ম্যাচের ৪৮তম ওভার। বোলার দ্বিতীয় স্পেলে ফিরেছেন। প্রথম চার বলে দুটি ইয়র্কার, একটি স্লোয়ার বাউন্সার, একটি ওয়াইড—স্কোরবোর্ডে যোগ মাত্র ৪ রান। ধারাভাষ্যকক্ষ বলছে, “চাপের মুখে অসাধারণ সংযম”। আমার টেবিল বলছে অন্য কথা: ঐ ওভার থেকে প্রত্যাশিত রান ছিল ১০.৮। অর্থাৎ বোলার প্রত্যাশার চেয়ে ৬.৮ রান কম দিয়েছেন, সেটি ভালো বোলিং। কিন্তু টুর্নামেন্টের সাতটি ম্যাচ একসাথে বসালে দেখা যায়, একই বোলারের প্রথম স্পেলের গড় ইকোনমি ৯.২। তাহলে গল্পটা ব্যক্তিগত সংযমের নয়—ম্যাচ-অবস্থার। এই লেখাটি সেই পার্থক্য নিয়ে।

আমি ২০১৭ সালে রাজশাহীতে বসে যে Expected Truth Database বানিয়েছিলাম, তার একটাই নিয়ম ছিল: কোনো পরিষ্কার সংখ্যাকে প্রশ্ন ছাড়া বিশ্বাস করা যাবে না। ইংরেজ প্রিমিয়ার লিগের ২০১৬-১৭ মৌসুমের ৩৮০ ম্যাচের xG, PPDA আর কভার করা দূরত্ব বল-বল ধরে লগ করতে গিয়ে শিখেছি—ভেন্যু, প্রতিপক্ষের মান আর ম্যাচ-অবস্থা বাদ দিলে প্রতিটি গড় মিথ্যা। ২০১৬ সালের ৩০ এপ্রিল চেলসির ৩-০ জয়ে এভারটনের ওপেন-প্লে xG ছিল ০.৪, আর চেলসির PPDA ৬.৮; স্কোরলাইন যত পরিষ্কার, ডেটা তত অস্বস্তিকর।

ক্রিকেটে সেই নিয়ম আরও কঠিন, কারণ এখানে প্রতি বলে ম্যাচ-অবস্থা বদলায়। তাই ডেথ ওভারের জন্য আমি আগেই তিনটি স্তর নিবন্ধন করেছি: xDE (প্রত্যাশিত ডেথ ইকোনমি)—পিচের ধরন, প্রতিপক্ষের ব্যাটিং গভীরতা, ডিউ আর প্রয়োজনীয় রান-রেট দিয়ে সমন্বয় করা ওভারপ্রতি প্রত্যাশিত রান; FRI (ফিল্ড রেস্ট্রিকশন ইনডেক্স)—ডেথ ওভারে বাউন্ডারি-কাভারেজ আর সিঙ্গেল ছাড়ার ভারসাম্য; এবং CSI (কনটেক্সট-সমন্বিত স্ট্রাইক সূচক)—ব্যাটারের শট-নির্বাচন কতটা প্রয়োজনীয় রান-রেটের চাপে বাধ্য হয়েছে, তার মাপ। ম্যাচের পরে আমি নতুন নিয়ন্ত্রক যোগ করি না; ক্যালিব্রেশন ছড়িয়ে দিলে কোনো পরিষ্কার উপসংহার টেকে না। সংখ্যার সঙ্গে আমি সবসময় সংবেদনশীলতার পরিসর ছাপি, যাতে কেউ ভুলে না যায় এগুলো অনুমান, সত্য নয়।

I built the Expected Truth Database in Rajshahi, then watched it question every clean number.

৬৪টি ডেথ-ওভার স্পেলের নমুনায় একটা প্যাটার্ন স্পষ্ট। যেসব ওভারে বোলার ৬০ শতাংশের বেশি ইয়র্কার-লাইন ব্যবহার করেছেন, তাঁদের xDE-এর সঙ্গে প্রকৃত রানের বিচ্যুতি গড়ে মাত্র ১.৩। যাঁরা স্লোয়ার-বল আর ক্রস-সিমড লেংথে ভরসা করেছেন, তাঁদের বিচ্যুতি ৩.৯—অর্থাৎ ফলাফল অনেক বেশি এলোমেলো। মুস্তাফিজুর রহমানের কাটার আর শাহিন আফ্রিদির ডেথ-ইয়র্কার একই ঝুড়িতে ফেলা যায় না; একটি প্রত্যাশিত রান কমায়, অন্যটি ভ্যারিয়েন্স বাড়ায়।

আসল আবিষ্কার দ্বিতীয় স্তরে। ৪১ থেকে ৪৫ ওভারের ডট-বল হার আর ৪৬ থেকে ৫০ ওভারের উইকেট-পতনের মধ্যে দৃশ্যত শক্ত সম্পর্ক আছে (আমার নমুনায় r ≈ ০.৫৮)। ধারাভাষ্য এই সম্পর্ক পড়ে বলে, “প্রেসার তৈরি করলেই উইকেট আসে”। ডেটা উল্টো দিকও দেখাচ্ছে: ৪১-৪৫-এ ডট বাড়লে ব্যাটার পরের পাঁচ ওভারে ঝুঁকি নিতে বাধ্য হন, আর সেই বাধ্যতা থেকেই উইকেট আসে।

এখানেই ফ্রান্সের ২০১৮ সালের লো-ব্লক নকশা কাজে লাগে। রাশিয়া বিশ্বকাপে আর্জেন্টিনার বিপক্ষে ৪-৩ ম্যাচে আমার মডেল দেখিয়েছিল, কিলিয়ান এমবাপের ৭ শট, ২ গোল আর ৫ প্রগ্রেসিভ ক্যারি; কিন্তু ফ্রান্স লিড নেওয়ার পর তাদের PPDA ১৮.৭-এ নেমে গিয়েছিল। দিদিয়ে দেশাঁ টেরিটরি ছেড়ে দিয়েছিলেন, কিন্তু হাই-ভ্যালু জোন রক্ষা করেছিলেন। ক্রিকেটে ডেথ-ওভারের প্রতিরক্ষা ঠিক এই যুক্তি: সিঙ্গেল ছেড়ে দাও, বাউন্ডারি রক্ষা করো।

আমার FRI মডেলে যেসব স্পেলে ডিপ-মিডউইকেট আর লং-অন সীমার ভেতরে রাখা হয়েছে, সেখানে বাউন্ডারি-রেট ২২ শতাংশ কমেছে। জসপ্রীত বুমরাহ, ট্রেন্ট বোল্ট কিংবা রশিদ খানের ডেথ-স্পেলের আসল মূল্য ইয়র্কারে নয়—ফিল্ড-জ্যামিতিতে, যেটা হিটম্যাপ কখনো দেখায় না।

ডেথ ওভারের দক্ষতা ইয়র্কারের গল্প নয়, ফিল্ড-জ্যামিতির গল্প—বাউন্ডারি রক্ষা করতে কোন সিঙ্গেল ছেড়ে দেওয়া হবে, সেটাই আসল সিদ্ধান্ত।

আরও একটা জিনিস মডেল বলছে: ডেথ ওভারে সফল বোলাররা ব্যর্থদের চেয়ে বেশি স্লোয়ার-বল ছোড়েন না। তাঁরা ছোড়েন কম, কিন্তু সঠিক সময়ে—প্রায় সবসময়ই যখন ব্যাটারের প্রয়োজনীয় রান-রেট ১১ ছাড়িয়ে যায়। আইসিসি ক্রিকেট বিশ্বকাপের ইতিহাসে ওয়ানডে মুখোমুখি লড়াইয়ে ভারত ৮-০ এগিয়ে থাকার রেকর্ডটা এখানেই প্রাসঙ্গিক: বড় মঞ্চে স্কোরবোর্ডের চাপ নিজেই একটা বোলিং সম্পদ, যা স্কোয়াড-কাগজে দেখা যায় না। বছরের পর বছর ক্রিকেট দেখে আমি যেটা চোখে বুঝতাম, ডেটা সেটাকেই সংখ্যায় বসাচ্ছে।

— Root: 2026 France low-block blueprint / INTJ systems thinking | Scenario: tactical deep dive on tournament defending.

ধারাভাষ্যের সবচেয়ে বড় ফাঁদ নায়ক-নির্মাণ। শেষ ওভারে উইকেট পড়লেই “বোলার ম্যাচ জিতলেন”। আমার মডেল বলছে, সেই উইকেটের ৬২ শতাংশ ক্ষেত্রেই ব্যাটার আগের দুই ওভারে প্রয়োজনীয় রান-রেট ১২ ছাড়িয়ে যাওয়ার পর ঝুঁকি নিয়েছেন। বোলার কেবল সেই ঝুঁকি সংগ্রহ করেছেন। বুমরাহ বা রশিদ খানের ডেথ-স্পেল বিশ্লেষণ করলে দেখা যায়, তাঁদের প্রকৃত সুবিধা ব্যক্তিগত জাদু নয়—ম্যাচ-অবস্থা পড়ার গতি। কে কখন ঝুঁকি নিতে বাধ্য হবে, সেটা তাঁরা আগে বুঝে ফেলেন। এটাই ফ্রান্সের লো-ব্লকের আসল শিক্ষা: তুমি গোল করতে যাও না, তুমি প্রতিপক্ষকে সেই জায়গায় যেতে দাও যেখানে সে ভুল করবে। হিটম্যাপের সমস্যাও এখানেই। ব্যাটারের শট-ম্যাপ সুন্দর ছবি দেয়, কিন্তু বলে না কেন তিনি ওই শট নিলেন—ব্যাটিং অর্ডারের অবস্থান, স্কোরবোর্ডের চাপ, না কি স্রেফ বোলারের ভুল? কনটেক্সট ছাড়া হিটম্যাপ নতুন যুগের চা-পাতা পড়া।

— Root: Data Monk validation ritual / sports betting analyst | Scenario: data validation or model stress-test article.

পরের রাউন্ডে আমার নজর একটাই সূচকে: ৪১-৪৫ ওভারে প্রতিপক্ষের ডট-বল হার। যেসব দল এই পাঁচ ওভারে ৪৫ শতাংশের বেশি ডট দেবে, তাদের বিরুদ্ধে শেষ পাঁচ ওভারে উইকেটের সম্ভাবনা বাড়বে—কিন্তু সেই উইকেট কি বোলারের কৃতিত্ব, নাকি স্কোরবোর্ডের চাপ? পরের ম্যাচের পর হিসাব আবার মেলাব।