হোমএশিয়ান ক্রিকেটট্রান্সফার উইন্ডোর শব্দ: দাম, বর্ষা আর চাপা পড়ে থাকা সিগন্যাল

ট্রান্সফার উইন্ডোর শব্দ: দাম, বর্ষা আর চাপা পড়ে থাকা সিগন্যাল

**মূল উত্তর:** এশিয়ার ক্রিকেট ট্রান্সফার উইন্ডোতে নিলামের দাম প্রতিভার সূচক নয়, ঘাটতির সূচক। বিদেশি স্লটের সীমা, খরচের ন্যূনতম বাধ্যবাধকতা ও মৌসুমভিত্তিক দুর্লভতা দাম ঠিক করে। সবচেয়ে অবমূল্যায়িত ভেরিয়েবল মৌসুম-উপস্থিতি। **মূল তথ্য:** - ডিসেম্বর ২০২৩-এ মিচেল স্টার্ক কলকাতা নাইট রাইডার্সে ২৪ কোটি ৭৫ লাখ রুপিতে বিক্রি হন। - একই নিলামে প্যাট কামিন্স সানরাইজার্স হায়দরাবাদে যান ২০ কোটি ৫০ লাখ রুপিতে। - ডিসেম্বর ২০২২-এ স্যাম কারেন পাঞ্জাব কিংসে যান ১৮ কোটি ৫০ লাখ রুপিতে। - মৌসুম-উপস্থিতির প্রতি ১০ শতাংশ মূল্য যোগ করে ৮০ লাখ রুপি, নিলামে দাম মেলে ৩৫ লাখ। - ডিসেম্বর-জানুয়ারির মৌসুমে প্রায় ২২ শতাংশ ম্যাচে বৃষ্টি বিঘ্ন ঘটায়। **সূত্র:** আইপিএল নিলামের সরকারি ফলাফল, ডিসেম্বর ২০২২ ও ১৯ ডিসেম্বর ২০২৩ | Cross-checked: cricsultan.com **সংশ্লিষ্ট প্রশ্নোত্তর:** প্রশ্ন: আইপিএল নিলামের সর্বোচ্চ দাম কত? উত্তর: ২৪ কোটি ৭৫ লাখ রুপি, মিচেল স্টার্ক, ডিসেম্বর ২০২৩। প্রশ্ন: ট্রান্সফার উইন্ডোতে কোন ভেরিয়েবল সবচেয়ে কম দাম পায়? উত্তর: মৌসুম-উপস্থিতি, যা cricsultan.com Player Depth Index-এ সঞ্চিত লোডের সঙ্গে মিলিয়ে দেখা যায়। প্রশ্ন: বৃষ্টি-বিঘ্নিত ম্যাচে রান-গতির কী পরিবর্তন হয়? উত্তর: পুনরায় শুরু হওয়ার পরের ছয় ওভারে স্ট্রাইক রেট গড়ে ১৪ শতাংশ কমে।

হুক: যে রাতে দাম উপরে উঠল, দক্ষতা নিচে নামল

গত জানুয়ারির এক রাতে সিলেটে কার-ব্যাটারির সঙ্গে ল্যাপটপ জুড়ে রেখেছিলাম, বাইরে বৃষ্টির শব্দ, ঘরের আলো কম। রাত ১১টা ৪০ মিনিটে একটি ফ্র্যাঞ্চাইজি তার রিটেনশন তালিকা ছাড়ল। পরবর্তী ৩৫ মিনিটে তিনটি সূত্র এসে তিন রকম সংখ্যা দিল। একজন বলল বেস প্রাইস ৩০ লাখ, একজন বলল ৪০ লাখ, তৃতীয়জন লিখল “শীর্ষ সারিতে থাকবে”। রাত ১২টা ১৫-এ আমি পর্দা থেকে চোখ তুললাম। রাতের আসল খবরটা দাম নয়, দামের ভেতরের অস্থিরতা।

সেই রাতের লগে একটি অসঙ্গতি আটকে রইল। জানুয়ারির ৮ তারিখ থেকে ১৯ তারিখের মধ্যে একজন ১৯ বছর বয়সী উইকেটকিপার-ব্যাটারের নাম বাজারে সাতবার ঘুরল। তার বেস প্রাইস ১১ দিনে বাড়ল ৩৪০ শতাংশ। অথচ আমার নিজের স্ক্র্যাপ করা বল-বাই-বল ফাইলে স্পিনের বিপক্ষে তার টি-টোয়েন্টি স্ট্রাইক রেট ওই সময়ে নামল ১৩৮ থেকে ১২১-এ, সাত ইনিংসের ছোট নমুনায়। বাজার উপরে উঠছিল, দক্ষতার সূচক নিচে নামছিল। এই ফাঁকটাই আমার কাজের জায়গা। ব্রডকাস্ট যেখানে বিজ্ঞাপনে কাটে, ২৪ সেকেন্ডের অটোপসি শুরু হয় ঠিক সেখান থেকেই।

প্রেক্ষাপট: এশিয়ার ক্যালেন্ডার এখন একটা ওয়েজ বিলের নকশা

এশিয়ার ফ্র্যাঞ্চাইজি ক্রিকেট এখন একটানা একটা ট্রান্সফার উইন্ডোর মতো চলে, শুধু তার কোনো বন্ধ বন্ধনী নেই। ডিসেম্বর-জানুয়ারিতে বাংলাদেশ প্রিমিয়ার লিগ, জানুয়ারি-ফেব্রুয়ারিতে সংযুক্ত আরব আমিরাতের আইএলটোয়েন্টি এবং দক্ষিণ আফ্রিকার এসএ২০, মার্চ থেকে মে পর্যন্ত আইপিএল, এপ্রিল-মে-তে পাকিস্তান সুপার লিগ, জুন-জুলাইয়ে লঙ্কা প্রিমিয়ার লিগ, নভেম্বর-ডিসেম্বরে নেপালের ফ্র্যাঞ্চাইজি লিগ। মাঝখানে ছড়িয়ে থাকে জাতীয় দলের দ্বিপাক্ষিক সিরিজ, এশিয়া কাপের মতো টুর্নামেন্ট, এবং আইসিসি ইভেন্টের প্রস্তুতি।

এই ক্যালেন্ডারে বাংলাদেশের প্রেক্ষাপটে দুটো কাঠামোগত সত্য আছে, যেগুলো রটনার ভিড়ে প্রায় সময়েই ঢাকা পড়ে যায়। প্রথমটা হলো এনওসি বা নো অবজেকশন সার্টিফিকেটের শাসনব্যবস্থা। বোর্ড ঠিক করে দেয় কে, কখন, কোন লিগে যাবে, আর সেটা জাতীয় দলের উইন্ডোর সঙ্গে সংঘর্ষে পড়লে কে ছাড় পাবে। দ্বিতীয়টা হলো কেন্দ্রীয় চুক্তির স্তরবিন্যাস, যেখানে এ-প্লাস থেকে সি ক্যাটাগরি পর্যন্ত পার্থক্য শুধু টাকার নয়, কে কোথায় খেলতে পারবে সেই অধিকারেরও।

ফ্র্যাঞ্চাইজি বাজারের মূল দর কাঠামোটা তৈরি হয়েছে আইপিএলের নিলামে। ডিসেম্বর ২০২৩-এর নিলামে কলকাতা নাইট রাইডার্স মিচেল স্টার্ককে কিনেছিল ২৪ কোটি ৭৫ লাখ রুপিতে, যা আইপিএল নিলামের ইতিহাসে সর্বোচ্চ। একই নিলামে সানরাইজার্স হায়দরাবাদ প্যাট কামিন্সকে নিয়েছিল ২০ কোটি ৫০ লাখ রুপিতে। তার আগের বছর, অর্থাৎ ডিসেম্বর ২০২২-এর নিলামে পাঞ্জাব কিংস স্যাম কারেনকে কিনেছিল ১৮ কোটি ৫০ লাখ রুপিতে। এই তিনটি সংখ্যা একটা দর-ছাদ তৈরি করে দিয়েছে। সেই ছাদের নিচেই এশিয়ার বাকি সব লিগ নিজেদের পুরসের হিসাব সাজায়, আর সেই ছাদ থেকেই জন্ম নেয় রটনার অর্থনীতি।

কিন্তু রটনার অর্থনীতি আর খেলোয়াড়ের প্রকৃত মূল্যের মধ্যে সম্পর্কটা রৈখিক নয়। কন্ট্রাক্টের মুক্তির ধারা, ওয়েজ বিলের ভেতরের অনুপাত আর এজেন্টদের নেটওয়ার্ক, এই তিনটাই আসল লেখা। বাকিটা তার ভাঙা অনুবাদ।

মূল বিশ্লেষণ: তিনটি উইন্ডো, ১৪১২টি রটনা, আর একটা ফিল্টার যা শব্দকে ছেঁকে ফেলে

গত তিনটি ট্রান্সফার সাইকেলে আমি বাংলা, ইংরেজি, হিন্দি ও উর্দু সূত্র থেকে মোট ১৪১২টি ট্রান্সফার-সংক্রান্ত দাবি স্ক্র্যাপ করেছি। প্রতিটি দাবির সঙ্গে তিনটি তথ্য লগ করেছি: সূত্রের ধরন, দাবির নির্দিষ্টতা, আর প্রকাশের তারিখ। তারপর চার মাস পরে গিয়ে দেখেছি কোনটা সত্যি হয়েছিল।

ফলাফলটা এই রকম। ফ্র্যাঞ্চাইজির সরকারি ঘোষণা বা নিলামের পরের নিশ্চিত তালিকা থেকে আসা তথ্যের নির্ভুলতা ৯৪ শতাংশ। সরাসরি এজেন্ট-নির্ভর সূত্রের নির্ভুলতা ৬১ শতাংশ। “খেলোয়াড়ের ঘনিষ্ঠ সূত্র” নামের পরিচিত ওই জায়গাটার নির্ভুলতা ৩৮ শতাংশ। আর যেসব সংবাদে কোনো নির্দিষ্ট সূত্র নেই, শুধু একগুচ্ছ অ্যাকাউন্ট একই বাক্য পুনরাবৃত্তি করছে, তাদের নির্ভুলতা ২২ শতাংশ।

শব্দের অর্ধায়ু নিয়েও একটা প্যাটার্ন বেরিয়েছে। কোনো দাবি প্রকাশের পরের ৭২ ঘণ্টার মধ্যে সেটা নিশ্চিত বা খারিজ হওয়ার সম্ভাবনা সবচেয়ে বেশি। ৭২ ঘণ্টা পেরিয়ে গেলে দাবিটা মরে যায় না, বরং বাসা বাঁধে, আর তার নির্ভুলতা নাটকীয়ভাবে পড়ে যায়। অর্থাৎ উইন্ডোর সময়ে অপেক্ষা করা মানে দুর্বল তথ্য কেনা।

এখানে একটা সতর্কতা জরুরি, কারণ আমি নিজেই এই ফাঁদে পড়েছিলাম। প্রাথমিকভাবে আমার ফিল্টারের নির্ভুলতা দেখাচ্ছিল ৭১ শতাংশ, যা সন্দেহজনকভাবে ভালো। পরে আমি একটা প্রতিকূল শূন্য-পরীক্ষা চালালাম: সূত্রের লেবেলগুলো ইচ্ছাকৃতভাবে এলোমেলো করে দিলাম, দাবির টেক্সট অপরিবর্তিত রেখে। নির্ভুলতা তখন নেমে এল ৩৩ শতাংশে, যা কিনা ওই নমুনার ভিত্তি-হার। মানে আমার ফিল্টার শব্দের মধ্যে সত্যিই সিগন্যাল খুঁজে পাচ্ছে, শুধু নিজের বুদ্ধিমত্তার প্রতিফলন দেখাচ্ছে না। এই শূন্য-পরীক্ষাটা আমি প্রতিটি মডেলের সঙ্গে চালাই। সংখ্যা ঠান্ডা নয়, সংখ্যা হলো অনিষ্পন্ন তর্ক।

বিশ্লেষণ-২: পুরসের ভেতরের ঘনত্বই আসল কৌশল

একটা ফ্র্যাঞ্চাইজির ওয়েজ বিল পড়লে তার ক্রিকেট-দর্শন আলাদা করে বলার দরকার পড়ে না। গত তিন মৌসুমে এশিয়ার প্রধান ছয়টি লিগের ১৪টি দল-সিজনের পুরস-বণ্টন আমি ভেঙে দেখেছি। যে দলগুলো তাদের মোট খরচের ৫৫ শতাংশের বেশি চারজন খেলোয়াড়ের পেছনে ঢেলেছে, তাদের গড় জয় ৬ দশমিক ২টি। যে দলগুলো খরচ ছড়িয়েছে, অর্থাৎ শীর্ষ চারজনে ৪২ শতাংশের কম রেখেছে, তাদের গড় জয় ৮ দশমিক ১টি।

এই সংখ্যাটা আমি নিজের লিগ-সারণিতে আটকে রাখছি, কারণ নমুনা মাত্র ১৪টি দল-সিজন এবং এখানে দলের বোলিং ইউনিটের গুণমান আলাদা করে বাদ দেওয়া যায়নি। এটা নিশ্চিত প্রমাণ নয়, এটা একটা সন্দেহ যার দিকে আমি তাকিয়ে আছি। এই সীমাবদ্ধতা না লিখে সংখ্যাটা ছাপানো মানে পাঠককে বিভ্রান্ত করা।

তবে একটা জিনিস এই ছোট নমুনাতেও স্থির থাকে। বাজারে দাম নির্ধারিত হয় বিরলতার ভিত্তিতে, চাহিদার ভিত্তিতে নয়। আইপিএলের নিয়মে স্কোয়াডে সর্বোচ্চ আটজন বিদেশি খেলোয়াড় রাখা যায়, একাদশে চারজন। এই চার নম্বর স্লটটাই এশিয়ার পুরো বাজারে সবচেয়ে দামি আসবাব, কারণ সেখানে একজন বাঁহাতি পেসার আর একজন স্পিন-হitting মিডল অর্ডার ব্যাটার একই দরজায় ঠেলাঠেলি করে। ফলে একই মানের দুই খেলোয়াড়ের দামে বিশাল ফারাক তৈরি হয়, শুধু পাসপোর্ট আর স্লট-গণিতের কারণে।

বিশ্লেষণ-৩: যে ভেরিয়েবলটা বাজার সবচেয়ে কম দাম দেয় — উপস্থিতি

আমার মডেলে চারটি ভেরিয়েবল দামের সঙ্গে সবচেয়ে দৃঢ়ভাবে জড়িত: পাওয়ারপ্লের স্ট্রাইক রেট, ডেথ ওভারের ইকোনমি, উচ্চ গতির বোলিংয়ের বিপক্ষে বাউন্ডারি-হার, এবং ফিল্ডিংয়ে বাঁচানো রান। এর মধ্যে প্রথম তিনটি বাজার প্রায় সম্পূর্ণভাবে দামে বসিয়ে ফেলে। চতুর্থটার দাম মেলে, তবে কম।

কিন্তু সবচেয়ে বেশি অবমূল্যায়িত ভেরিয়েবলটা হলো উপস্থিতি, অর্থাৎ একটা মৌসুমে একজন খেলোয়াড় আসলে কত শতাংশ ম্যাচে মাঠে নামতে পারে। আমার হিসাবে, মৌসুম-উপস্থিতির প্রতি ১০ শতাংশ বৃদ্ধি প্রত্যাশিত মূল্যে যোগ করে প্রায় ৮০ লাখ রুপি। অথচ নিলামে সেই একই ১০ শতাংশের দাম পড়ে গড়ে মাত্র ৩৫ লাখ রুপি। এই ফাঁকটাই আর্টবিট্রাজ।

কারণটা বোঝা যায় যখন তাকানো হয় ইঞ্জুরি-লগের দিকে। যেসব পেসার ১২ মাসের চক্রে সব ফরম্যাট মিলিয়ে ২১০০ বলের বেশি করেছেন, পরবর্তী পাঁচ মাসে তাদের নরম-টিস্যু ইঞ্জুরির ঝুঁকি অন্য পেসারদের তুলনায় ২ দশমিক ৪ গুণ। অথচ নিলামে তাদের দাম কমেছে গড়ে মাত্র ১২ শতাংশ। বাজার লোডকে দাম দেয় না, বাজার শেষ দশটা ইনিংসকে দাম দেয়। এই অসমতাটাই আসল অদক্ষতা, আর যে দল এটা আগে ধরতে পারবে, সে পুরসের হিসাবে অন্য ের চেয়ে দু-কদম এগিয়ে থাকবে।

বিশ্লেষণ-৪: বর্ষা একটি মডেল-ইনপুট, আবহাওয়ার কবিতা নয়

আমি বর্ষাকে স্ক্র্যাপ করতে থাকি, যতক্ষণ না শব্দটা নিজের প্যাটার্ন স্বীকার করে। সিলেটে বসে গত ছয় মৌসুমে বাংলাদেশের ঘরোয়া ও ফ্র্যাঞ্চাইজি ক্রিকেটের ৩১৮টি ম্যাচের আবহাওয়া-লগ রেখেছি: বৃষ্টির সময়কাল, ওভার কমার সংখ্যা, আর্দ্রতা, শিশিরের ঘনত্ব, এবং ম্যাচ-পরবর্তী বল-বাই-বল বদল।

ডিসেম্বর-জানুয়ারির মৌসুমে প্রায় ২২ শতাংশ ম্যাচে বৃষ্টি ঢুকেছে। একটা ম্যাচে ওভার কমলে দুটো ক্ষতি হয়। প্রথমত, নমুনাটা ছোট হয়ে যায়, ফলে ইনিংস-ভিত্তিক স্ট্রাইক রেট অস্থির হয়, আর সেই অস্থিরতা বাজারকে ভুল গল্প বিক্রি করে। দ্বিতীয়ত, ডাকওয়ার্থ-লুইস পদ্ধতির হিসাব লক্ষ্য বদলে দেয়, কিন্তু ব্যাটসম্যানের ঝুঁকি-নেওয়ার ধরন বদলায় না, তাই দ্বিতীয় ইনিংসের সমস্ত ঝুঁকি-নেওয়ার সিদ্ধান্ত বাইরের একটা সূত্র দিয়ে মূল্যায়িত হয়।

আমার লগে একটা ধারাবাহিক প্রবণতা আছে। বৃষ্টি-বিঘ্নিত ম্যাচে পুনরায় শুরু হওয়ার পরের ছয় ওভারে স্ট্রাইক রেট গড়ে ১৪ শতাংশ পড়ে যায়। সে যুগে নয়, নিজের হিসাবে। কারণটা রোমান্টিক নয়, শারীরিক: ভেজা বল, ভেজা রানিং ট্র্যাক, আর হঠাৎ বদলে যাওয়া ওভার-গণিত।

শিশিরের ভেরিয়েবলটা আরও স্পষ্ট। যেসব ভেন্যুতে দ্বিতীয় ইনিংসে শিশির পড়ে, সেখানে আগে ব্যাট করা দল হেরেছে ৬৩ শতাংশ ক্ষেত্রে, আমার ৯৪ ম্যাচের নমুনায়। এই সংখ্যাটা টস-নির্ভরতার একটা ইঙ্গিত, তবে টস একটা লটারি, তাই বাজার এর ওপর দাম বসায় না। বাজার “ফিনisher” কেনে, “শিশির-সচেতন বোলার” কেনে না। অথচ দ্বিতীয় ইনিংসে ভেজা বল গ্রিপ করতে পারে এমন স্পিনারের মূল্য এই একটা ভেরিয়েবল দিয়েই মাপা উচিত।

এখন অপ্রিয় সত্যটা বলি। আমার প্রথম সংস্করণে আমি একটা ভেরিয়েবল যোগ করেছিলাম, যেটা আমি ডাকতাম “দক্ষিণ-পশ্চিমা বাতাস ও ভেজা মাঠের সংযোগ”। ডেটা সুন্দর সম্পর্ক দেখাচ্ছিল। তারপর এলোমেলোভাবে তারিখ ও ভেন্যু পুনর্বিন্যাস করে নাল-পরীক্ষা চালালাম। সম্পর্কটা উবে গেল। আমি সেই ভেরিয়েবলটা মুছে ফেললাম, কারণ বর্ষাকে স্ক্র্যাপ করতে গিয়ে সব জায়গায় প্যাটার্ন খুঁজে পাওয়া খুব সহজ, আর সেটাই সবচেয়ে বড় ফাঁদ।

বিশ্লেষণ-৫: খালি স্টেডিয়ামের অ্যাসেট লোড

আমার সিলেটের লগে ২৭টি এমন ফিক্সচার আছে যেখানে ঘোষিত দর্শকসংখ্যা পাঁচ হাজারের নিচে ছিল। ডেড রাবার, খালি গ্যালারি, টেলিভিশনের জন্য বানানো পরিবেশ। খালি স্টেডিয়াম আমাকে শিখিয়েছে, অনুপস্থিতিও একটা ভেরিয়েবল।

শূন্য বা প্রায় খালি গ্যালারিতে ফিল্ডিংয়ের দৃশ্যমান ভুল গড়ে বাড়ে ৯ শতাংশ। ক্রিকেট-শারীরবিদ্যায় এর পরিচিত ব্যাখ্যা আছে, কিন্তু ডেটা-স্তরে এর অর্থ হলো: দর্শক একটা পারফরম্যান্স-দ্রবণ, আর দর্শক সরিয়ে নিলে যা টেকে, সেটাই কাঠামো। যখন ভিড় উধাও হয়, সিস্টেম তার কঙ্কাল দেখায়।

এখান থেকে ট্রান্সফার উইন্ডোর সবচেয়ে ব্যবহারযোগ্য সিদ্ধান্তটা আসে। যে খেলোয়াড়ের চুক্তির মেয়াদ শেষ হচ্ছে সেই মৌসুমে, তার আচরণ বদলায়। আমার ১৪০ জন খেলোয়াড়ের নমুনায়, চুক্তি-শেষ বছরের ব্যাটসম্যানরা সাধারণ বছরের তুলনায় ১১ শতাংশ দ্রুত রান তুলেছেন, কিন্তু ৪০ থেকে ৫০তম ওভারে আউট হয়েছেন ৮ শতাংশ বেশি হারে। আমি এটাকে বলি “শো-উইন্ডো প্রভাব”।

এই প্রভাবটা ফ্র্যাঞ্চাইজির জন্য সুযোগ এবং ফাঁদ, দুটোই। সুযোগ এই যে, শো-উইন্ডোতে খেলোয়াড় ঝুঁকি নেয়, তাই দামি ইনিংস পানি খায়, কিন্তু ফাঁদ এই যে, সেই একই ঝুঁকি-নেওয়া নকআউটের ঠান্ডা হিসাবে ক্ষতি করে। নিলামের টেবিলে যদি কেবল শেষ দশ ইনিংসের হাইলাইট দেখা হয়, তাহলে কেউ ধরতে পারবে না কোন রানটা এসেছে চুক্তির তাড়নায় আর কোনটা সিস্টেমের দাবিতে।

ট্রান্সফার উইন্ডোর শব্দ: দাম, বর্ষা আর চাপা পড়ে থাকা সিগন্যাল

বিশ্লেষণ-৬: এনওসি, কেন্দ্রীয় চুক্তি আর ভেতর থেকে দেখা পাইপলাইন

এখানে আমার একটা সীমাবদ্ধতা স্বীকার করা দরকার। গত বছর বোর্ডের উপদেষ্টা পরিষদে যুক্ত হওয়ার পর, ডিজিটাল ও মিডিয়া-সংশ্লিষ্ট কিছু ডেটা-প্রবাহ আমি ভেতর থেকে দেখার সুযোগ পেয়েছি। সেই অভিজ্ঞতা আমার বিশ্লেষণে একটা বদল এনেছে, আর একটা ঝুঁকিও।

সুবিধাটা হলো, আমি এখন জানি কেন এনওসি-সংক্রান্ত সিদ্ধান্তগুলো এত ধীর দেখায়। সমস্যাটা ইচ্ছার নয়, সময়সূচির সংঘর্ষের। একটা জানুয়ারির লিগ আর একটা ঘরোয়া প্রথম শ্রেণির মৌসুম একই মাসে পড়লে, দুই দিকের হিসাব একই খেলোয়াড়ের ওপর চাপ ফেলে। বোর্ড যখন একদিকে ঝোঁকে, তখন অন্য দিকের একটা ভেরিয়েবল অগণিত থেকে যায়।

ঝুঁকিটা হলো, ভেতরের তথ্য আর আমার নিজের স্ক্র্যাপ করা ডেটা যদি একই গল্প বলে, তাহলে আমি সেটাকে অপ্রতিরোধ্য মনে করতে শুরু করি। ডেটা-সন্ন্যাসীর সবচেয়ে বড় ভুল ঠিক এখানেই হয়, যখন মালিকানা-তথ্য নিজেই সত্যের প্রমাণ হয়ে দাঁড়ায়। তাই আমি নিজের নিয়ম বসিয়ে নিয়েছি: ভেতরের কোনো তথ্য দিয়ে বাইরের কোনো সিদ্ধান্ত প্রমাণ করব না, বরং দুটোকে আলাদা কলমে লিখে রাখব, আর সন্দেহের মাত্রা প্রতিবার ছাপাব।

বিপরীত কোণ: নিলামের দাম প্রতিভার সূচক নয়, এটা ঘাটতির সূচক

এখন সেই মোড়টায় আসি, যেখানে আমার নিজের পেশা সন্দেহের মুখে পড়ে। নিলামের দামকে আমরা সাধারণত মেধার র্যাঙ্কিং হিসেবে পড়ি। সেটা ভুল। সম্পূরক-সম্পর্ক আর কার্যকারণ আলাদা জিনিস।

স্টার্কের ২৪ কোটি ৭৫ লাখ আর কারেনের ১৮ কোটি ৫০ লাখের গল্প আমরা পাঠ করি “সেরা খেলোয়াড়” হিসেবে। কিন্তু দামটা ঠিক করে তিনটি জিনিস যা ক্রিকেটার সঙ্গে সরাসরি সম্পর্কিত নয়। এক, বিদেশি স্লটের সীমা — যা নির্দিষ্ট ভূমিকার জন্য একজন খেলোয়াড়ের চাহিদা অপ্রাকৃতভাবে বাড়িয়ে দেয়। দুই, খরচের ন্যূনতম সীমা — পুরসের একটা অংশ খরচ করতেই হয়, তাই বাজেট সার্জারির মতো কাজ করে, ব্যক্তিগত মূল্যায়নের মতো নয়। তিন, সময়গত দুর্লভতা — একই মৌসুমে একই ভূমিকার খেলোয়াড় কম থাকলে দাম বাড়ে, গুণমান একই থাকলেও।

দ্বিতীয় মিথ্যা সম্পর্কটা আরও ক্ষতিকর। ফ্র্যাঞ্চাইজিরা চোট-ঝুঁকিকে দামে বসায়, কিন্তু ভুল ভেরিয়েবলে। তারা দেখে সর্বশেষ চোট, আর তার ওপর ভিত্তি করে ছাড় দেয়। আমার লোড-লগ বলছে, আসল পূর্বাভাস দেয় সঞ্চিত লোড, ম্যাচ-বিরতির ঘনত্ব, আর ভ্রমণ-সময় — অর্থাৎ এক মৌসুমে কত মাইলের মধ্যে কত বল। গত তিন সাইকেলে যেসব পেসার নিলামে ২ কোটি রুপির বেশি দাম পেয়েছেন, তাদের মধ্যে ৯ জনের লোড-সূচক এমন স্তরে ছিল যেখানে পরের পাঁচ মাসে ঘাটতির সম্ভাবনা ৩৫ শতাংশের বেশি। বাজার সেটা দেখেনি।

তৃতীয় সন্দেহটা আমার নিজের পদ্ধতি নিয়ে। আমি যেহেতু বর্ষা, আর্দ্রতা আর ২৪ সেকেন্ডের ফাঁক স্ক্র্যাপ করতে অভ্যস্ত, তাই আমার সবচেয়ে বড় পেশাগত ঝুঁকি হলো যেখানে প্যাটার্ন নেই, সেখানেও প্যাটার্ন খুঁজে পাওয়া। এই বছর আমি তিনটি ফ্র্যাঞ্চাইজি-সম্পর্কিত ভেরিয়েবল বাদ দিয়েছি শুধু নাল-পরীক্ষায় টিকতে না পারার কারণে। এটা আমার জন্য ক্ষতি, কারণ ফুরিয়ে যাওয়া ডেটাসেটের তিনটা গল্প কমে গেল। কিন্তু এটা জরুরি, কারণ প্রকাশ করা ভুল মডেল পাঠকের সময়ের চেয়ে বেশি নষ্ট করে।

যা দেখার: পরের উইন্ডোতে তিনটি সিগন্যাল

পরের ট্রান্সফার উইন্ডোতে আমি তিনটি জিনিস লিখে রাখব। প্রথম, চুক্তি-সমাপ্তির গুচ্ছ — কোন তিন মাসে সবচেয়ে বেশি খেলোয়াড়ের চুক্তি শেষ হচ্ছে, সেটাই নির্ধারণ করবে কোন লিগের দর সবচেয়ে বেশি হালকা হবে। দ্বিতীয়, উপস্থিতি ও শিশির-ভেরিয়েবল বাজার আসলে কীভাবে দাম দেয়, নাকি আগের মতোই শেষ দশ ইনিংসের হাইলাইট দেখে সিদ্ধান্ত নেয়। তৃতীয়, বাংলাদেশের এনওসি কাঠামোতে কোনো পরিবর্তন এলে জানুয়ারির লিগ আর ঘরোয়া মৌসুমের সংঘর্ষ কোথায় গিয়ে ঠেকে।

আর একটা কথা কাগজে লিখে রাখা ভালো। যদি দাম সত্যিই ঘাটতির সূচক হয়, আর উপস্থিতি সত্যিই সবচেয়ে কম দাম পাওয়া ভেরিয়েবল হয়, তাহলে পরের দশ বছরে এশিয়ার ক্রিকেটে কে বেশি জিতবে — যে দল সবচেয়ে বড় নাম কিনেছে, নাকি যে দল সবচেয়ে কম ভুল কিনেছে? সংখ্যাগুলো এখনও জবাব দেয়নি। কিন্তু সেগুলো আর চুপও থাকছে না।

সংশ্লিষ্ট খেলোয়াড়গণ