অকশনের দশমিক: ক্রিকেটের মূল্যায়ন মডেল কে অডিট করবে

হুক: ডেস্কে দুই মিনিট, মাঠে দুই মৌসুম

গত বিপিএলের অকশনে একটা নাম ডাকা হলো। বেস প্রাইস ছিল ৩০ লাখ টাকা। ফ্র্যাঞ্চাইজির টেবিলে রাখা ল্যাপটপে চোখ বুলিয়ে দুই মিনিটে দাম উঠে গেল এক কোটি ২০ লাখে। ওই দুই মিনিটে আমাদের ডেটাবেসের ভেতরে যা ঘুরছিল, তা মোটামুটি এই — শেষ দুই মৌসুমে ওপেনিংয়ে স্ট্রাইক রেট ১৩৮, পাওয়ারপ্লেতে বাউন্ডারি-নির্ভরতা ৬৪ শতাংশ, স্পিনারের বিরুদ্ধে সুইপ-শটের সাকসেস রেট ৫২ শতাংশ, এবং চট্টগ্রাম ও সিলেটের ছোট মাঠে গড় স্কোরের তুলনায় তার ব্যক্তিগত স্কোর প্লাস ১৯। মডেল বলল, কিনে নাও। দুই মাস পরে সেই ক্রিকেটার ঘরের মাঠে ছয় ম্যাচে ১৪ গড়ে রান করল, আর গ্রুপ পর্বেই দল বাদ পড়ল।

আমি ওই রাতটা মনে রেখেছি, কারণ সেটা আমার নিজের মডেলের বিরুদ্ধে আমারই দেওয়া প্রথম সাক্ষ্য ছিল। ডেটা মিথ্যা বলেনি — ডেটা শুধু প্রশ্নটা ভুলভাবে ধরেছিল। আমরা ভ্যালু মাপছিলাম ক্রিকেটারের, কিন্তু মাঠটা মাপছিলাম না। সেদিন থেকে আমার নোটবুকে একটা লাইন লেখা আছে, যা আজও অকশনের ফাইলগুলোর ওপর কভার হিসেবে বসানো থাকে।

"I learned a transfer fee is not a number; it is a sentence with a term sheet."

এই লেখাটা সেই বাক্যটার ব্যাকরণ খুঁজতে বসা। ক্রিকেটের অকশন মূল্যায়ন, ম্যাচ মেট্রিক আর ট্রান্সফার মার্কেট — এই তিনটে জিনিসকে একটাই লেজারে বসিয়ে দেখা যায় কি না, এবং যদি যায়, তাহলে লেজারের ওপরে কার সই থাকবে।

প্রেক্ষাপট: স্ট্রাইক রেট থেকে ভ্যালুয়েশন পর্যন্ত যে রাস্তা

ক্রিকেটে ডেটা বিশ্লেষণ কোনো নতুন ধর্ম নয়। ১৯০০-এর দশক থেকেই স্কোরবুক ছিল, প্রথম শ্রেণির ক্রিকেটের আর্কাইভে ইনিংস-বাই-ইনিংস রেকর্ড ছিল, অ্যালম্যানাক ছিল। কিন্তু স্কোরবুক আর ভ্যালুয়েশন মডেলের মধ্যে একটা মৌলিক পার্থক্য আছে, যা আমরা প্রায়ই গুলিয়ে ফেলি। স্কোরবুক ঘটনা বর্ণনা করে। ভ্যালুয়েশন মডেল ঘটনার ভবিষ্যৎ দাম নির্ধারণ করে। প্রথমটা ইতিহাস, দ্বিতীয়টা বাজেট। একটা ভুল ইতিহাস অখ্যাতিতে চলে যায়; একটা ভুল বাজেট ফ্র্যাঞ্চাইজির তিন মৌসুম নষ্ট করে দেয়।

২০১২ সালে যখন বিপিএল শুরু হলো, তখন অকশনের মূল ভিত্তি ছিল বেশ সরল — জাতীয় দলের হয়ে কত ম্যাচ খেলেছে, গড় কত, স্ট্রাইক রেট কত। ২০১৫-১৬ থেকে ছবিটা বদলাতে শুরু করল, কারণ ফ্র্যাঞ্চাইজি লিগগুলো বুঝতে পারল যে ওপেনার আর ফিনিশারকে একই স্ট্রাইক রেট দিয়ে মাপা যায় না। একজন ২০ বলে ৩০ করে অপরাজিত থাকেন, আরেকজন ১২ বলে ৩০ করে আউট হয়ে যান। দুজনের স্ট্রাইক রেট ১৫০, কিন্তু দুজনের কাজ এক নয়।

২০১৮ সালটা আমার নিজের কাজের ধরন বদলে দিয়েছিল। ওই বছর রাশিয়া বিশ্বকাপে আমি ৬৪ ম্যাচের জন্য একটা স্ট্যান্ডার্ডাইজড এক্সপেক্টেড গোল (xG) মডেল বানিয়েছিলাম। ফাইনালে ফ্রান্স ৪-২ গোলে ক্রোয়েশিয়াকে হারাল, কিন্তু মডেল বলল ফ্রান্সের xG ছিল মাত্র ১.৯। অর্থাৎ স্কোরলাইন আর আন্ডারলাইং পারফরম্যান্স আলাদা দুটো জিনিস। ম্যাচ শেষ হওয়ার ৩০ মিনিটের মধ্যে শট-ম্যাপসহ রিপোর্ট ছাপা হলো, এবং আমার সম্পাদক বুঝে গেলেন যে ডেটা-ফার্স্ট ড্রাফট ধরে রাখলে গল্পটা শেষে বসিয়ে দিলেও চলে।

"I standardized xG because match reports needed a spine, not a sermon."

ফুটবলের ওই অভিজ্ঞতা ক্রিকেটে সরাসরি বসানো যায় না, এটা আমি প্রথম দিনেই জেনেছি। ক্রিকেটে বল প্রতি ইভেন্টের সংখ্যা অনেক বেশি, ডেলিভারিগুলো নন-ইনডিপেনডেন্ট (একটা বলের ফল পরের বলের সিদ্ধান্ত প্রভাবিত করে), আর আউট হওয়ার ঘটনাটা নিয়ন্ত্রণের বাইরে — একজন ব্যাটার ভালো শট খেলেও ক্যাচ হয়ে ফিরতে পারেন। ক্রিকেটে কোন ব্যাটসম্যান রান করেছেন সেটা রেকর্ড, কিন্তু কোন ব্যাটসম্যান রান করানোর সম্ভাবনা তৈরি করেছিলেন সেটা মডেল। এই দুইয়ের ফারাকটাই আজকের অকশন বাজারের কেন্দ্রীয় সমস্যা।

ফ্র্যাঞ্চাইজি ক্রিকেটের অর্থনীতি বদলেছে আরও একটা কারণে। এখন এক মৌসুমে একজন ক্রিকেটার একাধিক লিগে খেলেন — বিপিএল, আইপিএল, আইএলটি২০, এসএ২০, দ্য হান্ড্রেড, লঙ্কা প্রিমিয়ার লিগ। ফলে কোথায় কী পারফর্ম করলেন, কোন উইকেটে, কোন কন্ডিশনে, কোন বলের বিরুদ্ধে — এই প্রসঙ্গগুলো ছাড়া একটাই স্ট্রাইক রেট সংখ্যা অর্থহীন। ২০২০ সালে যখন কোভিড-১৯-এর কারণে স্টেডিয়াম খালি হয়ে গেল, তখন আমি বুন্দেসলিগা, কে-লিগ আর প্রিমিয়ার লিগের ৩০৬ ম্যাচ জড়ো করে দেখলাম, ঘরের দলের জয়ের হার ৪৩ শতাংশ থেকে নেমে ৩৩ শতাংশে এসেছে, ঘরের দলের গড় গোল ১.৫২ থেকে ১.২১ হয়েছে।

"After the crowd left, I recalibrated: silence is a variable, not an absence."

ক্রিকেটে এর অনুরূপ ভেরিয়েবলগুলো হলো শিশির (dew), বাতাস, স্টেডিয়ামের আকার, পিচের বয়স, এবং দ্বিতীয় ইনিংসে ব্যাটিং করার গাণিতিক অসুবিধা। কিন্তু আমাদের বেশিরভাগ অকশন মডেল আজও ওই ভেরিয়েবলগুলোকে মডেলের বাইরে রাখে, কারণ সেগুলো মাপা কঠিন। যেটা মাপা কঠিন, সেটা বাদ দেওয়া আর সেটা না থাকা — দুটো এক জিনিস নয়। এখানেই আমাদের পেশার সবচেয়ে বড় স্বীকারোক্তি লুকিয়ে আছে।

মূল বিশ্লেষণ: একটা ভ্যালুয়েশন মডেলেরInপুট তালিকা

প্রথম ধাপ — মেট্রিকের সংজ্ঞা না লিখে দাম লেখা যায় না

আমি যখন কোনো ক্রিকেটারের ভ্যালুয়েশন প্রোফাইল বানাই, প্রথম কাজটা মেট্রিকের সংজ্ঞা লিখে ফেলা। এটাকে অনেকে অতিরিক্ত সতর্কতা মনে করেন। আমার কাছে এটি বাধ্যতামূলক প্রোটোকল, কারণ ক্রিকেটে একই নামের মেট্রিক দুই জায়গায় দুই রকম মানে দাঁড়ায়।

ধরা যাক, স্ট্রাইক রেট। আইসিসি'র অফিসিয়াল স্ট্রাইক রেট = (মোট রান ÷ মোট বল) × ১০০। এই সূত্রে নিজের আউট হওয়াটা গণনায় ঢোকে না। ফলে একজন ৩০ বলে ৪০ করা ফিনিশার আর ৩০ বলে ৪০ করা অ্যাংকর ব্যাটসম্যানের স্ট্রাইক রেট একই — অথচ প্রথমজন দলকে দুই ওভার বাঁচিয়ে দিলেন, দ্বিতীয়জন দলকে ওভার খরচ করালেন।

তাই আমি নিজের লেজারে তিনটা আলাদা কলাম রাখি:

• অ্যাংকর রেট: ইনিংসে তিনি কত শতাংশ বল মুখোমুখি হয়ে শেষ দুই ওভারে পৌঁছেছেন।
• বাউন্ডারি-নির্ভরতা: তার মোট রানের কতটা চার-ছয়ে এসেছে। ৭০ শতাংশের ওপরে গেলে পিচ ধীর হলে ঝুঁকি বাড়ে।
• কনটেস্টেড বলের হিসাব: ডট বলের মধ্যে কতগুলো তিনি ডিফেন্স করেছিলেন, আর কতগুলো মিস করেছিলেন।

তৃতীয় কলামটা আমার সবচেয়ে প্রিয়, কারণ এটা দিয়ে আন্দাজ করা যায় ভাগ্য কতটা, দক্ষতা কতটা। একজন ব্যাটসম্যান যদি ডট বলের ৮০ শতাংশ ডিফেন্সে কাটান, তার স্ট্রাইক রেট কম দেখানোর পেছনে হয়তো দলের নির্দেশ আছে। কিন্তু ডট বলের ৮০ শতাংশ যদি মিস হয়, তাহলে দলের নির্দেশ নেই — দক্ষতার ঘাটতি আছে।

দ্বিতীয় ধাপ — বোলারের মূল্যায়নে যেখানে সবাই থামে

বোলারদের মূল্যায়নে গড় আর ইকোনমি রেট দুইটাই অপর্যাপ্ত, এবং এর কারণটা গাণিতিক। একজন বোলারের গড় = মোট রান ÷ উইকেট। কিন্তু টি-টোয়েন্টিতে একজন বোলার যদি ৪ ওভারে ২৪ রান দিয়ে ০ উইকেট নেন, তার গড় শূন্য বা অসীম — কোনটাই সঠিক উত্তর নয়। অথচ ওই ২৪ রান দিয়ে তিনি হয়তো ম্যাচ জিতিয়ে দিয়েছেন।

আমি বোলারদের জন্য চারটা ভাগে দায়িত্ব ভাগ করি:

• পাওয়ারপ্লে স্পেল (ওভার ১-৬): এখানে ইকোনমি ৭.৫-এর নিচে রাখা মানে প্রতি ম্যাচে সাড়ে তিন রানের সাশ্রয়।
• মিডল ফেজ (ওভার ৭-১৫): মাভেরিক স্পেল। এখানে ইকোনমির চেয়ে ডট বলের হার বেশি দামি।
• ডেথ স্পেল (ওভার ১৬-২০): এখানে প্রতি ওভারে ৩টি করে বাউন্ডারি দেওয়া বাজেটের মধ্যে পড়ে।
• উইকেট-টেকিং বল: কতটা বল তিনি সচেতনভাবে ঝুঁকিপূর্ণ ফিল্ড, স্লোয়ার-বল, বা ব্রড ইয়র্কারে রেখেছেন।

একটা উদাহরণ দিই। চলতি দশকে বাংলাদেশের হয়ে যিনি সবচেয়ে বেশি জরুরি ওভার বোলিং করেছেন, তার পরিসংখ্যানে ডেথ-ওভারে ইকোনমি রেট কখনো ম্যাচ-জেতানো স্পেলের কথা বলে না, কারণ তিনি প্রায়ই চোট নিয়ে বোলিং করতেন। ২০১৯ সালে একটি বা দুটি দলীয় সেশনেই কলকাতায় আমার সেলে তিনি বসেছিলেন, আর আমি দেখেছি তার কাফের উপর বরফ বাঁধা আছে, কিন্তু তিনি সাংবাদিকদের বলেছেন 'শতভাগ ফিট'। তখন আমি বলেছিলাম যে ম্যানেজমেন্ট একটা স্কোয়াড-সিদ্ধান্তকে চিকিৎসাগত বিবৃতি দিয়ে ঢাকছে। আজও আমি মনে করি, লোড ম্যানেজমেন্ট শব্দটা ভালোবাসার, কিন্তু তার ভেতরে অনেক সময় বাণিজ্যিক সফরের হিসাব লুকিয়ে থাকে।

তৃতীয় ধাপ — ভ্যালুয়েশন ফর্মুলা এবং তার তিনটি ইনপুট

এখন আসি অকশনের দামে। আমার লেজারে একটি প্লেয়ার-ভ্যালুয়েশন স্কোর আছে, যার নাম আমি দিয়েছি আরভিএস (অ্যাডজাস্টেড রান ভ্যালু স্কোর)। এটা কোনো সার্বজনীন সূত্র নয়, এটা আমার ডেস্কের নিজস্ব মাপকাঠি, এবং এটা সংখ্যায় প্রকাশ করার কারণ একটাই — বিনিময়যোগ্যতা তৈরি করা।

মোটামুটি ইনপুটগুলো এই ধরনের:

1. অবদান হার: ফিনিশার হিসেবে প্রতি ইনিংসে প্রত্যাশিত রানের তুলনায় কত বেশি রান যোগ করেছেন। এই ইনপুটে ম্যাচ-ফেজ (বল ১৬-২০) আলাদা ওজন পায়।
2. সাংস্কৃতিক প্রমাণ: শুধু সিনিয়র ক্রিকেট নয়, এইচপি বা এ-টিমের ম্যাচও এই যোগফলে ঢোকে, কারণ ফ্র্যাঞ্চাইজি অকশনে ফিরতি খেলোয়াড়েরা দর কষাকষিতে বড় ভূমিকা রাখ।
3. কন্ডিশন-সংবেদনশীলতা: এই ভেরিয়েবলটা অভিজ্ঞতার চেয়ে বেশি কাজে দেয়। যদি কোনো স্পিনারের ঘরের পিচে টার্ন ৩.২ ডিগ্রি আর বাইরের পিচে ২.১ ডিগ্রি হয়, তাহলে তার অ্যাওয়ে ওয়াইড-লাইন রেট আলাদা করে মাপতে হয়।
4. মাঠ-কন্ডিশনিং ডেল্টা: আমি ব্যবহার করি একটি সহজ সূচক — একই গোলে (একই স্টেডিয়াম) সিখদম দুই দলের স্কোরের গড় ভারসাম্যজনক স্কোর থেকে কত দূরে। সিলেট ও চট্টগ্রামের ছোট গোলমালের প্রভাব অন্যান্য মাঠের তুলনায় অন্যরকম।

এই চারটা ইনপুট একসাথে করে যা হয়, তা যেকোনো একক স্ট্রাইক রেটের চেয়ে অনেক বেশি বাস্তবসম্মত। কিন্তু এখানেও একটা সীমা আছে। কোনো মডেল যা বাদ দেয়, সেটা যদি হয় তার সবচেয়ে বড় ফ্যাক্টর, তাহলে মডেলটা ভয়ংকর রকম আত্মবিশ্বাসী হয়ে ওঠে।

চতুর্থ ধাপ — একটি বেসলাইন টেবিল, না থাকলে তুলনা হয় না

টেবিলটা মনে রাখা দরকার ছাপার ভাষায়। আমি নিচের দিকে দশকের দলীয় চিত্রটা এমনভাবে লিখে রাখি (প্রতিটি সংখ্যা অভ্যন্তরীণ ডাটাবেস থেকে নেওয়া, আর এখানে সংখ্যাগুলো কল্পনার সাহায্যে বর্ণনা করা হলো না — বরং কী মাপি সেটা দেখানো হচ্ছে):

| ব্লক | বেসলাইন | শিল্প-গড় থেকে বিচ্যুতি | সিদ্ধান্ত | |---|---|---|---| | পাওয়ারপ্লে (১-৬) | রান রেট ৭.৮ | +০.৪ = ভালো | রিটেইন | | মিডল (৭-১৫) | রান/ওভার ৭.১ | -০.৩ = দুর্বল | রিজেক্ট | | ডেথ (১৬-২০) | রান/ওভার ১০.৪ | +১.২ = এক্সেলেন্ট | প্রায়োরিটি | | স্পিন ওভার (৭-১৫) | ইকোনমি ৬.৫ | ফেভারেবল ম্যাচ-আপ | কন্ডিশন বেইজড |

এই টেবিলটা আমি প্রতি আসরে আপডেট করি, কিন্তু কলামগুলো মোটামুটি একই থাকে। বেসলাইন ছাড়া কোনো তুলনা টিকে থাকে না। এবং এই জায়গাতেই আমাদের পেশার সবচেয়ে বড় নৈতিক দায়িত্ব।

পঞ্চম ধাপ — তিনটি কেস, তিন রকম শিক্ষা

কেস ওয়ান: প্রথম কেসের ক্রিকেটার।

এই ক্রিকেটারের কাছে আমাদের মডেল একটা বড় দিল, আমরা টেবিলের কলামগুলো ব্যাখ্যা করে ফেলেছিলাম ঠিকই, কিন্তু কন্ডিশনের সবচেয়ে বড় ভেরিয়েবলটা ব্যাখ্যা করতে পারিনি — তার স্কিল ছিল বাউন্ডারি-নির্ভর, আর সেটা ছোট গোলের ম্লান আলোয় কাজ করে, বড় গোলের ওয়াইড লাইনে করে না। পরের আসরে তিনি ৩৫০ প্লাস রান করেছিলেন, কিন্তু তার ভ্যালু দিয়েছিল অন্য ফ্র্যাঞ্চাইজি, আমাদের দল নয়। এখান থেকে শিক্ষা: ফিচার ভেক্টর যত ভালো, বাউন্ডারি-নির্ভরতার তথ্য ছাড়া সেটা অসম্পূর্ণ।

কেস টু: প্রত্যাখ্যাত কিশোর।

একজন অনূর্ধ্ব-১৯ ক্রিকেটার আমাদের মডেলে বেস প্রাইসের নিচে ছিলেন, কারণ তার ডেটা ছিল মাত্র ১২ ম্যাচের। সীমিত নমুনায় আমরা অপেক্ষা নীতি নিয়েছিলাম। ছয় মাস পরে যুব বিশ্বকাপে সেই ছেলেটি ফাইনালে দুর্দান্ত ইনিংস খেলে সবাইকে চমকে দেন। মডেল অসফল হলো না, মডেল আগেই সতর্কবাণী দিয়েছিল sample size ছোট। কিন্তু আমরা যদি তার এ-টিমও সেটে যোগ করতাম, হয়তো ছবিটা স্পষ্ট হতো। এখান থেকে শিক্ষা: সম্পূর্ণতার চেয়ে সততা গুরুত্বপূর্ণ, কিন্তু সততা মানে অলসতা নয়।

কেস তিন: শতভাগ নির্ভরযোগ্য বোলার।

তৃতীয় এই ক্রিকেটার ছিলেন স্ট্রাইক রেটের মডেলের সবচেয়ে ছোট সংখ্যা। কিন্তু তিনি ছিলেন দলীয় নিয়ন্ত্রণের কেন্দ্র। আমরা তার ভ্যালুকে একটা আলাদা ফ্রেমে (কন্ট্রোল ভ্যালুর ফ্রেমে) বসিয়েছিলাম এবং তাকে ধরে রেখেছিলাম। পরের আসরে তিনি সেরা ইকোনমি বোলার ছিলেন। এখান থেকে শিক্ষা: যেটা মাপা যায় না, সেটা অদৃশ্য হয়ে যায় না; সেটা বরং অনিশ্চয়তার সবচেয়ে বড় অংশ।

বিপরীত কোণ: পারস্পরিক সম্পর্ক মানেই কারণ নয়

এখন আমার নিজের কাজের সবচেয়ে অপ্রিয় অংশটা লিখতে হবে।

আমাদের অকশন ডেস্কে একটা চর্চা আছে যে, যার স্ট্রাইক রেট বেশি, তার দাম বেশি। এই চর্চাটা পরিসংখ্যানগতভাবে সত্য — পারস্পরিক সম্পর্ক (correlation) আছে। কিন্তু পারস্পরিক সম্পর্ক মানেই কারণ নয়। দাম বাড়ার পেছনের কারণটা স্ট্রাইক রেট নয়, কারণটা হলো ফ্র্যাঞ্চাইজির নিজের সংকট।

একটা উদাহরণ দিই। ধরুন পাঁচটা দল টপ-অর্ডারে দুর্বল। তারা একই চাহিদার জায়গা থেকে দর কষাকষি করছেন। ফলে ৪২ স্ট্রাইক রেট ওয়ালা দুইজনকে বাজারে যে দাম দেওয়া হবে, সেটা তার ক্ষমতার মূল্য নয়, চাহিদার মূল্য। বাজারে সাপ্লাই-ডিমান্ডের ভাষায় এটাকে বলে 'স্কারসিটি প্রিমিয়াম'। প্রয়োজন বেশি, যোগ্য ফিনিশার কম — দাম বেড়ে যায়।

তাহলে প্রশ্নটা এই: বাজারে যা দেখা যাচ্ছে আর খেলোয়াড়ের যা আছে, এই দুইয়ের বিয়োগফল কত?

আমার লেজারে এই বিয়োগফলটার একটা নাম আছে, 'বায়াস ডেলা'। এই নামটা খুব সম্ভবত আমার বিকাশের সবচেয়ে শক্তিশালী ধারণা। কারণ প্রতিটি অকশনের পরে যদি আপনি এই ডেলাটা মাপেন, আপনি দেখবেন কোন ক্লাব অতিরিক্ত দাম দিয়েছে — এবং সেটা তার কৌশলগত শূন্যতা লুকানোর জন্য, নাকি আসলে তার ম্যাচ-প্ল্যানের অংশ।

আরও একটা স্তর আছে। অকশন মডেলগুলো প্রায়শই ভুল করে কারণ তারা আউটের কারণকে ভুল দায়ী করে। একজন ফিনিশার আউট হন গভীর শট মিস করে, অথচ অকশনের টেবিলে দেখা যায় তার আউটগুলো হয়েছে স্লোয়ার-বল থেকে। আসল কারণ শটের টাইমিং, স্লোয়ার-বল কেবল উপলক্ষ্য। মডেল যদি উপলক্ষ্য ধরেন, তিনি টেকনিক ধরেন না, তাহলে সেই খেলোয়াড় পরের ম্যাচেই ব্যর্থ হবেন।

ক্রিকেটে আরেকটা স্তর আছে যা ফুটবলে নেই: শিশির ওয়ালা রাত। দ্বিতীয় ইনিংসে ব্যাটিং করা দলকে দুই ধরনের সহায়তা পায় — শিশিরে বল দ্রুত আসে, গোলে বল স্লাইড করে; আবার শিশিরে বল গ্রিপ করে না, স্পিনার কম কাজ করেন। বেঙ্গালুরুতে ২০১৬ টি-টোয়েন্টি বিশ্বকাপের কিছু আসরে এই দ্বৈত প্রভাবটা স্পষ্ট দেখা গেছে। আমরা যেহেতু এই ভেরিয়েবলটি মাপি না, আমাদের মডেল সেটার পক্ষপাতিত্ব করে বলে ম্যাচটা মাঝেমধ্যে ম্লান হয়ে যায়।

আমি এখানে একটা স্পষ্ট সিদ্ধান্তে আসতে চাই, যেটা আমার জন্ম দশকের ক্রিকেট-সংস্কৃতির চেয়ে আলাদা: প্রি-ম্যাচ প্রেডিকশনের চেয়ে পোস্ট-ম্যাচ অডিট কম নাটকীয়, কিন্তু বেশি সত্যবাদী। ফ্র্যাঞ্চাইজির কাজ নাটক বিক্রি করা। মডেলের কাজ নাটকের ভারসাম্য রাখা। এই দুই কাজ যদি এক জায়গায় রাখা হয়, সিদ্ধান্তটা সবসময় নাটকের পক্ষে যায়।

আরও দুটো স্তর: চাহিদার মূল্য বনাম প্রত্যাশার মূল্য, এবং নির্বাচিত না হওয়াটাও একটা সংখ্যা

অকশনের দিন-রাতে সবচেয়ে বড় যে ভুলটা হয়, সেটা হলো প্রত্যাশার মূল্য আর চাহিদার মূল্য গুলিয়ে ফেলা। প্রত্যাশার মূল্য আসে মাঠের পারফরম্যান্স থেকে; চাহিদার মূল্য আসে মার্কেটের শূন্যতা থেকে। একটা বাজার যদি চারটা বাঁহাতি ফিনিশার চায়, চারটির মধ্যে সবচেয়ে দুর্বলটিও উপরের দাম পাবে। এটা তার অর্জন নয়, এটা তার সংখ্যার সুবিধা।

আমি এটা একটা সরল হিসাব দিয়ে মাপি: উপলভ্য ফিনিশারের সংখ্যা ভাগ চাহিদার সংখ্যা। এই সংখ্যা একের নিচে নামলে দাম বাড়ে, একের ওপরে উঠলে দাম কমে। এই একটা সূচক জানলে ছয়টা ঘণ্টার অকশন সেশন কেটে ফেলা যায়।

আরেকটা জিনিস যা আমরা মাপি না, অথচ প্রতিটি অকশনে ঘটে: নির্বাচিত না হওয়ার সিদ্ধান্ত। আমরা কেবল লিখি কাকে নিলাম। কিন্তু মডেলের সাফল্য মাপতে গেলে প্রশ্ন করতে হয়, কেন ABC-কে না নিয়ে XYZ-কে নিলাম। যদি কোনো দল ১২ জন স্পিনারের মধ্যে ৮ জনকে বাদ দেয়, তাহলে বাদ দেওয়ার সবচেয়ে বড় কারণ কী — শারীরিক সক্ষমতা, নাকি স্কোয়াডের সংখ্যা? এই কারণটা লিখে না রাখলে পরের আসরে আমরা ভুল থেকে শিখতে পারব না।

একইভাবে, আমরা দলীয় ভারসাম্যের চেয়ে বড় সীমাবদ্ধতা হিসেবে ধরি টিম কম্পোজিশনাল বাধ্যবাধকতা। একটা দল যদি চারজন ব্যাটসম্যান ওপেনার হিসেবে নেয়, তার পঞ্চম ব্যাটসম্যান যতই ভালো পারফরম্যান্স থাকুন, দল তাঁকে নিতে চাইবে না। এটা মূল্যায়ন মডেলের জন্য আদর্শ সমস্যা না — এটা মূল্যায়ন মডেলের বাইরের সমস্যা। আমার পরামর্শ— এই ধরনের তথ্য ভ্যালুয়েশন স্কোরের সাথে লিখে রাখুন, দামের সাথে নয়।

ভ্যালুয়েশন বনাম জীবনী: একটা বাক্যের তহবিল

আমি যখন প্রথম ট্রান্সফার মার্কেটে কাজ শুরু করি, তখন হিসাবটা ছিল সরল — কে ভালো খেলেছে, কে খারাপ খেলেছে। ২০১৮ সালে রাশিয়ার সেই অভিজ্ঞতার পরে আমি বুঝেছিলাম, ভালো খেলা আর ভালো বাজারদর দুটো ভিন্ন জিনিস। কাতারে যখন এনজো ফার্নান্দেস উত্থান ঘটালেন এবং তার দর বাড়ল, আমি দেখলাম একজন ফুটবলার কীভাবে এক সপ্তাহে ফুটবল জগতের পরিসংখ্যানের তালিকায় উঠে এলেন। এখানে ভ্যালুয়েশন আগে, জীবনী পরে, আর সাবধানবাণী সবার শেষে। এই ধাঁচটা আমি ক্রিকেটেও দেখেছি।

"When Enzo rose in Qatar, I watched a valuation become a biography."

ক্রিকেটে এর সবচেয়ে স্পষ্ট উদাহরণ হলো অনূর্ধ্ব-১৯ বিশ্বকাপ। একটা টুর্নামেন্ট, চার-পাঁচটা ম্যাচ, আর সেখান থেকে একটা প্রজন্মের দাম নির্ধারিত হয়ে যায়। কারণটা কেবল পারফরম্যান্স নয়, কারণটা দৃশ্যমানতার অর্থনীতি — প্রতিটি বড় টিভি দর্শক আর প্রতিটি সোশ্যাল মিডিয়া ভিডিও ক্লিপ তার মূল্যায়নে যোগ করে। আমি যদি কেবল স্কোরকার্ড দেখি, আমি দামের পিছনের এই দৃশ্যমানতা একবারেই মাপতে পারব না। সেজন্যই আমি লেজারে একটা আলাদা কলাম রাখি, নাম দিয়েছি 'দৃশ্যমানতা ওজন'। এটা কোনো ভালো-মন্দ বিচার নয়, এটা স্রেফ একটা ভেরিয়েবল। যিনি নিউট্রাল ফ্যানের কাছেও ছবি থাকেন, অকশনের টেবিলে তার দাম এক ধাপ উপরে থাকে।

এই বিষয়টা আমাদের পেশার নৈতিক দিকটাও ডাকে। যদি ভ্যালুয়েশন জীবনী তৈরি করে, তাহলে আমরা কেবল হিসাবরক্ষক নই, আমরা গল্পকারও। জন্মের পরের সংস্করণে আমরা লিখেছি 'ডেটা-স্টোরিটেলার'। কিন্তু সংস্করণটা কেবল একটা সংখ্যা নির্ণয়ের কাজ, নীতির বিচার নয়। প্রশ্নটা হলো, গল্প বলার সময় আমরা কার কথা বলছি।

টেকঅ্যাওয়ে: পরের আসরের জন্য তিনটি সংকেত

প্রথম সংকেতটা অকশনের দিনের জন্য নয়, তার আগের মাসের জন্য। প্রতিটি ফ্র্যাঞ্চাইজির উচিত নিজের স্কোয়াডের একটা 'বায়াস ডেলা' বের করা — কোন জায়গায় তারা অতিরিক্ত দাম দেয়, কোন জায়গায় কম দাম পায়। এই রিপোর্টটা যদি অকশনের আগে সবার সামনে রাখা হয়, অকশনের গতি বদলাবে, কারণ এটি নিজের দুর্বলতার অজুহাতগুলো কেটে দেয়।

দ্বিতীয় সংকেতটা নিজের জন্য। আমার মডেলে আমি একটা কন্ডিশন যোগ করেছি, নাম দিয়েছি 'সেট-স্টেজ ডেটা ডিসিপ্লিন'। এর মানে — যদি কোনো ক্রিকেটারের একটি মৌসুমে খেলা MATCH-এর সংখ্যা ৩০-এর নিচে নামে, তবে তার ইনজুরি-সংক্রান্ত লগ অন্তত স্তর ৯ (সর্বোচ্চ) থেকে স্তর ৪-এ নামবে, অর্থাৎ অনিশ্চয়তা স্বীকার করা হবে। কারণ ফ্র্যাঞ্চাইজি অকশনে সবচেয়ে বড় প্রতারণাটা ঘটে না ভুল মূল্যায়নে, ঘটে সূত্রের অজ্ঞাতনাম কেসে।

তৃতীয় সংকেতটা পাঠকের জন্য। যখনই কোনো সংখ্যা দেখবেন — কারও ভ্যালুয়েশন, কারও স্ট্রাইক রেট, কারও পার্সি — নিজেকে প্রশ্ন করুন: ইনপুটটা কী ছিল, কে হিসাব করেছে, আর কোন তথ্য বাদ দেওয়া হয়েছে। এই তিনটি প্রশ্ন করতে জানলে আপনি কোনো খেলোয়াড়ের অন্ধ ভক্ত নন, আপনি তার হিসাবের অংশীদার।

আমি একটা দশক ধরে মাঠের মাটিতে ভর করে লেখা সংকলন তৈরি করেছি। আমার লেখায় কখনো কেবল কুশলী থাকেনি, কারিগরও থাকেনি — দুটোই থাকত। আসলে ক্রিকেটের সবচেয়ে সুন্দর সত্য হলো, এই খেলাটি এমনভাবে বানানো যেন মনে হয় রেকর্ড আর মানবতার মাঝখানে একটা গোপন কোড। আমার একমাত্র কাজ সেই কোডটি খুঁজে বলা, বাকিগুলো আপনার।

"I stopped chasing the market when I realized I should audit its story."

পরের বিপিএল অকশনে খেলোয়াড়দের দাম আবার বাড়বে, ফ্র্যাঞ্চাইজির ভুলও আবার হবে, মানুষ একই আন্দাজে বিরাজ করে। কিন্তু এবার অন্তত আমরা জানি কোন পরিবর্তনটা আমরা মাপিনি। জানাটাই কাজটার শুরু।

আরও একটা স্তর: ক্রিকেটে ডেটার তিনজনের কথা

এই বয়সে এসে আমি প্রায়ই একটা কথা বলি — ক্রিকেটের ডেটা বিশ্লেষণ আসলে তিনজনের মধ্যে চলে। প্রথমজন ক্রিকেটার, যিনি ভাবেন পরিসংখ্যান তার আয়নার মতো, তাকে সবসময় সত্য বলবে। দ্বিতীয়জন সম্পাদক, যিনি মনে করেন পরিসংখ্যান গল্পের পিঠে বসানো একটা লেবেল। তৃতীয়জন দর্শক, যিনি এখনো জানেন না যে তার প্রিয় খেলোয়াড়ের গড়ের পিছনে ছয়টি আলাদা সংজ্ঞা লুকিয়ে আছে। আমার কাজ হলো প্রথমজনের বিভ্রম, দ্বিতীয়জনের অলসতা, আর তৃতীয়জনের অজ্ঞতা — এই তিনটার মাঝখানে দাঁড়িয়ে একটা সেতু বানানো। সেতুটা খুব চওড়া নয়। কিন্তু সেতুটা নড়ে না।

ছোট গল্প: চাঁদের আলোর নিচে একটা সেশন

২০১০ সালে ইংল্যান্ড বাংলাদেশ সফরে এসেছিল। ঢাকার নেটে আমি অপেশাদার বাঁ-হাত স্পিনার হিসেবে কয়েকটা বল করেছিলাম, এবং কেভিন পিটারসেন ব্যাট করছিলেন। সেই সেশনের সবচেয়ে বড় শিক্ষাটা ছিল জ্যামিতির — তিনি প্রথম কয়েকটা বল মিস করেননি, তিনি পরের বলের জন্য অপেক্ষা করছিলেন। অর্থাৎ ব্যাটসম্যান শুধু বল দেখে না, সিকোয়েন্স দেখে। পরিসংখ্যানের দারিদ্র্য হলো এটাই, প্রতিটি বলকে আজকের ডেটাপয়েন্ট ভাবলে আমরা পরের বলের সম্ভাবনাগুলো ভুলে যাই। সেই রাত থেকে আমি বলের প্রতি হিসাবে বরং _বল-প্রতি সম্ভাবনা_ রাখতে শুরু করলাম।

আরও একটা স্তর: ম্যাচ থ্রেডে দশটা ধাপ

যেহেতু আমার পেশার মূল ধরন ম্যাচ থ্রেড, একটা ম্যাচ চলার সময় আমি হাতে হাতে যে দশটা জিনিস নোট করি, সেগুলো এখানে গুছিয়ে বলি, কারণ এই দশটাই আমার ভ্যালুয়েশন ফাইলের কাঁচামাল।

এক. প্রথম ওভারে কে বল পেলেন — অভিজ্ঞরা নাকি তরুণরা? প্রথম ওভারটি হল ম্যাচের সবচেয়ে সস্তা তথ্য, কারণ একে বলা হয় 'এই ম্যাচে কী হবে'র প্রিভিউ।

দুই. পাওয়ারপ্লেতে ডট বলের হার। টি-টোয়েন্টিতে পাওয়ারপ্লের ডট বলই সবচেয়ে ব্যয়বহুল সম্পদ, কারণ সেটা পেছনের ওভারের শটকে বাধ্য করে।

তিন. ওভার ৭-১০-এ কে বল করছেন। এই চার ওভারটি হলো ম্যাচের মেরুদণ্ড — যদি ৪০ রান পড়ে, ম্যাচ দুই দিকেই যেতে পারে।

চার. ইনিংসের ১২তম ওভারে ক্যাপ্টেনের সিদ্ধান্ত। তিনি যদি কাউন্টার-অ্যাটাক করেন, অর্থাৎ স্পিনার নিয়ে আসেন, তাহলে বাইরে থেকে বোঝা যায় তিনি কতটা পরিসংখ্যানের ওপর ভরসা করছেন।

পাঁচ. ডেথে ব্রেড-অ্যান্ড-বাটার দায়িত্ব। কে নিচ্ছেন ৩টি গুরুত্বপূর্ণ ওভার — এই তালিকা থেকেই বোঝা যায় কে আসলে দলের মূল সম্পদ, যার দাম অকশনে সবচেয়ে বেশি হলে সেটা ন্যায্য।

ছয়. ফিল্ডিং প্লেসমেন্টে ভাঙন। যদি ইনিংসের ১৬তম ওভারে ফাইন লেগ উঁচুতে যায়, এবং পরের বলে বাউন্ডারি হয়, তাহলে এটা তথ্য — বোলারের পরিকল্পনা বদলেছে।

সাত. শিশিরের হিসাব। আমার লজে একটি বাল্বের হিসাব থাকে, 'ডিউ কনসিস্টেনসি স্কোর'। দ্বিতীয় ইনিংসে যদি এই স্কোর ০.৫-এর কম হয়, আমি প্রথম ইনিংসের স্কোরের ওজন ১০ শতাংশ কমিয়ে দিই।

আট. আম্পায়ারের ওপর স্থান নির্ভর ভ্যারিয়েশন। কোনো আম্পায়ার ম্যাচে একই জায়গায় LBW দেন, অন্য কোথাও দেন না। এটা বোলার-নির্দিষ্ট সম্ভাবনার হিসাবে ঢোকে।

নয়. শেষ ৩ ওভারে বলের তালিকা। স্পিন, স্লোয়ার, ইয়র্কার, স্পিন-ফুলার — এই মিশ্রণটাই ভ্যালুয়েশনের সবচেয়ে দামি তথ্য।

দশ. ম্যাচশেষে কে কতটা চাপের মধ্যে ছিলেন। পোস্ট-ম্যাচে আমরা বলি 'স্ট্রাইক রেট ১৩০', কিন্তু গোলে কে কতটা চাপে ছিলেন, সেটা আর লিখি না।

এই দশটা ধাপ আমার ম্যাচ থ্রেডে টুইট আকারে বেরিয়ে যায়। কিন্তু সেগুলোর পেছনে এই লেখাটার পুরো কাঠামোটা থাকে — ভ্যালুয়েশন মডেল, ঋণযোগ্য সংখ্যা, আর সততার একটা চুক্তি।

শেষ কথা: একটা চেকলিস্ট, একটা সাক্ষী

আমি যদি পরের মৌসুমে অকশনে গিয়ে একটি নাম শুনি এবং পাঁচ মিনিটের মধ্যে একটা দাম বানাতে হয়, আমি এই তিনটি প্রশ্নের সাক্ষীর সামনে দাঁড়াব:

প্রথমত, ম্যাথের সামগ্রিকতার চেয়ে সেটা কতটা প্রাসঙ্গিক? দ্বিতীয়ত, প্রসঙ্গের ভেতরে আমি কোনটা মাপিনি, এবং সেটা কত বড় প্রভাব ফেলতে পারে? তৃতীয়ত, এই দামটা শিক্ষা দেয় — খেলোয়াড়ের সম্পর্কে, নাকি আমার সম্পর্কে?

একটা কৌতুক দিয়ে শেষ করি, যেটা আমি নিজের বিপিএল টেবিলে প্রতিবার লিখি — 'ডেটা নিষ্ঠুর নয়, ডেটা সৎ। নিষ্ঠুরতা সিদ্ধান্তে, তথ্যে নয়।' খেলোয়াড়ের কী হবে সেটা আমরা জানব না। কিন্তু আমরা জানতে পারি আমরা কী জানি না। জানাটা মেধার শুরু, আর জানানোটাই লেজারের কাজ। এই লেখাটা সেই লেজারের একটা পাতা, যার ওপরে হয়তো ফ্র্যাঞ্চাইজির অফিসের কেউ সই করবেন না, হয়তো করবেন। যিনি না করেন, তিনি অকশনে ़ाों হাজার হারাবেন। যিনি করেন, তিনি একবার ঠকবেন, তারপর কখনো না।