"স্পিনিং" ফাঁদ: একটি কর-নথি কেন টেনিস ডেটাবেসে ঢুকে পড়ল

গত রাতে আমি টেনিস কিউ স্ক্যান করছিলাম। রুটিন কাজ, প্রায় প্রতি সপ্তাহে করি। চোখ বুলাচ্ছিলাম লেবেলের পর লেবেল — সবগুলোতেই লেখা "tennis"। তারপর একটি আইটেম খুললাম। শিরোনাম: "Textile, spinning units: IR officials empowered to seal business premises"। প্রথম লাইনে FBR। দ্বিতীয় লাইনে ইনল্যান্ড রেভিনিউ। তৃতীয় লাইনে সেলস ট্যাক্স অ্যাক্ট ১৯৯০। আমি স্ক্রল করলাম, নিচে, আরও নিচে। একটা সার্ভ নেই, একটা র‍্যাংকিং নেই, একটা কোর্ট নেই, একটা খেলোয়াড়ের নাম নেই।

সেখানে ছিল "spinning units"। সেখানে ছিল "business premises"। সেখানে ছিল একটি দেশের রাজস্ব বোর্ড, যা অ-সম্মতিপূর্ণ মিল সিলগালা করার ক্ষমতা পেয়েছে।

ডেটাবেস বলছিল এটি টেনিস। বাস্তবতা বলছিল এটি কর-আইন।

প্রথম প্রতিক্রিয়া বিরক্তি। দ্বিতীয় প্রতিক্রিয়া — এবং এটাই আসল — কৌতূহল। কারণ আমি জানি, প্রতিটি ভুল লেবেলের পিছনে একটি ভাঙা স্কিমা থাকে। আর ভাঙা স্কিমা নিয়ে কাজ করা আমার পুরো কেরিয়ার।

প্রসঙ্গ: আমি কেন ডেটাবেস বানাই

The shoulder injury taught me that pain is just unstructured data waiting for a schema.

২০১৭ সাল। বারিশাল ডিভিশনাল ট্রেনিং সেন্টার। একটি রোটেটর কাফ ইনজুরি আমার জুনিয়র টেনিস কেরিয়ার শেষ করে দেয়। বয়স তখন ষোলো। আমি খেলা ছাড়িনি — আমি খেলা লিখতে শুরু করেছি। "Data Court" নামে একটি ফেসবুক পেজ খুললাম। রামনা কমপ্লেক্সে ২০১৭ সালের জাতীয় টেনিস চ্যাম্পিয়নশিপের বত্রিশটি ম্যাচের সার্ভ পার্সেন্টেজ, আনফোর্সড এরর, ব্রেক-পয়েন্ট কনভার্শন হাতে হাতে লিখে রাখলাম।

আমি একটি পোস্ট করলাম। দেখা গেল, চ্যাম্পিয়ন বেসলাইন র‍্যালির মাত্র ৫৪% জিতেছে, কিন্তু নেট অ্যাপ্রোচের ৭৮%। পোস্টটি ঢাকার টেনিস ক্লাবগুলোতে ঘুরতে থাকল। BTF-র কর্মকর্তারা আমার পেজ পড়তে শুরু করলেন।

সেই মুহূর্তে ম্যাচ রিপোর্ট আর গল্প নয়, প্রমাণ হয়ে গেল। প্রতিটি দাবির পাশে একটি সংখ্যা। এই অভ্যাসই আমার সিগনেচার।

I built my first database because memory alone could not carry the weight of a season.

মনে রাখা একটি সিজনকে বহন করতে পারে না। একটি লেবেল, একটি ট্যাগ, একটি স্কিমা — এগুলো ঠিক সে জন্যই বানানো, যাতে মানুষ ভুলে গেলেও সিস্টেম মনে রাখে। কিন্তু ডেটাবেস তখনই কাজ করে, যখন তার স্কিমা সত্য বলে। যখন স্কিমা ভেঙে যায়, তখন ডেটাবেস আত্মবিশ্বাসের সঙ্গে মিথ্যা বলে। আর আত্মবিশ্বাসী মিথ্যা সবচেয়ে বিপজ্জনক — কারণ কেউ তাকে প্রশ্ন করে না।

২০১৮ সালে রাশিয়া বিশ্বকাপে আমি চৌষট্টিটি ম্যাচের xG আর PPDA ট্র্যাক করলাম। একটি বাংলা স্পোর্টস ব্লগে প্রতিদিন বিশ্লেষণ লিখলাম। ফাইনালের আগে লিখলাম, ফ্রান্সের আসল গল্প এমবাপের গতি নয়, বরং প্রতি ম্যাচে তাদের ০.৭ xGA। ফ্রান্স ৪-২ জিতল। ঢাকার একজন সম্পাদক আমাকে পেইড কলাম অফার করলেন, শর্ত দিলাম — ডেটা মডেলের উপর সম্পূর্ণ সম্পাদকীয় নিয়ন্ত্রণ আমার থাকবে।

The World Cup xG experiment started when I asked what the scoreboard had hidden.

সেই প্রশ্নটাই — স্কোরবোর্ড কী লুকিয়ে রেখেছে — আমাকে নিয়ে গেল ২০২০ সালের দিকে, যখন আমি পাঁচশো-র বেশি দর্শকশূন্য ম্যাচের একটি ডেটাবেস বানালাম। দেখা গেল, ভিড় ছাড়া ফুটবলে হোম অ্যাডভান্টেজ ৩২% পড়ে যায়, কিন্তু টেনিসে সার্ভ পার্সেন্টেজ প্রায় অপরিবর্তিত থাকে।

ওই সময়টাই আমি পাইথন আর SQL শিখলাম। নিজের স্ক্র্যাপিং টুল বানালাম। কারণ যে বিশ্লেষক অন্যের টেবিলের উপর নির্ভর করে, সে অন্যের ভুলের উপরও নির্ভর করে।

এই সবই ছিল স্কিমা বানানোর কাজ। প্রতিটি ডেটাবেসে আমি একই নিয়ম মেনেছি: ভেরিয়েবল সংজ্ঞায়িত করো, স্যাম্পল ঘোষণা করো, তারপর কাউন্টার-ইনটুইটিভ ফলাফল নিজে থেকে পড়তে দাও। লেবেল আগে নয়, প্রমাণ আগে।

তাই যখন টেনিস কিউয়ে একটি কর-নথি দেখলাম, আমি বিরক্ত হইনি। আমি একটি স্কিমা-ব্যর্থতা দেখলাম।

মূল বিশ্লেষণ: দুইটি কীওয়ার্ড, একটি ভুল লেবেল

আমার সফটওয়্যার কীভাবে কাজ করে? জটিল নয়। আমি একটি টেক্সট নিই, সেটাকে টোকেনে ভাঙি, এবং প্রতিটি টোকেনকে একটি ডোমেইন-লেবেলের সঙ্গে মেলাই। টেনিস লেবেলের কীওয়ার্ড-তালিকায় থাকে: serve, rally, spin, ace, break point, baseline, unit, set।

তালিকাটা আরেকবার পড়ুন। spin। unit।

এখন ওই নথির ভাষা দেখুন: "spinning units", "textile", "production monitoring", "seizure", "Sales Tax Act 2026"।

"Spinning" — ক্লাসিফায়ার এটি পড়ে টেনিসের স্পিন। "Units" — ক্লাসিফায়ার এটি পড়ে খেলার ইউনিট, সেট, বা পয়েন্ট-ইউনিট। মডেলটি কোনো সার্ভ দেখেনি, কোনো কোর্ট দেখেনি, কোনো র‍্যাংকিং দেখেনি। সে শুধু দুটি শব্দ দেখেছে, আর দুটি শব্দই টেনিস তালিকায় ছিল।

ফলাফল: একটি পাকিস্তানি রাজস্ব-আইন ব্রিফ নিজেকে টেনিস হিসেবে লেবেল করল, এবং সেটি আমার কিউয়ে পৌঁছে গেল। আত্মবিশ্বাসের সঙ্গে।

এখানে আমার প্রথম কাজ ছিল নাল হাইপোথিসিস স্পষ্টভাবে বলা। সহজ অনুমান এক বাক্যে: "লেবেলটি ভুল, ক্লাসিফায়ারে একটি বাগ আছে, ঠিক করে দিলেই হবে।" আমি এই অনুমানটি আগে লিখলাম, তারপর দেখলাম প্রমাণ কী বলে।

প্রমাণ যা বলে: নথির দশটি ইনফরমেশন পয়েন্টের প্রতিটি FBR, ইনল্যান্ড রেভিনিউ, সেলস ট্যাক্স অ্যাক্ট, মিল-সিলগালা নিয়ে। একটি খেলোয়াড় নেই, একটি টুর্নামেন্ট নেই, একটি র‍্যাংকিং নেই। সুতরাং নাল হাইপোথিসিস টিকে গেল — লেবেল সত্যিই ভুল।

টেনিস-বিশ্লেষণের ভাষায় বললে: এই নথি থেকে শূন্য প্রতিযোগিতামূলক তথ্য বেরোয়। কোনো সার্ভ পার্সেন্টেজ নেই, কোনো রিটার্ন পয়েন্ট নেই, কোনো ব্রেক-পয়েন্ট কনভার্শন নেই। যে সংখ্যাগুলো আছে — সেলস ট্যাক্স অ্যাক্টের তফসিল — সেগুলো আইন, খেলা নয়।

এখানেই আসল শিক্ষা। স্কিমা যদি বলতে না পারে "স্পিন" মানে টেনিসের টপস্পিন, আর "spinning" মানে সুতা কাটা — তবে স্কিমা সত্য বলতে পারবে না।

স্পিনিং মিল মানে সুতা কাটার কারখানা। টেনিসে স্পিন মানে টপস্পিন, স্লাইস, কিক। একই অক্ষর, সম্পূর্ণ ভিন্ন ডেটা। শব্দ মিলিয়ে ডেটা মেলানো যায় না।

এখন প্রশ্ন: আমি টেনিসের এই ভুল লেবেল নিয়ে এত ভাবছি কেন? কারণ বাংলাদেশের টেনিস ঠিক এই কারণেই তিন দশক হারিয়েছে।

আমাদের কাছে একটি বাস্তব খেলোয়াড়-পুল আছে — যাচাইযোগ্য নাম মাত্র ছয়টি: খালেদ সালাহউদ্দিন, শ্রী-অমল রায়, শিবু লাল, রঞ্জন রাম, জোনাথন মৃধা, জারিফ আবরার। n = ৬। এটি একটি স্যাম্পল নয়, এটি একটি ইঙ্গিত।

১৯৭২ সালে জাতীয় চ্যাম্পিয়নশিপ শুরু। ১৯৮৯ সালে ডেভিস কাপ এশিয়া/ওশেনিয়া সেমিফাইনাল। তারপর তিনটি নিষ্ক্রিয় দশক। আমি ওই দশকগুলোকে "ট্যালেন্টের অভাব" বলি না। আমি বলি "পর্যবেক্ষণের অভাব"।

স্কিমা ভেঙেছিল, খেলোয়াড়রা নয়।

যখন আপনি একটি খেলা তিন দশক ধরে লেবেল করেন না, ডেটা রাখেন না, স্কোর লেখেন না — তখন সেই শূন্যতা নিজেই তথ্য হয়ে যায়। আপনি আর বলতে পারেন না কোথায় ছিল ট্যালেন্ট, কোথায় ছিল না। আপনি শুধু জানেন একটা গ্যাপ আছে, আর সেটার মাপ জানেন না।

জারিফ আবরারের ২০২৫ সালের J30 শিরোপা — বাংলাদেশি হিসেবে প্রথম ITF জুনিয়র শিরোপা — এখানে একটি ট্রফি নয়, একটি ট্রেন্ড লাইন। এটাই আমার পড়ার নিয়ম। ছেলেটি প্রমাণ করে, স্কিমা ঠিক হলে স্কোর আসে।

কিন্তু সীমাটাও স্পষ্ট রাখতে হবে: কোনো গ্র্যান্ড স্ল্যাম মেইন ড্র নেই, কোনো টপ-১০০ নেই, কোনো ATP শিরোপা নেই। মৃধার কেরিয়ার-হাই প্রায় ৫০৮। এটাই বাস্তব ছাদ। যদি কেউ বলে এই শিরোপা মানে আমরা এখন টেনিস-শক্তি, সে তার নিজের পরীক্ষায় ফেল করবে। কারণ n = ৬।

আর এখানেই একটা জিনিস পরিষ্কার। আমি জারিফের শিরোপাকে ছোট করছি না। আমি তাকে ঠিক জায়গায় রাখছি — বেসলাইনের পাশে, স্যাম্পলের মধ্যে, হর-এর নিচে। সেটাই ডেটা-সম্মান। আর নস্টালজিয়া হলো তার ঠিক উল্টো: হর ছাড়া দাবি।

কাউন্টার-ইনটুইটিভ কোণ: বাগটি রোগ নয়, উপসর্গ

এখন কাউন্টার-ইনটুইটিভ অংশে আসি। এবং প্রতিশ্রুতি দিচ্ছি, প্রথমে সহজ পাঠটি লিখব, তারপর সেটিকে উল্টাব — কারণ এখানেই আমি সবচেয়ে বেশি ভুল করি।

সহজ পাঠ: "এটি একটি পাইপলাইন বাগ। ক্লাসিফায়ারের কীওয়ার্ড-রুল ঠিক করুন। 'spinning' আর 'unit' কে টেনিস তালিকা থেকে সরান। হয়ে গেল।"

ঠিক আছে। কিন্তু বাগটি সরিয়ে দিলে সমস্যা কি শেষ?

ধরা যাক, আগামীকাল একই ক্লাসিফায়ার একটি ক্রিকেট নথিকে "spin bowler" শব্দের কারণে টেনিস লেবেল দিল। আরেক দিন একটি রান্নার রেসিপি "serve" শব্দের কারণে ঢুকে পড়ল। প্রতিবার আমরা একটি কীওয়ার্ড সরাব। এটি মাথাব্যথার জন্য প্যারাসিটামল — ব্যথা কমে, কারণ থাকে।

কেন? কারণ সমস্যা কীওয়ার্ডে নয়, পদ্ধতিতে। আমরা অর্থ দিয়ে লেবেল করি না, অক্ষর দিয়ে লেবেল করি। আমরা জিজ্ঞাসা করি না "এই নথিতে কি টেনিসের কোনো ভেরিয়েবল আছে?" আমরা জিজ্ঞাসা করি "এই নথিতে টেনিসের কোনো শব্দ আছে?"

দুটি প্রশ্নের মধ্যে পুরো একটি ডেটা-দর্শনের ব্যবধান।

সহজ পাঠ তাই সত্য, কিন্তু অসম্পূর্ণ। গভীর পাঠ: এই ভুলটি আয়নার মতো। এটি দেখায়, আমরা টেনিসকেও কীভাবে ট্যাগ করি। জারিফ আবরারের J30 শিরোপাকে আমরা "ব্রেকথ্রু" ট্যাগ দিই — কিন্তু তার হর নেই। কতটি J30 ইভেন্টে বাংলাদেশি ছেলেরা খেলেছে? কতজন কোয়ালিফাই করেছে? কোন বয়সে? কোন সারফেসে? লেবেল আছে, ডেটা নেই।

কাউন্টার-ইনটুইটিভ সত্যটি হলো: কর-নথিটি টেনিস ডেটাবেসে ঢুকেছিল কারণ আমাদের টেনিস ডেটাবেসও কীওয়ার্ড দিয়ে চলে। আমরা "শিরোপা" শব্দটি পেলেই "সাফল্য" লেবেল বসাই। আমরা "ব্রেকথ্রু" শব্দটি পেলেই "উত্থান" লেবেল বসাই। আর সেটাই আমাদের আয়না।

Expected goals are not prophecy; they are a lantern held against a dark stadium.

আমি যদি সৎ হই, আমার নিজের প্রথম ডেটাবেসও কীওয়ার্ড দিয়ে চলত। ২০১৭ সালে আমি "চ্যাম্পিয়ন" লেবেল দিতাম, তারপর সংখ্যা খুঁজতাম। আজ আমি উল্টো করি: সংখ্যা আগে, লেবেল পরে।

পারস্পরিক সম্পর্ক কারণ নয়। এই নথিটি কেবল একটি ক্লাসিফিকেশন-ব্যর্থতা নয় — এটি একটি সংস্কৃতি, যা সংখ্যার আগে নাম দেয়, প্রমাণের আগে গল্প বলে। টেনিসে এই সংস্কৃতির দাম দিতে হয় তিন দশক নীরবতায়।

নীরবতার কারণ ছিল না যে কেউ খেলেনি। কারণ ছিল, কেউ হিসাব রাখেনি।

আর এখানে আরেকটি স্তর আছে, যা আমি প্রথমে মিস করেছিলাম। আমি ধরেই নিয়েছিলাম ভুলটি একটি দুর্ঘটনা। কিন্তু ধরুন এটি পুনরাবৃত্ত হয় — প্রতি ব্যাচে দুটি, তিনটি করে। তাহলে এটি দুর্ঘটনা নয়, একটি ডিফেক্ট। আর একটি ডিফেক্ট আমাদের বলে দেয় সিস্টেমটি কোথায় দুর্বল। আমার অনুমান: এই ভুলটি স্বয়ংক্রিয় ডোমেইন-ট্যাগিং থেকে এসেছে, একটি কীওয়ার্ড ফলস-পজিটিভ। নিশ্চয়তা: মধ্যম। কারণ আমি ট্যাগার কোড দেখিনি, শুধু ফলাফল দেখেছি।

আর এই মধ্যম-নিশ্চয়তাটাই আমার আসল পণ্য। আমি নিশ্চিত সত্যের সঙ্গে অনিশ্চিত অনুমান মিশিয়ে দিই না। আমি লিখে দিই কোনটি কোনটি।

অ্যাটেনশন ইকোনমিক্স: কে কাকে দেখে

আরেকটি স্তর আছে, যা খেলার বাইরে। বাংলাদেশে টেনিসের সমস্যা শুধু ডেটা নয়, মনোযোগ। স্পনসর টেলিভিশনকে অনুসরণ করে, আর টেলিভিশন টেনিসকে এড়িয়ে যায়। এই লুপটি একটি নিখুঁত ডেডলক।

আমি লক্ষ করেছি, ঢাকায় হোম ডেভিস কাপ টাই যতটা লোকাল টেনিসকে নাড়া দিয়েছে, কোনো ট্যালেন্ট হান্ট ততটা দেয়নি। কেন? কারণ টাই একটি তারিখ, একটি স্কোরলাইন, একটি ঘটনা — যা মনোযোগ ধরে রাখে। অথচ আমরা সংবাদের জন্য ট্রফির খবর লিখি, প্রক্রিয়ার খবর লিখি না।

এখানেই আমার ওই পুরনো অভ্যাস কাজে লাগে — শূন্য স্টেডিয়ামের ডেটাবেস। আমি দেখেছি, উপস্থিতি পরিবর্তন হলে ফুটবল বদলায়, টেনিস কম বদলায়। কিন্তু বাংলাদেশে প্রশ্নটি ভিন্ন: উপস্থিতিই যখন নেই, খেলাটি কার জন্য?

মনোযোগ একটি ডেটাসেট। আর সেই ডেটাসেটেও হর দরকার। কতজন দর্শক? কতজন স্পনসর? কত ঘণ্টা সম্প্রচার? এই সংখ্যাগুলো ছাড়া "টেনিস জনপ্রিয় নয়" একটি অনুভূতি, একটি তথ্য নয়।

আর অনুভূতির উপর দাঁড়ানো সিদ্ধান্তই আমাদের তিন দশক খরচ করিয়েছে।

শিক্ষা ও ভবিষ্যৎ: পরের ব্যাচ কী বলবে

আমি এই আইটেমটি টেনিস কিউ থেকে সরিয়ে দিচ্ছি। এটি একটি ফাইন্যান্স পাইপলাইনে যাবে। কিন্তু আমি এটি মুছব না। আমি এটি সংরক্ষণ করব — একটি প্রমাণ হিসেবে যে স্কিমা ব্যর্থ হলে লেবেল কীভাবে মিথ্যা বলে।

পরের ব্যাচের জন্য আমার সংকেত তিনটি।

প্রথমত, আমি দেখব একই ধরণের ভুলের পুনরাবৃত্তি হয় কি না। যদি আরও টেনিস-লেবেলযুক্ত অ-টেনিস নথি আসে, তবে বুঝব এটি একটি সিস্টেমিক ডিফেক্ট, একটি দুর্ঘটনা নয়।

দ্বিতীয়ত, আমি দেখব সোর্স-ফিল্ড কতটা পূর্ণ। বারবার তারিখ অনির্দিষ্ট থাকলে বুঝব, সময়-সংবেদনশীলতা হারাচ্ছি। এই নথিতেই তারিখের জায়গায় শুধু "Thursday" লেখা ছিল — কোন বৃহস্পতিবার, কেউ জানে না। এমন নথি সময়ের স্রোতে ভেসে যায়।

তৃতীয়ত, এবং সবচেয়ে গুরুত্বপূর্ণ, আমি দেখব আমার নিজের টেনিস ডেটাবেসে কতগুলো লেবেলের হর আছে। কতটি দাবির পাশে একটি স্যাম্পল লেখা আছে। কতটি "ব্রেকথ্রু"র নিচে একটি সংখ্যা বসানো আছে।

নস্টালজিয়া বিনা হরে আমার সবচেয়ে অসহ্য জিনিস। "গৌরবের সত্তরের দশক" — কোন বছর? কত ডেভিস কাপ জয়? কত বছরের নিষ্ক্রিয়তা? একটি সংখ্যা বলুন, নইলে এটি সংবেদন, তথ্য নয়।

ভবিষ্যতে যা দেখতে চাই: ১৯৭২-এর বেসলাইন, ১৯৮৯-এর সেমিফাইনাল, এবং তিন দশকের গ্যাপ — এই তিনটি সংখ্যা একসঙ্গে লেখা একটি শিরোনাম। যদি সেটি আসে, তবে আমরা প্রথমবার একটি সম্পূর্ণ স্কিমা পাব। তার আগে, প্রতিটি "ব্রেকথ্রু" শুধু একটি সম্ভাবনা, একটি প্রমাণ নয়।

প্রশ্নটি পরের দশকের: আমরা কি খেলা চালু রাখব, নাকি হিসাব চালু রাখব?

কারণ যে খেলা হিসাব ছাড়া চলে, সেটি ইতিহাস ছাড়াই চলে।