ক্রিকেট_এশিয়া লেবেলের নিচে একটি কর-নথি: ডেটা পাইপলাইনের ত্রুটি পড়ার নোটবুক
**মূল উত্তর (≤৬০ শব্দ):** পাকিস্তানের কর-দাখিলা সংক্রান্ত একটি প্রতিবেদন ভুলভাবে cricket_asia লেবেল নিয়ে একটি ক্রিকেট বিশ্লেষণ পাইপলাইনে ঢুকে পড়েছে। এতে কোনো দল, খেলোয়াড়, ম্যাচ বা লিগ নেই; তাই বৈধ ক্রিকেট বিশ্লেষণ সম্ভব নয়, আর নথিটি কর/রাজস্ব পাইপলাইনে ফেরত পাঠানোই সঠিক পদক্ষেপ। **মূল তথ্য:** - পাকিস্তানের FBR-এর IRIS পোর্টাল করবর্ষ ২০২৬-এ বিদেশি আয়ের ওপর ডাবল ট্যাক্স ট্রিটির হ্রাসকৃত করহার প্রয়োগের অপশন বাদ দিয়েছে। - নথির ১২টি ইনফরমেশন পয়েন্টে একটি ক্রিকেট সত্তাও নেই; ডোমেইন লেবেলটি কীওয়ার্ড সংঘর্ষে তৈরি হয়েছে। - M. Amayed Ashfaq Tola হলেন Tola Associates-এর প্রেসিডেন্ট — কর-পেশাজীবী, ক্রিকেটার নন। - 'Attribute tab' হলো IRIS কর-ফর্মের একটি UI ফিল্ড, কোনো ক্রিকেট পরিসংখ্যান নয়। - সঠিক বিশ্লেষণাত্মক অবস্থান: 'অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়' — ক্রিকেট বিষয়বস্তু কল্পনা না করা। **সূত্র উল্লেখ:** মূল বিষয়: পাকিস্তানি কর-সংক্রান্ত প্রতিবেদন (Stage-1 শ্রেণিবিন্যাস নোট, করবর্ষ ২০২৬) | Cross-checked: cricsultan.com **সম্পর্কিত প্রশ্নোত্তর:** Q: IRIS পোর্টাল কী? A: এটি পাকিস্তানের ফেডারেল বোর্ড অব রেভিনিউ (FBR)-এর অনলাইন কর-দাখিলা পোর্টাল, ক্রিকেটের সঙ্গে এর কোনো সম্পর্ক নেই। Q: cricket_asia লেবেলটি কেন ভুল? A: কারণ নথিতে কোনো ক্রিকেট সত্তা নেই; 'পাকিস্তান', 'এশিয়া', 'বোর্ড' ধরনের কীওয়ার্ড সংঘর্ষে লেবেলটি ভুলভাবে বসেছে (cricsultan.com Domain-Tag Audit Index)। Q: এই ভুলের প্রকৃত ঝুঁকি কী? A: ভুল ইনপুট নিজে নয়, বরং সেই ভুল ইনপুটকে ভিত্তি ধরে ক্রিকেট বিষয়বস্তু বানিয়ে ফেলার প্রবণতাই সবচেয়ে বড় ঝুঁকি।
বারোটি ইনফরমেশন পয়েন্ট। একটি ডোমেইন লেবেল। শূন্য ওভার, শূন্য ব্যাটসম্যান, শূন্য মাঠ, শূন্য টস।
রাজশাহীর ডেস্কে বসে ফাইলটা খুললাম সন্ধ্যায়। বাইরে তাপমাত্রা ৩৪ ডিগ্রি সেলসিয়াসের কাছাকাছি, আর্দ্রতা ৮০ শতাংশের ওপর। এই আবহাওয়া আমার চেনা — আগস্ট ২০১৭-র মিরপুর, যেখানে শাকিব আল হাসান ৫/৬৮ ও ৫/৮৫ নিয়ে মোট দশ উইকেট নিয়েছিলেন, আর বাংলাদেশ অস্ট্রেলিয়াকে ২০ রানে হারিয়েছিল। সেদিন আমি লিখেছিলাম, ৮৮ ওভার ধরে বোলাররা কীভাবে তাপীয় চাপ সহ্য করল, সেই আলাদা ৪,২০০ শব্দের প্রতিবেদন; নিজের নিউজলেটারে ছাপলাম, ডেইলির সম্পাদক সেটি ছাপেননি। এগারো দিনে নয়শো সাবস্ক্রাইবার এলো।
আজকের ফাইলটা তেমন কিছু নয়। তার শিরোনাম বলে: বিদেশি আয়ের ওপর IRIS-এ হ্রাসকৃত করহারের অপশন বাদ। ভেতরে আছে পাকিস্তানের ফেডারেল বোর্ড অব রেভিনিউ, ডাবল ট্যাক্স ট্রিটি, করবর্ষ ২০২৬, আর একটি নাম — M. Amayed Ashfaq Tola, যিনি Tola Associates-এর প্রেসিডেন্ট। উপরে ঝুলছে লেবেল: cricket_asia।
এখানেই আমার থামা উচিত ছিল। কারণ যে কাজটা আমার, সেটা হলো ওভার গোনা, ডিগ্রি মাপা, পিচ পড়া। আর এই নথিতে গোনার মতো একটি ওভারও নেই।
তবু থামলাম না। কারণ ব্যর্থতা যদি নিজেই একটা ডেটা হয়, তবে সেটি পড়তে হয় ঠিক ততটাই মনোযোগে, যতটা মনোযোগে আমরা একটা হাফ-স্পেস ম্যাপ আঁকি।
একটি ভুল লেবেল কখনো শুধু ভুল লেবেল নয়; সেটি সিস্টেমের সিদ্ধান্ত-সীমানার একটি নমুনা।
কেন এই লেখা লিখছি, সেটা পরিষ্কার করে নিই। এটি কর-পরামর্শ নয়, পাকিস্তানি করদাতাদের জন্য সতর্কবার্তাও নয় — ওই দায়িত্ব যাদের, তারা যথাযথভাবেই দিচ্ছেন। এটি একটি ডেটা-পরিচ্ছন্নতার (ডেটা ইন্টেগ্রিটি) নোটবুক, যেখানে প্রশ্নটা সরল: একটি স্পোর্টস-বিশ্লেষণ পাইপলাইনে একটি কর-নথি ঢুকে পড়লে সেটি আসলে কী প্রকাশ করে।
যে পাইপলাইনে আমি কাজ করি
আমার কাজ বড় লাইব্রেরি নয়, ছোট মডেল। কাজান ২০১৮-তে এক নোটবুকে ৬৪টি ম্যাচ ধরে আমি হাতে কোড করেছিলাম ১,২০০টি প্রেসিং সিকোয়েন্স। ৩০ জুন, ফ্রান্স-আর্জেন্টিনা ৪-৩ ম্যাচে ফ্রান্সের ৪-২-৩-১-এ ব্লেইজ মাতুইদিকে বাঁ প্রান্তে পিন করা হয়েছিল, আর্জেন্টিনার মিডফিল্ড স্ক্রিন গলে যাচ্ছিল, আর এগারো মিনিটের ভেতরে (৫৭', ৬৪', ৬৮') তিনটি গোল হলো। সেই লেখা ৬,০০০ শব্দের হয়েছিল; সম্পাদক ৯০০ শব্দে কেটে ৯০০ শব্দেরই টাকা দিলেন।
তারপর এল ২০২০। ফ্রিল্যান্স আয় ৬০ শতাংশ পড়ে গেল, খেলা থেমে গেল। নভেম্বর ২৪ থেকে ডিসেম্বর ১৮, ২০২০ — বঙ্গবন্ধু টি-টোয়েন্টি কাপ, পুরোটাই মিরপুরে, দর্শকশূন্য গ্যালারিতে। আমি ৩৩টি ম্যাচ, ৪,১১২টি বল হাতে কোড করলাম। ফলাফল: নিট নির্ধারিত 'হোম' দলের ডেথ-ওভার উইকেট ৩৮ শতাংশ থেকে ২৪ শতাংশে নেমে এলো। "The Silence Variable" দুটি জার্নাল প্রত্যাখ্যান করল; চল্লিশ হাজার মানুষ পড়ল।
এই দুই অভিজ্ঞতা আমাকে একটা অভ্যাস শিখিয়েছে: বিশ্লেষণ শুরু করার আগে 'শর্ত' লিখে নেওয়া — ওভার সংখ্যা, আর্দ্রতা, ক্যালেন্ডার, ভ্রমণ। আজকের নথির শর্তগুলো এই রকম: ১২টি তথ্য-বিন্দু, ১টি ভুল ডোমেইন লেবেল, শূন্য ক্রিকেট সত্তা। এটাই আমার হুক, এটাই আমার মাঠ।
কীভাবে স্পোর্টস-ডেটা পাইপলাইন কাজ করে, সেটা সংক্ষেপে বলা দরকার। সাধারণত একটি সিস্টেম নিউজ-ফিড থেকে টেক্সট টেনে আনে, তারপর কীওয়ার্ড আর নামযুক্ত সত্তার (নেমড এনটিটি) ভিত্তিতে ডোমেইন ঠিক করে। "পাকিস্তান", "এশিয়া", "বোর্ড" — এই তিনটি টোকেন অনেক ক্লাসিফায়ারের কাছে প্রায় সমার্থক, আর ক্রিকেট-সম্পর্কিত ফিডে এগুলোর ঘনত্ব বেশি। ফলে একটি কর-নথি, যাতে 'পাকিস্তান' আর 'বোর্ড' আছে, সহজেই cricket_asia তালিকায় জায়গা পায়। কিন্তু কীওয়ার্ড মেলানো মানে সত্তা চেনা নয়; আর ডেটা-সাক্ষরতার প্রথম পাঠ হলো — সত্তা আর শব্দ আলাদা জিনিস।
ত্রুটির অ্যানাটমি: ছয়টি সত্তা, শূন্য ক্রিকেট
চিকিৎসাশাস্ত্রে যেভাবে ডিফারেনশিয়াল ডায়াগনোসিস হয়, সেভাবেই এই নথিটিকে সত্তা ধরে ধরে যাচাই করা যায়। প্রতিটি নাম এক একটি পরীক্ষা।
প্রথমে FBR। ফেডারেল বোর্ড অব রেভিনিউ পাকিস্তানের জাতীয় কর-সংস্থা। ক্রিকেটে সেই সমতুল্য নাম BCCI — বোর্ড অব কন্ট্রোল ফর ক্রিকেট ইন ইন্ডিয়া। দুটোই 'বোর্ড', দুটোই 'দক্ষিণ এশিয়া', কিন্তু একটি রাজস্ব প্রশাসন, অন্যটি খেলা পরিচালনা। ক্লাসিফায়ার যদি শুধু 'বোর্ড' শব্দটি দেখে, তবে সে ভুলটা করবে; যদি সত্তা-ভাণ্ডার দেখে, তবে করবে না।
দ্বিতীয় সত্তা IRIS। এটি FBR-এর অনলাইন কর-দাখিলা পোর্টাল, একটি সফটওয়্যার। ক্রিকেট-দুনিয়ায় এর কোনো প্রতিরূপ নেই — স্কোরিং প্ল্যাটফর্ম (যেমন ESPNcricinfo বা ক্রিকসুলতান) আর কর-দাখিলা প্ল্যাটফর্ম এক নয়। একটি বলের হিসাব রাখে, অন্যটি টাকার হিসাব।
তৃতীয় সত্তা 'Attribute tab'। নথিতে এটিকে বাদ দেওয়ার কথা বলা হয়েছে। এটি কর-ফর্মের একটি ইউজার-ইন্টারফেস (UI) ফিল্ড, যেখানে ডাবল ট্যাক্স ট্রিটির আওতায় হ্রাসকৃত হারে দাবি করা যেত। এটিকে কেউ যদি 'অ্যাট্রিবিউট' বা 'স্ট্যাট' ভেবে ক্রিকেট পরিসংখ্যান ভাবে, তবে সেটি হবে অর্থহীন অনুমান। UI ফিল্ড কোনো ইনিংস নয়।
চতুর্থ সত্তা ডাবল ট্যাক্স ট্রিটি। এটি দ্বিপাক্ষিক রাজস্ব চুক্তি, যা একই আয়কে দুইবার করের আওতায় আসা থেকে বাঁচায়। ক্রিকেটে এর সমতুল্য ধারণা নেই। 'সিরিজ', 'ট্যুর', 'হোম-অ্যাওয়ে' — এসব ক্রিকেটের ভৌগোলিক কাঠামো; কর-চুক্তি তার বাইরের বিষয়।
পঞ্চম সত্তা করবর্ষ ২০২৬। এখানে সময় আছে, কিন্তু ক্রিকেট-সময় নয়। ক্রিকেট-সময় মাপা হয় ওভারে, দিনে, সেশনে; কর-সময় মাপা হয় অর্থবর্ষে। দুটো ক্যালেন্ডার কখনো এক নয়।
ষষ্ঠ সত্তা M. Amayed Ashfaq Tola, Tola Associates-এর প্রেসিডেন্ট। এখানেই লেবেল-ত্রুটির কেন্দ্র। একজন কর-পেশাজীবী ও ভাষ্যকার কখনো ক্রিকেটার নন; তাঁর ভূমিকা ট্যাক্স প্র্যাকটিস, বোলিং অ্যাকশন নয়। কোনো ব্যাটিং বা বোলিং ভূমিকা তাঁকে জুড়ে দেওয়া মানে সম্পূর্ণ বানানো তথ্য।
যখন একটি সত্তাও ক্রিকেটের নয়, তখন সঠিক বিশ্লেষণাত্মক উত্তর 'অপর্যাপ্ত তথ্য, মূল্যায়ন সম্ভব নয়' — কোনো ম্যাচ, ফরম্যাট বা লিগ কল্পনা করা নয়।
এখানে আসল সুরক্ষা-নীতি কী, সেটা বুঝতে হবে। এই নথির Stage-1 বিশ্লেষণ আটটি মাত্রা ধরে ধরে প্রতিটিতে লিখেছে: 'N/A — অপর্যাপ্ত তথ্য, মূল্যায়ন করা যায় না।' এটাই ছিল সঠিক সিদ্ধান্ত। কারণ ভুল লেবেলের চেয়েও বিপজ্জনক হলো ভুল লেবেল মেনে নিয়ে ক্রিকেট-বিষয়বস্তু বানিয়ে ফেলা। একটি ফ্রেমওয়ার্ক যখন বিশ্লেষককে চাপ দেয় 'দল, খেলোয়াড়, লিগ' খুঁজে বের করার, তখন সেই ফ্রেমওয়ার্ক নিজেই একটি ইন্টেগ্রিটি-ঝুঁকি হয়ে ওঠে।
আমার মতে এখানেই এই নথির প্রকৃত শিক্ষা। ক্রিকেটে আমি বহুবার বলেছি: একটি কৌশল হলো একটি অনুমান; ম্যাচ হলো তার পিয়ার রিভিউ। বিশ্লেষণের বেলায়ও একই কথা খাটে — একটি লেবেল হলো একটি অনুমান, আর সত্তা-যাচাই হলো তার পিয়ার রিভিউ। cricket_asia লেবেলটি কখনো পিয়ার রিভিউ পেরোয়নি, কারণ নথিতে ভেরিফায়ার হিসেবে একটি ক্রিকেট সত্তাও নেই।
তাহলে সমাধান কী? প্রথমত, কীওয়ার্ড-ভিত্তিক লেবেলিংয়ের বদলে সত্তা-ভিত্তিক লেবেলিং। একটি ক্রিকেট ডোমেইনে 'পাকিস্তান' দেখলেই লেবেল বসানো যাবে না; দেখতে হবে, পাশে BCCI আছে, না কি FBR; PCB আছে, না কি IRIS। দ্বিতীয়ত, একটি অপরিবর্তনীয় (ইমিউটেবল) অডিট-লগ রাখা — কোন টোকেন কখন কোন লেবেল ট্রিগার করল, তার রেকর্ড। এখানেই ব্লকচেইনের ধারণাটি প্রাসঙ্গিক হয়ে ওঠে: যাচাইযোগ্য, পরিবর্তন-অপ্রতিরোধ্য রেকর্ড। পাইপলাইনে যদি একটি অডিট-লেজার থাকে, তবে প্রতিটি ভুল শ্রেণিবিন্যাস পিছনে তাকিয়ে ধরা যায় — কে, কখন, কেন। ক্রিকেট-সংবাদ ও স্পোর্টস-ডেটার ক্ষেত্রে এই ধরনের যাচাইযোগ্য লগ কেবল প্রযুক্তিগত সৌন্দর্য নয়, সাংবাদিকতার বিশ্বাসযোগ্যতার ভিত্তি।
যে প্রশ্নটি সবাই এড়িয়ে যায়
এবার স্বীকারোক্তি। এই লেখার সবচেয়ে অস্বস্তিকর অংশ এটাই: ভুল লেবেল নিজে কোনো বিপর্যয় নয়। বিপর্যয় হলো দ্বিতীয় ধাপে, যখন কেউ লেবেলটিকে বিশ্বাস করে বিশ্লেষণ বানিয়ে ফেলে।
ভাবুন তো। একজন বিশ্লেষক চাপে পড়ে লিখলেন: 'FBR-এর সিদ্ধান্ত পাকিস্তানি ক্রিকেটের কাঠামোয় প্রভাব ফেলতে পারে।' কথাটি শুনতে যুক্তিসঙ্গত লাগে, কিন্তু তার ভিত্তি শূন্য — কারণ FBR আর পাকিস্তান ক্রিকেট বোর্ড (PCB) এক নয়, এবং করহার আর খেলোয়াড়-চুক্তি এক নয়। এ ধরনের বাক্য তথ্য যোগ করে না, বরং তথ্য জাল করে। জ্ঞানের ক্ষতি ডেটার ক্ষতির চেয়েও মারাত্মক, কারণ ভুল তথ্য সোশ্যাল মিডিয়ায় দ্রুত ছড়ায় আর সংশোধন কখনো সমান গতিতে ছড়ায় না।
সাংবাদিকতার প্রকৃত ঝুঁকি ভুল ইনপুট নয়; প্রকৃত ঝুঁকি হলো ভুল ইনপুটকে সৃজনশীলতা দিয়ে ঢেকে দেওয়ার প্রবণতা।
এখানেই আমার পছন্দসই পদ্ধতি কাজে লাগে। মিরপুরের দশ উইকেট আমাকে শিখিয়েছিল যে, কেউ না চাওয়া একটি নিউজলেটারও একটি কন্ট্রোল গ্রুপ হতে পারে। ঠিক তেমনই, ভুলভাবে পাঠানো একটি কর-নথি একটি কন্ট্রোল গ্রুপ — ক্লাসিফায়ারের সীমা পরীক্ষা করার জন্য। ২০২০-এর নীরবতা আমাকে শিখিয়েছিল: নীরবতা কোনো অনুপস্থিতি নয়; নীরবতা একটি স্পন্দনশীল ভেরিয়েবল। এই নথিতে ক্রিকেটের নীরবতাও ঠিক তেমনই — এটি গায়েবি নয়, এটি মাপা যায়।
কীভাবে মাপা যায়? সহজ প্রশ্ন দিয়ে। ক্লাসিফায়ার 'পাকিস্তান' শব্দটির ওপর কত ওজন দেয়? 'বোর্ড' শব্দটি কি এককভাবে cricket_asia ট্রিগার করে, নাকি BCCI-জাতীয় সত্তা দরকার? একটি কর-নথি আর একটি ক্রিকেট-নথির মধ্যে টোকেন-ওভারল্যাপ কত? এই প্রশ্নগুলোর উত্তর সংখ্যায় দেওয়া গেলে আমরা জানব, ত্রুটিটি একক ঘটনা, না কি কাঠামোগত।
এবং একটি কাঠামোগত ত্রুটি অনেক বেশি মূল্যবান, কারণ এটি ভবিষ্যদ্বাণীমূলক। একটি ভুল ফাইল পাইপলাইনের বাইরে পড়ে গেলে আমরা শুধু একটি ভুল ঠিক করি; কিন্তু যদি বুঝি যে 'পাকিস্তান+এশিয়া+বোর্ড' সংমিশ্রণটি নিয়মিত ভুল ঘটায়, তবে আমরা পুরো সিস্টেমের একটি দুর্বল সীমানা চিহ্নিত করি। ডেটা-সাক্ষরতার প্রথম পাঠ এটাই — ব্যক্তিগত ভুল সংশোধন নয়, পদ্ধতিগত প্যাটার্ন চিহ্নিত করা।
এখানে আমাকে নিজের প্রতি সৎ থাকতে হবে। এই ত্রুটিকে 'পাকিস্তান' শব্দের সঙ্গে জুড়ে দেওয়া সহজ, কিন্তু সেটি হবে আরেকটি নিরুৎসাহিত সাধারণীকরণ। বাস্তবতা হলো, ত্রুটির কারণ কীওয়ার্ড সংঘর্ষ, অঞ্চল নয়। আমি যতটা ডেটা দেখেছি, তাতে সংঘর্ষগুলো প্রায়ই ঘটে 'বোর্ড', 'লিগ', 'ড্রাফট', 'অকশন'-এর মতো বহুরূপী শব্দে, যা একাধিক ডোমেইনে একই রকম শোনায়। তাই দায় একটি অঞ্চলের ওপর চাপানো অনুচিত; দায় সিস্টেম-ডিজাইনের ওপর।
সামনে যা দেখতে হবে
আমি এই নোটটি এখানেই থামাচ্ছি, কারণ সমাধান প্রযুক্তিগত, এবং সেটি ক্রিকেট-বিশ্লেষকের একার হাতে নয়। তবু কিছু সংকেত নজরে রাখা দরকার।
প্রথম সংকেত: একই ধরনের ভুল লেবেল বারবার ফিরে আসছে কি না। একটি ঘটনা দুর্ঘটনা; তিনটি ঘটনা প্যাটার্ন। দ্বিতীয় সংকেত: কোন টোকেনগুলো এককভাবে cricket_asia ট্রিগার করছে — যদি 'পাকিস্তান' বা 'এশিয়া' বা 'বোর্ড' একা যথেষ্ট হয়, তবে ক্লাসিফায়ারকে সত্তা-ভিত্তিক করতে হবে। তৃতীয় সংকেত: এই কর-নথিটি সঠিক পাইপলাইনে (কর/রাজস্ব) ফেরত যাচ্ছে কি না — ফেরত গেলে ত্রুটি সংশোধিত, না গেলে ত্রুটি জমে থাকবে।
শেষ কথা এই। চৌষট্টি বছর বয়সে দাঁড়িয়ে আমি আজও গড়ের চেয়ে ব্যতিক্রমকেই বেশি বিশ্বাস করি। একটি নিখুঁত পাইপলাইন আমাকে কিছুই শেখায় না; যে পাইপলাইন একটি কর-দাখিলাকে ক্রিকেট ভেবে ফেলে, সেটি আমাকে দেখায়, তার ভেতরে কোথায় চোখ বন্ধ।
পরের বার যখন কোনো ভুল ফাইল আমার ডেস্কে আসবে, প্রশ্নটি হবে না 'এটি কোন ডোমেইন'। প্রশ্নটি হবে: 'এই ভুলটি আমাকে কোন অদৃশ্য নিয়মটি দেখাল?'