পাওয়ারপ্লের ৬৪ রান প্রায়ই মিথ্যা বলে: টি-টোয়েন্টি ব্যাটিং বেসলাইনের একটি অডিট

গত মাসে দুবাই ইন্টারন্যাশনাল স্টেডিয়ামে একটি নাইট ম্যাচ দেখছিলাম। চেজিং দলটি পাওয়ারপ্লেতে ছয় ওভারে তুলেছিল ৬৪ রান; পাশের আসনের এক ভদ্রলোক আমাকে বললেন, “ম্যাচ তো প্রায় শেষ।” আমার হাতে থাকা ছোট একটি টেবিল ভিন্ন গল্প বলছিল। ওই দলটির পাওয়ারপ্লে স্ট্রাইক রেট ছিল ১৪৮, অথচ মিডল ওভারে—সাত থেকে পনেরো—রান রেট নেমে এসেছিল ৬.৯-এ, আর ডেথ ওভারে পড়েছিল সাতটি উইকেট। পাওয়ারপ্লের ৬৪ রান সত্যি ছিল, কিন্তু সেটি একটি স্পাইক, কোনো প্রবণতা নয়। ম্যাচটি তারা হেরেছিল নয় রানে। আমি বহু বছর ধরে মাঠে বসে এই প্যাটার্নটি দেখে আসছি: পাওয়ারপ্লে স্কোরবোর্ড সবচেয়ে জোরে কথা বলে, অথচ সবচেয়ে কম তথ্য বহন করে। ২০১৭ সালে সিউলে বসে যখন কে লিগের xG বেসলাইন তৈরি করেছিলাম, কারণ ছিল একটাই—গোলগুলো মিথ্যা বলছিল। ক্রিকেটে আমার কাছে রানের ক্ষেত্রে ঠিক একই সমস্যা। রান একটি ফলাফল, প্রক্রিয়া নয়। এই লেখাটি কোনো একটি ম্যাচের গল্প নয়। এটি একটি পদ্ধতির প্রশ্ন: টি-টোয়েন্টিতে আমরা দল বা ব্যাটারকে বিচার করি কোন নমুনার ভিত্তিতে? ২০২৪ সালের আইএলটুয়েন্টি থেকে ২০২৫ সালের ফ্র্যাঞ্চাইজি সিজন পর্যন্ত আমি যে বেসলাইনটি বহন করি, তার ভিত্তি হলো প্রতিটি দলের শেষ বিশটি ইনিংস—এর কম নয়। কেন বিশ? কারণ ২০২০ সালে কে লিগ খালি গ্যালারিতে ফিরে আসার পর আমি চব্বিশটি ম্যাচ দেখে বুঝেছিলাম, দশটি ম্যাচে প্রবণতা বলে যা মনে হয়, বিশটি ম্যাচে সেটি প্রায়ই কেবল শব্দ। আমি একটি নিয়ম মেনে চলি: বিশ ম্যাচের আগে কোনো সহগ বদলাই না। পাঠকরা প্রতিটি লেখার শুরুতে একটি বেসলাইন টেবিল দেখেন—দলের পাওয়ারপ্লে রান রেট, মিডল-ওভার রান রেট, ডেথ-ওভার রান রেট, উইকেট হারানোর হার, আর বল-প্রতি স্ট্রাইক রেট। এরপর আমি দেখি, আজকের ম্যাচটি সেই বেসলাইন ভেঙেছে কি না। আমার টেবিল কখনো বলে না কে জিতবে; বলে, কে বেসলাইন থেকে সরে গেছে। আর বাজিতে ঢোকার আগে আমি শেষ লাইনটি পড়ি, কারণ শেষ লাইনটাই বাজার। চলুন টেবিলটা খুলে দেখি। টি-টোয়েন্টিতে তিনটি ভিন্ন ফেজ আছে, এবং প্রতিটির আলাদা বেসলাইন দরকার। পাওয়ারপ্লে, অর্থাৎ এক থেকে ছয়: ফিল্ডিং দল দুটি আউটসাইড-দ্য-সার্কেল ফিল্ডার রাখে, তাই ডট বলের সম্ভাবনা বেশি, কিন্তু বাউন্ডারির সুযোগও বেশি। মিডল, সাত থেকে পনেরো: স্পিনার আর কাটারদের রাজত্ব, সিঙ্গেল ও দুই রানের খেলা, উইকেট পড়ার ঝুঁকি সর্বোচ্চ। ডেথ, ষোলো থেকে বিশ: ঝুঁকি সর্বোচ্চ, রানও সর্বোচ্চ। যে বিশ্লেষক পুরো ইনিংসকে একটি সংখ্যায় মাপেন—যেমন রান রেট ৮.৫—তিনি আসলে তিনটি ভিন্ন বাস্তবতাকে একটি গড়ে চেপে দেন। আমার মডেলে প্রতিটি ফেজ আলাদা সহগ পায়। আমি যখন ২০১৭ সালে কে লিগের জন্য এক হাজার দুইশত শট থেকে xG মডেল বানিয়েছিলাম, তখন শিখেছিলাম: প্রতিটি ভেরিয়েবলকে ওজন দিতে হয়। ক্রিকেটে আমার সমতুল্য মডেলটি হলো Expected Runs, সংক্ষেপে xR। একটি বলের প্রত্যাশিত রান নির্ভর করে চারটি জিনিসের উপর—বলের লাইন ও লেংথ, ব্যাটসম্যানের শটের ধরন ও কোণ, ফিল্ড সেটিং, এবং বোলারের ধরন অর্থাৎ পেস বনাম স্পিন, সঙ্গে ম্যাচের ফেজ। এই চারটি একসাথে মিলিয়ে আমি প্রতি বলে একটি প্রত্যাশিত রান বের করি, তারপর ইনিংস শেষে যোগ করি। জিনিসটি সহজ শোনায়, কিন্তু বাস্তবে কঠিন, কারণ ক্রিকেটে নমুনা ছোট এবং আউটকাম হঠাৎ লাফ দেয়। উদাহরণ দিই। ধরুন, একটি দল পাওয়ারপ্লেতে ৫৫ রান করেছে পাঁচ দশমিক দুই ওভারে, কিন্তু তাদের xR ছিল ৪৮—অর্থাৎ তারা প্রক্রিয়ার চেয়ে সাত রান বেশি করেছে। সাত রান বেশি মানে কী? এর মানে হলো, সেই সাত রান এসেছে এজ, মিস-হিট, বা ফিল্ডারের ভুলের মাধ্যমে; সেটি একটি প্রত্যাশিত প্রবণতা নয়, একটি ভারিয়েন্স। বাজি বাজারে এই পার্থক্যটাই সবচেয়ে বড়। বাজার দেখে পাওয়ারপ্লে ৫৫ এবং দলটিকে ফেবারিট বানিয়ে ফেলে; আমার মডেল দেখে xR ৪৮ এবং ম্যাচটিকে প্রায় পঞ্চাশ-পঞ্চাশ ধরে রাখে। এখানেই তথ্যের ব্যবধান তৈরি হয়। কিন্তু শুধু xR যথেষ্ট নয়। দুটি বাড়তি নিয়ন্ত্রণ আমি সবসময় যোগ করি—ভেন্যু কন্ট্রোল এবং ভ্রমণ ও ক্লান্তি কন্ট্রোল। দুবাই, শারজাহ, আবুধাবি—তিনটি ভেন্যুর বাউন্ডারি সাইজ, পিচের আচরণ আর শিশির আলাদা। শিশির পড়লে দ্বিতীয় ইনিংসে স্পিনাররা গ্রিপ হারায়, আর চেজিং দল গাণিতিকভাবে এগিয়ে থাকে। আইএলটুয়েন্টিতে আমি দেখেছি, দ্বিতীয় ইনিংসে ডেথ-ওভার রান রেট প্রথম ইনিংসের চেয়ে প্রায় শূন্য দশমিক ছয় থেকে শূন্য দশমিক নয় রান বেশি থাকে, বিশেষত নভেম্বর-ডিসেম্বরে, যখন শিশির ভারী। যে বিশ্লেষক এই ভেন্যু-নির্দিষ্ট পার্থক্য যোগ করেন না, তিনি একটি দেশীয় সুবিধাকে ভুল করে প্রতিভা বলে ভাবেন। ২০২০ সালে স্টেডিয়াম খালি হওয়ার পর আমি হোম-অ্যাডভান্টেজ সহগ শূন্য করেছিলাম, কারণ ভিড় আর মাঠের সুবিধা এক জিনিস নয়—সেটা আমি সিউলে বসেই শিখেছিলাম। নমুনা ও আস্থার ব্যবধান নিয়ে দুটি কথা বলা দরকার। প্রতিটি সংখ্যার পাশে আমি একটি ব্যবধান লিখি। টি-টোয়েন্টিতে ছয় ওভারের পাওয়ারপ্লে রান রেটের স্ট্যান্ডার্ড ডেভিয়েশন প্রায় এক দশমিক চার থেকে এক দশমিক আট রান প্রতি ওভার। অর্থাৎ দুই দলের পাওয়ারপ্লে রান রেটের পার্থক্য যদি শূন্য দশমিক চার রান হয়, সেটি প্রায় সম্পূর্ণই শব্দ। বিশ ম্যাচের নমুনায় আমি কেবল সেই পার্থক্যকে সিগন্যাল বলি, যা ব্যবধানের বাইরে যায়—সাধারণত শূন্য দশমিক আট রান প্রতি ওভারের বেশি। এই সতর্কতাটাই আমাকে এক সপ্তাহের ফর্মের ফাঁদ থেকে বাঁচায়। রেকেন্সি-নির্ভর ওভারফিটিং ক্রিকেট বিশ্লেষণের সবচেয়ে বড় রোগ, আর এটি সবচেয়ে বেশি ঘটে সেই সব প্ল্যাটফর্মে, যেখানে গত ম্যাচের স্কোরকার্ডই পরের ম্যাচের ভবিষ্যদ্বাণী হিসেবে চালানো হয়। বোলিংয়ের দিকেও একই পদ্ধতি। একজন পেসারের ডেথ-ওভার ইকোনমি দেখে বিচার করা ভুল, কারণ তার নমুনা ছোট এবং সে প্রায়ই সবচেয়ে কঠিন ব্যাটারদের মুখোমুখি হয়। আমি বোলারের জন্য দুটি সংখ্যা রাখি—ডট-বলের শতাংশ এবং বল-প্রতি xR। একজন স্পিনার যার ডেথ-ওভার ইকোনমি নয় দশমিক দুই, কিন্তু ডট-বল শতাংশ বেয়াল্লিশ, তিনি আসলে একজন আট দশমিক দুই ইকোনমির বোলারের চেয়ে বেশি মূল্যবান, কারণ ডট বল চাপ তৈরি করে এবং পরের ওভারে ব্যাটারকে ঝুঁকি নিতে বাধ্য করে। রশিদ খানের ডট-বল শতাংশ ঐতিহাসিকভাবেই উচ্চ, আর তাই তার প্রকৃত মূল্য তার কাঁচা ইকোনমির চেয়ে অনেক বেশি। একইভাবে পাওয়ারপ্লেতে সুনীল নারিনের মতো বোলার কেবল উইকেট নেন না, তিনি ব্যাটারের শট-সিলেকশনকেই সীমিত করেন—সেটি স্কোরকার্ডে ওঠে না, কিন্তু xR মডেলে ওঠে। এখন আসি ক্রিকেটের সবচেয়ে দামি ধারণার কাছে: মোমেন্টাম। মিডল ওভারে দুটি দ্রুত উইকেট পড়লে ধারাভাষ্যকার বলেন, চাপ এখন বোলিং দলের দিকে। কিন্তু আমার বেসলাইনে এই দাবির পক্ষে শক্ত প্রমাণ নেই। বিশটি ম্যাচের নমুনায় আমি দেখেছি, মিডল-ওভারে টানা দুটি উইকেট পড়ার পর পরবর্তী তিন ওভারে রান রেট গড়ে শূন্য দশমিক তিন থেকে শূন্য দশমিক পাঁচ কমে—এটি ছোট, তবে সত্য একটি প্রভাব। কিন্তু এটি ব্যাটিং দলের আত্মবিশ্বাস হারানো নয়; এটি ফিল্ডিং দলের দুই সেট ব্যাটারের আউট হওয়ার ফল। অর্থাৎ কারণটি কাঠামোগত, মনস্তাত্ত্বিক নয়। পারস্পরিক সম্পর্ক আর কারণ এখানে গুলিয়ে যায়, আর বাজার এই গুলিয়ে যাওয়াকে দাম দেয়। আরেকটি জিনিস আমি সতর্কভাবে দেখি—ডেথ-ওভার হিটিংয়ের মূল্যায়ন। বাজার সাধারণত একজন ফিনিশারের শেষ কয়েকটি ইনিংসের স্ট্রাইক রেট দেখে তার দাম ঠিক করে। কিন্তু শেষ কয়েকটি ইনিংস হলো সবচেয়ে ছোট নমুনা। আমি ডেথ-ওভারে একজন ব্যাটারের মূল্যায়ন করি তার বল-প্রতি xR ওভার-পারফরম্যান্স দিয়ে, বিশ ইনিংসের নমুনায়। অনেক সময় দেখা যায়, একজন ব্যাটারের ডেথ-ওভার স্ট্রাইক রেট একশো পঁচাত্তর, কিন্তু তার xR ছিল মাত্র একশো চল্লিশ—অর্থাৎ প্রতি ইনিংসে প্রায় তিন-চার রান তিনি ভাগ্যের জোরে পেয়েছেন। পরের সিজনে সেই ব্যাটারের দাম বাজারে বাড়ে, কিন্তু তার প্রকৃত দক্ষতা বাড়েনি। এটি ট্রান্সফার বাজারের সেই পুরনো সমস্যা: স্প্রেডশিটের ভেতর দিয়ে গসিপ চুইয়ে পড়ে। আমি একটি তুলনা দিই, যা আমার নোটবুকে বারবার ফিরে আসে। ধরুন, দুই ব্যাটার—একজন এবং আর একজন। পাওয়ারপ্লেতে প্রথমজনের স্ট্রাইক রেট একশো পঞ্চান্ন, দ্বিতীয়জনের একশো ত্রিশ। যে কেউ বলবেন, প্রথমজন ভালো। কিন্তু বিশ ইনিংসের নমুনায় দেখলে বেরিয়ে আসে: প্রথমজনের xR ছিল একশো আটত্রিশ, অর্থাৎ তার স্ট্রাইক রেট প্রকৃত দক্ষতার চেয়ে সতেরো পয়েন্ট বেশি—সেটি এজ, মিস-হিট আর ফিল্ডিং ভুলের ফল। দ্বিতীয়জনের xR ছিল একশো পঁয়ত্রিশ, অর্থাৎ তার স্ট্রাইক রেট প্রায় তার প্রকৃত দক্ষতার সমান, স্থিতিশীল। পরের দশ ইনিংসে সাধারণত প্রথমজনের সংখ্যা নেমে আসে, আর দ্বিতীয়জন স্থির থাকে। এই প্যাটার্নটিকে আমি বলি বেসলাইনের প্রতি মহাকর্ষ: অসাধারণ ফলাফল গড়ের দিকে ফিরে আসে। ২০১৭ সালে জেওনবুক হুন্দাইয়ের ক্ষেত্রে ঠিক এটাই ঘটেছিল—তারা প্রতি ম্যাচে দুই দশমিক এগারো গোল করছিল, xG ছিল এক দশমিক চুরাশি, এবং পরের পাঁচটি অ্যাওয়ে ম্যাচের তিনটিই ড্র করেছিল। ক্রিকেটে সংখ্যাগুলো ভিন্ন, যুক্তিটা এক। বাজি বাজারের কথা বলি। টি-টোয়েন্টিতে ক্লোজিং লাইন প্রায়শই পাওয়ারপ্লে আর ডেথ-ওভারের শোরগোল দ্বারা চালিত হয়। যখন কোনো দল পাওয়ারপ্লেতে বিস্ফোরণ ঘটায়, লাইন দ্রুত সরে যায়। কিন্তু সেই সরাটা প্রায়ই তথ্য বহন করে না—এটি শব্দ। আমি অপেক্ষা করি, লাইন স্থির হওয়ার পর দেখি, আমার xR-ভিত্তিক সম্ভাবনার সঙ্গে বাজারের অন্তর্নিহিত সম্ভাবনার ব্যবধান কোথায়। যদি ব্যবধান দুই শতাংশের বেশি হয় এবং তারল্য যথেষ্ট থাকে, তবেই আমি পদক্ষেপ নিই। এটাই আমার তথ্যের অসমতা শিকার পদ্ধতি—শোরগোলের দিকে নয়, শেষ লাইনের দিকে তাকানো। এখন একটি বাড়তি সতর্কতা। xR মডেলকে আমি অন্ধভাবে বিশ্বাস করি না। কারণ কখনো সঠিক হয়েও হারে—২০১৮ সালে কাজানে জার্মানির বিপক্ষে দক্ষিণ কোরিয়ার ম্যাচটি আমার কাছে সেই শিক্ষা। মডেল বলেছিল কোরিয়া প্লাস এক দশমিক পাঁচ এবং আন্ডার দুই দশমিক পাঁচ; কোরিয়া দুই-শূন্য জিতেছিল। কিন্তু সেই একই মডেল পরের কয়েকটি ম্যাচে ভুলও করেছিল। তাই আমি প্রতিটি ম্যাচের আগে আগে থেকে ফলাফলের একটি রেঞ্জ লিখে রাখি, এবং ম্যাচ শেষে মডেলকে বিচার করি কেবল ক্যালিব্রেশনের নিরিখে—জিতেছি কি হারেছি, সেটি আলাদা হিসাব। এই নিয়মটি আমাকে বাঁচায় সেই ফাঁদ থেকে, যেখানে একজন বিশ্লেষক একটি ভুলের পর নিজের মডেল রক্ষা করতে গিয়ে আরও বড় ভুল করেন। স্বাভাবিক ধারণা হলো—বেশি রান মানে ভালো ব্যাটিং, আর পাওয়ারপ্লে জেতা মানে ম্যাচ জেতা। কিন্তু আমার বেসলাইন উল্টোটা ইঙ্গিত করে। গত দুই ফ্র্যাঞ্চাইজি সিজনে আমি দেখেছি, পাওয়ারপ্লেতে পঞ্চান্নর বেশি রান করা দলগুলোর জয়ের হার প্রায় চুয়ান্ন শতাংশ, অথচ মিডল-ওভারে দুইয়ের কম উইকেট হারানো দলগুলোর জয়ের হার প্রায় একষট্টি শতাংশ। অর্থাৎ ম্যাচ আসলে জেতা হয় সাত থেকে পনেরো ওভারের মধ্যে, যেখানে ধারাভাষ্য সবচেয়ে কম মনোযোগ দেয়। এখানে বিপরীত দৃষ্টিভঙ্গিটা হলো: পাওয়ারপ্লে একটি শোরগোল, মিডল-ওভার একটি প্রক্রিয়া। যে দল মিডল-ওভারে উইকেট বাঁচায় এবং বল রোটেট করে, তারা ডেথ-ওভারে হিট করার অধিকার অর্জন করে। যে দল পাওয়ারপ্লের ষাট রানের নেশায় মিডল-ওভারে অলআউট হয়, তারা সেই অধিকার হারায়। বাজার প্রায়ই এই দুটিকে গুলিয়ে ফেলে এবং পাওয়ারপ্লে-ভিত্তিক ফেবারিট বানায়, যা একটি সিস্টেমেটিক মিসপ্রাইসিং তৈরি করে। এই মিসপ্রাইসিং খোঁজা আমার কাজ, তবে কেবল তারল্য, ক্লোজিং-লাইন ভ্যালু এবং ন্যূনতম নমুনা থাকলে। আমার এই বেসলাইন সবার জন্য খোলা। প্রতিটি লেখার শেষে আমি ছোট একটি পদ্ধতি নোট দিই: নমুনা কত, কোন ভেন্যু, কোন সিজন, আর কোন ভেরিয়েবল বাদ দিয়েছি। পাঠক নিজে সংখ্যাটি যাচাই করতে পারেন। আমি একটি সংখ্যাকে বিশ্বাস করি কেবল তখনই, যখন শান্ত এক মঙ্গলবারে বসে আমি সেটি পুনরুৎপাদন করতে পারি। ক্রিকেটে এই অভ্যাসটি বিরল, কারণ ক্রিকেটের সংস্কৃতি গল্পের, টেবিলের নয়। কিন্তু গল্প মিথ্যা বলতে পারে; টেবিল কম বলে, তবে কম মিথ্যা বলে। তাহলে পরের রাউন্ডে কী দেখবেন? পরের সপ্তাহের ম্যাচগুলোয় পাওয়ারপ্লের স্কোরবোর্ড নয়, মিডল-ওভারে প্রতিটি দলের উইকেট হারানোর হার আর ডেথ-ওভারে তাদের xR দেখুন। যদি কোনো দল পাওয়ারপ্লেতে বড় স্কোর করে, অথচ মিডল-ওভারে ধীরে চলে, তবে বাজারের ফেবারিট তকমাকে সন্দেহ করুন। আর মনে রাখুন—শেষ লাইনটাই বাজার; আমি শুধু দেখি, সেই লাইনটি আমার বেসলাইনের সঙ্গে মিলছে কি না।