স্কোরবোর্ড যা লুকিয়ে রাখে: বাংলাদেশের টি-টোয়েন্টি ক্রিকেটে ৬৬ ম্যাচের হিসাব, ঘরের মাঠের ক্ষয় আর পরের চক্রের সংকেত
**মূল উত্তর** বাংলাদেশের টি-টোয়েন্টি রেকর্ড প্রকৃত শক্তি ও দুর্বলতার সঠিক মাপ নয়। কারণ ভেন্যু-সমন্বিত প্রত্যাশিত রান আর স্কোরবোর্ডের স্কোরের মধ্যে গড়ে আট থেকে এগারো রানের ব্যবধান তৈরি হচ্ছে। পাওয়ারপ্লের ধীরগতি, ডেথ-ওভারে পেসারদের কাজের চাপ ও নিলামের দাম — এই তিনটি স্তর স্কোরবোর্ডে দেখা যায় না। **মূল তথ্য** - ২০১৭ সালে ৬৬টি বাংলাদেশ প্রিমিয়ার লিগ ম্যাচ বল ধরে চার্ট করে পাইথনে প্রথম প্রত্যাশিত-রান মডেল তৈরি হয়। - খালি স্টেডিয়ামে ঘরের দলের জয়ের হার ৪৩.২ শতাংশ থেকে ৩৩.৬ শতাংশে নেমেছে, ২০২০ সালে ৩০৬ ম্যাচে। - ২০২২ থেকে ২০২৫ সালের মধ্যে অন্তত নয়টি টি-টোয়েন্টি ম্যাচে জয়ী দলের প্রত্যাশিত রান পরাজিত দলের চেয়ে কম ছিল। - ঢাকা, চট্টগ্রাম ও সিলেট — তিন ভেন্যুতে একই স্কোর তিন রকম অর্থ বহন করে; ১৫৫ ঢাকায় সম্মানজনক, চট্টগ্রামে কম। - ডেথ-ওভারে টানা ২২ ওভারের বেশি বল করা পেসারদের ওয়াইড ও নো-বলের হার সর্বোচ্চ। **সূত্র উদ্ধৃতি** লেখকের নিজস্ব বল-বল চার্টিং ডেটাসেট, ২০১৭–২০২৫, সংগ্রহ ও মডেল পদ্ধতি কোডসহ প্রকাশিত। | Cross-checked: cricsultan.com **সম্পর্কিত প্রশ্নোত্তর** প্রশ্ন: বাংলাদেশের ঘরের মাঠের সুবিধা কি সত্যিই কমেছে? উত্তর: ২০২০ সালের ৩০৬ ম্যাচের নমুনায় ঘরের জয়ের হার ৯.৬ শতাংশ পয়েন্ট কমেছে, তবে পিচ প্রস্তুতি, ঘন সূচি ও ভেন্যু-নিরপেক্ষ ম্যাচের অনুপাত বিভ্রান্তকারী চলক, তাই একক কারণ বলা যায় না। প্রশ্ন: নিলামে দাম আর প্রকৃত পারফরম্যান্সের সম্পর্ক কতটা শক্ত? উত্তর: দুই মৌসুমের হিসাবে যাদের দাম মূল দক্ষতার প্রত্যাশার চেয়ে সবচেয়ে বেশি বেড়েছে, তাদের মাত্র দুইজন পরের মৌসুমে নিজেদের প্রাথমিক দক্ষতায় দলের সেরা তিনে ছিলেন, যা বাংলাদেশ প্রিমিয়ার লিগের খেলোয়াড়-মূল্যায়ন সূচকে দেখা যায়। প্রশ্ন: পরের চক্রে সবচেয়ে গুরুত্বপূর্ণ একক সূচক কোনটি? উত্তর: পাওয়ারপ্লে স্টাইক রেট, কারণ এটি ১১ রানের নিচে থাকলে পরের দুই ধাপে ভুলের সহনশীলতা শূন্যে নেমে আসে।
হুক
শের-ই-বাংলা জাতীয় ক্রিকেট স্টেডিয়াম, সন্ধ্যা সাড়ে সাতটা। টার্গেট ১৬২। ম্যাচ শেষ হয় ১৯তম ওভারে, সাত বল হাতে রেখে, ছয় উইকেটের ব্যবধানে। স্কোরবোর্ড লিখে রাখল ‘স্বস্তির জয়’; গ্যালারি লিখে রাখল হাসির ছবি। আমার ল্যাপটপে তখন একটি ভিন্ন সংখ্যা জ্বলছে — ১৪৮/৯।
ওটা কোনো দলের স্কোর নয়। ওটা ওই পিচে, ওই তিন ব্যাটারের হাতে, ওই বোলিং আক্রমণের মানের বিপক্ষে আমি যে ফলটি প্রত্যাশা করেছিলাম, তার সংক্ষিপ্ত রূপ। ওই রাতের ম্যাচে যে দল জিতল, আমার হিসাবে ফাইনাল বলের আগে তার জেতার সম্ভাবনা ২৯ শতাংশের নিচে নেমে গিয়েছিল। জয়টা এসেছে দুইটি ফ্রি-হিট, একটি টপ-এজ এবং একটি ড্রপ ক্যাচের যোগফলে।
আমি এটা লিখছি জয়টাকে ছোট করার জন্য নয়। লিখছি কারণ টি-টোয়েন্টি ক্রিকেটে বাংলাদেশের পারফরম্যান্স নিয়ে আমাদের প্রায় সব রায় আজও একই জায়গা থেকে আসে — যা স্কোরবোর্ডে দেখা গেল। প্রক্রিয়াটা কোথায় গেল, সেই প্রশ্নটা আমাদের সভায় এখনো ওঠে না।
প্রেক্ষাপট: খতিয়ানটা কোথা থেকে এল
২০১৭ সাল। আমি তখন রাজশাহীতে, মাসে যা আয় হতো তা দিয়ে একটা ল্যাপটপ আর একটা ইন্টারনেট সংযোগ চালানো কষ্টকর। ঢাকার একটি ডিজিটাল ডেস্কে যোগ দেওয়ার পর মাসিক ১৮,০০০ টাকায় আমার প্রথম কাজটা ছিল বাংলাদেশ প্রিমিয়ার লিগের পুরো মৌসুম চার্ট করা — ৬৬টি ম্যাচ, বল ধরে ধরে। শটের অবস্থান, শরীরের কোন অংশে বল লেগেছে, ডিফেন্সিভ প্রেসার, উইকেটরক্ষকের অবস্থান, ফিল্ড প্লেসমেন্ট — সব হাতে লেখা খাতায়। সপ্তম সপ্তাহে এসে বুঝলাম হাতে লেখা খাতা আর টিকবে না, তাই পুরো শিটটি পাইথনে নতুন করে বানালাম।
সেই শিট থেকেই প্রথম যে জোড়া সংখ্যা বেরোল, সেটা আজও আমার ডেস্কের দেয়ালে টাঙানো আছে: আবাহনী লিমিটেড ঢাকা তাদের প্রত্যাশিত গোলের চেয়ে ১১.৪ গোল বেশি করেছিল, আর লিগ টেবিলে তারা চ্যাম্পিয়ন। দুটো সংখ্যা পাশাপাশি বাংলাদেশের ফুটবল নিয়ে কেউ ছাপেনি। সেই দিন থেকে আমার লেখায় ‘জেতার যোগ্য ছিল’ শব্দবন্ধটি বাদ পড়ল, আর প্রতিটি কলামের নিচে একটা পদ্ধতি-টীকা যোগ হলো।
ক্রিকেটে এসে আমি একই কাঠামো ব্যবহার করেছি, শুধু একক বদলেছে। ক্রিকেটে গোল নেই, তাই আমি নেটওয়ার্ক মডেলটি বানিয়েছি ‘প্রত্যাশিত রান’ বা xR নামে — বল প্রতি। প্রতি বলের জন্য আটটি ইনপুট: বোলারের কেরিয়ার ইকোনমি ও ওই ফেজে তার ঐতিহাসিক স্টাইক রেট, ভেন্যুর ফেজ-বেসলাইন, উইকেট হাতে থাকার সংখ্যা, ব্যাটারের রোল-সূচক, পিচের টার্ন-সূচক, ম্যাচের পরিস্থিতিগত চাপ, দিনের সময় (দিন/রাত), এবং আর্দ্রতা। আউটপুট হলো একটি প্রত্যাশিত রান-মান; সব বলের যোগফল দিলে ম্যাচের প্রত্যাশিত স্কোর।
ক্রিকেটে এই মডেল বানানোর সুবিধা হলো, বল-বল ডেটা ফুটবলের ইভেন্ট ডেটার চেয়ে অনেক বেশি ঘন। ফুটবলে ৯০ মিনিটে হয়তো ১,২০০ ইভেন্ট; টি-টোয়েন্টিতে ২৪০ বলে প্রায় প্রতিটি বলের একটি স্পষ্ট ফলাফল থাকে। স্প্রেডশিট মিথ্যে বলে না, কিন্তু সে নিজের ব্যাখ্যাও দেয় না — ব্যাখ্যাটা দিতে হয় মাঠের প্রেক্ষাপট মিলিয়ে।
২০২০ সালের এপ্রিলে আমার ডেস্ক ৪০ শতাংশ কর্মী ছাঁটাই করল, আমার চুক্তি নেমে এল শূন্য ঘণ্টায়। তখন আমি নিজের স্ক্র্যাপিং পাইপলাইন বানালাম। মে মাসে জার্মান বুন্দেসলিগা চালু হওয়ার পর পাঁচটি লিগে ৩০৬টি ম্যাচ ট্র্যাক করলাম। ফলাফল ছিল পরিষ্কার: খালি স্টেডিয়ামে ঘরের দলের জয়ের হার ৪৩.২ শতাংশ থেকে নামল ৩৩.৬ শতাংশে, আর ঘরের দলের প্রত্যাশিত রান (xG) প্রতি ম্যাচে ০.১১ কমল। সেই ডেটাসেট কোডসহ প্রকাশ করলাম, দুইটি এশীয় সংস্থাকে লাইসেন্স দিলাম।
সেই অভিজ্ঞতা আমাকে একটা অভ্যাস শিখিয়েছে: কোনো সংখ্যা ছাপানোর আগে তার সংগ্রহ-পদ্ধতি, নমুনার আকার আর প্রেক্ষাপট জানাতে হবে। এই লেখার বাকি অংশটা সেই একই শর্তে পড়বেন — প্রতিটি সংখ্যা আমার নিজের চার্টিং থেকে, এবং নমুনার সীমা প্রতিটি ধাপে বলা আছে।
কোর: পাঁচটি থ্রেড, একটি প্যাটার্ন
থ্রেড এক — পাওয়ারপ্লে মায়োপিয়া আর লেট ক্যামিওর হিসাব
২০২২ থেকে ২০২৫ সালের মধ্যে বাংলাদেশের টি-টোয়েন্টি ম্যাচগুলোর পাওয়ারপ্লে (প্রথম ছয় ওভার) বল-বল হিসাব করলে একটি অস্বস্তিকর ছবি ওঠে। ওই সময়ে পাওয়ারপ্লেতে আমাদের স্টাইক রেট ছিল এমন একটি স্তরে, যা ওই একই পর্বে সংযুক্ত আরব আমিরাত বা নেদারল্যান্ডসের মতো দলের চেয়ে মাত্র সামান্য ভালো। কিন্তু ম্যাচের শেষ পাঁচ ওভারে আমাদের স্কোরিং রেট প্রায়ই প্রতিপক্ষের চেয়ে উঁচুতে থাকে।
এটাকে অনেকে বলেন ‘দেরিতে গতি বাড়ানোর ক্ষমতা’। সংখ্যার দিক থেকে দেখা যায়, বিষয়টা ক্ষমতা নয়, সংশোধন। মধ্যম ওভারে উইকেট হাতে রেখে আমরা এমন স্টাইক রেটে খেলি যেখানে প্রতি দুই ওভারে একটি বড় শটের প্রয়োজন তৈরি হয়; ওই চাপ জমে শেষ পাঁচ ওভারে গিয়ে ফেটে পড়ে। সমস্যা হলো, টি-টোয়েন্টিতে শেষ পাঁচ ওভারের স্কোরিং লিগ-পর্যায়ে কাজ করে, কিন্তু নকআউটে প্রতিপক্ষ যখন ডেথ-স্পেশালিস্ট দুইজন পেসার মাঠে রাখে, তখন সেই ফেটে পড়ার জায়গাটা আগেই বন্ধ হয়ে যায়।
আমার শিটে ২০২৪ সালের একটি নমুনা দেখুন: যেসব ম্যাচে পাওয়ারপ্লেতে আমাদের রান ছিল ৪০-এর নিচে এবং উইকেট পড়েনি, সেগুলোর মধ্যে ৫৮ শতাংশে ম্যাচটা শেষ পাঁচ ওভারে গিয়ে সমীকরণের বাইরে চলে গেছে। অর্থাৎ পাওয়ারপ্লের ধীরগতি নিজে থেকে পরাজয় ডাকে না, কিন্তু পরের দুই ধাপে ভুলের সহনশীলতা (error margin) শূন্যে নামিয়ে আনে। ছোট নমুনা, তাই এটা অনুমান — কিন্তু অনুমানটাই আমাদের পরের চক্রে পরীক্ষা করা দরকার।
থ্রেড দুই — ভেন্যু-বেসলাইন, এবং ফলাফল ও প্রক্রিয়ার ব্যবধান
বাংলাদেশে তিনটি প্রধান ভেন্যু — ঢাকার শের-ই-বাংলা, চট্টগ্রামের জহুর আহমেদ চৌধুরী স্টেডিয়াম, সিলেট ইন্টারন্যাশনাল ক্রিকেট স্টেডিয়াম — তিনটি আলাদা খেলা তৈরি করে। আমি ২০২১ থেকে ২০২৫ পর্যন্ত এই তিন ভেন্যুতে যত ম্যাচের বল-বল লগ পেয়েছি, তা যোগ করলে প্রায় দুই শর কাছাকাছি পৌঁছায়। এদের ফেজ-বেসলাইন একেবারেই সমান নয়।
সিলেটে মিডল-ওভারে স্পিনারদের প্রতি বলের প্রত্যাশিত রান ঢাকার চেয়ে কম, কিন্তু ডেথ ওভারে সিলেটে বাউন্ডারির আকার ও ম্যাটিং-এর কারণে চার-ছক্কার মান বাড়ে। চট্টগ্রামে প্রথম ইনিংসের গড় ঢাকার চেয়ে বেশি, কিন্তু দ্বিতীয় ইনিংসে পতনটাও বেশি তীক্ষ্ণ। এই তিন বেসলাইন মিলিয়ে দিলে যা পাওয়া যায়, সেটা হলো: একই স্কোর তিন ভেন্যুতে তিন রকম অর্থ বহন করে। ১৫৫ ঢাকায় সম্মানজনক, সিলেটে তা স্বাভাবিক, চট্টগ্রামে সেটা প্রায়ই কম।
এখান থেকেই ফলাফল ও প্রক্রিয়ার সেই ফাঁকটা তৈরি হয়, যেটা আমি কাজানের ২.৩১ প্রত্যাশিত গোলের ঘটনার পর থেকে প্রতিটি লেখায় খুঁজি। ২০১৮ সালের ২৭ জুন, জার্মানি ০-২ দক্ষিণ কোরিয়া — জার্মানির ২.৩১ বনাম কোরিয়ার ০.৭৮। স্কোরবোর্ডে একটি হার, সংখ্যায় একটি নিয়ন্ত্রিত ম্যাচ। ক্রিকেটে এই ঘটনার সবচেয়ে ঘনিষ্ঠ সমতুল্য হলো সেই সব জয় যেখানে জেতা দলটি ওভার-বাই-ওভার পিছিয়ে ছিল, কিন্তু প্রতিপক্ষের উইকেট-ক্ষতি ও অতিরিক্ত ওয়াইডের সৌজন্যে জিতে গেছে। আমার হিসাবে ২০২২ থেকে ২০২৫-এর মধ্যে এমন অন্তত নয়টি ম্যাচ পাওয়া যায় যেখানে জয়ী দলের রান-মান (xR) পরাজিত দলের চেয়ে কম ছিল।
এখানেই আমার মূল দাবি: বাংলাদেশের টি-টোয়েন্টি রেকর্ডটি এখনো আমাদের প্রকৃত শক্তি ও দুর্বলতার সঠিক মাপ নয়, কারণ আমাদের স্কোরবোর্ডের স্কোর আর ভেন্যু-সমন্বিত প্রত্যাশিত স্কোরের মধ্যে গড়ে আট থেকে এগারো রানের ব্যবধান তৈরি হচ্ছে। এই ব্যবধান টানা একটি দলের অনুকূলে গেলে সেটা ধরা পড়ে না; কিন্তু সিরিজে তিন-চার ম্যাচে সমানভাবে ছড়িয়ে পড়লে সেটা টেবিলে পয়েন্ট হয়ে যায়।
থ্রেড তিন — ওয়ার্কলোড খতিয়ান: কে কতটা বল করেছে
২০২০ সালের পরে আমি নিজের একটি পাইপলাইন বানিয়েছি, যেখানে দেশীয় লিগ (বাংলাদেশ প্রিমিয়ার লিগ) আর আন্তর্জাতিক টি-টোয়েন্টি ও একদিনের ম্যাচের বল-গণনা একসাথে পাশাপাশি বসিয়ে দেখা যায়। এই খতিয়ানটা সাধারণত কেউ ছাপে না, কারণ ক্লাব ও বোর্ড আলাদা খাতা রাখে, আর দুই খাতা মেলানোর দায় কারো নেই।
আমার হিসাবে একটি স্বাভাবিক টি-টোয়েন্টি মৌসুমে বাংলাদেশের শীর্ষ চারজন পেসারের মধ্যে দুজনের বলসংখ্যা আন্তর্জাতিক ও দেশীয় মিলিয়ে এক হাজার ছাড়িয়ে যায়। ক্রিকেটে এই ধরনের কাজের চাপ ফুটবলের মিনিট-ব্যবস্থাপনার চেয়ে অনেক বেশি রুক্ষ, কারণ অনুশীলন আর ভ্রমণ আলাদা করে হিসাবে ধরা হয় না। ফাস্ট বোলারের কাঁধ, গোড়ালি ও পিঠের লোড একটি পৃথক সূচকে টানা তিন-চার সপ্তাহের সিরিজে সরলরৈখিক হারে জমে না — তাতে লাফ পড়ে।
আমি এটা লিখছি এই অর্থে নয় যে খেলোয়াড়দের বিশ্রাম দেওয়া হবে কী না, সেই সিদ্ধান্ত অঙ্কে হয়। লিখছি কারণ নির্বাচক কমিটির সামনে সাধারণত শুধু দুইটি সংখ্যা থাকে: স্টাইক রেট আর ইকোনমি। কাজের চাপের সূচকটা সেখানে থাকে না। অথচ ডেথ-বোলারদের কার্যকারিতা ওই সূচকের সঙ্গে সরাসরি সম্পর্কিত — যারা টানা ম্যাচে ২২-২৪ ওভার বল করে, তাদের ডেথ ওভারের ওয়াইড ও নো-বলের হার সবচেয়ে বেশি। এই সম্পর্কটা নমুনায় স্থিতিশীল, তবে কারণ-ফল সম্পর্ক নয়; আমি সেটা পরিষ্কার করে বলছি।
থ্রেড চার — নিলামের দাম, আর মূল দক্ষতার হিসাব
বাংলাদেশ প্রিমিয়ার লিগের নিলামে আমি একটি পুনরাবৃত্ত প্যাটার্ন দেখেছি, যা ফুটবলের ট্রান্সফার বাজারে আমার সবচেয়ে বেশি দেখা প্যাটার্নের সাথে মেলে। ফুটবলে যে গোলরক্ষী ভালো লম্বা কিক মারতে পারে, তার দাম প্রায়শই তার সেভ করার মূল দক্ষতার চেয়ে বেশি বাড়ে। ক্রিকেটে তার সমতুল্য হলো এমন বোলার, যিনি লোয়ার অর্ডারে ছক্কা মারতে পারেন — নিলামের টেবিলে তার দাম প্রায়ই প্রতি ম্যাচে তার ব্রেকথ্রু বা ডট-বল ক্ষমতার চেয়ে বেশি ওঠে।
আমি দুই মৌসুমের নিলাম-দর আর পরের মৌসুমের পারফরম্যান্স-সূচক মিলিয়ে দেখেছি। যে ছয়জন খেলোয়াড়ের দাম তাদের প্রাথমিক দক্ষতা (পেস বোলিং বা টপ-অর্ডার ব্যাটিং) অনুযায়ী প্রত্যাশিত ছিল তার চেয়ে সবচেয়ে বেশি বেড়েছিল, তাদের প্রায় সবাই কমপক্ষে একটি গৌণ দক্ষতার জন্য বেশি দাম পেয়েছিলেন — ব্যাটিং ডেপথ, ফিল্ডিং, অথবা ক্যাপ্টেন্সি। এদের মধ্যে মাত্র দুইজন পরের মৌসুমে তাদের প্রাথমিক দক্ষতায় দলের সেরা তিন পারফরমারের মধ্যে ছিলেন। নমুনা ছোট, তাই এটা এখনো সিদ্ধান্ত নয় — এটি একটি অনুমান যা আরও দুই মৌসুমের দরকার। তবুও প্রশ্নটা জায়গায় থাকে: প্রতিটি ট্রান্সফার উইন্ডো একটি খতিয়ান, আর প্রতিটি গুজবের একটি দশমিক বিন্দু আছে — সেই দশমিক বিন্দুটা দলের মালিকেরা পড়েন কি না, সেটাই আসল প্রশ্ন।
থ্রেড পাঁচ — নির্বাচনের বেস রেট: নিরাপদ পছন্দের লুকানো খরচ
সিলেকশন নিয়ে আমাদের আলোচনা সাধারণত দুই মেরুতে ঘোরে — অভিজ্ঞতা বনাম তরুণ। আমি সংখ্যায় ঢুকলে যা দেখি তা হলো, এটা আসলে বৈচিত্র্য বনাম ভিন্নতা (variance) এর প্রশ্ন। ২০২২ থেকে ২০২৫-এর মধ্যে যেসব তরুণ ব্যাটারকে অভিষেক দেওয়া হয়েছে, তাদের প্রথম দশ ম্যাচের গড় স্টাইক রেট এবং পরের দশ ম্যাচের স্টাইক রেটের ব্যবধান অভিজ্ঞদের চেয়ে অনেক বড়। অর্থাৎ তারা কম গড়ে খেলছেন না, বড় ওঠা-নামায় খেলছেন।
ছোট সিরিজে যেখানে দুই-তিনটি ম্যাচেই আসল সিদ্ধান্ত হয়ে যায়, সেখানে উচ্চ-ভিন্নতার খেলোয়াড় নির্বাচন দলকে ঝুঁকির মুখে ফেলে। কিন্তু বড় প্রতিযোগিতায়, যেখানে সাত-আটটি ম্যাচের একটি নকআউট-পথ থাকে, সেখানে ভিন্নতাটাই প্রত্যাশিত উপযোগ বাড়ায় — যদি দলটি চারপাশে স্থিতিশীল কাঠামো দিতে পারে। আমার হিসাবে ২০২৪ সালের একটি সংস্করণে যেখানে আমাদের দুইজন অভিজ্ঞ ব্যাটার এবং তিনজন তরুণ ছিলেন, সেই সংমিশ্রণটি শুধু অভিজ্ঞদের সংমিশ্রণের চেয়ে প্রত্যাশিত পয়েন্টে এগিয়ে ছিল। এটা বড় নমুনার ফলাফল নয়, তবে এটি নির্বাচকদের সভায় রাখার মতো একটি সংখ্যা।
কনট্রেরিয়ান: সম্পর্ক মানেই কারণ নয়
উপরের হিসাবের সবচেয়ে দুর্বল জায়গাটা আমি নিজেই প্রথমে বলব। খালি স্টেডিয়ামে ঘরের দলের জয়ের হার পড়ে যাওয়ার যে সংখ্যাটা আমি ২০২০ সালে প্রকাশ করেছিলাম, সেটি অনেকের কাছে প্রমাণ হয়ে দাঁড়িয়েছে যে দর্শকই একমাত্র কারণ। এটা ঠিক নয়, এবং এখানে অন্তত চারটি বিভ্রান্তকারী চলক (confounder) একসাথে কাজ করছে।
প্রথমত, ওই একই সময়ে পিচ প্রস্তুতির পদ্ধতিতে পরিবর্তন এসেছিল — কোভিড-পরবর্তী মৌসুমে সাধারণত আরও শুকনো, স্পিন-সহায়ক উইকেট তৈরি হয়েছিল, যেখানে ঘরের দলের স্পিনারদের নিজস্ব সুবিধা কম ছিল না, কিন্তু ব্যাটিং-বান্ধব পিচের সুবিধা চলে গিয়েছিল। দ্বিতীয়ত, সূচি অস্বাভাবিকভাবে ঘন ছিল; বিশ্রামের দিন কমে যাওয়া ঘরের দলের চেয়ে অতিথি দলকে কম ক্ষতি করেছে, কারণ অতিথি দল ভ্রমণ করেনি। তৃতীয়ত, এই সময়ে প্রতিপক্ষের বিশ্লেষণ-সেলগুলো উন্নত হয়েছে; দর্শক থাকুক বা না থাকুক, ঘরের পিচের প্যাটার্নটা এখন স্কাউটিং রিপোর্টে লিখিত থাকে। চতুর্থত, ভেন্যু-নিরপেক্ষ ম্যাচ আর ঘরের ম্যাচের অনুপাত বদলে গিয়েছিল।
চারটি চলক একসাথে থাকলে একটি সংখ্যা দিয়ে একটিকে আলাদা করা যায় না। যে সংখ্যাটি আমি ছাপিয়েছিলাম, তার ভাষ্য হলো: খালি স্টেডিয়ামের পরিবেশে ঘরের সুবিধার সূচক কমেছে — কারণ কী, সেটা এই নমুনা বলে না। স্প্রেডশিট আমার সাথে কখনো মিথ্যা বলে না, কিন্তু সে আমার অনুমানকে প্রমাণে রূপ দিয়ে দেয় না।
এই লেখার দ্বিতীয় সতর্কতা: ৬৬ ম্যাচের সেই প্রথম শিটটি আমার কাছে এখনো সবচেয়ে প্রিয়, এবং সেটাই সবচেয়ে বিপজ্জনক। আমরা সংখ্যার প্যাটার্ন দেখে বলি, ‘৬৬ ম্যাচে প্যাটার্নটা এটাই।’ কিন্তু ৬৬ ম্যাচ দিয়ে নির্বাচন, ভেন্যু ও ভিন্নতা — এই তিনটি স্তর আলাদা করা যায় না। কোনো একটা অনুমান সব অভিযাত্রা করুন — না হয় সেই শিটটা আমার নিজের পক্ষপাতের আয়না। যারা বাজি ধরে ভবিষ্যদ্বাণী করেন, তাদের জন্য এই প্যাথলজিটা সবচেয়ে খারাপ, কারণ প্যাটার্নটি আপনার কানে মিষ্টি লাগবে, কারণ আপনার ক্ষোভের কারণ খুঁজবেন।
তৃতীয় সতর্কতা, কনটেক্সটহীন সংখ্যাকে পছন্দ করা। কোনো সূচক তুলনার সাথে তার সংগ্রহ-পদ্ধতি, নমুনা ও বাজারের প্রণোদনা ছাড়া ছাপা হয় না। প্রতিটি সংখ্যার সঙ্গে আমি এটি বলি, কারণ বাংলাদেশের ডেটা-পরিসরে সবচেয়ে বড় ফাঁকটি সংখ্যার অভাব নয়, ফাঁকের ডকুমেন্টেশনের অভাব।
টেকঅওয়ে: পরের চক্রে চোখ রাখার চারটি সংকেত
পরের টি-টোয়েন্টি চক্রে আমি বিশটি ম্যাচের চেয়ে বেশি কিছুতে চোখ রাখব না। যে চারটি সংকেত দেখলে আমার হিসাবের মডেলটি হালনাগাদ করব, সেগুলো হলো: পাওয়ারপ্লে স্টাইক রেট, যেটি ১১ রানের নিচে থাকলে প্রতিটি ম্যাচে আগের দুই ধাপে চাপ জমে; ঘরের দলের ভেন্যু-সমন্বিত প্রত্যাশিত রান, যেটি খালি গ্যালারির প্রশ্নটি পুরোনো হয়ে গেলেও এখনো উত্তর দেয়; ডেথ-ওভারে পেসারদের বলসংখ্যার খতিয়ান, যেখানে ২২ ওভার পার হলে প্রতি তিন ম্যাচে একটি বড় মিসিং পিস তৈরি হয়; এবং নিলামে মূল দক্ষতার প্রতি টাকার হিসাব। বিশ বছর ধরে আমি একটি জিনিস শিখেছি — স্কোরবোর্ড সত্যি, কিন্তু সে সরল নয়; আর যে সংখ্যা নিজের ভুল স্বীকার করে না, সেটাই পরের সিরিজে আপনার সঙ্গে বিশ্বাসঘাতকতা করবে।
