ডেটা-চালিত ক্রিকেট: প্রশিক্ষণ মাঠের মানককরণ থেকে ম্যাচ বিশ্লেষণ পর্যন্ত

আমি যখন ২০১৭ সালে ঢাকার একটি ডিজিটাল আউটলেটে যোগ দিই, তখন আমার প্রথম অ্যাসাইনমেন্ট ছিল আবাহনী লিমিটেড ঢাকা। বাংলাদেশ প্রিমিয়ার লিগের সেই মৌসুমে আমি ৪৬টি প্রশিক্ষণ সেশন পর্যবেক্ষণ করি। ক্লাবের ফিটনেস কোচের সাথে মিলে আমি একটি "সেশন ইনটেনসিটি কার্ড" তৈরি করি, যেখানে ২৪ জন খেলোয়াড়ের RPE এবং স্প্রিন্ট-লোড ডেটা লগ করা হতো। এই কাজটি আমাকে শিখিয়েছিল—ক্রিকেটের আসল গল্প মাঠের বাইরে, প্রশিক্ষণ মাঠের ভেতরে লুকিয়ে থাকে। প্রশিক্ষণ মাঠে যা ঘটে তা প্রায়ই ম্যাচের ফলাফলের চেয়ে বেশি গুরুত্বপূর্ণ। একজন ব্যাটসম্যানের টাইমিং, একজন বোলারের রিদম, ফিল্ডিং ড্রিলের পুনরাবৃত্তি—এই সবকিছুই একটি সিস্টেমের অংশ। কিন্তু সমস্যা হলো, আমাদের দেশের বেশিরভাগ ক্লাব এই সিস্টেমটি লিখিতভাবে রাখে না। সবকিছু মুখে মুখে চলে, যা পরিমাপ করা অসম্ভব। আবাহনীর সেই অভিজ্ঞতা থেকে আমি একটি গুরুত্বপূর্ণ উপসংহারে পৌঁছাই: ক্লাবের পরিচয় তার পরিমাপ, সময়সূচি এবং নিয়ম-কানুনে প্রকাশ পায়। যখন আমি ২০১৮ সালে রাশিয়া বিশ্বকাপে ৩২ দিন কাটাই, তখন এই ধারণাটি আরও শক্তিশালী হয়। মস্কো, সারানস্ক এবং নিজনি নোভগোরডে ২১টি ম্যাচ অ্যাক্রেডিটেশন নিয়ে আমি একটি শেয়ার্ড ৬৪-ম্যাচ প্রেসিং ডেটাবেস তৈরি করি। ক্রোয়েশিয়ার মিডফিল্ড রোটেশন এবং ফ্রান্সের সেট-পিস দক্ষতা ট্র্যাক করার সময় আমি বুঝতে পারি—দূর থেকে পরিচালনা করা যায়, কিন্তু মান বজায় রাখতে হলে স্পষ্ট প্রোটোকল প্রয়োজন। ক্রিকেটে এই প্রোটোকল খুব কমই দেখা যায়। একটি ম্যাচের পরের দিন সংবাদ সম্মেলনে আমরা শুধু উইকেট, রান আর ম্যাচের ফলাফল নিয়ে আলোচনা করি। কিন্তু প্রশ্ন হলো: সেই ৩০ রানের ইনিংসে খেলোয়াড়টি কতটি হাই-ইনটেনসিটি স্প্রিন্ট করেছে? পাওয়ারপ্লেতে তার স্ট্রাইক রেট কত ছিল? মিডল ওভারে বোলার কোন লাইন-লেংথে বল করেছে? এই ডেটাগুলো না থাকলে আমরা আসলে কী মূল্যায়ন করছি? আমার অভিজ্ঞতায়, ২০১৭ সালের আবাহনী মডেলটি এখনও প্রাসঙ্গিক। নবিব নেওয়াজ জীবন নামের এক উইঙ্গারের ১,০৪২ হাই-ইনটেনসিটি মিটার আমার ১৮টি প্রশিক্ষণ ডায়েরিতে লগ করা ছিল। এই একটি সংখ্যা আমাকে শিখিয়েছিল—খেলোয়াড়ের ফিটনেস লেভেল সরাসরি ম্যাচে তার পারফরম্যান্সকে প্রভাবিত করে। কিন্তু সমস্যা হলো, এই ধরনের ডেটা দলভিত্তিকভাবে সংগ্রহ করা হয় না। ক্রিকেট বোর্ড, ফ্র্যাঞ্চাইজি এবং টুর্নামেন্ট আয়োজকদের জন্য এটি একটি বড় সুযোগ। ২০২০ সালে যখন মোহামেডান স্পোর্টিং ক্লাবের বেতন সংকটের কথা আমি প্রথম রিপোর্ট করি, তখন আমার অর্থনীতির পটভূমি কাজে লেগেছিল। ২৩ জন খেলোয়াড় ও স্টাফের সাক্ষাৎকার নিয়ে আমি দেখি—পাঁচ মাস ধরে তারা সম্পূর্ণ বেতন পায়নি। এই রিপোর্টের দুই সপ্তাহের মধ্যে ক্লাবটি বকেয়া বেতনের ৪০% পরিশোধ করে। কিন্তু প্রশ্ন হলো: এই সংকটটি কি ডেটা-চালিত ব্যবস্থাপনার মাধ্যমে এড়ানো যেত? আমি বিশ্বাস করি, ক্রিকেটে ডেটা-চালিত সিদ্ধান্ত গ্রহণের সংস্কৃতি গড়ে তুলতে হবে। প্রশিক্ষণ মাঠের প্রতিটি সেশন, প্রতিটি ড্রিল, প্রতিটি ম্যাচের প্রতিটি বল—এই সবকিছু পরিমাপযোগ্য। শুধু ম্যাচের ফলাফল নয়, খেলোয়াড়ের লোড, পুনরুদ্ধারের হার, ইনজুরির ঝুঁকি—এই সবকিছু ট্র্যাক করা সম্ভব। কিন্তু এখানে একটি সমস্যা আছে। আমরা প্রায়ই ডেটার ভুল ব্যবহার করি। ছোট নমুনার ভিত্তিতে বড় সিদ্ধান্ত নেওয়া হয়, যা বিপজ্জনক। একজন খেলোয়াড়ের ৩ ম্যাচের পারফরম্যান্স দেখে তাকে টিমে রাখা বা বাদ দেওয়া—এটি সঠিক পদ্ধতি নয়। আমার ২২ বছরের অভিজ্ঞতায় আমি দেখেছি, সঠিক ডেটা ব্যবহার করলে খেলোয়াড়ের আয়ু বাড়ে, ইনজুরির ঝুঁকি কমে। ক্রিকেটের ভবিষ্যৎ এই ডেটা-চালিত পদ্ধতির উপর নির্ভরশীল। তবে শুধু ডেটা সংগ্রহ করলেই হবে না, সেটি সঠিকভাবে বিশ্লেষণ এবং প্রয়োগ করতে হবে। প্রশিক্ষণ মাঠ থেকে ম্যাচের মাঠ পর্যন্ত—এই পুরো পথে একটি মানসম্মত প্রক্রিয়া থাকতে হবে। আমি মনে করি, বাংলাদেশের ক্রিকেটে এই পরিবর্তন আনা সম্ভব। ২০১৭ সালে আবাহনীতে যে মডেল তৈরি করেছিলাম, সেটি আজও প্রাসঙ্গিক। প্রশিক্ষণ মাঠের প্রতিটি দিন একটি গল্প বলে, কিন্তু সেই গল্পটি শোনার জন্য আমাদের কান খোলা রাখতে হবে। ডেটা নয়, ডেটার সঠিক ব্যাখ্যাই আসল শক্তি। প্রশ্ন হলো: আমরা কি সেই ব্যাখ্যা করতে প্রস্তুত?