেনের ৭৭% দখল মাত্র ০.৯ xG উৎপন্ন করেছে। সেই বিশ্লেষণে প্রতিটি সংখ্যা একটি নির্দিষ্ট এনটিটির সঙ্গে বাঁধা ছিল—মরক্কোর লো ব্লক, স্পেনের পজেশন, বোনোর সেভ।

— Root: 2026 Qatar / Morocco low block | Scenario: defensive structure deep dive.

যদি ওই ম্যাচ-ডেটাসেটে একটি নাম ভুলভাবে যুক্ত হতো, তবে PPDA-র হিসাব নষ্ট হতো। কিন্তু এখন প্রশ্ন হলো—পিআরএল-এর নথিতে এমন কোনো সংখ্যা আছে কি যা কোনো ফুটবল মেট্রিকের সঙ্গে বিভ্রান্ত হতে পারে? উত্তর: না। তাহলে লেবেলটা এল কোথা থেকে?

এখানেই আমার দ্বিতীয় পর্যবেক্ষণ। লেবেল প্রায়শই ক্লাসিফায়ার তৈরি করে না; ক্লাসিফায়ার লেবেল উত্তরাধিকার সূত্রে পায়। সংবাদটি সম্ভবত এসেছে একটি ব্যবসা বা ক্যাপিটাল-মার্কেট ডেস্ক থেকে, যেখানে মূল ফিডে হয়তো খবরটির সঙ্গে একটা সেকশন-ট্যাগ ছিল, আর সেটি স্পোর্টস কিউতে গিয়ে ফুটবল হয়ে গেছে। এই উত্তরাধিকার প্রক্রিয়াটাই বিপদের আসল উৎস।

আমার মতে, একটি বিশ্লেষণ পাইপলাইনের শক্তি নির্ভর করে তার লেজার কতটা পরিষ্কার, তার উপর। নথি, লেবেল, সূত্র, তারিখ—এই চারটি যদি একসঙ্গে যাচাই না হয়, তবে সিস্টেম নিজের ভুল ধরতে পারে না। এই অর্থে প্রতিটি নথি একটি ব্লক, আর প্রতিটি লেবেল তার হ্যাশ। হ্যাশ ভুল হলে পুরো চেইন প্রশ্নবিদ্ধ।

দূষণ কীভাবে ছড়ায়

একটি ভুল লেবেল বিচ্ছিন্ন ঘটনা হিসেবে থাকলে ক্ষতি সীমিত। সমস্যা বাড়ে তখন, যখন সেই নথি প্রশিক্ষণ সেটে ঢুকে পড়ে। তখন মডেল শেখে ভুল সম্পর্ক। ধরুন, একটি মডেল শিখছে কোন ধরনের নথি কোন ডোমেইনের। যদি তার প্রশিক্ষণে দশটি কর্পোরেট ফাইলিং ঢুকে যায় "ফুটবল" লেবেল নিয়ে, তবে মডেল ভবিষ্যতে জ্বালানি খাতের নাম দেখলেই ফুটবল সম্ভাবনা বাড়িয়ে দেবে।

২০২৪ সালে এমবাপের রিয়াল মাদ্রিদে ফ্রি ট্রান্সফারের সময় আমি একটি মডেল বানিয়েছিলাম—লিগ-১-এ প্রতি ৯০ মিনিটে ০.৭৮ xG থেকে লা লিগায় লো ব্লকের বিপক্ষে ০.৬৫ xG অনুমান। সেখানে প্রতিটি ইনপুট ছিল লিগ-নির্দিষ্ট, প্রতিযোগিতা-নির্দিষ্ট। লিগ লেবেল ভুল হলে মডেলের পুরো অনুমান ধসে পড়ত।

— Root: transfer market domain / INTJ pattern recognition | Scenario: transfer window long-form.

এই কারণেই আমি বলি, ট্রান্সফার উইন্ডোর আসল খবর গুজব নয়, লেবেল। কোন খবরটি যাচাইযোগ্য, কোনটি নয়—এটি ঠিক করার কাজটাই বিশ্লেষকের আসল কাজ। রিফাইনারির এই নথিটি যাচাইযোগ্য, কিন্তু ফুটবল নয়। গুজব যাচাইযোগ্য নয়, কিন্তু ফুটবলও নয়। দুটো ভিন্ন ব্যর্থতা।

আরেকটি দিক ভাবা দরকার। ফুটবল অ্যানালিটিক্সে আমি সবসময় আক্রমণাত্মক মেট্রিকের সঙ্গে ডিফেন্সিভ মেট্রিক জোড়া লাগাই। শুধু ইন্টারসেপশন বা প্রেসার গুনলে বিশ্লেষণ অসম্পূর্ণ থেকে যায়; সেটার সঙ্গে প্রগ্রেশন, ক্রিয়েশন আর গেম-স্টেট যোগ করতে হয়। ঠিক তেমনই, শুধু "এটি ফুটবল" লেবেল ধরে এগোলে বিশ্লেষণ অসম্পূর্ণ। লেবেলের সঙ্গে এনটিটি, সূত্র আর প্রেক্ষাপট যোগ করতে হয়। একটি মাত্র ফিল্ডের উপর ভরসা করা মানে একক-কারণ গল্প বলা, যা আমার পেশায় নিষিদ্ধ।

একটি সতর্কতা: সংখ্যা যেখানে নেই

এই বিশ্লেষণে একটি বিষয় স্পষ্ট করা জরুরি। ফুটবল বিশ্লেষণের নিয়ম হলো—যখন কোনো মাত্রায় যথেষ্ট তথ্য থাকে না, তখন অনুমান না করে সোজা বলা: অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়।

সূত্রের নথিতে ট্যাকটিক্যাল গঠন নেই। ফরমেশন নেই। xG নেই, PPDA নেই, পজেশন নেই। ক্লাব অর্থায়ন নেই—কোনও ব্রডকাস্ট আয়, বেতন বিল, নিট ঋণ বা ট্রান্সফার ফি নেই। লিগ নেই, টেবিল নেই, পয়েন্ট নেই। কোনো ম্যানেজার নেই, ড্রেসিং রুম নেই, সমর্থক নেই। এখানে যা আছে তা হলো বোর্ড স্তরের একটি নেতৃত্ব পরিবর্তন।

তাই এই নথির ফুটবল-মূল্য শূন্য। এটাকে জোর করে ফুটবল বানানো মানে তথ্য বানানো। আর তথ্য বানানো আমার পেশার সবচেয়ে বড় অপরাধ।

এই নথির আসল মূল্য অন্য জায়গায়। এটি একটি পরিচ্ছন্ন মান-নিয়ন্ত্রণ সংকেত। এটি দেখায় যে আমাদের ডোমেইন-ট্যাগিং স্তরে একটি ফাঁক আছে, আর সেই ফাঁকটি নীরব। সেটি ধরতে পারা মানে পাইপলাইনের একটি দুর্বলতা সময় থাকতেই ধরা।

বিপরীত দৃষ্টিকোণ: দোষ কি ক্লাসিফায়ারের একার নয়

এখানে সবচেয়ে সহজ প্রতিক্রিয়া হবে—ক্লাসিফায়ার খারাপ, ঠিক করে দাও। কিন্তু আমার মনে হয় এই ব্যাখ্যা অসম্পূর্ণ, আর বিপজ্জনকভাবেও আরামদায়ক।

প্রথমত, নথিটি নিজে কোনো ফুটবল দাবি করেনি। সংবাদটি নিরপেক্ষ, সূত্রটি প্রাথমিক, ফাইলিংটি নিয়মমাফিক। অর্থাৎ কাঁচামাল পরিষ্কার ছিল। দূষণ ঘটেছে প্রক্রিয়াকরণে।

দ্বিতীয়ত, সম্ভাব্য কারণগুলো একাধিক। একটি ফিড-উত্তরাধিকার ত্রুটি। একটি ম্যানুয়াল ট্যাগ ভুল। একটি সেকশন-ম্যাপিং বিভ্রান্তি, যেখানে "পাকিস্তান" শব্দটি খেলাধুলার সঙ্গে যুক্ত হয়ে গেছে। কারণ একাধিক হলে একটিকে একক দোষারোপ করা মানে সহজ গল্প বলা।

তৃতীয়ত, এবং সবচেয়ে গুরুত্বপূর্ণ, বড় ঝুঁকি লেবেলে নয়, চাপে। লেবেল যদি "ফুটবল" হয়, আর টেমপ্লেট যদি ফুটবল বিশ্লেষণ চায়, তবে পাইপলাইনের শেষ প্রান্তে কাজ করা বিশ্লেষকের উপর চাপ আসে ফুটবল কোণ খুঁজে বের করার। এই চাপেই ভুয়া বিশ্লেষণ জন্ম নেয়। পিআরএল-এর চেয়ারম্যানের পদত্যাগ থেকে "ফুটবল কোণ" বানানো সম্ভব, যদি কেউ বানাতে চায়। সেই ফাঁদে পা দেওয়াই আসল ব্যর্থতা।

এখানেই আমি নীরব দর্শকের চেয়ে নীরব স্টেডিয়ামের পাঠ মনে করি। ২০২০-এ হোম-অ্যাডভান্টেজ কমার পেছনে শুধু দর্শকশূন্যতা ছিল না—ছিল ভ্রমণ, সময়সূচি, রক্ষণাত্মক প্রবণতা। ভুল লেবেলের পেছনেও একটিমাত্র কারণ নয়, একগুচ্ছ প্রক্রিয়াগত ফাঁক। কারণ আলাদা না করলে সমাধানও ভুল হয়।

অগ্রদৃষ্টি: আগামীতে কী ট্র্যাক করতে হবে

২০২৬ সালের ৪৮ দলের বিশ্বকাপ মডেলে আমি ১০৪ ম্যাচের একটি xG মডেল দাঁড় করিয়েছিলাম, যেখানে কানাডাকে তাদের ফিফা র‍্যাঙ্কিংয়ের চেয়ে ১২ ধাপ ভালো করতে দেখাচ্ছিল। সেই মডেল ব্রডকাস্ট গ্রাফিক্সে ব্যবহৃত হয়েছিল, কারণ সেটির প্রতিটি ইনপুট যাচাইযোগ্য ছিল। একই মান রিফাইনারির নথির ক্ষেত্রেও প্রযোজ্য।

এখন প্রশ্ন হলো, পাইপলাইনে এই ভুল লেবেল ধরতে হলে কী দেখতে হবে? তিনটি সংকেত আমি নজরে রাখব। এক, ডোমেইন-ট্যাগের নির্ভুলতা—যে কোনো লেবেলের সঙ্গে অন্তত একটি ইন-ডোমেইন এনটিটি থাকা উচিত, নাহলে লেবেলটি প্রশ্নবিদ্ধ। দুই, এনটিটি রেজোলিউশন—কোনো ফুটবল সত্তা হঠাৎ দেখা দিলে বিশ্লেষণ নতুন করে খুলতে হবে। তিন, সূত্রের উৎস-পরিচয়—যদি নথির মূল উৎস একটি সিকিউরিটিজ ফাইলিং হয়, তবে সেটি কোনো ফুটবল পাইপলাইনে যাওয়া উচিত নয়।

ভুল লেবেল সস্তা, কিন্তু ভুল লেবেল থেকে জন্মানো ভুয়া বিশ্লেষণ ব্যয়বহুল। এই নথিটি আমার কাছে একটি সংখ্যা নয়, একটি সতর্কবার্তা। পরের বার যখন কোনো ফাইল "ফুটবল" লেবেল নিয়ে কিউতে ঢুকবে, আমি আগে গুনব, তারপর লিখব।