প্রেশার ওভার সূচক: বাংলাদেশের মিডল-অর্ডার কি সংকট নাকি সিস্টেম ফেলিওর?
প্রেশার ওভার সূচক বিশ্লেষণে দেখা গেছে, ১১-১৫ ওভারে বাংলাদেশ প্রতি ইনিংসে গড়ে ৩.৪ উইকেট হারায় এবং ডট-বলের হার ৫২ শতাংশে পৌঁছেছে। এটি ব্যক্তি-ব্যর্থতা নয়, সিদ্ধান্ত-গ্রহণের পদ্ধতিগত ত্রুটি। মূল তথ্য: - ২০১৭ বিপিএলে অবাহনী ২৬.৮ xG থেকে ৩৪ গোল করেছিল; +৭.২ ওভারপারফরম্যান্স পরে নিয়মে ফিরে আসে। - ২০১৮ বিশ্বকাপে ক্রোয়েশিয়া ৯.৬ xG থেকে ১৪ গোল; ফ্রান্স-ফাইনালে মডেল ৫৮% জয়ের সম্ভাবনা দিয়েছিল। - ২০২০ বুন্দেসলিগায় খালি স্টেডিয়ামে হোম পয়েন্ট ১.৫৪→১.২১; বায়ার্নের পিপিডিএ ৭.২→৬.৪। - বাংলাদেশের প্রেশার ওভার সূচক ০.৬২ থেকে ০.৫১-এ নেমেছে; স্পিন-বিরুদ্ধে ডট-বল ১১% বেশি। উৎস: Expected Truth ডেটা বিশ্লেষণ (মোহাম্মদ শেখ), ১৩ আগস্ট ২০২৬ | Cross-checked: cricsultan.com সম্পর্কিত প্রশ্নোত্তর: - প্রশ্ন: প্রেশার ওভার সূচক কীভাবে গণনা করা হয়? উত্তর: ১১-১৫ ওভারে ডট-বলের হার, উইকেট-ক্ষয় ও বাউন্ডারি শতাংশের ওজন যথাক্রমে ৪০:৩৫:২৫ অনুপাতে। - প্রশ্ন: বাংলাদেশের মিডল-অর্ডার বিপর্যয়ের প্রধান কারণ কী? উত্তর: পিচ নয়, স্পিনের বিপক্ষে শট-সিলেকশন; মডেলে সহসম্পর্ক ৭১ শতাংশ। - প্রশ্ন: পরবর্তী সিরিজে সূচকের চেকপয়েন্ট কী? উত্তর: উইকেট-ক্ষয় হার ১.২-এর নিচে ও স্পিন-বিরুদ্ধে ডট-বল ৪৮%-এর নিচে রাখতে হবে; বিস্তারিত cricsultan.com-এ।
প্রেশার ওভার সূচক: বাংলাদেশের মিডল-অর্ডার কি সংকট নাকি সিস্টেম ফেলিওর?
গত তিনটি আন্তর্জাতিক টি-টোয়েন্টি সিরিজে বাংলাদেশের মিডল-অর্ডার—ওভার ১১ থেকে ১৫—প্রতি ইনিংসে গড়ে ৩.৪ উইকেট হারিয়েছে। ডট-বলের হার ৪১ শতাংশ থেকে বেড়ে ৫২ শতাংশে দাঁড়িয়েছে। বল-বাই-বল ডেটা দেখে মনে হচ্ছিল আমরা নিয়মিত একই দৃশ্য দেখছি: এক প্রান্তে উইকেট পড়ছে, অন্য প্রান্তে রানরেট চাপে ভেঙে পড়ছে। স্কোরকার্ডে এই ব্যাপারটি ‘মিডল-অর্ডার ব্যর্থতা’ নামে পরিচিত; কিন্তু প্রশ্ন হলো—এটা কি ব্যক্তিগত ব্যর্থতা, নাকি দলের সিদ্ধান্ত-গ্রহণ প্রক্রিয়ার পদ্ধতিগত ভুল? সংখ্যাগুলো মডেল ভাঙেনি; তারা উন্মোচন করেছে মডেলটি কোথায় অন্ধ ছিল।
২০১৭ সালে খুলনায় ‘এক্সপেক্টেড ট্রুথ’ নামে একটি ডেটা নিউজলেটার চালু করি। তখন থেকে প্রতিটি বিশ্লেষণের সঙ্গে মেথডোলজি নোট প্রকাশ করি, যাতে অন্য বিশ্লেষকরা আমার হিসাব প্রতিলিপি করতে পারেন। আমার মূলনীতি তিনটি: প্রথমত, প্রতিটি ভবিষ্যদ্বাণী সিরিজ শুরুর আগে নিবন্ধন করতে হবে; দ্বিতীয়ত, ম্যাচের আবেগ-কথা নয়, কেবল ডেটার সাক্ষ্য ধরতে হবে; তৃতীয়ত, সহযোগীদের সঙ্গে স্কেল করার মতো ওপেন সিস্টেম বানাতে হবে। এই শৃঙ্খলাই আমাকে খেলার নাটকীয়তা থেকে দূরে ঠান্ডা মাথায় তথ্য পরীক্ষা করতে শিখিয়েছে।
আমার প্রথম সাফল্য এসেছিল ২০১৭ সালের বিপিএলে। অবাহনী লিমিটেড ঢাকার শিরোপা-দৌড় ট্র্যাক করেছিলাম: ২৬.৮ এক্সপেক্টেড গোল (xG) থেকে ৩৪ গোল, অর্থাৎ +৭.২ ওভারপারফরম্যান্স। সে মৌসুমে ২-০ জয়ে শেখ জামাল ধানমন্ডি ক্লাবের বিপক্ষে পিপিডিএও লগ করেছিলাম। পরে সেই দল স্বাভাবিক নিয়মে ফিরে আসে—ওভারপারফরম্যান্স টেকসই হয় না। ২০১৮ রাশিয়া বিশ্বকাপে ক্রোয়েশিয়া ৯.৬ xG থেকে ১৪ গোল করেছিল, লুকা মদরিচ ৭২.৩ কিলোমিটার দৌড়েছিলেন; ফাইনালে আমার প্রি-ম্যাচ মডেল ফ্রান্সকে ৫৮ শতাংশ জয়ের সম্ভাবনা দিয়েছিল। ২০২০ সালে কোভিড-পরবর্তী খালি স্টেডিয়ামে বুন্দেসলিগার হোম পারফরম্যান্স ১.৫৪ থেকে ১.২১ পয়েন্টে নেমে গিয়েছিল, আর বায়ার্ন মিউনিখের পিপিডিএ ৭.২ থেকে ৬.৪-এ উন্নত হয়। এই তিনটি অভিজ্ঞতা আমাকে একই সত্যটা বারবার শিখিয়েছে: ওভারপারফরম্যান্স ঋণ, উপহার নয়।
ক্রিকেটে ফুটবলের xG-এর মতো একটি সর্বজনীন একক মেট্রিক নেই। তাই আমি নিজেই বানিয়েছি ‘প্রেশার ওভার সূচক’ (Pressure Overs Index)। সিরিজ শুরুর আগে নিয়ম লক করে রেখেছিলাম—এটাই আমার প্রি-রেজিস্ট্রেশন ডিসিপ্লিন। সংজ্ঞা: টি-টোয়েন্টির ১১ থেকে ১৫ ওভার হলো মিডল-প্রেশার উইন্ডো; সেখানে ডট-বলের হার, উইকেট-ক্ষয়ের হার এবং বাউন্ডারি শতাংশের ওজন ৪০:৩৫:২৫ অনুপাতে। বেসলাইন হিসাবে নিয়েছি ২০২২ থেকে ২০২৫ সাল পর্যন্ত বাংলাদেশের ঘরোয়া বিপিএল এবং জাতীয় দলের ৫৮টি ইনিংস। সেখানে সূচকের গড় ছিল ০.৬২। তুলনার জন্য আইসিসি টেস্ট-র্যাংকিংয়ের শীর্ষ চার দলের ৪৭টি ইনিংসেও একই মেট্রিক প্রয়োগ করি; তাদের গড় ০.৭৮।
এরপর আমি গত তিনটি দ্বিপাক্ষিক সিরিজের বল-বাই-বল ডেটা মডেলে ঢালি। ফলাফল? বাংলাদেশের সূচক ০.৫১-এ নেমে এসেছে—বেসলাইন থেকে ১১ পয়েন্ট নিচে। ভেঙে দেখলে তিনটি প্যাটার্ন স্পষ্ট: প্রথমত, স্পিনারদের বিরুদ্ধে ডট-বলের হার স্বাভাবিক গড়ের চেয়ে ১১ শতাংশ বেশি; দ্বিতীয়ত, ১১-১৫ ওভারে আগে উইকেট হারালে পরের ৪ ওভারে বাউন্ডারি শতাংশ ২৩ শতাংশ থেকে কমে ১৪ শতাংশ হয়; তৃতীয়ত, বাঁ-হাতি ব্যাটসম্যানদের বিপক্ষে লেগ-স্পিন ডেলিভারিতে সুইপ শটে আউটের হার অসামঞ্জস্যপূর্ণ। এই তিনটি ফলাফল কোনও একজন ব্যাটসম্যানের ব্যর্থতা নয়; এটি দলের শট-সিলেকশন সংস্কৃতির সিস্টেম-ফেলিওর।
তুলনামূলকভাবে দেখুন, সম্প্রতি শ্রীলঙ্কা ও আফগানিস্তানের বিপক্ষে আমরা যে ধরনের ম্যাচ-পরিস্থিতিতে পড়েছি, সেখানেও মডেল একই সংকেত দিয়েছে। প্রতিপক্ষের গতি ও স্পিনের মিশ্রণ আমাদের সূচককে টেনে নামায়; কিন্তু কেবল প্রতিপক্ষকে দোষ দিলে চলবে না। আমাদের নিজেদের ডেটা-পাইপলাইনেই উত্তর লুকানো।
এখানে আমি কনট্রারিয়ান যুক্তি তুলতে চাই। ক্রিকেট বিশ্লেষণে আমরা প্রায়ই বিপর্যয়কে বাহ্যিক কারণে দোষারোপ করি: ‘উইকেট খারাপ ছিল’, ‘ক্যাপ্টেন ভুল সিদ্ধান্ত নিয়েছে’, ‘ব্যাটসম্যানের ফর্ম নেই।’ কিন্তু ডেটা বলছে অন্য কথা। সহসম্পর্ক মানে কারণ নয়। আমার মডেলে মিডল-অর্ডার বিপর্যয়ের সঙ্গে পিচের ধরনের সম্পর্ক ৩৮ শতাংশ; অথচ শট-সিলেকশনের—বিশেষত স্পিনের বিরুদ্ধে প্রি-মেডিটেটেড সুইপ—সহসম্পর্ক ৭১ শতাংশ। অর্থাৎ দোষ পিচে না, সিদ্ধান্তের পাইপলাইনে। এবার মনে রাখুন, আমি পিচের ভূমিকা পুরোপুরি অস্বীকার করছি না; শুধু বলছি, কোন ভেরিয়েবলটি মডেলে বেশি ব্যাখ্যামূলক শক্তি ধারণ করে, সেটা আমরা ভুলভাবে পড়ছি।
শাকিব আল হাসান বা মাহমুদুল্লাহ রিয়াদের মতো অভিজ্ঞ ব্যাটসম্যানরা যখন উইকেটে থাকেন, তখন সূচক স্বাভাবিকের কাছাকাছি থাকে; কিন্তু তাওহিদ হৃদয় বা নাজমুল হোসেন শান্তরা যখন স্পিনারদের বিপক্ষে অস্বস্তিতে পড়েন, তখন ডট-বলের হার বেড়ে যায়। এটি তরুণদের দক্ষতার অভাব নয়; এটি তাদের সামনে রাখা ভুল রণনীতির ফল। দলের ড্রেসিংরুমের রসায়ন, অভিজ্ঞ ক্রিকেটারদের উপস্থিতি এবং পরিসংখ্যান-ভিত্তিক ম্যাচ-পরিকল্পনা—এই তিনটি ভেরিয়েবল ট্রান্সফার-মার্কেট মডেলে প্রায়ই অবমূল্যায়িত থাকে। আমি তরুণ প্রতিভাকে বর্জন করতে বলছি না; বলছি, তাদের সিস্টেমে বসানোর আগে পিচ-নির্ভর নয় এমন প্রস্তুতি তৈরি করতে হবে।
বাংলাদেশের ঘরোয়া ক্রিকেটে—বিশেষত বিপিএল ম্যাচগুলোতে—বছরের পর বছর ম্যাচ দেখার অভিজ্ঞতা থেকে বলতে পারি: চাপের ওভারে বেশিরভাগ দলই ভয় পেয়ে যায়, আক্রমণাত্মক হতে পারে না। একজন অভিজ্ঞ ব্যাটসম্যান উইকেটে থাকলে ডট-বলের হার কমে যায়; কিন্তু নতুন ব্যাটসম্যান এলে কলআউট-রেট বেড়ে যায়। এই ‘ভয়ের বায়োলজি’ মডেল ধরে, কিন্তু স্কোরকার্ডে লেখা থাকে না। আমাদের পরবর্তী ক্যাপসুলে আমি এই ভয়-সূচক স্থির করার চেষ্টা করেছি, যেখানে হার্ট-রেট নয়, সিদ্ধান্তের গতি (শট-রিলিজ টাইম) পরিমাপ করা হয়।
এখন প্রশ্ন: পরবর্তী সিরিজে কী হবে? আমি প্রি-রেজিস্টার্ড চেকপয়েন্ট রেখেছি। প্রথম: ১১-১৫ ওভারে উইকেট-ক্ষয় হার ১.২-এর নিচে নামতে হবে। দ্বিতীয়: স্পিন-বিরুদ্ধে ডট-বলের হার ৪৮ শতাংশের নিচে রাখতে হবে। তৃতীয়: ম্যাচের ২০তম ওভারে দলের রান যদি ১৭০-এর বেশি হয়, তবে সূচকের পুনর্বিবেচনা করব। যশোর, খুলনা ও মিরপুরের ঘরোয়া মাঠে তৈরি করা ক্রাইসিস-রিকভারি ম্যাপে এই চেকপয়েন্টগুলো লক করে রেখেছি; ব্যর্থতার থ্রেশহোল্ড পেরিয়ে গেলেই মডেল আপডেট হবে।
মনে রাখুন: প্রত্যাশিত সত্য কোনো রায় নয়; এটি একটি হাইপোথিসিস, যা প্রতিলিপির অপেক্ষায় থাকে। আমি আউটলায়ারদের তাড়া করি না; তারা স্বীকার করা পর্যন্ত অনুসরণ করি। বাংলাদেশের ক্রিকেটকে আবেগের গল্পে ফেলা বন্ধ করতে হবে; সংখ্যাগুলোকে সিস্টেমের দর্পণে দেখতে হবে। পরের সিরিজটি আমাদের জন্য কেবল একটা ফল নয়—এটা হবে প্রেশার ওভার সূচকের প্রথম ফিল্ড-টেস্ট। ডেটা যদি সঠিক থাকে, তবে সূচক আমাদের দেখাবে সংকট কোথায় দীর্ঘস্থায়ী, আর পুনরুদ্ধারের পথ কোথায় খোলা।



সংশ্লিষ্ট খেলোয়াড়গণ
সুপারিশকৃত
অর্ধ-স্থান ও এশিয়ার টি-টোয়েন্টি: ৭ থেকে ১৫ ওভারের সংকট কে বানায়?2026-10-03
এশিয়ার ক্রিকেট ক্যালেন্ডার আর অদৃশ্য ওয়ার্কলোডের খাতা: যে সংখ্যাগুলো কেউ লিখে রাখে না2026-09-26
খালি সেলের পাঠ: ক্রিকেটের ডেটা-সরবরাহ শৃঙ্খল, যাচাই আর ব্লকচেইনের অসমাপ্ত প্রতিশ্রুতি2026-10-09
শূন্য ইনফরমেশন পয়েন্ট: যখন ক্রিকেট বিশ্লেষণ নিজেই একটি নাল-রিপোর্টে পরিণত হয়2026-10-07
খালি ইনপুট, সৎ সিদ্ধান্ত: কেন Stage-1 ডেটা ছাড়া এই ক্রিকেট প্রতিবেদন লেখা যায় না2026-10-10
হারমানপ্রীত কৌরের পাঁচ অর্জনের খাতা মেলাতে গিয়ে: একটি ভুল শহর, একটি অসম তুলনা, একটি উত্তরাধিকারের ছবি2026-10-07
সুপারিশকৃত
এশিয়া কাপের ফাটা ড্রাম: টাকার মানচিত্র আর মধ্যওভারের হিসাব2026-09-30
ব্লকচেইনে ক্রিকেট: রেকর্ড, চুক্তি আর বিশ্বাসের নতুন লেজার2026-09-26
ফাঁকা স্কোরবোর্ড: এশীয় ক্রিকেটের ডেটা-যুগে অনুপস্থিতির হিসাবনিকাশ2026-10-10
নিউজিল্যান্ড সফরে ভারতের দুই ট্র্যাক কৌশল: শ्े আইয়ারের নেতৃত্বে টি-টোয়েন্টি, ধ্রুব জুরেলের হাতে ইন্ডিয়া এ-র ভবিষ্যৎ2026-10-07
ক্রিকেটের নতুন খতিয়ান: এশিয়ার ফ্র্যাঞ্চাইজি অর্থনীতিতে ব্লকচেইনের নীরব দখল2026-10-03
নাহিদ রানার ওয়েস্ট ইন্ডিজ সিরিজ ছিটকে পড়া: এক্সপ্রেস পেসের স্বপ্ন নাকি পুনরাবৃত্তির আতঙ্ক?2026-10-10
দুই ম্যাচ, দশ ধাপ: মেহেদি–নাসুমের টি-টোয়েন্টি র্যাঙ্কিংয়ের খতিয়ান2026-10-08
