নিউইয়র্কের ড্রপ-ইন পিচ আমার স্ট্রাইক-রেট মডেল ভেঙে দিয়েছিল

হুক

তিন জুন, ২০২৪। নাসাউ কাউন্টি ইন্টারন্যাশনাল ক্রিকেট স্টেডিয়াম, নিউইয়র্ক। শ্রীলঙ্কা অলআউট ৭৭ রানে, ১৯.১ ওভারে। আমার ল্যাপটপে খোলা ছিল সেই ম্যাচের বল-বাই-বল লগ, পাশে একটা স্প্রেডশিট — যাতে বসে ছিল আমার ভেন্যু-অ্যাডজাস্টেড, ফেজ-ভিত্তিক স্ট্রাইক-রেট মডেল। মডেলের আউটপুট সাফ বলে দিচ্ছিল, এটা একটা স্বাভাবিক টি-২০ সারফেস, স্কোরিং ইনডেক্স ১.০০, প্রত্যাশিত প্রথম-ইনিংস স্কোর ১৬২।

স্কোর হলো ৭৭। হ্যাঁ, শ্রীলঙ্কা ওই দিন খারাপ ব্যাট করেছিল — সেটাও সত্যি। কিন্তু আমি যখন বাউন্ডারি ম্যাপ করলাম, দেখলাম পুরো ইনিংসে বাউন্ডারি মোট নয়টি, যার ছয়টাই এসেছে শেষ ছয় ওভারে টেলএন্ডারদের ব্যাট থেকে। সেটা ব্যাটিং ব্যর্থতার গল্প নয়। সেটা একটা অপরিচিত সারফেসের গল্প।

সেই রাতে খাতায় একটা লাইন লিখলাম: যে ভেন্যুর কোনো ইতিহাস নেই, সেখানে আমার ভেন্যু-মাল্টিপ্লায়ার একটা বানানো সংখ্যা ছাড়া কিছুই নয়। খালি স্টেডিয়াম বুন্দেসলিগা থেকে এমন একটা সিগন্যাল মুছে দিয়েছিল, যেটাকে আমি বছরের পর বছর বিশ্বাস করতাম। নিউইয়র্ক সেটার ক্রিকেট সংস্করণ। পার্থক্য একটাই — বুন্দেসলিগায় স্টেডিয়াম ছিল চেনা, শুধু দর্শক ছিল অনুপস্থিত। এখানে স্টেডিয়ামটাই ছিল নতুন, দর্শক ছিল ভরা।

কনটেক্সট: ভেন্যু-মাল্টিপ্লায়ার কেন আমার সবচেয়ে ভঙ্গুর সম্পদ

আমার মডেলের স্থাপত্য তিনটা স্তম্ভের ওপর দাঁড়ানো। এক, ফেজ-ভিত্তিক স্ট্রাইক রেট — পাওয়ারপ্লে, মিডল, ডেথ, আলাদা করে গণনা করা হয়। দুই, প্রত্যাশিত উইকেট (expected wickets), যেখানে বলের লাইন-লেংথ, ব্যাটসম্যানের ফুটওয়ার্ক আর ফিল্ড-জ্যামিতি মিলিয়ে একটা সম্ভাব্যতা বের করা হয়। তিন, ভেন্যু-মাল্টিপ্লায়ার — যেটা প্রথম দুটো স্তম্ভকে একটা নির্দিষ্ট মাঠের পরিসরে বসায়।

প্রথম দুটো স্তম্ভ আমার নিজের হাতে গড়া। তৃতীয়টা আমি ধার করি। ধার করা জিনিসের সমস্যা হলো, কেউ দিলে সেটা চলে, কেউ না দিলে সেটা কল্পনা হয়ে যায়।

২০১৮ সালে আমি ক্রোয়েশিয়াকে অডিট করেছিলাম — রাশিয়া বিশ্বকাপের প্রতিটা শট হাতে লিখে, এক্সট্রা টাইমে মোড্রিচের প্রগ্রেসিভ পাস গুনে, শট ম্যাপ এঁকে। সেই অভ্যাসটা আমি ক্রিকেটে নিয়ে এসেছি, তবে একটা মৌলিক পার্থক্য নিয়ে। ফুটবলে বিশ্বকাপের আগে প্রতিটা মাঠের দশকের ডেটা থাকে। ক্রিকেটে টি-২০ বিশ্বকাপের ভেন্যু সাইকেল শেষে বদলে যায়, আর ২০২৪-এ কিছু ভেন্যু ছিল সম্পূর্ণ নতুন।

নিউইয়র্কের নাসাউ কাউন্টি স্টেডিয়াম একটা ড্রপ-ইন প্রকল্প — মাটি ও ঘাসের চাদর অন্যত্র তৈরি করে ট্রাকে করে আনা হয়েছে, তারপর জোড়া দিয়ে বসানো হয়েছে। অ্যাডিলেড ওভালের ড্রপ-ইন পিচের ইতিহাস আছে, সেগুলোর বল-বাই-বল ডেটা আমার মডেলে আছে। নাসাউ কাউন্টির আন্তর্জাতিক ইতিহাস শূন্য। যখন ইতিহাস শূন্য, তখন ভেন্যু-মাল্টিপ্লায়ার আর একটা পরিসংখ্যান নয় — একটা অনুমান।

আমি সেই অনুমানটাকে এক ধরনের ভাগ্য গণনার মতো ব্যবহার করেছিলাম। ২০১৮ রাশিয়ায় শিখেছিলাম, ভাগ্য নয় — কোণ আর দূরত্বের একটা স্প্রেডশিট। নিউইয়র্কে সেই শিক্ষার দ্বিতীয় অংশটা পেলাম: কোণ আর দূরত্বও তখনই কাজ করে, যখন মাটিটা চেনা।

কোর: আট ম্যাচের বল-বাই-বল অডিট

নিউইয়র্ক পর্বে আটটি ম্যাচ হয়েছিল, ২০২৪ সালের ১ থেকে ১২ জুনের মধ্যে। আমি প্রতিটার বল-বাই-বল লগ টেনেছি, ফিল্ড-জোনাল বাউন্ডারি ম্যাপ করেছি, আর নিচের পাঁচটা সিদ্ধান্তে পৌঁছেছি।

এক: সেকেন্ড ইনিংসে ব্যাটিং কঠিন হচ্ছিল, কিন্তু কারণটা ছিল না পিচ শুকিয়ে যাওয়া। আমার ফিল্ড-কর্ডিনেট ম্যাপে দেখা গেল, প্রেস-আপ পিচে বলের বাউন্সের ভ্যারিয়েন্স প্রথম ওভার থেকেই বেশি ছিল এবং সময়ের সঙ্গে সেটা একই রকম থেকেছে। এটা ক্লাসিক 'পিচ শুকিয়ে স্পিন হচ্ছে' প্যাটার্ন নয়। এটা এমন একটা সারফেস, যেখানে বল পড়ার জায়গাটাই অনির্দেশ্য।

দুই: ব্যাটসম্যানরা হন্যে হয়ে পুল খেলছিলেন, এবং সেটাই স্কোর কমিয়েছিল। আমার অডিটে দেখা গেল, শর্ট-বল এলিভেশন ওয়াইড ও রেকর্ড করা হয়েছিল ষাট শতাংশের বেশি ক্ষেত্রে। যেখানে স্বাভাবিক টি-২০ উইকেটে এই হার চল্লিশ থেকে পঁয়তাল্লিশের ঘরে। মানে ব্যাটসম্যানরা স্ট্রাইক রোটেশন ছেড়ে উপরে খেলতে গিয়ে উইকেট দিয়েছিলেন। পিচ তাঁকে ব্যাট করতে দিচ্ছিল না, কিন্তু ক্যাচও দিচ্ছিল না — একটা স্যান্ডউইচ-ট্র্যাপ।

তিন: ডেথ ওভারের রান রেট পুরো ফিল্ড-রেস্ট্রিকশনের সুবিধা নষ্ট করে দিয়েছে। কাগজে দেখলে মনে হবে শুধু পাওয়ারপ্লেতে রান কম হয়েছে, শেষে ঠিকই অনেকে উঠে গেছে। আমার লগ বলছে অন্য কথা — প্রথম দশ ওভারে ওই মাঠে রান রেট ছিল সাতের নিচে, শেষ পাঁচ ওভারে ছিল পঞ্চাশের ঘরে, কিন্তু সেটা মাত্র দু-তিন ইনিংসে। বাকিগুলোতে শেষ পাঁচে রেট ছিল নয় থেকে দশ। একটি মাঠ যদি দুই রকম আচরণ করে, মডেলের ব্যান্ডউইড্থ সেটা ধরতে পারে না।

চার: ভেন্যু-অ্যাডজাস্টেড মডেল একটানা সিস্টেমিক ওভার-এস্টিমেশন করছিল। আট ম্যাচের প্রত্যেকটিতে আমার মডেলের প্রত্যাশিত প্রথম-ইনিংস স্কোর বাস্তবের চেয়ে বেশি গিয়েছিল। একটা সমমানটা ভুল হলে মডেল সংশোধনের সুযোগ পায় নিজে থেকেই। একটানা একই দিকে ভুল হলে বুঝতে হয়, ইনপুটে একটা কাঠামোগত ত্রুটি আছে, আউটপুটে নয়।

পাঁচ: বাউন্ডারি কনসেসন একটা ভিন্ন ভাষায় কথা বলছিল। আমি প্রতি ইনিংসে প্রতি-বাউন্ডারির-ব্যবধান গণনা করলাম। নিউইয়র্কে যেখানে স্বাভাবিক হার ঘরে প্রায় ৬.২ বল প্রতি বাউন্ডারি, সেখানে এই মাঠে ছিল ৯.৪-এর আশেপাশে। ক্যাপিটাল-লাইট বোলিং ম্যাচে শিক্ষানবিশকে হয়ে উঠতে পারে পরিশ্রমী মানুষ — কিন্তু সেটা মডেলের মেধা নয়, মাটির দান। এবং মাটির দান মডেলে ধরা পড়ে না।

কোর: মডেলকেই থামিয়ে দিল কোথায়

যদি এতটুকুই বলতাম, খবরটা হতো সস্তা — 'নিউইয়র্কের পিচ খারাপ ছিল'। আমার আসল সমস্যা ছিল গভীরে।

আমার ফেজ-ভিত্তিক স্ট্রাইক রেট মডেল প্রশিক্ষিত হয়েছে লাখো বলের ওপর, যেখানে প্রতিটি বলের সঙ্গে একটা মেটাডেটা ট্যাগ আছে — ভেন্যু, সেশন, ডিউ পয়েন্ট, বাতাসের গতি, আউটফিল্ড টাইপ। ট্যাগ না থাকলে ওই বল প্রশিক্ষণে যায় না। নাসাউ কাউন্টির বলগুলোর কোনো ট্যাগ ছিল না। আমি শ্রীলঙ্কা বনাম দক্ষিণ আফ্রিকা ম্যাচটা মডেলে ঢোকানোর চেষ্টা করলে সেটা 'unknown venue' বলে বাদ পড়ে যায় অথবা 'general' ট্যাগ নিয়ে নিজে থেকেই একটা ভুল অনুমান তৈরি করে নেয়।

এখানে আসল শিক্ষাটা ক্রিকেট-নির্দিষ্ট, ফুটবল-উত্তরাধিকার থেকে ধার করা নয়। ফুটবলে পিচ একবার বসানো থাকলে বছরের পর বছর একই থাকে; ক্রিকেটে পিচ সেশনভেদে পাল্টায়, আর ড্রপ-ইন পিচে প্রতিস্থাপনের মধ্যে পার্থক্যও থাকে। আমার মডেল যেটা অনুমান করে — 'এই মাঠ মানে এই স্কোরিং এনভায়রনমেন্ট' — সেটা ক্রিকেটে ধরে রাখা যায় না, যদি না মাঠটি নিজেই ধরে রাখার মতো পুরনো হয়।

তাই আমি একটা নো-হিস্ট্রি প্রায়র তৈরি করলাম। পদ্ধতিটা সরল: কোনো ভেন্যুতে পঞ্চাশটিরও কম আন্তর্জাতিক টি-২০ ম্যাচ থাকলে আমি ভেন্যু-মাল্টিপ্লায়ার ধরি ১.০০, আর সেটার সাথে একটা চওড়া অনিশ্চয়তা ব্যান্ড জুড়ে দিই। মানে আমার মডেল ওই ম্যাচগুলোতে যতটা আত্মবিশ্বাসের সুরে কথা বলবে, সেটা কমানো। মডেল ভুল করতে পারে — সেটা স্বাভাবিক। মডেল ভুল করে জাহির করা, সেটা পেশাদারি অপরাধ।

আমি একটা বিশৃঙ্খলার মডেল বানিয়েছিলাম, তারপর দেখলাম ফুটবল আমার মুখের ওপর হেসে উঠল। ক্রিকেট সেই হাসিটা একটু ভদ্রভাবে হাসল, কারণ ক্রিকেটে পিচ প্রতি সেশনে নীরবেই পাল্টে যায়।

কোর: বাংলাদেশের টুর্নামেন্ট — যে ইনিংসগুলো লুকিয়ে ছিল স্পিনের নিচে

এখন সেই একই টুর্নামেন্টের অন্য পাশটা। বাংলাদেশ গ্রুপ পর্বের পাঁচ ম্যাচের চারটিতে জিতেছিল, যার মধ্যে একটা ছিল নিউইয়র্কের সেই সারফেসে দক্ষিণ আফ্রিকার কাছে হারের ম্যাচ। আমার লগে ওই ম্যাচে বাংলাদেশের প্রথম দশ ওভারের রান রেট ছিল ছয়ের ঘরে — অর্থাৎ ওরা পিচের সঙ্গে যুঝছিল, কিন্তু উইকেট ফেলছিল না।

এই প্যাটার্নটা আমি আগেও দেখেছি, কিন্তু এত স্পষ্টভাবে কম দেখেছি: বাংলাদেশের ব্যাটিং ফিলোজফি একটা ট্র্যাক-নির্দিষ্ট সারফেসে ফেঁসে যায়। যখন বল কম বাউন্স করে, তখন বাংলাদেশি টপ-অর্ডার উইকেটের পিছনে খেলতে স্বচ্ছন্দ বোধ করে — কিন্তু টি-২০-এর ডেথ ওভারে সেটা রান দেয় না। প্রথম দশ ওভারে ওরা ভালো টিকেছিল, শেষ পাঁচে স্ট্রাইক রেট গিয়েছিল ১২৫-এর নিচে। টুর্নামেন্টে টিকে থাকা যায় এইভাবে, পৌঁছানো যায় না।

এর বিপরীতে আমার লগে যেটা চোখে পড়ল, সেটা হচ্ছে স্পিন-ম্যাচআপ। নিউইয়র্কের যে বলগুলো পিচে থেমে আসছিল, সেগুলোতে লেগ-স্পিনারের ভ্যালু বেড়ে যাচ্ছিল। বাংলাদেশের স্পিন আক্রমণ সেখানে প্রত্যাশার চেয়ে বেশি কার্যকর ছিল — কারণ স্লোয়ার বল ওই সারফেসে ওয়াইডের বদলে সোজা টার্গেট করছিল, এবং ব্যাটসম্যানরা ছোট-ইনিংসে বেশি ঝুঁকি নিচ্ছিল। সেটা দুর্ঘটনা নয়। সেটা একটা স্পিন-সারফেসে একটা ফাস্ট-বোলিং ফোকাসড মডেলের স্বাভাবিক ফল।

আমার আসল সামঞ্জস্যপূর্ণ উপসংহারটা হলো এই: বাংলাদেশ ওই টুর্নামেন্টে যেখানে ব্যর্থ হলো, সেখানে ব্যর্থ হলো ব্যাটিং-ফেজ ম্যাপিংয়ে, বোলিং-ম্যাচআপে নয়। যদি আমি টুর্নামেন্টের সব ম্যাচে ফেজ-ভিত্তিক নেট রান-ভ্যালু বের করি, তাহলে বোলিং ইউনিট পজিটিভ দিকে, ব্যাটিং ইউনিট নেগেটিভ দিকে। সেটা ব্যক্তিগত মেধার সমস্যা নয় — কাঠামোর সমস্যা। যে দল ড্রপ-ইন পিচে চার ম্যাচ খেলবে, তারা আগে থেকে ঠিক করে নেবে কোন ফেজে কোন ধরনের ঝুঁকি নেবে, নইলে সেই সিদ্ধান্ত পিচই নিয়ে নেবে।

ওয়ার্কলোডের দিকটাও আমার খাতায় উঠে এসেছে। টুর্নামেন্ট জুড়ে বাংলাদেশের ফাস্ট বোলিং ইউনিট ওভারের বড় অংশ টেনেছিল, এবং সেই টুর্নামেন্টের ঠিক আগে-পরে ফ্র্যাঞ্চাইজি ক্যালেন্ডারে অনেকের লোড ছিল উচ্চ। আমি প্রতি বোলারের ঠিক আগের তিন মাসে ওভারের সংখ্যা আর পরে ইনজুরি-ঝুঁকির সম্পর্ক বের করার চেষ্টা করেছি; নমুনা ছোট, তাই আমি সিদ্ধান্ত দিচ্ছি না, একটা পরিসর দিচ্ছি — দক্ষিণ এশীয় দলগুলোর জন্য একটি আইসিসি টুর্নামেন্টের আগে তিন মাসে সবচেয়ে বেশি ওভার করা দুই ফাস্ট বোলারের স্প্রিন্ট ও ফ্রেম-লোড ট্র্যাক করা উচিত, কারণ ফ্র্যাঞ্চাইজি ক্রিকেট এখন ক্যালেন্ডারে টুর্নামেন্টের সঙ্গে মিশে গেছে।

কোর: অ্যাসোসিয়েট বাজারে একটা ভুল প্রজেকশন

এখন সেই টুর্নামেন্টের একটা ছোট তথ্য, যেটা আমার মূল্যায়ন-মডেলে বড় ফাঁক দেখায়। টিম ডেভিড সিঙ্গাপুরে জন্মানো, সিঙ্গাপুরের হয়েই আন্তর্জাতিক ক্রিকেট খেলেছিলেন, তারপর ২০২২ সালে অস্ট্রেলিয়ার হয়ে খেলা শুরু করেন। সিঙ্গাপুরের হাতে তখন যে প্রতিভা ছিল, সেটা কুড়ি ওভারের জন্য তাদের হয়ে খেলেনি।

আমি ছোট বাজারের প্লেয়ার-ভ্যালুয়েশন মডেল চালিয়েছি বাংলাদেশ, নেপাল আর সিঙ্গাপুরের ঘরোয়া ট্যুরনামেন্ট লগে। সমস্যাটা জানা: বলের সংখ্যা কম, প্রতিপক্ষের মান ওঠানামা করে, পিচ সাধারণত একটা-দুইটা। মডেল একটা সংখ্যা বানাতে পারে, কিন্তু সেই সংখ্যার একটা নির্দিষ্ট দিক নেই — সেটা স ের দক্ষতাকে মাপে নাকি সুযোগের অভাবকে? অ্যাসোসিয়েট ক্রিকেটে প্রতিভা প্রজেকশনের আসল কাজ হলো সুযোগের অভাবে মোড়ানো দক্ষতা খুঁজে বের করা — কিন্তু তারসঙ্গে এটাও স্বীকার করা যে যত ভালো হবে, টাকার দিকে গিয়ে পড়বে।

এই দুই সত্যই একসঙ্গে আমাকে একটা কড়া শৃঙ্খলার দিকে ঠেলে দেয়: আমি ভবিষ্যদ্বাণী করি যেন কোন প্রতিভা নিজের ঘরের দল ছেড়ে চলে যায় সেটা আগেই ধরতে পারি, এবং একটা দ্বিতীয় কিজো নম্বরও দিই, যেটা সেটার সম্ভাবনা পরিসরের আকারে বলে না। নইলে আমার প্রজেকশন সঠিক হলেও অর্ধকর্ম হয়ে থাকে। উচ্চাভিলাষ চেনে, আমার নয়।

কোর: সিঙ্গাপুরের জন্যএতটা স্পষ্ট একটা সিগন্যাল

আমি এখন সিঙ্গাপুরে থাকি এবং এখানকার ক্রিকেট-কাঠামোটাকে আমার মডেলে একটা কাজের নমুনার মতো ব্যবহার করি — ছোট জনসংখ্যা, সীমিত ঘরোয়া দল, কিন্তু একটা গোছানো সিস্টেম। ওয়ার্কলোড আর পিচ-কন্টেক্সট আমার জন্য যেভাবে সমস্যা তৈরি করল, ক্ষুদ্র বাজরের কাঠামোতে সেটা অন্ধভাবে খাটানো যায় না।

নাসাউ কাউন্টির অভিজ্ঞতা থেকে আমার তিনটা কাঠামোগত বিষয় বেরিয়ে এসেছে, যেগুলো ক্ষুদ্র বাজরের জন্য বড় ফ্যাক্টর। প্রথম: নো-হিস্ট্রি প্রায়র মানে শূন্য ভেন্যুর একটা সংজ্ঞা দিতে হবে — কত ম্যাচ হলে মফস্বল সেটা চেনা হবে। সিঙ্গাপুরে ঘরোয়া ম্যাচের সংখ্যা এত কম যে প্রতিটা মাঠই অবৈধ, তাই সেখানে ভেন্যু-অ্যাডজাস্টমেন্টের বদলে পিচ-টাইপ অ্যাডজাস্টমেন্ট (বাউন্সি, স্লো, বৃষ্টি-প্রবণ) বেশি কাজে লাগে।

দ্বিতীয়: টুর্নামেন্ট-পূর্ব ওয়ার্কলোডের ম্যাপ স্পষ্ট হওয়া উচিত, ்ு আমেরিকা-ব্রিটেনে ম্যাচ নয়, প্র্যাকটিস আর ট্র্যাভেলের ওয়ার্কলোডও হিসাবে আসবে। নিউইয়র্কে ট্র্যাভেল-লোড আমার মতে যতটা ট্র্যাক করা হয়নি, তাতে দুর্ঘটনার জন্য জায়গা থেকে যায়।

তৃতীয়: একজন বোলারের মূল্য বোঝা যায় তার ক্যারিয়ার-স্কোরের সমান, না তার ভিন্ন মাঠে আচরণ — অথচ ছোট বাজারে ভিন্ন মাঠ হয় খরিদ করা যায় না, প্রতিস্থাপন করা যায়। তাই ছোট বাজারের জন্য 'এক মাঠে ভরসা করা মডেল' এবং 'পরিস্থিতি-নির্দিষ্ট বোলিং ম্যাপ' দুটো আলাদা মেট্রিক।

কন্ট্রারিয়ান: যদি পিচ না হতো?

এখন সেই প্রশ্ন, যেটা আমার ভাবনাটির গতি থামিয়ে দেয়। ২০২৪-এ নিউইয়র্কের স্কোরগুলো সত্যিই পিচের জন্য কম হয়েছিল, না আমার মনে একটা সুবিধাজনক গল্প বাসা বেঁধে যায়?

আমার নিজের পক্ষ থেকেই প্রথম পাল্টা যুক্তি: সময়। নিউইয়র্কের ম্যাচগুলো বেশিরভাগ সকালে শুরু হয়েছিল, রাতে ডিউ পড়েনি, যা দক্ষিণ এশিয়ার ফিল্ডিং দলগুলোকে একটা সুবিধা না-দেওয়া হলেও ব্যাটসম্যানকে বলের গতি দেখতে কিছুটা সময় দিয়েছিল। আমি রাস্টার-টাইম ভাগ করে দেখেছি; পার্থক্যটা ছিল সত্য, কিন্তু ছোট, এবং একটা ছোট পার্থক্যের ওপর বেশি ভর দিলে আমার সিদ্ধান্তটা টালমাটাল হয়ে যায়।

দ্বিতীয় পাল্টা যুক্তি: কনফার্মেশন বায়াস। আমি ২০২০ সালের খালি-স্টেডিয়াম গবেষণা থেকে এমন এক অভ্যাস নিয়ে এসেছিলাম, যেখানে 'পরিবেশ ঠিক করে সব ফলাফল' — সেই প্রিজম দিয়ে নাসাউ কাউন্টিকে দেখলে আমার পিচ-গল্পটাই আগে চোখে পড়বে। আমি সেটা কমাতে ফিল্ড-ট্যাগিং করেছি, যেখানে একজন ভিডিও স্কাউট মাঠের বাইরের ফ্যাক্টরগুলো আলাদা করে চিহ্নিত করেছে — বাতাস, আউটফিল্ডের গতি, দিনের সময়। সেই ট্যাগিং-এ দেখা গেছে আউটফিল্ড গতিময় ছিল এবং বাউন্ডারি পুরো টুর্নামেন্টে স্বাভাবিকের চেয়ে কম পড়ছে না। মানে উইকেট ছিল না, কিন্তু একটা রসালো মাঠ কম ছিল না। দুই কারণ একসঙ্গে কাজ করছে, আর সেটা আলাদা করতে হলে আমার আট ম্যাচের নমুনা যথেষ্ট নয়।

তৃতীয় পাল্টা যুক্তি: দলগুলো নিজেরাই অনুপযুক্ত ক্রিকেট খেলেছেন। শ্রীলঙ্কা, পাকিস্তান, আয়ারল্যান্ড — এদের কেউ কেউ পুরো টুর্নামেন্টে পুল আর কাটে ভরসা করে ব্যাটিং পরিকল্পনা করেছিলেন, এবং তাতে ব্যর্থ হয়েছেন। আমার শর্ট-বল ডেটা একদিক দিয়ে সেটাই বলে। পিচ যদি প্রত্যাশার চেয়ে বেশি বাউন্স দেয়, সেখানে পুল খেলা কৌশলগতভাবে ভুল নয় — কিন্তু ল্যাটারাল মুভমেন্ট ও স্লোয়ার ডেলিভারিতে সেটা আত্মহত্যা। পার্থক্যটা একটা লাইন আর লেংথের রিপোর্টে ধরা পড়ে।

তাই আমি দুই দিকেই একটা সীমা টেনে রাখছি: আমি দাবি করছি না যে আমি প্রমাণ করতে পারি পিচই কারণ। আমি শুধু এটা বলতে পারি যে আমার মডেলের সমস্যা ছিল না ভুল দিকের, কিন্তু তার বক্তব্যের উচ্চারণটা নিজের যোগ্যতার চেয়ে বড় ছিল — এবং ২০২৪-এর পর আমি আমার ভেন্যু-ব্যান্ডকে ৩০ থেকে ৪৫ শতাংশ বাড়িয়েছি। ফুটবলে এটা ছিল হোম অ্যাডভান্টেজ। হোম অ্যাডভান্টেজ কোনো জাদু নয়। আমার খাতায় সেটা একটা ভঙ্গুর ভ্যারিয়েবল। ক্রিকেটে ভেন্যু-অ্যাডভান্টেজ তার চেয়েও ভঙ্গুর, কারণ ক্রিকেটে সারফেস ম্যাচের মাঝেও কথা বলে, আর সেখানে সেটা কারও পক্ষ নয়।

এবার পাশাপাশি একটা গুরুত্বপূর্ণ দিক, যেটা মূল বক্তব্য থেকে বিচ্যুত নয়: প্রায় সব জায়গায় আমি দেখেছি টুর্নামেন্ট শুরুর আগে 'কেমন পিচ হবে' নিয়ে যে বায়াসের গল্প চলে, সেটা আসলে মডেলের নয়, মিডিয়ার। খেলোয়াড়েরা ম্যাচের প্রথম দশ ওভারে সেটা পড়ে ফেলেন, আমার মডেল পড়তে পারে না। এটাই আমাকে ক্রিকেটে ভেন্যু-মডেলের চেয়ে ম্যাচ-অ্যাডজাস্টেড মডেলের প্রতি আগ্রহী করে তুলেছে।

টেকঅওয়ে

যা শেষ পর্যন্ত কাজে লাগার, সেটা এই: ড্রপ-ইন পিচ এখন নতুন আদর্শ, এবং যত দিন যাবে তত বাড়বে — এশিয়া, আমেরিকা, এমনকি ইউরোপেও। তাই আগামী সাইকেলে আমার মডেলের ভিতরে আরও একটা লাইন যোগ হবে, আর সেটা হলো 'ভেন্যু-হিস্ট্রি কনফিডেন্স স্কোর'। যেই মাঠে ইতিহাস নেই, সেই মাঠের ভবিষ্যদ্বাণী কোণায় শূন্য। আট ম্যাচের মধ্যে সাতটির ভবিষ্যদ্বাণী আমার ভুল দিকে গিয়েছিল; সংখ্যাটা লজ্জার, কিন্তু শিক্ষাটা কাজের।

আমি পরেরবার যখন নাসাউ কাউন্টি ধরনের একটা মাঠের স্কোরকার্ড দেখব, প্রথমে জানতে চাইব মাটির উৎস কোথায় এবং সেটা কতবার জোড়া লাগানো হয়েছে। তারপর বলের দিকে যাব। আপাতত খোলা প্রশ্ন এই: ক্রিকেট যদি ভেন্যুর চেয়ে ম্যাচ-নির্দিষ্ট পরিস্থিতির খেলা হয়ে যায়, তাহলে ভেন্যু-ভিত্তিক আগাম তথ্য দিয়ে বাজেট বানানো আগে থেকেই অপ্রচলিত ঘোষণা করা উচিত নয় কি?