ছোট নমুনার ফাঁদ: মৌসুমের মাঝপথে যে সংখ্যাগুলো এখনো সত্য বলেনি

মঙ্গলবার রাতের ম্যাচ শেষ হওয়ার অনেক পরে ডাগআউটের আলো নিভে গেছে, কিন্তু অ্যানালিস্টদের গ্রুপে আলো জ্বলছেই। বিশ বছরের এক ব্যাটার এ মৌসুমে তিন ইনিংসে মোট ৪১টি বল খেলেছেন, স্ট্রাইক রেট ১৮৯-এর আশপাশে। কেউ কেউ লিখে ফেলেছেন — মৌসুমের সেরা আবিষ্কার। আমি সংখ্যাটা তিনবার দেখলাম, তারপর আমার Expected Notes খুলে দিলাম। ছেলেটির নামের পাশে মডেল এখনো সবুজ সংকেত দেয়নি। কারণটা খুব সহজ। ওই ৪১ বলের প্রথম ১৪টি এসেছে এমন এক বোলিং আক্রমণের বিরুদ্ধে, যাদের প্রধান ডেথ বোলার চোটে মাঠের বাইরে ছিলেন। দ্বিতীয় ১৫টি এসেছে দেশের সবচেয়ে ছোট মাঠগুলোর একটিতে, যেখানে ডিপ মিড-উইকেটে বল পাঠানো মানেই চার। তৃতীয় ১২টি এসেছে বৃষ্টিতে ১৬ ওভারে নামিয়ে আনা এক ম্যাচে, যেখানে DLS-এর হিসাব শেষ পর্যন্ত ব্যাটিং দলের পক্ষে গিয়েছিল। Expected Notes খোলার পর ম্যাচটা নিজের সত্য স্বীকার করতে শুরু করল — এখানে কোনো সিদ্ধান্ত নেই, আছে কেবল একগুচ্ছ ঘটনা, তিনটি আলাদা প্রেক্ষাপট একটি সংখ্যায় মিশিয়ে দেওয়া। রেগুলার সিজন একটা অদ্ভুত দ্বন্দ্বের ভেতর দিয়ে চলে। লিগ টেবিল ধৈর্যের পুরস্কার দেয়; দশ দলের লম্বা লিগে কে শিরোপার দিকে এগোচ্ছে সেটা এক রাতের ঝড়ে ঠিক হয় না। কিন্তু ম্যাচ-পরবর্তী আলোচনা, ফ্যান্টাসি লিগের ফিড, স্পনসরদের ড্যাশবোর্ড, নিলামের নোটবুক — সবাই তাৎক্ষণিক রায় চায়। রায়ের চাপ যেখানে সবচেয়ে বেশি, ছোট নমুনার তারিফ সেখানেই সবচেয়ে বেশি। মৌসুমের এই পর্যায়ে আমার কাজটা অদ্ভুত: আমাকে দ্রুত সিদ্ধান্ত দিতে হয়, অথচ যেসব সংখ্যার ওপর ভরসা করে সিদ্ধান্ত দিই, সেগুলোই এখনো পরিণত হয়নি। আমি আমার কাজে সংখ্যা তিন স্তরে ভাগ করি। আউটপুট মেট্রিক — রান, স্ট্রাইক রেট, উইকেট, ইকোনমি। ফেজ মেট্রিক — পাওয়ারপ্লের প্রথম ছয় ওভারের রান রেট, ৭ থেকে ১৫ ওভারের বাউন্ডারি শতাংশ, ১৬ থেকে ২০ ওভারের ডেথ ইকোনমি। মেকানিজম মেট্রিক — ব্যাটের ব্যাকলিফ্টের কোণ, রিলিজ পয়েন্ট, ফুটওয়ার্কের প্রথম ধাপ, বোলারের কাঁধের অবস্থান। ফুটবলে PPDA দিয়ে প্রেসিং মাপা যায়, কারণ প্রেসিং একটা চলমান প্রতিরোধ, যার ভেতর দিয়ে ম্যাচের ছন্দ পড়া যায়। ক্রিকেটে প্রতিটি বল আলাদা ইভেন্ট, তাই একই সংখ্যক ইভেন্টে ক্রিকেটের ভ্যারিয়েন্স ফুটবলের চেয়ে অনেক বেশি। ডট-বল প্রেশার ইনডেক্স PPDA-র নিকটতম সমতুল্য, তবু সেটাও চল্লিশ-পঞ্চাশ বলের নমুনায় অস্থির হয়ে ওঠে। সংখ্যাটা কতটা অস্থির, সেটা নিছক হিসাবেই বেরিয়ে আসে। ৬০ বলে ৮০ রান মানে স্ট্রাইক রেট ১৩৩। পরের দুই বলে দুটি ছক্কা — ৬২ বলে ৯২ রান, স্ট্রাইক রেট ১৪৮। অর্থাৎ দুই বলের কাজ পনেরো পয়েন্টের পার্থক্য তৈরি করে। একই দুই ছক্কা যদি ৬০০ বলের নমুনায় পড়ত, স্ট্রাইক রেট বাড়ত দেড় পয়েন্টেরও কম। আমরা যাকে ফর্ম বলি, তার বড় অংশ আসলে নমুনার আকারের ফাংশন। এই অঙ্কটা জানা থাকলে তরুণ প্রতিভার তিন ইনিংস দেখে রাতারাতি রায় দেওয়ার উৎসাহ সহজেই ঠান্ডা হয়। ফেজ মেট্রিকে সমস্যাটা আরও তীব্র। একজন ব্যাটার পাওয়ারপ্লেতে ৩০টি বল খেলেছেন; সেখানে একবার এজ হয়ে চার হলে স্ট্রাইক রেট লাফ দেয়, একবার মিস করে বোল্ড হলে ধস নামে। একজন ডেথ বোলার ২৪টি বল করেছেন; তার মধ্যে দুটি ইয়র্কার ফসকে গিয়ে চার হলে ইকোনমি ৬ থেকে ১০-এ চলে যায়, অথচ বলগুলোর গুণমানে কোনো পার্থক্য নেই। বোলিংয়ের ক্ষেত্রে ব্যাপারটা আরও নিষ্ঠুর, কারণ উইকেট একটা বিরল ঘটনা। ২৪ বলে দুই উইকেট আর শূন্য উইকেটের পার্থক্য কৌশলগত দক্ষতার চেয়ে অনেক বেশি ক্যাচ-ড্রপ আর এজ-এর উপর নির্ভর করে। ভেন্যু-অ্যাডজাস্টমেন্ট ছাড়া এসব সংখ্যা তুলনাই করা যায় না। একই ১৫০ স্ট্রাইক রেট ছোট মাঠে সহজ, বড় মাঠে কঠিন; শুকনো পিচে কঠিন, শিশিরভেজা চেজে সহজ। আমি যখন কোনো ব্যাটারের সিজন-টু-ডেট দেখি, প্রথমে তিনটি প্রশ্ন করি — ইনিংসগুলো কোন মাঠে হয়েছে, তিনি প্রথমে ব্যাটিং করেছেন না চেজিং করেছেন, আর প্রতিপক্ষের প্রধান ডেথ বোলার মাঠে ছিলেন কি না। এই তিনটি উত্তর না পেলে সংখ্যাটা আমার কাছে ফিল্ডিং রেস্ট্রিকশনের মতোই একটি কাঠামো, সত্য নয়। এরপর আসে ভাগ্যের ফিল্টার। সন্ধ্যার ম্যাচে শিশির নামলে চেজিং দল সুবিধা পায়; এটা দলের দক্ষতা নয়, পরিবেশ। DLS-এ কাটা ম্যাচে নেট রান রেট অসম ওভারে হিসাব হয় — ২০ ওভারে ১৬০ তোলা দল আর ১৬ ওভারে ১৩০ তোলা দল একই স্কেলে মাপা হয় না, অথচ পয়েন্ট টেবিলে দুটোই সমান ওজনে বসে যায়। টাই-ব্রেকিংয়ে এই পক্ষপাত পুরো প্লে-অফ লাইন-আপ বদলে দিতে পারে। DRS-ও একটি ভেরিয়েবল; একটা এলবিডব্লিউ কল পঞ্চাশ-পঞ্চাশ হলে সেটি দশ ওভারের পরিকল্পনা বদলে দেয়। এই জিনিসগুলো মজার গল্পের উপাদান, নির্বাচনের মানদণ্ড নয়। মৌসুমের মাঝপথে আরেকটি ফিল্টার ঢুকে পড়ে — ওয়ার্কলোড। ভ্রমণ, ব্যাক-টু-ব্যাক ম্যাচ, দিনের পর দিন একই বোলিং কোটা। একজন ডেথ বোলার টানা চার ম্যাচে শেষ ওভার করেছেন, তার ইকোনমি বেড়েছে; সেটি দক্ষতার পতন নাও হতে পারে, ক্লান্তি। বিপরীতটাও সত্য: একজন ব্যাটার বিশ্রাম পেয়ে ফিরে এসে দুর্দান্ত ইনিংস খেলেছেন, তার কারণটা টেকনিক নয়, তাজা পা। এই কারণে মৌসুমের এই পর্যায়ে আমি ফিটনেস সিগন্যাল আর টেকনিক সিগন্যাল আলাদা খাতায় রাখি। তিন নম্বর ভুলটা ফরম্যাটের সীমানা পেরোতে গিয়ে হয়। T20-তে ডেথ ওভারের ইকোনমি ODI-র শেষ দশ ওভারে অনুবাদ হয় না; সেখানে বল পুরনো, ফিল্ড ছড়ানো, আর ব্যাটসম্যানের ঝুঁকি নেওয়ার হিসাব সম্পূর্ণ আলাদা। টেস্টে ঘরের গড় আর বাইরের গড় দুটো আলাদা পেশা। একজন স্পিনার ঘরের মাটিতে ২২ গড়ে উইকেট নিতে পারেন, বাইরে একই বোলার ৪০ গড়ে; দুই সংখ্যাই সত্যি, কিন্তু এদের জোড়া দিলে যা তৈরি হয় সেটা সত্য নয়। আমি কখনো ফরম্যাট না মিলিয়ে তুলনা টানি না। বাজার এই সতর্কতাটা মানে না। ২০২৪ সালের ২৪-২৫ নভেম্বর জেদ্দায় অনুষ্ঠিত মেগা নিলামে রিশব পন্ত ২৭ কোটি টাকায় বিক্রি হন — IPL নিলামের ইতিহাসে সর্বোচ্চ মূল্য। দামটা তাঁর প্রতিভার যুক্তিসঙ্গত স্বীকৃতি; সমস্যাটা পদ্ধতির। নিলামের বোর্ড কি তিন মৌসুমের আউটপুট কিনছে, নাকি গত তিন মাসের হাইলাইট? IPL-এ বিরাট কোহলি সর্বকালের সর্বোচ্চ রান সংগ্রাহক — ওই রেকর্ডের ওজন বোঝা যায় দশ মৌসুমের ধারাবাহিকতায়, এক মৌসুমের ফর্মে নয়। জসপ্রিত বুমরাহর ডেথ-ওভার ইকোনমি গুরুত্বপূর্ণ এজন্য নয় যে একটা সংখ্যা বড়, বরং এজন্য যে সেটা মৌসুমের পর মৌসুম প্রায় একই জায়গায় দাঁড়িয়ে থাকে। বাজার এই ধৈর্য ধরতে পারে না; সে সোমবারের স্কোরকার্ড পড়ে মঙ্গলবারের মূল্য ঠিক করে। যে অর্থ লেনদেন নিলামের টেবিলে দেখা যায় না, সেটাই সবচেয়ে কম যাচাই হয়। ফুটবলে ফ্রি এজেন্টকে দেওয়া মোটা সাইনিং-অন ফি ঠিক এই কারণেই বিপজ্জনক। ক্রিকেটে তার সমতুল্য হলো শেষ মুহূর্তের আন-ক্যাপড চুক্তি, রিটেইনমেন্ট ফি আর দলের বাইরের বাণিজ্যিক আয়। স্বচ্ছতা যেখানে কম, সেখানে সিদ্ধান্ত প্রায়ই সংখ্যার বদলে সম্পর্কের ভিত্তিতে হয় — আর সেটি দলের দীর্ঘমেয়াদি হিসাবের সবচেয়ে বড় ক্ষতি। দলীয় নির্বাচনের হিসাবটা আরও বাস্তব। একজন তরুণকে তিন ব্যর্থ ইনিংসের পর বসিয়ে দেওয়া নিরাপদ মনে হয়, সাংবাদিকদের চাপ কমে, কোচের ব্যাখ্যা সহজ হয়। পরিসংখ্যান বলে উল্টোটা — যার প্রকৃত যোগ্যতা আছে, তার রান গড়ের দিকে ফিরে আসে। তিন ইনিংসে বিচার করলে আপনি ভুল ছেলেটিকে বাদ দিচ্ছেন, আর ভুল ছেলেটিকে রাখছেন; দুটো খরচই সমান, শুধু দ্বিতীয়টার হিসাব কেউ রাখে না। এখানেই আমার দ্বিতীয় অবস্থান প্রথমটার বিরুদ্ধে দাঁড়ায়, এবং এটাই সবচেয়ে কাজের কথা। সব ছোট নমুনা আবর্জনা নয়। ২০১৮ সালের রাশিয়া বিশ্বকাপে ফ্রান্স-আর্জেন্টিনা ম্যাচে এমবাপের সাতটি ড্রিবল দেখে আমি বুঝে গিয়েছিলাম এটা কোনো ফ্লুক নয়; কারণ ওই সাতটি ড্রিবলের প্রতিটিতে একই মেকানিজম ছিল — প্রথম টাচেই বল সামনে, ডিফেন্ডারের কাঁধের বাইরে, সোজা লাইনে। ওটা আউটপুট ডেটা ছিল না, মেকানিজম ডেটা ছিল। — Root: 2026 Russia World Cup, France 4-3 Argentina, and the Mbappe Data File. নিয়মটা দাঁড়ায়: ছোট নমুনায় মেকানিজম বিচার করুন, আউটপুট নয়। বাস্তবে বেশিরভাগ বিশ্লেষণ উল্টোটা করে — তিন ইনিংসের স্ট্রাইক রেট দেখে রায় দেয়, ব্যাটসম্যানের পায়ের কাজ দেখে না। আরেকটা কথা যোগ করতে হয়: বেশি ডেটা মানে ভালো ডেটা নয়। একই ধরনের অ্যাডজাস্টহীন আরও হাজার বল যোগ করলে পক্ষপাত কমে না, বাড়ে। কারণ ত্রুটিটা নমুনার আকারে নয়, নকশায়। একটি বড় কিন্তু ভেন্যু-অ্যাডজাস্টহীন ডেটাসেট একটি ছোট কিন্তু সঠিকভাবে স্তরভুক্ত ডেটাসেটের চেয়ে কম বিশ্বাসযোগ্য। পরের রাউন্ডে আমি দুটি জিনিস দেখব। ওই তরুণ ব্যাটার পরের দশ ইনিংসে সুযোগ পান কি না, আর তাঁর সামনে যে বোলিং আক্রমণ আসবে তার মান আগের তিন ইনিংসের চেয়ে ভালো হয় কি না। যদি প্রথমটার উত্তর হয় না, তাহলে মৌসুমের সেরা আবিষ্কারটা আবিষ্কারই থাকল না — পরিসংখ্যানের এক টুকরো কাগজ হয়ে গেল। শেষ প্রশ্নটা সরল: মডেল আগে ঘুরবে, নাকি বাজার? সংখ্যাগুলো কখনোই গল্প ছিল না, ওগুলো ছিল পথের চিহ্ন।