ক্রিকেটের ক্লোজিং লাইন আর আমার ডেটাবেজ: হোম অ্যাডভান্টেজ কোথায় লুকিয়ে থাকে

গত সপ্তাহে একটি ম্যাচ দেখতে গিয়ে আমি ডেটাবেজ বন্ধ করে দিয়েছিলাম। কারণটা সহজ — স্কোরবোর্ড যা বলছিল, আর আমার এক্সেল যা দেখাচ্ছিল, দুটো সম্পূর্ণ আলাদা কথা বলছিল। আমি পেশাদার বাজি বিশ্লেষক হিসেবে ২০ বছরের বেশি সময় ধরে ক্রিকেটের সঙ্গে আছি, আর আমার স্ট্যাটিস্টিক্সের ব্যাকগ্রাউন্ড আমাকে শিখিয়েছে একটাই জিনিস — ফলাফল আর প্রক্রিয়ার মধ্যে পার্থক্য না করলে আপনি প্রতারণার শিকার হবেন। শিরোনামে 'ব্লকচেইন' শব্দটা ইচ্ছে করেই এনেছি। কারণ ক্রিকেটে এখন যেভাবে ডেটা সংগ্রহ হয়, সেটা কার্যত একটি ব্লকচেইনের মতো — প্রতিটি বল একটি ব্লক, প্রতিটি ব্লকের হ্যাশ আছে, আর কোন ব্লককে আপনি বিশ্বাস করবেন সেটা নির্ভর করে কে খনি তৈরি করেছে তার উপর। আমি Footballist-এ K League 1-এর xG বেসলাইন বানিয়েছিলাম কারণ তখন গোলগুলো মিথ্যে বলছিল। এখন আমি সেই একই সূত্র ব্যবহার করছি ক্রিকেটে রান আর উইকেটের ক্ষেত্রে। টেস্ট ক্রিকেটে হোম অ্যাডভান্টেজের যে সংখ্যা আমরা দেখি — সাধারণত হোম দলের সাফল্যের হার ৫৫ থেকে ৬০ শতাংশের মধ্যে থাকে — সেটা আসলে একটা ব্লকচেইনের প্রথম ব্লকের মতো। আপনি যদি শুধুলে ওই ফার্স্ট ব্লককে বিশ্বাস করবেন, আপনি ভুল উত্তর পাবেন। কারণ প্রতিটি ভেন্যু, প্রতিটি সিজন, প্রতিটি পিচ আলাদা ব্লক। গত পাঁচ বছর ধরে আমি এশিয়ার টেস্ট ভেন্যুগুলো নিয়ে একটা আলাদা ডেটাবেজ তৈরি করেছি। এই বিশ্লেষণে আমি সেটারই কিছু অংশ শেয়ার করব। মূল লক্ষ্য একটাই — দেখানো যে ক্লোজিং লাইন আর প্রকৃত ক্ষমতার মধ্যে যে ফাঁক থাকে, সেটা প্রায়শই হোম অ্যাডভান্টেজের ভুল ব্যাখ্যা থেকে আসে। আমার বেসলাইন টেবিলে আমি প্রথমে কোনো দলের নাম লিখি না। আমি প্রথমে ভেন্যু কোড, পিচের ধরন, আর ম্যাচের সময়সূচি (দিনের কোন ভাগে খেলা হবে) লিখি। তারপর আসে দল। কারণ আমার কেরিয়ারের প্রথম পাঠ ছিল — '''আমি K League xG বেসলাইন Footballist-এ তৈরি করেছিলাম কারণ গোলগুলো মিথ্যা বলছিল।''' ক্রিকেটেও ঠিক তাই। একটা দল ঘরের মাঠে ২০০ রান তুললেও, সেই ২০০ কীভাবে এসেছে — বল কতটা সুইং করেছि, ড্রপ-ইন পিচের বাউন্স কেমন ছিল, বাতাসের গতি কত ছিল — সেটাই আসল ব্লক। উদাহরণ হিসেবে বলি। গত তিন মরশুমে আমি চেন্নাই, কলম্বো, ঢাকা আর দুবাই — এই চারটি মাঠে টেস্ট ও ওয়ানডে ম্যাচের প্রথম ইনিংসের রান ডিস্ট্রিবিউশন ট্র্যাক করেছি। চেন্নাইয়ে প্রথম ইনিংসের গড় রান ছিল ৩৫৭, কলম্বোতে ৩৮৯, ঢাকায় ৩১২ (স্পিন সহায়ক পিচে), আর দুবাইতে ৪০২। এখন দেখুন, গড়ের এই ভিন্নতা মাত্র তিন ডজন ম্যাচের ডেটা থেকে এসেছে। এখানেই প্রথম ফাঁদ — এই গড়ে স্ট্যান্ডার্ড ডেভিয়েশন অনেক বড়। মানে, কোনো একটা ম্যাচের স্কোর দেখে আপনি ওই মাঠের জন্য মডেল আপডেট করবেন না। একইভাবে বোলিং ফিগারের ক্ষেত্রেও। আমি এখন PPDA-র বদলে ক্রিকেটে ব্যবহার করছি প্রতিটি ওভারে বাউন্ডারি কনসিড করার হার, ডট-বলের শতাংশ, আর ডেলিভারির লাইন-লেংথ ভ্যারিয়েন্স (যেখানে বোলিং ডেটা আছে)। গত আইপিএলে আমি দেখেছি, যে বোলার ঘরের মাঠে ইকোনমি ৬.২ ছিল, তার বাইরের মাঠে ইকোনমি ৮.১। পার্থক্যটা বিশাল। এখন প্রশ্ন হলো — এটা বোলারের অক্ষমতা, নাকি পিচের প্রকৃতি? উত্তর দিতে গেলে আপনাকে হোম ও অ্যাওয়ে স্প্লিট আলাদা করে দেখতে হবে, আর সেটা করতে গেলে প্রায় পনেরো থেকে বিশ ম্যাচের স্যাম্পল লাগবে। এই বিশ্লেষণের মূল অংশে আমি তিনটি নির্দিষ্ট বিষয় তুলে ধরব, যেগুলো প্রায়ই ওভারলুক করা হয়। প্রথমত, '''স্টেডিয়াম খালি হলে হোম অ্যাডভান্টেজ ভিড়ের পিছনে লুকিয়ে থাকতে পারে না।''' আমি ২০২০ সালে K League-এ ঠিক এটাই পেয়েছিলাম — হোম উইন রেট ৪৬% থেকে ৩১%-এ নেমে গিয়েছিল। ক্রিকেটে সেই একই পরীক্ষা হয়েছিল করোনা-পরবর্তী সময়ে, যখন ম্যাচ হয়েছিল বন্ধ দরজার পিছনে। আমি ২০২০-২০২১ সালের এশিয়ার টেস্ট ও ওয়ানডে ডেটা দেখে যা পেয়েছি, তা হলো — বড় লীগে হোম টিমের ইমপ্যাক্ট প্রায় ১২ থেকে ১৫ শতাংশ পয়েন্ট কমে গিয়েছিল ঘরের সাফল্যের হারে। কিন্তু ছোট ভেন্যুতে এই পরিবর্তন কম ছিল, কারণ সেখানে ভিড়ের আকারই ছোট ছিল। দ্বিতীয়ত, '''টস জেতার পুরস্কার মাঠ ও সময়সূচির উপর নির্ভরশীল, লীগ-ওয়াইড নিয়ম নয়।''' আমি গত তিন বছর ধরে টসের ফলাফল আলাদা করে মনিটর করেছি। ঢাকার শেরে-বাংলায় সকালের ম্যাচে টস জিতে ফিল্ডিং নেওয়া দল প্রথম দুই সেশনেই তিন উইকেটের বেশি নিয়েছে ৪১ শতাংশ ক্ষেত্রে। কিন্তু দুপুরের ম্যাচে সেই সংখ্যা ২৩ শতাংশে নেমে গেছে। কারণ বাতাস ও তাপমাত্রা পরিবর্তনের সঙ্গে সিম মুভমেন্ট কমে যায়। এই কারণেই আমি বলি — টস ডেটা ভেন্যু-স্পেসিফিক। তৃতীয়ত, '''স্কোরবোর্ড মিথ্যা বলে না, কিন্তু স্কোরবোর্ড অসম্পূর্ণ সত্য বলে।''' একটা দল ৪৫০ রান তুললো, কিন্তু তার মধ্যে ১৮০ রান এসেছে দুইজন বোলারের বিরুদ্ধে — যারা ওই পিচে সবচেয়ে কম উপযোগী ছিল। বোলিং আক্রমণের ক্ষমতা পরিমাপ না করে আপনি স্ট্রাইক রেট দেখলে বিভ্রান্ত হবেন। এখানেই '''আমি K League xG বেসলাইন Footballist-এ তৈরি করেছিলাম কারণ গোলগুলো মিথ্যা বলছিল''' বাক্যটার ক্রিকেট সংস্করণ — আমি রান বেসলাইন তৈরি করেছি কারণ স্কোরবোর্ডের রান প্রায়ই প্রক্রিয়ার আসল ছবি দেয় না। এখন আসি কনট্রারিয়ান অ্যাঙ্গেলে। '''পিচ' শব্দটা সবচেয়ে বেশি ভুলভাবে ব্যবহৃত হয় ক্রিকেট বেটিং মার্কেটে।''' আমি বিশ্বাস করি, বুকমেকাররা মাঝে মাঝে পিচের ভয়াবহতা বাড়িয়ে দেখায় ও দলগুলোর সাম্প্রতিক ফর্মকে ভুলভাবে সাধারণীকরণ করে। ধরা যাক, একটা দল শেষ তিনটি ম্যাচে ঘরের মাঠে ভালো করেছে। তাহলে মার্কেট প্রথম ম্যাচেই তাদের হোম ফেভারিট বানিয়ে ফেলে। কিন্তু তিন ম্যাচের স্যাম্পল আমার কাছে কিছুই নয়। '''আমি একটা সংখ্যা তখনই বিশ্বাস করি, যখন সেটা কোনো শান্ত মঙ্গলবারে আবার তৈরি করতে পারি।''' উদাহরণ দিই। গত বছর একটি এশিয়ান টেস্ট সিরিজে হোম দল প্রথম টেস্টে ৩২০ রানের বেশি লিড পেয়েছিল। পরের টেস্টের ওপেনিং ওডসে হোম দল ১.৮০ ছিল, অ্যাওয়ে ২.১০। কিন্তু আমার ডেটাবেজে ওই ভেন্যুতে দ্বিতীয় টেস্টে ( অর্থাৎ একই পিচে পরপর দ্বিতীয় ম্যাচ) স্পিনারদের ইকোনমি গড়ে ০.৪ কমে যায়, আর দ্রুত বোলারদের স্ট্রাইক রেট ৫ শতাংশ খারাপ হয়। কারণ পিচ তার প্রাথমিক আর্দ্রতা হারায়, বাউন্স কমে। মানে বাজারে হোম দলের ওডস যত কমছে, তত বেশি মূল্য অ্যাওয়ে দলে চলে যাচ্ছে। এই কারণেই '''ক্লোজিং লাইনটাই মার্কেট''' — কিন্তু ক্লোজিং লাইন সবসময় সঠিক নয়; বরং সেটা সবচেয়ে দক্ষ ভুলের প্রতিনিধিত্ব করে। এখানে একটা সাধারণ ভুল তথ্য দিই। আমি দেখেছি, বুকমেকাররা ঘরের সাফল্যহার রেট-অ্যাডজাস্ট না করেই টাইম-ডিকே ধরনের মডেল চালায়। মানে, যদি একটা দল ঘরের মাঠে ২০ ম্যাচের মধ্যে ১২টি জেতে, সেটা ৬০ শতাংশ। কিন্তু তার মধ্যে আটটি জয় এসেছে দুটি দুর্বল দলের বিরুদ্ধে। ওই দুটি দল বাদ দিলে হার ৪৫ শতাংশে নেমে আসে। এখন প্রশ্ন — মার্কেট কি এই পার্থক্য ধরে? লস অ্যাভার্সনের একটা শিক্ষা আমার আছে — '''Kazan আমাকে মনে করিয়ে দিয়েছিল, একটা মডেল সঠিক হতে পারে এবং তবুও হেরে যেতে পারে।''' ২০১৮ বিশ্বকাপে জার্মানির বিপক্ষে কোরিয়া ২-০ জিতেছিল, কিন্তু আমার মডেল জার্মানিকে -১.৫ এ ৭৮% ইমপ্লাইড প্রোবাবিলিটিতে রেখেছিল। মডেল ভুল ছিল না — জার্মানির প ossession ছিল ৭৪%, কিন্তু তাদের প্রতি প ossession-এ xG ছিল মাত্র ০.১১। কোরিয়া ১১৮ কিমি দৌড়েছিল জার্মানির ১১২ কিমির বিপরীতে, আর তাদের PPDA ছিল ১১.২। মানে, ক্রিকেটেও একই ঘটনা ঘটতে পারে। একটা দল ঘরের মাঠে ৪০০ রান তুলতে পারে, কিন্তু সেটার প্রক্রিয়া যদি হয় দুই-তিনজন বোলারের বিরুদ্ধে চার-ছক্কা, তাহলে সেই রানই মিথ্যা। পরের ম্যাচে সেই একই দল ভালো বোলিং আক্রমণের মুখে ২২০-তে অলআউট হতে পারে। মডেল সঠিক ছিল, কিন্তু সেটা আমাদের বলেনি যে স্কোরবোর্ডের চেয়ে প্রক্রিয়া বেশি গুরুত্বপূর্ণ। আমার লেখায় আরেকটি সিগনেচার বাক্য হল — '''এসপোর্টসের প্যাচগুলো প্রাকৃতিক পরীক্ষা, আর বেশিরভাগ বিশ্লেষক ফলাফলের পরে আসে।''' ক্রিকেটে এর সমতুল্য হলো পিচ পরিবর্তনের পরে ম্যাচ। আইসিসি যখন কোনো ভেন্যুর পিচ রিপ্রোফাইল করে, তখন সেটা একটা প্রাকৃতিক পরীক্ষা। কিন্তু বেশিরভাগ বাজি বিশ্লেষক সেই পরিবর্তন রিপোর্ট প্রকাশের আগে ধরতে পারে না। তাই আমি সবসময় ভেন্যু কোড ট্র্যাক করি। এখন শেষের দিকে, আমার টেকঅ্যাওয়ে। আমি একটা প্রশ্ন রেখে যাচ্ছি পাঠকদের জন্য, আর সেটা সামনের রাউন্ডের সংকেত হিসেবে কাজ করবে। আপনার হোম অ্যাডভান্টেজ বেসলাইনটা ঠিক কতটা মজবুত? আপনি কি টস, পিচ, সময়সূচি — এই তিনটে কন্ট্রোল আলাদা করে দেখেছেন, নাকি শুধু ঘরের মাঠে জয়ের সংখ্যা গুনেছেন? গত সপ্তাহে যে ম্যাচটা দিয়ে শুরু করেছিলাম, সেখানেই আমি থেমেছিলাম। যা দেখেছি তা হলো — যে দল ঘরের মাঠে জিতেছিল, তার প্রথম ইনিংসের রান অ্যাওয়ে দলের চেয়ে মাত্র ২৩ বেশি ছিল। কিন্তু দ্বিতীয় ইনিংসে অ্যাওয়ে দল ১১০ রানে এগিয়ে ছিল। মানে, ম্যাচের ফলাফল একদিকে গেছে, প্রক্রিয়া অন্যদিকে। বাজার শুধু ফলাফল দেখেছে। আমি দুটোই দেখেছি, এবং আমার মডেল বলছে — পরের মিটিংয়ে অ্যাওয়ে দলটি ওই ভেন্যুতে আরো বেশি প্রতিযোগিতামূলক হবে। আপনি যদি এক ম্যাচের স্কোরবোর্ড দেখে বাজি ধরেন, আপনি প্রতি সপ্তাহে একই ভুল করবেন। যদি আপনি চার-ছয় ম্যাচের ভেন্যু-স্পেসিফিক প্রসেস ডেটা রাখেন, আপনি ধীরে ধীরে সেই কম্পাউন্ডিং এজ তৈরি করবেন যা মার্কেট মিস করে। এটাই ব্লকচেইন-ডেটাবেজের আসল কাজ — প্রতিটি ব্লক আলাদা করে দেখা, তারপর সেই চেইন থেকে সিদ্ধান্ত নেওয়া।