নীরব স্টেডিয়ামের পাঠ: হোম অ্যাডভান্টেজ আসলে রেফারির পক্ষপাত, টেকটিক নয়

২০২০ সালের মে মাসে যখন বুন্দেসলিগা পুনরায় শুরু হয়, আমি লন্ডনের একটি ছোট ফ্ল্যাটে বসে ৯১৮টি ম্যাচের ডেটা স্ক্র্যাপ করছিলাম। স্টেডিয়ামগুলো খালি। করোনাভাইরাস মহামারীর কারণে কোনো দর্শক নেই, কোনো হাজারো কণ্ঠের চিৎকার নেই, কোনো চাপ নেই। আমি তখন ভেবেছিলাম, খালি স্টেডিয়াম মানে নিরপেক্ষ স্টেডিয়াম। কিন্তু ডেটা যখন টেবিলে সাজাতে শুরু করলাম, তখন দেখলাম সংখ্যাগুলো অন্য কথা বলছে। হোম টিমের জয়ের হার ৪৩.৩% থেকে নেমে এসেছে ৩৩.১%-এ। পেনাল্টি কিকের সংখ্যা কমেছে প্রতি ম্যাচে শূন্য দশমিক ২৮টি। এই পরিবর্তনটাই আমাকে নতুন প্রশ্নের সামনে দাঁড় করাল। আমি সবসময় বিশ্বাস করতাম হোম অ্যাডভান্টেজ মানে দর্শকের সমর্থন, পরিচিত পরিবেশ, ভ্রমণক্লান্তি থেকে মুক্তি। কিন্তু খালি স্টেডিয়ামের ডেটা দেখিয়ে দিল, আসল ভেরিয়েবলটা ছিল রেফারি। এখানে আমি একটা পদ্ধতিগত ব্যাখ্যা দিতে চাই। PPDA (Passes Allowed Per Defensive Action) আর xG চেইন ব্যবহার করে আমি দেখলাম, যখন দর্শক থাকে, রেফারিরা হোম টিমের পক্ষে সিদ্ধান্ত নিতে ঝুঁকেন। পেনাল্টি দেওয়ার সম্ভাবনা বাড়ে, কার্ড দেখানোর ক্ষেত্রে সতর্কতা কমে। খালি স্টেডিয়ামে এই চাপটা নেই। রেফারি নিরপেক্ষ। হোম অ্যাডভান্টেজের যে অংশটাকে আমরা টেকটিক্যাল ভিত্তি বলে ভাবি, সেটার বড় একটা অংশ আসলে রেফারির অবচেতন পক্ষপাত। এই আবিষ্কারটা আমার কভারেজ ডিজাইন বদলে দিয়েছিল। আমি প্রিভিউ লেখা বন্ধ করে স্ট্রাকচারাল অ্যানালিটিক্স লেখা শুরু করি। তবে এখানেই থামলে ভুল হবে। ২০২১ ইউরো কাপে আমি ইতালির PPDA ট্র্যাক করছিলাম। গড় PPDA ছিল ৮.৭, পজেশন ৬৭.২%। আমি মডেল চালিয়ে ফাইনালে ইংল্যান্ডের বিরুদ্ধে ইতালির জয়ের সম্ভাবনা দেখলাম। ইতালি পেনাল্টিতে জিতল। কিন্তু এই জয়ে খালি স্টেডিয়ামের ভূমিকা কতটুকু? ওয়েম্বলিতে ৬০ হাজার দর্শক ছিল। এখানে আমার মডেল একটা জিনিস ধরতে পারেনি—সেমিফাইনালে ইতালির বিরুদ্ধে স্পেনের ম্যাচে দর্শকের চাপ রেফারির সিদ্ধান্তে কীভাবে প্রভাব ফেলেছিল। আমি পরে ডেটা রি-রান করে দেখলাম, ওই ম্যাচে স্পেনের বিরুদ্ধে করা ফাউলের সংখ্যা ছিল ১৯, ইতালির ১১। রেফারি কিন্তু স্পেনের বিরুদ্ধে মাত্র ২টি হলুদ কার্ড দেখিয়েছিলেন। এটা সম্ভবত কাকতালীয় নয়। বাংলাদেশে ফিরে আমি ঘরোয়া ক্রিকেটের ডেটা স্ক্র্যাপ করেছি। ২০২২ সালের ঢাকা প্রিমিয়ার লিগে খালি স্টেডিয়ামের ম্যাচগুলোতে আমি একই প্যাটার্ন খুঁজেছি। কিন্তু দেখলাম, বাংলাদেশে হোম অ্যাডভান্টেজের গল্পটা সম্পূর্ণ আলাদা। এখানে দর্শকের চাপের চেয়ে পিচের অবস্থা আর স্থানীয় জানাশোনা বেশি কাজ করে। মিরপুরে স্পিনারদের গড় ইকোনমি ৬.৮, যেখানে চট্টগ্রামে ৭.৯। খালি স্টেডিয়ামে এই পার্থক্য কমেনি। কারণ এখানে আসল ভেরিয়েবলটা ভেন্যু, রেফারি নয়। আমি এটা লিখেছিলাম আমার নিউজলেটারে, যেখানে প্রতি সপ্তাহে ১০ জন ব্রেকআউট খেলোয়াড়ের ট্রান্সফার ভ্যালু র্যাঙ্ক করি। আমার শিক্ষা হলো, হোম অ্যাডভান্টেজ একটি একক ভেরিয়েবল নয়। এটা রেফারির পক্ষপাত, দর্শকের চাপ, পিচের অবস্থা, ভ্রমণ এবং স্থানীয় অভিযোজনের সমন্বয়। এই উপাদানগুলো আলাদা না করলে ভুল সিদ্ধান্ত unavoidable। আমি এখন প্রতি ম্যাচ বিশ্লেষণে অন্তত তিনটি হাইপোথিসিস প্রি-স্পেসিফাই করি—রেফারি বায়াস ইন্ডেক্স, পিচ ডিফারেনশিয়াল, এবং ড্রাইভিং ডিসিশন রেট। এই তিনটি মিলিয়ে দেখি ট্রান্সমিশন মেকানিজম আসলে কোনটা। মরক্কোর লো ব্লক আমার জন্য আরেকটি ন্যাচারাল এক্সপেরিমেন্ট ছিল। ২০২২ কাতার বিশ্বকাপে আমার প্রি-টুর্নামেন্ট মডেল মরক্কোকে ২২তম র‍্যাঙ্ক দিয়েছিল। কিন্তু তাদের PPDA ছিল ৮.৯ এবং ছয় ম্যাচে পাঁচটি ক্লিন শিট। আমার মডেল লো-ব্লক এফিসিয়েন্সিকে কম ওজন দিয়েছিল। আমি রাতারাতি মডেল রিবিল্ড করলাম, পর্তুগালের বিরুদ্ধে ১-০ জয়ের প্রেডিকশন দিলাম। মরক্কো জিতল। এরপর আমি একই ফ্রেমওয়ার্ক ট্রান্সফার মার্কেটে প্রয়োগ করলাম। এনসো ফার্নান্দেজের প্রতি ৯০ মিনিটে ২.১ প্রগ্রেসিভ পাস এবং ৭.৩ বল রিকভারি সংকেত দিচ্ছিল ১০৬.৮ মিলিয়ন পাউন্ডের চেলসি মুভ। আমি তিন সপ্তাহ আগে স্কাউটিং ব্রিফ প্রকাশ করেছিলাম। কিন্তু আমি সতর্ক থাকতে শিখেছি। প্রতিটি সিগন্যাল কজালিটি নয়। মরোক্কোর সাফল্য শুধু লো ব্লক নয়, সেটা ছিল গোলকিপার ইয়াসিন বুনুর অসাধারণ পারফরম্যান্স, ডিফেন্সিভ লাইনের সমন্বয় এবং প্রতিপক্ষের ভুলের সংমিশ্রণ। আমি যদি শুধু লো ব্লকের দিকে তাকিয়ে থাকতাম, তাহলে ভুল সিদ্ধান্ত নিতাম। এই কারণেই আমি এখন প্রতিটি আর্টিকেলে অন্তত একটি কাউন্টার-ইনটুইটিভ অ্যাঙ্গেল রাখি। ক্রিকেটে সেটা হতে পারে স্পিন বোলিংয়ের ইকোনমি ডেটা, যেখানে ২০২৩ এশিয়া কাপে শ্রীলঙ্কার স্পিনারদের গড় ইকোনমি ছিল ৪.৯, কিন্তু পাওয়ারপ্লেতে সেটা বেড়ে ৬.২ হয়েছিল। কারণ পাওয়ারপ্লেতে ফিল্ড রেস্ট্রিকশন থাকে, তাই স্পিনাররা চাপে পড়েন। আমি ২০১৭ সালে লন্ডনের ডরমিটরিতে ৯,৮০০টি শটের xG মডেল বানিয়েছিলাম। বার্নলির ১৬তম স্থান নিয়ে লিখেছিলাম যে এটা টেকসই নয়, কারণ তারা প্রত্যাশার চেয়ে ১২.৪ গোল বেশি খেয়েছিল। সেই মডেলই ২০১৮ বিশ্বকাপে এমবাপের xG চেইন ২.৭ দেখিয়ে দিয়েছিল, যা থেকে আমি তার বাজারমূল্য ২০০ মিলিয়ন ইউরোর বেশি হবে বলে পূর্বাভাস দিয়েছিলাম। কিন্তু এই মডেলই মরক্কোকে ২২তম র‍্যাঙ্ক দিয়েছিল। প্রতিটি মডেলের সীমাবদ্ধতা আছে। আসল কাজ হলো সীমাবদ্ধতাগুলো চিহ্নিত করা এবং সেগুলো আউট-অব-স্যাম্পল টেস্টে যাচাই করা। ক্রিকেটে আমি এই ফ্রেমওয়ার্ক প্রয়োগ করেছি ২০২৩ ওয়ানডে বিশ্বকাপে। ভারতের টপ অর্ডারের স্ট্রাইক রেট ছিল ৯২.৩, কিন্তু যখন তারা ১০০ রান পার করত, তখন সেটা বেড়ে ১০৪.৭ হতো। এটা দেখিয়ে দেয় ভারতের টপ অর্ডার শুরুতে ধীরে খেলে পরে দ্রুত রান তোলে। কিন্তু এই কৌশল কাজ করে শুধু যদি উইকেট পড়ে না। ফাইনালে অস্ট্রেলিয়ার বিরুদ্ধে ভারত ৮০ রানে ৩ উইকেট হারাল, এবং স্ট্রাইক রেট ৭৮-এ নেমে আসে। এই প্যাটার্নটা আমি প্রি-ম্যাচ ডেটাতে দেখেছিলাম, কিন্তু আমার মডেল সেটা যথেষ্ট ওজন দেয়নি। আমার পরামর্শ হলো, প্রতিটি টুর্নামেন্টে অন্তত একটি নির্দিষ্ট ভেরিয়েবল আইসোলেট করুন। খালি স্টেডিয়াম, নিউট্রাল ভেন্যু, বা পরিবর্তিত ফরম্যাট—এগুলো ন্যাচারাল এক্সপেরিমেন্ট। এই সুযোগগুলো ব্যবহার করে আমরা হোম অ্যাডভান্টেজ, রেফারি বায়াস এবং প্রেসার কনসেপ্টগুলো মাপতে পারি। ২০২৪ সালের ইউরো কাপে আমি লামিন ইয়ামালকে ট্র্যাক করেছি। ১৬ বছর বয়সে তার xG চেইন প্রতি ৯০ মিনিটে ০.৭৮, যা টুর্নামেন্টের যেকোনো উইঙ্গারের চেয়ে বেশি। আমি বলেছিলাম ২০২৬ সালের মধ্যে তার বাজারমূল্য ১৫০ মিলিয়ন ইউরো ছাড়াবে। এই প্রেডিকশন সঠিক হতে পারে বা না হতে পারে। কিন্তু প্রক্রিয়াটা গুরুত্বপূর্ণ। আমার কাছে ক্রিকেটের সবচেয়ে আনন্দদায়ক দিক হলো এটি Football-এর চেয়ে বেশি ডেটা-স্যাচুরেটেড। প্রতি বল, প্রতি রান, প্রতি ওভার ডেটায় রূপান্তরযোগ্য। কিন্তু সমস্যা হলো, আমরা প্রায়ই ডেটাকে কনটেক্সট ছাড়া ব্যবহার করি। একটি বাউন্ডারি মিরপুরে যতটা সহজ, মেলবোর্নে ততটা নয়। একটি ইয়র্কার লাহোরে যতটা কার্যকর, ওয়েম্বলিতে ততটা নয়। পিচ, বল, আবহাওয়া—এই ভেরিয়েবলগুলো আলাদা না করলে ডেটা মিথ্যা বলবে। আমি শেষ করছি একটা প্রশ্ন দিয়ে। আগামী বছর যখন বাংলাদেশ সফরে যাবে অস্ট্রেলিয়ায়, তখন কি আমরা শুধু স্কোরকার্ড দেখব, নাকি ম্যাকাই অ্যান্ড স্মিথের গড় বাউন্স ডেটা আইসোলেট করে দেখব? অস্ট্রেলিয়ার পিচে বল গড়ে ২০ শতাংশ বেশি বাউন্স করে। বাংলাদেশের ব্যাটারদের পাওয়ারপ্লে স্ট্রাইক রেট ঘরোয়া স্পিনে ১১০, কিন্তু সিমিং কন্ডিশনে ৭২। এই পার্থক্য কি আমরা মডেলে আনব? নাকি পুরনো গল্পই বলব—অস্ট্রেলিয়া কঠিন, বাংলাদেশ লড়বে? ডেটা আমাদের নতুন গল্প বলার সুযোগ দিচ্ছে। আমাদের শুধু শুনতে হবে।