পাওয়ারপ্লের ছায়া: এশিয়ার কন্ডিশনে বাংলাদেশের ফেজ-মডেল কী বলে, আর কী বলে না

গত বছর মিরপুরের একটি সন্ধ্যায় স্কোরবোর্ডের একটি সংখ্যা আমাকে থামিয়ে দেয়। আমার নিজের ডেটাসেটে ২০২৪ টি-টোয়েন্টি বিশ্বকাপের সুপার এইট পর্বে বাংলাদেশের পাওয়ারপ্লে রান রেট ৬.৪২; একই ডেটাসেটে টুর্নামেন্টের সামগ্রিক পাওয়ারপ্লে গড় ৭.৮৯। কিন্তু গল্পটা এখানেই থামে না। ৭ থেকে ১১ ওভারের মধ্যে ওদের ডট-বলের অনুপাত ৪৮ শতাংশে ওঠে, অথচ ১৬ থেকে ২০ ওভারে স্ট্রাইক রেট হঠাৎ ১৪৮-এ পৌঁছায়। দলটি শুরুতে ধীর, মাঝে স্থবির, শেষে বিস্ফোরক। এর পেছনে ব্যাটিং-প্রতিভার চেয়ে বড় ভূমিকা রাখে ফেজ-বিন্যাস — আর ফেজ-বিন্যাস মাপা যায়। আমি ২০২২ থেকে ২০২৫ সালের মধ্যে এশিয়ার কন্ডিশনে খেলা ৪২টি টি-টোয়েন্টির বল-বাই-বল ডেটা জমিয়েছি — মিরপুর, চট্টগ্রাম, সিলেট, শারজা, দুবাই, কলম্বো, ক্যান্ডি এবং কয়েকটি নিরপেক্ষ ভেন্যু। প্রতিটি ইনিংসকে তিন ফেজে ভাগ করেছি: পাওয়ারপ্লে (১–৬ ওভার), মিডল (৭–১৫) এবং ডেথ (১৬–২০)। প্রতিটি ফেজে চারটি চলক মাপি — রান রেট, বাউন্ডারি শতাংশ, ডট-বল শতাংশ, এবং একটি উইকেট পড়ার পরবর্তী ছয় বলে রান রেট, যাকে আমি রিকভারি রেট বলি। এই চারটি চলক মিলে যা তৈরি হয়, সেটাই ফেজ-প্রগ্রেশন ইনডেক্স। আমি এই মডেলটি বিপিএ-র জন্য নিজে বানিয়েছি, কারণ বাংলাদেশ প্রিমিয়ার লিগের নিজের পরিমাপক থাকা উচিত — ইউরোপীয় লিগের থ্রেশহোল্ড ধার করে নয়। কিন্তু সীমাবদ্ধতাও স্পষ্ট করে বলি। ঘরোয়া ক্রিকেটের জন্য বল-ট্র্যাকিং ডেটা নেই; তাই আমি কেবল স্কোরকার্ড-উদ্ভূত চলক ব্যবহার করেছি। শারজার পিচ আর ক্যান্ডির পিচ এক নয়, ডিউ ফ্যাক্টর আলাদা, আর ডাকওয়ার্থ-লুইসে কাটা ইনিংসগুলো আমি আলাদা করে চিহ্নিত করেছি। এটাই আমার মডেলের সংস্করণ v0.১ — প্রতিটি সূত্র দুবার যাচাই করে তবেই প্রকাশ করি, কারণ প্রক্রিয়াটি যে কেউ আবার চালাতে পারবে, সেটাই আসল কথা। যে বিষয়টি আমার মডেলে সবচেয়ে স্পষ্ট, সেটি হলো বাংলাদেশের ইনিংসের মাঝখানের ওই নীরবতা। ৭ থেকে ১১ ওভারে দলটির স্ট্রাইক রেট ১১২-এর আশেপাশে থাকে, অথচ একই সময়ে বিরোধী দলগুলো এশিয়ার কন্ডিশনে ১২৮ থেকে ১৩৫-এ ব্যাট করে। অর্থাৎ পাওয়ারপ্লের ধীর গতি একা দোষী নয়। আসল ক্ষতি হয় তখন, যখন পাওয়ারপ্লে থেকে পাওয়া ভিত্তির উপর চাপ না বাড়িয়ে দলটি সেটল হয়ে যায়, আর বল ছেড়ে দেওয়ার অভ্যাস তৈরি হয়। আরও নির্দিষ্ট করে বলি। আমার ডেটাসেটে পাওয়ারপ্লেতে দুই বা তার বেশি উইকেট পড়লে বাংলাদেশের ইনিংস শেষ পর্যন্ত ১৪০-এর নিচে থামার সম্ভাবনা ৬১ শতাংশ। কিন্তু পাওয়ারপ্লেতে উইকেট না পড়লে সেই সম্ভাবনা ৩৪ শতাংশে নেমে আসে। পার্থক্যটা ছোট নয়। কারণটা সম্ভবত সহজ: উইকেট পড়লে নতুন ব্যাটসম্যান ইনিংস গড়ার চাপে ডট-বল নেয়, আর সেই ডট-বল জমে গিয়ে মিডল ওভারকে ভারী করে তোলে। ডট-বল কেবল রান আটকায় না, এটা পরের ওভারগুলোর আক্রমণের স্বাধীনতাও কেড়ে নেয়। আরেকটি পর্যবেক্ষণ যোগ করি। এশিয়ার স্পিন-বান্ধব পিচে ওপেনিং জুটির ধৈর্য দরকার, কিন্তু বাংলাদেশের ক্ষেত্রে সেই ধৈর্য প্রায়ই অতিরিক্ত হয়ে যায়। আমার ডেটাসেটে প্রথম ছয় ওভারে ওদের ডট-বল হার ৩৯ শতাংশ, যা একই ডেটাসেটের টুর্নামেন্ট-গড়ের চেয়ে ৬ শতাংশ বেশি। ছয় শতাংশ শুনতে ছোট লাগে, কিন্তু বিশ ওভারে ছড়িয়ে দিলে সেটা ৭ থেকে ৯ রান — অর্থাৎ একটি ঘনিষ্ঠ ম্যাচের ভাগ্য। ডেথ ওভারের ১৪৮ স্ট্রাইক রেট আমার কাছে বিপদের সংকেত, সান্ত্বনা নয়। কারণ ওই বিস্ফোরণ প্রায়ই ঘটে তখন, যখন ইনিংস ইতিমধ্যে হেরে বসেছে, অর্থাৎ ম্যাচের ফল প্রায় নির্ধারিত। আমি ম্যাচ-অবস্থা (উইকেট-পতন ও প্রয়োজনীয় রান রেট) নিয়ন্ত্রণ করে দেখেছি, এবং তাতে ডেথ-ওভার স্ট্রাইক রেটের প্রভাব প্রায় অর্ধেক হয়ে যায়। এশিয়ার কন্ডিশে স্পিনাররা ৭ থেকে ১৫ ওভারে যেভাবে বল করে, তাতে মাঝের ওভারগুলোতেই ম্যাচের ভাগ্য নির্ধারিত হয় — শেষ দুই ওভার কেবল ফলাফলের হিসাব মেলে। এখানে একটি দৃশ্য মনে রাখা দরকার। ২০২৪ টি-টোয়েন্টি বিশ্বকাপের সুপার এইটে বাংলাদেশ পৌঁছেছিল, যা দেশের ক্রিকেট-ইতিহাসে একটি উল্লেখযোগ্য অর্জন (সূত্র: আইসিসি, জুন ২০২৪)। কিন্তু সুপার এইটের স্তরে পৌঁছানো আর সেখানে ম্যাচ জেতা দুটো আলাদা কাজ। আমার মডেল বলছে, ওই পর্বে ওদের ফেজ-প্রগ্রেশন ইনডেক্স ছিল ০.৭১ — অর্থাৎ পাওয়ারপ্লে থেকে ডেথ পর্যন্ত দক্ষতা ক্রমাগত পড়তির দিকে গেছে। বিপিএ-র ডেটা এখানে সাহায্য করে। ২০২৫ সালের বিপিএ-তে আমি ৩২টি ইনিংসের ফেজ-ডেটা দেখেছি, যেখানে ৭ থেকে ১১ ওভারে ডট-বল হার ৪২ শতাংশের বেশি হলে সেই ইনিংসগুলো শেষ পর্যন্ত ১৫৫-এর বেশি রান তুলতে পারেনি, মাত্র তিনটি ব্যতিক্রম ছাড়া। এই সংখ্যাটা আমি বিপিএর জন্য বানানো ফেজ-মডেল থেকে পেয়েছি, এবং এটাই আমার দাবির ভিত্তি। এখন আসি আমার সবচেয়ে বড় সতর্কবার্তায়। পাওয়ারপ্লের রান রেট আর জয়ের মধ্যে সম্পর্ক আছে, কিন্তু সম্পর্ক মানেই কারণ নয়। এশিয়ার কন্ডিশে যেসব দল পাওয়ারপ্লে ভালো খেলে, তারা সাধারণত বড় দল — অর্থাৎ ভালো স্কোয়াড থাকলে পাওয়ারপ্লেও ভালো করা যায়। ফলে পাওয়ারপ্লে-রান-রেট দিয়ে দলকে বিচার করা মানে আসলে স্কোয়াডের গুণমানকেই আবার মাপা। আমি ৪২ ম্যাচে চলকগুলো নিয়ন্ত্রণ করে দেখেছি, পাওয়ারপ্লের প্রভাব স্বাধীনভাবে কমে আসে, আর মিডল-ওভারের ডট-বল হার সবচেয়ে শক্তিশালী পূর্বাভাসক থাকে। আরেকটি ফাঁদ আছে। ছোট নমুনায় আমরা প্রায়ই প্যাটার্ন দেখি যেখানে কেবল এলোমেলোতা থাকে। ৪২ ম্যাচ এশিয়ার আটটি ভেন্যুতে ছড়ানো — এখানে ভেন্যু-প্রভাব ও নমুনার আকার দুটোই ফলাফলকে দোল দেয়। আমি দাবি করছি না যে মডেল সত্য উদঘাটন করেছে; আমি কেবল দাবি করছি যে এটি একটি পুনরুৎপাদনযোগ্য অনুমান তৈরি করেছে, যাকে যে কেউ চালিয়ে যাচাই করতে পারে। খালি স্টেডিয়ামের অভিজ্ঞতা আমাকে এটা শিখিয়েছে — বায়াস ধরা পড়ে তখনই, যখন তুমি শর্ত বদলে দাও। সামনের মৌসুমে তাই আমি একটা বিষয় গভীরভাবে দেখব: বাংলাদেশের ইনিংসে ৭ থেকে ১১ ওভারের ডট-বল হার কমাতে পারলে ডেথ-ওভারের স্ট্রাইক রেট নিজে থেকেই বাড়ে কি না। যদি সেটা সত্য হয়, তাহলে প্রশ্নটা হবে — দলটি কি আরও আক্রমণাত্মক মাঝের ওভার খেলতে পারবে, নাকি উইকেট হারানোর ভয় সেটাই আটকে দেবে? উত্তরটা স্কোরবোর্ডে লেখা থাকবে, আমার স্প্রেডশিটে নয়।