এশিয়ার ক্রিকেটে তথ্যের প্রমাণ-শৃঙ্খল: ব্লকচেইন-যাচাই করা বল-ট্র্যাকিং কীভাবে মডেলের ভিত বদলে দিচ্ছে

২০২৫ সালের আইপিএল মৌসুমে আমি টানা ১,১৪০টি ডেলিভারি নিজের স্প্রেডশিটে লগ করেছিলাম। একই বল, দুটি আলাদা ট্র্যাকিং ফিড — আর ৪৩টি ডেলিভারিতে দুটি ফিড একমত হয়নি। একটির গতি দেখাচ্ছিল ১৩৮.৪ কিমি/ঘণ্টা, অন্যটি ১৩৯.১। একটির পিচ-ম্যাপ বলছিল বল পড়েছে লেগ স্টাম্পের বাইরে, অন্যটি বলছিল মিডল স্টাম্প। স্কোরবোর্ড যেটি মান্য করেছে, সেই রাতের 'সত্য' সেটিই হয়ে গেছে। দুটি ফিডের কোনোটির ভুল ধরার কোনো প্রকাশ্য কাঠামো নেই। এখানেই এশিয়ার ক্রিকেটের তথ্য-অর্থনীতির কেন্দ্রীয় সমস্যাটা লুকিয়ে আছে: আমরা এমন মডেলে বাজি ধরছি, যার ইনপুট নিজেই প্রমাণ-শৃঙ্খলহীন। আমি এমন সংখ্যা বিশ্বাস করি না, যার উৎস কোনো স্পর্শ পর্যন্ত টেনে নিয়ে যাওয়া যায় না।

প্রেক্ষাপট: এশিয়ার ক্রিকেটে চারটি সমান্তরাল ডেটা-ব্যবস্থা

এশিয়ার একটি টি-টোয়েন্টি রাতে একই ডেলিভারি ঢোকে অন্তত চারটি আলাদা ব্যবস্থায়। প্রথমটি অফিসিয়াল স্কোরার ব্যবস্থা — বল-বাই-বল, যা ম্যাচের আইনি রেকর্ড। দ্বিতীয়টি বল-ট্র্যাকিং ভেন্ডর নেটওয়ার্ক — হক-আই, স্পোর্টরাডার, ক্রিকভিজ ধাঁচের ক্যামেরা-ভিত্তিক সিস্টেম, যা গতি, স্পিন-আরপিএম, সিম-পজিশন, পিচ-ম্যাপ তৈরি করে। তৃতীয়টি শারীরিক লোড ডেটা — জিপিএস ভেস্ট, ক্যাটাপল্ট ধাঁচের ওয়ার্কলোড সিস্টেম, যা ফ্র্যাঞ্চাইজি ও জাতীয় দল কেনে। চতুর্থটি বাজি-বাজারের ফিড, যা প্রায়ই প্রথম তিনটির একটি বা দুটির উপর নির্ভর করে, কিন্তু নিজের হারে প্রক্রিয়া করে।

ভারতের ঘরোয়া ফ্র্যাঞ্চাইজি লিগ, পাকিস্তান সুপার লিগ, বাংলাদেশ প্রিমিয়ার লিগ, লঙ্কা প্রিমিয়ার লিগ, আইএলটোয়েন্টি এবং নেপালের নতুন ফ্র্যাঞ্চাইজি সংস্করণ — প্রত্যেকের ডেটা-স্বত্ব আলাদা চুক্তিতে বিক্রি হয়। এই বাজারের আকার বাড়ছে, কিন্তু যাচাইয়ের কাঠামো বাড়ছে না সমান হারে। ici স্কোরিং মেমোরি ও ভেন্ডর-লগ আলাদা সংস্থার হাতে থাকায় বিতর্ক উঠলে সিদ্ধান্ত নেওয়ার একটি নিরপেক্ষ ভিত্তি থাকে না।

২০২৬ সালের আইসিসি পুরুষ টি-টোয়েন্টি বিশ্বকাপ ভারত ও শ্রীলঙ্কায় অনুষ্ঠিত হবে, ফেব্রুয়ারি-মার্চ ২০২৬-এ। এশিয়ার ক্রিকেট ইতিহাসে এটি হবে সবচেয়ে বড় একক ডেটা-ফসল: এক টুর্নামেন্টে ৫৫ ম্যাচ, একাধিক ভেন্যু, দুই দেশের আলাদা পিচ-আচরণ, ভিন্ন আর্দ্রতা, ভিন্ন শিশিরচক্র। এই আকারের ডেটা একই সময়ে মডেলিংয়ের সুযোগ ও জবাবদিহির সংকট তৈরি করে।

মূল বিশ্লেষণ: হ্যাশ প্রমাণ করে অস্তিত্ব, সত্য নয়

ব্লকচেইনের ক্রিকেট-প্রয়োগ বুঝতে হলে প্রথমে একটি কঠিন সীমা মেনে নিতে হয়। একটি ডেটা-রেকর্ডের হ্যাশ অন-চেইন লিখে দিলে যা প্রমাণ হয় তা হলো — নির্দিষ্ট সময়ে সেই রেকর্ড ঠিক ওই অবস্থায় ছিল এবং পরে কেউ তা নীরবে বদলায়নি। এটুকুই। হ্যাশ প্রমাণ করে অস্তিত্ব ও অপরিবর্তনীয়তা, প্রমাণ করে না নির্ভুলতা। ভুলভাবে লগ করা একটি গতি-সংখ্যাও নিখুঁতভাবে হ্যাশ হয়ে চিরস্থায়ী হতে পারে। মডেল-নির্মাতা এই পার্থক্য না ধরেন, তাহলে তিনি cryptography দিয়ে ডেটা-গুণগত মানের সমস্যা ঢেকে ফেলবেন।

তাহলে আসল প্রশ্ন দাঁড়ায় — কোথায় এই স্তরটি সত্যিই কাজে দেয়? আমার কাছে তিনটি ক্ষেত্র স্পষ্ট।

প্রথম, বাজি-বাজারের অখণ্ডতা। এশীয় ক্রিকেটে সন্দেহজনক বাজি-প্যাটার্ন তদন্তের সময় সবচেয়ে বড় অসুবিধা হলো লগের পুনর্গঠন। ওডস-স্ন্যাপশট, বেট-ভলিউম, লাইভ-মুভমেন্ট যদি টাইমস্ট্যাম্পসহ অপরিবর্তনীয়ভাবে লেখা থাকে, তদন্তকারী পরে দাবি করতে পারেন না যে 'তথ্য পরে বদলে গেছে'। এটি অভিযোগ প্রমাণ করে না, কিন্তু অভিযোগ যাচাইয়ের সময়রেখা নির্ভরযোগ্য করে।

দ্বিতীয়, চোট ও প্রত্যাবর্তনের রেকর্ড। এখানেই আমার দীর্ঘদিনের অবস্থান স্পষ্ট: এসিএল থেকে ফেরার ক্ষেত্রে দীর্ঘমেয়াদি ক্ষতিটা মানসিক, যা স্ক্যানে ধরা পড়ে না। একটি অপরিবর্তনীয় মেডিকেল-লগ — প্রতিটি রিহ্যাব ধাপ, প্রতিটি লোড-স্পাইক, প্রতিটি ক্লিনিক্যাল ক্লিয়ারেন্সের তারিখ — ক্লাব, খেলোয়াড় ও জাতীয় বোর্ডের মধ্যে তথ্য-অসমতা কমাতে পারে। ইন্স্যুরেন্স ও চুক্তি-বিতর্কে এটি সরাসরি অর্থ বহন করে। এখানে গোপনীয়তা রক্ষার জন্য শূন্য-জ্ঞান প্রমাণের (zero-knowledge proof) ধারণা স্বাভাবিক — বোর্ড না জেনেও যাচাই করতে পারে যে শর্ত পূরণ হয়েছে।

তৃতীয়, খেলোয়াড়-মূল্যায়ন ও নিলাম-নিরীক্ষা। এখানেই আমার পুরনো নিয়মটি কাজে লাগে: একটি ট্রান্সফার গুজব হলো prior, মেডিকেল হলো posterior। অর্থাৎ গুজব-ভিত্তিক দাম আর যাচাই করা ডেটা-ভিত্তিক দাম দুটি আলাদা জিনিস। এশিয়ার নিলাম-বাজারে একজন খেলোয়াড়ের দাম প্রায়ই তার ডট-বল-প্রেশার ইনডেক্স বা পাওয়ারপ্লে-স্ট্রাইক রেটের সঙ্গে সংগতিপূর্ণ নয়, কারণ ক্লাবগুলো ভিন্ন ডেটাসেট দেখে সিদ্ধান্ত নেয়।

ক্রিকেটের মেট্রিক স্তর: কী যাচাই করা উচিত

এই আলোচনা বিমূর্ত না রাখাই ভালো। ক্রিকেটে যাচাইযোগ্য মেট্রিকের একটি সীমিত সেট আছে, যা প্রায় সব ভেন্ডরের কাছেই থাকে এবং যাচাই করা সম্ভব।

প্রথমটি — স্পর্শ-স্তরের ইভেন্ট: কোন বল, কোন ব্যাটার, কোন লাইন, কোন লেংথ, কোন টাইমস্ট্যাম্প। এটিই সবচেয়ে মৌলিক স্তর। একটি ইনিংসের ১২০টি ডেলিভারি মানে ১২০টি স্বতন্ত্র ইভেন্ট, প্রতিটির নিজস্ব স্টার্ট-টাইম। এখানেই disagreement জন্ম নেয়, কারণ দুটি ভেন্ডর ভিন্ন ফ্রেম-রেটে বল-পজিশন অনুমান করে।

দ্বিতীয়টি — প্রত্যাশিত রান (expected runs)। ফুটবলের xG-এর সমতুল্য ক্রিকেট-সংস্করণ। প্রতিটি ডেলিভারির জন্য মডেল হিসাব করে লাইন, লেংথ, গতি, স্পিন-আরপিএম, ব্যাটার-পজিশন ও ফিল্ড-সেটিংয়ের ভিত্তিতে কত রান 'প্রত্যাশিত'। আমি ২০১৮ সালে সিডনির বেডরুমে প্রথম xG মডেল বানিয়েছিলাম এক্সেলের ১,২৪৮ শট লগ করে — ফ্রান্স আর্জেন্টিনাকে ৪-৩ হারিয়েছিল ২.১ xG থেকে ৪ গোল তুলে, আর্জেন্টিনা ১.৪ xG থেকে ৩ গোল। সেই অভিজ্ঞতা আমাকে শিখিয়েছিল, আউটপুট সবসময় ইনপুটের চেয়ে বেশি স্পষ্ট নয়। ক্রিকেটের ক্ষেত্রে একই কথা: ১০ রান প্রত্যাশিত ডেলিভারি থেকে ৬ রানও আসতে পারে, আবার ছক্কা আসতে পারে।

তৃতীয়টি — ডট-বল-প্রেশার ইনডেক্স, যা ফুটবলের PPDA-র কাছাকাছি একটি ধারণা। আক্রমণকারী বোলিং ইউনিট কত বলের মধ্যে ব্যাটারকে চাপে ফেলছে, তা মাপা যায়। ২০২১ ইউরোতে ইতালির PPDA ছিল ৮.৭, জর্জিনিয়ো প্রতি ম্যাচে ১২.৯ কিমি কভার করতেন — সাত ম্যাচে মাত্র ৪ গোল খেয়ে শিরোপা। আমি তখনই প্রশ্ন করেছিলাম, এই চাপ কি সারা মৌসুম টিকবে? এশিয়ার টি-টোয়েন্টি বোলিংয়ে একই প্রশ্ন, কারণ ৫০ ওভারের ধৈর্য আর ২০ ওভারের চাপ দুটি আলাদা প্রাণী।

চতুর্থটি — সীমা-আবহ: শিশির, আর্দ্রতা, পিচ-রোল, মাঠের আকার। এই স্তরটিই সবচেয়ে কম যাচাই করা হয় এবং সবচেয়ে বেশি প্রভাব ফেলে। এশিয়ার অনেক ভেন্যুতে দ্বিতীয় ইনিংসে স্পিনারদের কার্যকারিতা শিশিরের কারণে পরিমাপযোগ্যভাবে পড়ে যায়, যা একটি স্মুথ-বলের পিচকে স্লাইডিং মঞ্চে বদলে দেয়।

যেখানে ব্লকচেইন কাজে দেয় না — এবং কেন

এখন কঠিন অংশটি। উপরের চারটি স্তরের মধ্যে শুধু প্রথম ও চতুর্থটি আংশিকভাবে cryptography দিয়ে সুরক্ষিত করা যায়। দ্বিতীয় ও তৃতীয় স্তর — মডেল ও মেট্রিক — সম্পূর্ণভাবে মানুষের বিচার ও কোডিং সিদ্ধান্তের বিষয়। একটি যাচাই করা ডেটাসেট দিয়ে একটি খারাপ মডেল চালালে ফলাফল খারাপই থাকবে, শুধু সেটি এখন অপরিবর্তনীয়ভাবে খারাপ হবে। এশিয়ার ক্রিকেটে ডেটা-গুণের আসল ফাঁক প্রযুক্তির নয়, লোকবলের: স্কোরার প্রশিক্ষণ, লগার-রোটেশন, ত্রুটি-সংশোধনের প্রক্রিয়া, এবং যোগ্য ব্যক্তির অভাব।

ফ্যান-টোকেনের ক্ষেত্রেও একই সতর্কতা। ক্রিকেটে NFT ও ফ্যান-টোকেনের প্রকৃত উদাহরণ সীমিত — কিছু ক্রিকেট-ভিত্তিক ডিজিটাল কালেক্টিবল প্ল্যাটফর্ম ২০২১-২২ সালে বড় চুক্তি ও তারপর তীব্র বাজার-সংকোচন দেখেছে, কয়েকটিতে ছাঁটাই ও ব্যবসা-পুনর্গঠন হয়েছে। এখানে পাঠটি পরিষ্কার: টোকেনের ট্রেডিং-ভলিউম আর প্রকৃত ফ্যান-এনগেজমেন্ট এক জিনিস নয়। অনেক সময় দ্বিতীয়টি ছোট, প্রথমটি বড়, এবং দুটির মধ্যে সম্পর্ক একটি শোরগোলপূর্ণ ছোট-স্যাম্পলের সম্পর্ক। ভলিউম দিয়ে এনগেজমেন্ট প্রমাণ করার চেষ্টা এক ধারণাগত বিভ্রান্তি।

বিপরীত কোণ: যাচাই প্রমাণ করে উৎস, সত্য নয়

সবচেয়ে আরামদায়ক ভুলটি হলো প্রমাণ-শৃঙ্খলকে সত্য-যন্ত্র ভাবা। বাস্তবে একটি হ্যাশ-অ্যাঙ্কর করা রেকর্ড তিনটি প্রশ্নের একটিরও উত্তর দেয় না: রেকর্ডটি দক্ষ লোক লেখেছে কি না, মডেলটি অনুমান ব্যবহার করেছে কি না, এবং সংখ্যাটি আসল ম্যাচ-প্রেক্ষাপটে অর্থবহ কি না।

২০১৮ সালে আমার মডেল বলেছিল এক কথা; আলো-নিভে যাওয়া স্টেডিয়াম বলেছিল আরেক কথা। করোনা-বিরতির পর বুন্দেসলিগায় প্রথম পাঁচ রাউন্ডে ঘরের মাঠে জয়ের হার ৪৩.৩% থেকে ৩৩.৩%-এ নামে। ২০২০-এর এ-লিগ গ্র্যান্ড ফাইনালে সিডনি এফসি মেলবোর্ন সিটিকে ১-০ হারায় খালি ব্যাংকওয়েস্ট স্টেডিয়ামে; PPDA আর কভার-ডিস্ট্যান্স মিলিয়ে দেখলাম ঘরের মাঠের xG-সুবিধা প্রায় ০.২৫ কমেছে। খালি স্টেডিয়াম ঘরের সুবিধা মুছে দেয়নি, তার উৎস উন্মোচন করেছে — সেটি ছিল দর্শকদের চাপ, প্রতিপক্ষের শব্দ-ভয়, রেফারির অবচেতন পক্ষপাত। কোনো ব্লকচেইন সেটি মাপতে পারে না।

২০২২ সালের কাতারে আর্জেন্টিনা সৌদি আরবের কাছে ১-২ হারে। আর্জেন্টিনার প্রত্যাশিত গোল ছিল ২.৩, শট ১৫টি; সৌদি আরবের প্রত্যাশিত গোল ০.৩, কিন্তু দুই গোল। আর্জেন্টিনা ১০ বার অফসাইডে ধরা পড়ে। প্যানিক না করে আমি ৩৬টি শট ও অফসাইড-ট্র্যাপ পুনর্বিবেচনা করলাম। ডেটা দেখাল উঁচু লাইন ঝুঁকিপূর্ণ, কিন্তু ফলটি ছিল ভ্যারিয়েন্স — প্রক্রিয়া নয়। ছোট স্যাম্পল জোরে কথা বলে, বড় স্যাম্পল সৎ থাকে। একটি ম্যাচের একটি ডেটা-দুর্ঘটনা থেকে সিদ্ধান্তে পৌঁছানো এবং একটি হ্যাশ-লগ থেকে নির্ভুলতা দাবি করা — দুটি একই ধরনের তাড়াহুড়ো।

কোথায় বাস্তব সুবিধা তৈরি হচ্ছে

এশিয়ার ক্রিকেটে প্রমাণ-শৃঙ্খলের সত্যিকারের সম্ভাবনা তিনটি কাজে।

এক, চুক্তি ও পেমেন্ট। ফ্র্যাঞ্চাইজি লিগে খেলোয়াড়-পেমেন্ট, ম্যাচ-ফি, পারফরম্যান্স-বোনাস নিয়ে বিতর্ক নিয়মিত। স্মার্ট চুক্তি শর্ত পূরণ হলে স্বয়ংক্রিয়ভাবে পেমেন্ট ছাড়তে পারে, আর প্রতিটি ছাড় অপরিবর্তনীয়ভাবে লিপিবদ্ধ থাকবে। এটি সৎ people তৈরি করে না, কিন্তু সমঝোতার খরচ কমায়।

দুই, ডেটা-লাইসেন্সিং স্বচ্ছতা। এশিয়ার লিগগুলো এখন বল-ট্র্যাকিং ডেটা বড় অঙ্কে বিক্রি করে, কিন্তু কোন ডেটা কে কিনছে এবং কী শর্তে, তা কখনো প্রকাশ্যে থাকে না। অপরিবর্তনীয় লাইসেন্স-রেজিস্ট্রি মডেল-নির্মাতাদের জানতে দেবে কোন স্যাম্পলটি কোথা থেকে এসেছে, কোন ফিল্টার প্রয়োগ হয়েছে, কোন সময়-সীমায়। এটি মডেল-তুলনার জন্য অপরিহার্য — কেউ যদি ২০২৩ সালের ডেটা আর ২০২৫ সালের ডেটা মিশিয়ে মডেল বানান, যাচাই-সূত্র সেটি ধরতে পারবে।

তিন, খেলোয়াড়-অধিকার ও ভ্যালুয়েশন। একজন এশীয় ক্রিকেটারের কেরিয়ার-ডেটা ছড়িয়ে আছে বোর্ড, লিগ, বেসরকারি ভেন্ডর ও ব্রডকাস্টারের কাছে। অপরিবর্তনীয় কিন্তু ব্যক্তিগতভাবে নিয়ন্ত্রিত রেকর্ড খেলোয়াড়কে নিজের পারফরম্যান্স-ইতিহাসের মালিকানা দিতে পারে। এখানে প্রযুক্তি সত্যিই ক্ষমতা-সম্পর্ক বদলায়।

তবু এসবের কোনোটিই এখন উৎপাদন-স্তরে এশীয় ক্রিকেটে বিস্তৃত নয়। প্রকাশ্যে যাচাইযোগ্য ক্রিকেট-ট্র্যাকিং লেজারের উদাহরণ হাতে গোনা; বেশিরভাগই পাইলট, ঘোষণা বা বাজারজাতকরণ স্তরে। যে কোনো মডেল-দাবির সঙ্গে আমাকে এই ত্রুটি-সীমা মেনে নিতে হবে — অন্যথায় আমি নিজের মডেলকে তার সীমার বাইরে রক্ষা করতে থাকব।

২০২৬ সালের আগে কী দেখবেন

ভারত-শ্রীলঙ্কার ২০২৬ টি-টোয়েন্টি বিশ্বকাপের আগে তিনটি সংকেত আমি মনোযোগ দিয়ে দেখব।

প্রথম সংকেত: কোনো ভেন্যু বা সম্প্রচারক কি বল-ট্র্যাকিং ডেটার জন্য একটি প্রকাশ্য, টাইমস্ট্যাম্পড প্রমাণ-স্তর চালু করছে? যদি না করে, তাহলে যাচাই-বিতর্ক আগের মতোই ব্রডকাস্টার-গ্রাফিক্সের শোভায় সমাধান হবে।

দ্বিতীয় সংকেত: শিশির-সমন্বিত দ্বিতীয় ইনিংসের মডেল। এশিয়ার ডে-নাইট ম্যাচে শিশির থার্ড-ম্যান স্পিনারদের ভূমিকা পুরোপুরি বদলে দেয়। যে মডেল এই পরিবর্তনশীলটিকে আলাদা চুল্লিতে রাখে না, তার প্রত্যাশিত-রান ভুল হবে নিয়মিতভাবে।

তৃতীয় সংকেত: কোনো বাজি-অখণ্ডতা মামলা কি অপরিবর্তনীয় লগের ভিত্তিতে নিষ্পত্তি হয়? সেটি হলে এশিয়ার ক্রিকেট তথ্য-প্রযুক্তির আসল পরীক্ষায় উত্তীর্ণ হবে।

সবশেষে একটি খোলা প্রশ্ন রেখে যাই: যদি আগামী পাঁচ বছরে এশিয়ার প্রতিটি ফ্র্যাঞ্চাইজি ম্যাচের প্রতিটি বল অপরিবর্তনীয়ভাবে লিপিবদ্ধ থাকে, কিন্তু সেই ডেটা পড়ার মতো প্রশিক্ষিত লোক বাড়ে না — তাহলে আমরা কি সত্যিই বেশি জানব, নাকি শুধু আরও নিশ্চিতভাবে ভুল জানব?