স্কোরকার্ড মিথ্যা বলে না, কিন্তু সত্যিও বলে না: ক্রিকেট বিশ্লেষণের প্রমাণ-শূন্যতা

২০২৪ সালের ১৬ জুন, সেন্ট ভিনসেন্টের আর্নস ভেল গ্রাউন্ড। টি-টোয়েন্টি বিশ্বকাপের গ্রুপ পর্বে বাংলাদেশ ১৯.৩ ওভারে ১০৬ রানে অলআউট। স্কোরকার্ডের ভাষায় এটি প্রায় ব্যর্থতার ঘোষণা—যেখানে ওই টুর্নামেন্টে প্রথম ইনিংসের গড় ১৬০ ছাড়িয়ে গিয়েছিল, সেখানে ১০৬ মানে ম্যাচটা হারার দিকেই ঝুঁকে আছে। ধারাভাষ্য বক্সে তখন একটাই সুর: অন্তত ১৩০ হলেও লড়াই হতো। চার ঘণ্টা পরে নেপাল ৮৫ রানে অলআউট। বাংলাদেশ জিতল ২১ রানে।

স্কোরকার্ড যদি সত্যি বলত, তাহলে এই ফল অসম্ভব। ১০৬ রান ডিফেন্ড করা যায় না—এই ধারণাটাই টি-টোয়েন্টির প্রচলিত জ্ঞান। কিন্তু ম্যাচটা যে পিচে হয়েছে, সেই পিচে বল ব্যাটের নিচে ঢুকে আসছিল, নতুন বলে সিম মুভমেন্ট ছিল বাস্তব, আর আউটফিল্ড এত ধীর ছিল যে ফিল্ডাররা বাউন্ডারি লাইনের সামনে দাঁড়িয়েও দুই রান আটকে দিচ্ছিলেন। ম্যাচটা আসলে ১০৬ বনাম ৮৫ ছিল না; ম্যাচটা ছিল ডট-বলের চাপ বনাম ডট-বলের আরও বড় চাপ। স্কোরকার্ড সেই গল্পটা বলে না, কারণ স্কোরকার্ডের ভাষায় ডট-বলের কোনো ঘর নেই।

বছরের পর বছর মাঠের ধারেকাছে বসে, কখনো ধারাভাষ্য বক্সে, কখনো ডেটা স্ক্রিনের পাশে ম্যাচ দেখতে দেখতে একটা জিনিস বারবার চোখে পড়ে: ক্রিকেট বিশ্লেষণ তার সবচেয়ে বড় ভুলটা করে তথ্যের অভাব নিয়ে নয়, তথ্যের ভুল ব্যাখ্যা নিয়ে। আমরা স্কোরকার্ডকে প্রমাণ ভাবি। অথচ স্কোরকার্ড হলো ঘটনার একটি সংক্ষিপ্ত রিপোর্ট, ঘটনার ব্যাখ্যা নয়।

ব্যাসলাইন কখনোই উত্তর ছিল না; সেটি ছিল সেই প্রশ্ন যা আমরা করতে ভুলে গেছি।

গত দুই দশকে ক্রিকেট ডেটা তিনটি স্তরে ভাগ হয়ে গেছে। প্রথম স্তর—স্কোরকার্ড: রান, উইকেট, ওভার, স্ট্রাইক রেট। দ্বিতীয় স্তর—ঘটনা স্তর: কোন বলে কী হয়েছে, কে কাকে আউট করেছে, কোন ওভারে কত রান। তৃতীয় স্তর—প্রেক্ষাপট স্তর: পিচের আচরণ, আবহাওয়া, দলের পরিস্থিতি, প্রতিপক্ষের শক্তি, ম্যাচের অবস্থান। প্রথম দুই স্তর প্রায় সবার হাতে আছে। তৃতীয় স্তরটাই বিশ্লেষণের আসল জায়গা, আর সেখানেই বেশিরভাগ বিশ্লেষণ থেমে যায়।

এই থেমে যাওয়ার সবচেয়ে বিপজ্জনক রূপটি হলো লেবেল-নির্ভর বিশ্লেষণ। একটি দলকে 'ডিফেন্সিভ', একজন বোলারকে 'ইকোনমিক্যাল', একটি ইনিংসকে 'ধীরগতির' বলে লেবেল লাগিয়ে দেওয়া—তারপর সেই লেবেল দিয়েই বাকি সব ব্যাখ্যা সাজানো। সমস্যা হলো, লেবেল হলো উপসংহার, প্রমাণ নয়। 'বাংলাদেশ ধীরগতিতে ব্যাট করে'—এই বাক্যটি যদি বিশ্লেষণের শুরু হয়, তাহলে বিশ্লেষণ শেষ হওয়ার আগেই উত্তর ঠিক হয়ে গেছে। প্রশ্নটা হওয়া উচিত ছিল: কোন ফেজে, কোন প্রতিপক্ষের বিরুদ্ধে, কোন পিচে, আর কত বড় নমুনায়?

আমার নিজের কাজের ধরনটা এই জায়গা থেকেই গড়ে উঠেছে। ২০১৭ সালে বারিশালভিত্তিক একটি স্পোর্টস ডেটা স্টার্টআপে সিনিয়র বেটিং অ্যানালিস্ট হিসেবে যোগ দেওয়ার পর প্রথম যে শৃঙ্খলাটা শিখেছিলাম, সেটি হলো—কোনো দাবি প্রকাশের আগে অন্তত তিনটি স্বতন্ত্র অ্যাডভান্সড মেট্রিক মিলিয়ে দেখা। কারণ একটা মেট্রিক কখনো কখনো একটি ভুল গল্পকে খুব সুন্দরভাবে বলে ফেলে।

প্রথম প্রমাণ-শৃঙ্খল: ১০৬ রানের প্রতিরক্ষা।

এই ম্যাচে বাংলাদেশের বোলিং ইউনিটের আসল কাজটা শুরু হয়েছিল পাওয়ারপ্লে থেকেই। নতুন বলে তারা যে লেংথে বল করছিলেন, সেটি ব্যাটসম্যানকে ড্রাইভ খেলতে দিচ্ছিল না, কিন্তু কাট করতে দিচ্ছিল—অর্থাৎ বল ছিল ব্যাটসম্যানের শরীরের দিকে ঢুকে আসা। এই ধরনের বোলিংয়ের পরিসংখ্যানগত স্বাক্ষর হলো ডট-বলের উচ্চ হার, আর তার সাথে কম বাউন্ডারি। কিন্তু স্কোরকার্ডে সেই ডট-বলগুলোর কোনো নিশ্চিত হিসাব থাকে না; স্কোরকার্ড শুধু দেখায় নেপাল ৮৫ রানে অলআউট। ফলে যে ম্যাচে বোলাররা ম্যাচটা জিতেছেন, স্কোরকার্ডের গল্পটা হয়ে যায় 'বাংলাদেশ কম রান করেছে, প্রতিপক্ষ খারাপ খেলেছে'।

এখানেই ব্যাসলাইনের ফাঁদ। টি-টোয়েন্টিতে প্রথম ইনিংসের গড় যে ১৬০, সেটি সত্য—কিন্তু সেটি সব পিচের গড়। একটি সিমিং পিচে সেই গড় ১৬০ নয়, হতে পারে ১২০। ব্যাসলাইন যদি প্রেক্ষাপটহীন হয়, তাহলে সঠিক সংখ্যাও ভুল সিদ্ধান্ত দেয়। আমার মডেলে তাই সবসময় একটি 'প্রেক্ষাপট ব্লক' থাকে: পিচের ধরন, প্রথম ইনিংসের স্কোর, দ্বিতীয় ইনিংসে প্রত্যাশিত পতন, এবং টুর্নামেন্টের ওই পর্যায়ে জয়ের গড় স্কোর। এই চারটি মিলিয়ে দেখলে ১০৬ রান আর 'ব্যর্থ স্কোর' থাকে না, হয়ে যায় 'প্রেক্ষাপট-সমন্বিত প্রতিরক্ষাযোগ্য স্কোর'।

দ্বিতীয় প্রমাণ-শৃঙ্খল: বোলারের ইকোনমি রেটের মিথ্যা।

ধরা যাক, একজন বোলারের ইকোনমি ৭.২। বাংলাদেশের প্রেক্ষাপটে এটি respectable, কিন্তু অসাধারণ নয়। এই একক সংখ্যাটি তার সম্পর্কে প্রায় কিছুই বলে না। কারণ ইকোনমি হলো একটি গড়—আর গড় সবসময় দুই প্রান্তকে লুকিয়ে রাখে। প্রশ্ন হলো: তিনি কোন ওভারে বল করেছেন? পাওয়ারপ্লেতে ইকোনমি ৬.০ আর ডেথ ওভারে ৯.৫—দুটোই একই গড়ে পৌঁছে যেতে পারে, কিন্তু দলের জন্য তার মূল্য আকাশ-পাতাল পার্থক্য।

ডেথ ওভারে বল করার কাজটা ক্রিকেটের সবচেয়ে অকৃতজ্ঞ কাজ। সেখানে ব্যাটসম্যান ঝুঁকি নিতে বাধ্য, ফিল্ডার ভেতরে ঢুকে আসে, বাউন্ডারি অনিবার্য হয়ে ওঠে। যে বোলার ডেথে ইকোনমি ৮.৫ রাখেন, তিনি আসলে ওভারটির স্বাভাবিক গড় ১০.৫ থেকে দুই রান বাঁচাচ্ছেন। কিন্তু স্কোরকার্ডে তার পাশে ৮.৫ লেখা থাকবে, আর পাওয়ারপ্লেতে ৬.০ রাখা বোলারের পাশে ৬.০—দুজনের 'মান' একই দেখাবে। এই কারণেই আমার কাছে ইকোনমি কখনোই একক সিদ্ধান্তের মেট্রিক নয়। আমি ফেজ-স্প্লিট ইকোনমি, ডট-বল শতাংশ, বাউন্ডারি কনসেশন রেট এবং 'প্রত্যাশিত রান সংযোজন'—এই চারটি একসাথে না দেখে কোনো বোলারকে রেট করি না।

একই যুক্তি ব্যাটসম্যানের বেলায়ও খাটে। ১৩০ রানে ৭০ বল—এই স্ট্রাইক রেট দেখে কেউ 'ধীর' বলবেন, কেউ 'অ্যাঙ্কর' বলবেন। সত্যিটা হলো, ইনিংসের কোন পর্যায়ে তিনি এই ৭০ বল খেলেছেন, সেটাই নির্ধারক। যদি দল ২০ ওভারে ৯৫ রানে থাকা অবস্থায় তিনি ৪০ বলে ৩০ করেন, সেটি দলের জন্য বিপর্যয়। কিন্তু যদি দল ৬০/৪ হয়ে থাকে এবং তিনি ৪০ বলে ৩০ করে দলকে ১৪০-এ পৌঁছে দেন, সেটি সেই ম্যাচের সবচেয়ে মূল্যবান ইনিংসগুলোর একটি। একই সংখ্যা, উল্টো অর্থ।

তৃতীয় প্রমাণ-শৃঙ্খল: ওভারপারফরম্যান্স কীভাবে চেনা যায়।

ফুটবলে এই শৃঙ্খলাটা আমি প্রথম শিখেছিলাম ২০১৬-১৭ মৌসুমে বার্নলিকে দেখে। ওই মৌসুমে বার্নলি ৪০ পয়েন্ট নিয়েছিল, ৩৯ গোল করেছিল। পয়েন্ট টেবিল বলছিল—দলটা ভালো করছে। কিন্তু মডেল বলছিল অন্য কথা: তাদের প্রত্যাশিত গোল (xG) ছিল মাত্র ৩৬.২, আর প্রত্যাশিত গোল হজম (xGA) ছিল ৫১.৮। অর্থাৎ তারা যত গোল করেছিল, তার চেয়ে বেশি গোল হজম করার কথা ছিল। এই ব্যবধানটা টিকে থাকার নয়—এটা ছিল স্বল্পমেয়াদি দক্ষতা আর ভাগ্যের মিশ্রণ। প্রশ্নটা তাই হওয়া উচিত ছিল: এই পারফরম্যান্স পুনরাবৃত্তিযোগ্য, নাকি পরিসংখ্যানগত শব্দ?

ক্রিকেটে এই প্রশ্নটা এখনো খুব কম করা হয়। একটি দল টানা পাঁচ ম্যাচ জিতলে আমরা 'ফর্ম' বলি। কিন্তু জিজ্ঞেস করা হয় না—এই পাঁচ জয়ে রান-ডিফারেনশিয়াল কত, ডট-বল চাপ কত, প্রতিপক্ষের শক্তি কত, আর জয়গুলো কত রানের ব্যবধানে এসেছে। ছোট ব্যবধানে জেতা মানে ম্যাচগুলো কাছাকাছি ছিল; কাছাকাছি ম্যাচ বারবার একদিকে ঝুঁকে থাকে না। যে দল ৫ ম্যাচে ৫ বার ৮ রানে জেতে, তার প্রকৃত শক্তি সম্ভবত ওই ৫ জয়ের চেয়ে কম।

২০১৮ সালের রাশিয়া বিশ্বকাপে ফ্রান্স বনাম আর্জেন্টিনার রাউন্ড-অফ-১৬ ম্যাচটা এই শিক্ষার আরেকটি উদাহরণ। ম্যাচের আগে আমার সহকর্মীদের একটি অংশ আরও তথ্য জমা হওয়া পর্যন্ত অপেক্ষা করতে চেয়েছিলেন। কিন্তু মডেল তখনই বলছিল—ফ্রান্সের প্রত্যাশিত গোল ১.৮, আর্জেন্টিনার ১.২, আর ফ্রান্সের রূপান্তর ক্ষমতা আর্জেন্টিনার প্রতিরক্ষার গতিগত দুর্বলতাকে লক্ষ্য করবে। ম্যাচ শেষ হলো ৪-৩, কিলিয়ান এমবাপে দুই গোল করলেন। এখানে গুরুত্বপূর্ণ জিনিসটা ম্যাচের ফল নয়—গুরুত্বপূর্ণ হলো, তথ্য কম থাকা সত্ত্বেও সিদ্ধান্ত নেওয়ার শৃঙ্খলা ছিল।

কিন্তু এখানেই কাউন্টার-আর্গুমেন্ট আসে, এবং সেটি আমার নিজের বিরুদ্ধেই।

পারস্পরিক সম্পর্ক আর কারণ এক নয়। এই কথাটা সবাই জানে, কিন্তু বিশ্লেষণে কেউ মানে না। ডট-বল বেশি হলে দল কম রান করে—এটি সত্য, কিন্তু ডট-বল কম হলেই যে দল বেশি রান করবে, তা নয়। হতে পারে দলটি বাউন্ডারি খুঁজতে গিয়ে উইকেট হারিয়েছে। আবার উল্টোটাও সম্ভব: কম ডট-বল মানে ব্যাটসম্যান বল মিস করছেন না, কিন্তু রানও তুলছেন না—যাকে বলে 'নিষ্ক্রিয় নিরাপত্তা'। সংখ্যা দেখতে এক, অর্থে বিপরীত।

দ্বিতীয় সমস্যা নমুনার আকার। টি-টোয়েন্টিতে একজন বোলারের ডেথ-ওভার পারফরম্যান্স যদি ১২ ওভারের হয়, সেটি একটি সংকেত, প্রমাণ নয়। আমি বহুবার দেখেছি, ছোট নমুনার চমকপ্রদ সংখ্যা বড় নমুনায় গিয়ে গড়ে ফিরে এসেছে। যে বিশ্লেষক এই ফাঁদটা এড়াতে পারেন না, তিনি একসময় 'গোপন প্রতিভা' খুঁজতে গিয়ে সাধারণ বোলারকেই অসাধারণ বলে চিহ্নিত করেন।

তৃতীয় সমস্যা—একক মেট্রিকের প্রতি অতিরিক্ত আসক্তি। ডেটা-নির্ভর বিশ্লেষকের সবচেয়ে বড় ঝুঁকি হলো, তিনি একটি পরিচ্ছন্ন মেট্রিক পেয়ে যান, সেটি সুন্দরভাবে কাজ করে, আর তারপর সবকিছু সেই মেট্রিক দিয়ে ব্যাখ্যা করতে শুরু করেন। আমার ক্ষেত্রে এই ঝুঁকিটা ছিল টেম্পো ও ডট-বল চাপ নিয়ে। কিন্তু টেম্পো একা ম্যাচ ব্যাখ্যা করতে পারে না; দরকার ফেজ-প্রেক্ষাপট, উইকেটের পতন-সময়, এবং প্রতিপক্ষের বোলিং পরিকল্পনা।

চতুর্থ সমস্যা—আবেগ। দক্ষিণ এশিয়ার ক্রিকেটে আবেগ কোনো 'নয়েজ' নয়, এটি একটি চলক। বাংলাদেশের ক্রিকেটে দর্শকদের উপস্থিতি, প্রত্যাশার চাপ, মিডিয়ার পরিবেশ—এগুলো খেলোয়াড়ের সিদ্ধান্ত গ্রহণকে বাস্তবভাবে প্রভাবিত করে। ২০২০ সালে যখন বিশ্ব ক্রীড়া বন্ধ হয়ে গেল এবং বুন্দেসলিগা প্রথম ফিরে এল, তখন আমি ছয় ম্যাচডে-র তথ্য দেখে একটি জিনিস লক্ষ্য করলাম: হোম উইন রেট ৪৩.৩% থেকে নেমে এসেছিল ৩৩.৩%-এ। ভিড় ছিল না। সেই নীরবতা টেম্পোকে উন্মোচিত করেছিল।

ভিড় যখন নিভে গেল, টেম্পো তখন বলে দিল শব্দ কী লুকিয়ে রেখেছিল।

এই শিক্ষাটা আমি ক্রিকেটে নিয়ে এসেছি ভিন্নভাবে। বাংলাদেশের ঘরোয়া টি-টোয়েন্টি লিগে হোম গ্রাউন্ডের সুবিধা শুধু পিচে সীমাবদ্ধ নয়—এটি ফিল্ডিং টিমের আত্মবিশ্বাসে, আম্পায়ারের সিদ্ধান্তের গড়ে, এবং ব্যাটসম্যানের ঝুঁকি নেওয়ার সীমায়ও প্রবেশ করে। যে বিশ্লেষক হোম অ্যাডভান্টেজকে একটি সংখ্যা ভেবে এগিয়ে যান, তিনি ওই তিনটি অদৃশ্য চলক বাদ দিয়ে একটি ভুল মডেল তৈরি করেন।

আরেকটি জায়গায় এই একই ভুল আরও বিপজ্জনক রূপ নেয়—বোলিং 'নেগেটিভ' ভেবে ফেলা। যে দল ধীরে খেলে, যে বোলার রক্ষণাত্মক লেংথে বল করেন, তাকে আমরা 'প্যাসিভ' বলি। কিন্তু প্যাসিভ শব্দটা দর্শকের ভাষা, বিশ্লেষকের নয়।

মরক্কো বাস পার্ক করেনি; তারা একটি নিম্ন xGA দুর্গ বানিয়েছিল।

ক্রিকেটে এর সমতুল্য হলো সেই বোলিং ইউনিট, যারা ম্যাচ জেতায় না, ম্যাচ হারায় না—তারা স্কোরটাকে সংকুচিত করে। তাদের ইকোনমি ৭.২ দেখতে সাধারণ লাগে, কিন্তু তাদের বাউন্ডারি কনসেশন রেট এবং ডট-বল চাপ মিলিয়ে দেখলে বোঝা যায়, তারা প্রতিপক্ষের স্বাভাবিক প্রবাহটাই ভেঙে দিয়েছেন। এই ধরনের বোলিংকে রেট করার জন্য দরকার 'প্রত্যাশিত রান হজম' ধরনের মেট্রিক, যেখানে প্রতিটি বলের মান নির্ধারিত হয় ব্যাটসম্যানের শট-ম্যাপ ও ফিল্ড প্লেসমেন্টের ভিত্তিতে। এই মেট্রিক ছাড়া রক্ষণাত্মক বোলিংকে আমরা চিরকাল 'নিষ্ক্রিয়' বলে ভুল করব।

এখন আসি সেই জায়গায়, যেখানে এই আলোচনাটা শুরু হয়েছিল।

একটি ডোমেইন লেবেল—'ক্রিকেট'—দিয়ে কোনো ম্যাচ, কোনো ইনিংস, কোনো বোলারকে ব্যাখ্যা করা যায় না। ঠিক যেমন একটি খালি তথ্য-কাঠামো দিয়ে গভীর বিশ্লেষণ তৈরি করা যায় না। বিশ্লেষণের শর্ত হলো প্রমাণের শৃঙ্খল: দাবি, প্রমাণ, প্রমাণের সূত্র, এবং প্রমাণটি যাচাইযোগ্য কি না। এই চারটির যেকোনো একটি অনুপস্থিত থাকলে বাকি তিনটি অর্থহীন হয়ে যায়।

আমি আমার জুনিয়র অ্যানালিস্টদের এই কথাটাই সবচেয়ে আগে শেখাই। কোনো ম্যাচ রিপোর্ট লেখার আগে তিনটি প্রশ্ন করুন: এই দাবিটি কোন সংখ্যার ওপর দাঁড়িয়ে আছে? সংখ্যাটি কোন নমুনা থেকে এসেছে? আর সংখ্যাটি বাদ দিলে গল্পটা কি বদলে যায়? যদি গল্পটা বদলে যায়, তাহলে গল্পটা সংখ্যার নয়, পক্ষপাতের।

এই শৃঙ্খলার অভাবেই ক্রিকেট বিশ্লেষণে দুটি বিপরীত রোগ জন্ম নিয়েছে। একদিকে অতিরিক্ত আত্মবিশ্বাসী ডেটা-কথক, যিনি একটি মেট্রিক দিয়ে সব ব্যাখ্যা করেন। অন্যদিকে অতিরিক্ত সতর্ক বিশ্লেষক, যিনি কোনো সিদ্ধান্তই দেন না, কারণ তথ্য সবসময় 'অপর্যাপ্ত'। দুজনেই ভুল। প্রথমজন ভুলে যান যে মেট্রিক হলো মানচিত্র, অঞ্চল নয়। দ্বিতীয়জন ভুলে যান যে সিদ্ধান্ত না নেওয়াও একটি সিদ্ধান্ত।

আমার কাছে সমাধানটা সরল, যদিও সহজ নয়: সিদ্ধান্ত নিন, কিন্তু সিদ্ধান্তের সাথে তার আত্মবিশ্বাসের মাত্রা লিখে দিন। 'এই বোলার ডেথে কার্যকর'—এর বদলে লিখুন, '১২ ওভারের নমুনায় এই বোলারের ডেথ-ইকোনমি লিগ-গড়ের চেয়ে ১.৮ কম; নমুনা ছোট, তাই আত্মবিশ্বাস মধ্যম।' প্রথম বাক্যটি ম্যাচ-পরবর্তী আলোচনার জন্য ভালো, দ্বিতীয়টি বেটিং সিদ্ধান্তের জন্য।

এখানে একটি জিনিস মনে রাখা দরকার: বাজার সবসময় আমাদের চেয়ে দ্রুত নয়, কিন্তু বাজার আমাদের চেয়ে বেশি তথ্য শুষে নেয়। যখন কোনো ম্যাচের ওডস মডেলের পূর্বাভাসের সাথে মেলে না, তখন প্রথম প্রশ্ন হওয়া উচিত—আমাদের মডেলে কোন চলকটি নেই? বেশিরভাগ ক্ষেত্রে উত্তরটি থাকে দলে দলে বদল, ইনজুরি আপডেট, বা ভ্রমণ-ক্লান্তি। এই তিনটি চলক কোনো স্কোরকার্ডে থাকে না, কিন্তু তিনটিই ফলাফলে প্রবেশ করে।

শেষ পর্যন্ত, ক্রিকেট বিশ্লেষণের কাজটি ম্যাচ ব্যাখ্যা করা নয়—ম্যাচের ভেতরে লুকিয়ে থাকা প্রশ্নটি খুঁজে বের করা। ১০৬ রান কেন যথেষ্ট হলো, সেই প্রশ্নের উত্তর স্কোরকার্ডে নেই। উত্তরটি আছে ডট-বলের চাপে, পিচের ধীরতায়, আর প্রতিপক্ষের প্রথম ২০ বলে তৈরি হওয়া সেই মানসিক আটকে যাওয়ার মধ্যে।

পরের সিরিজে যখন কোনো দল কম রানে অলআউট হয়ে ম্যাচ জিতবে, তখন প্রথম প্রতিক্রিয়া হিসেবে 'প্রতিপক্ষ খারাপ খেলেছে' বলাটা সহজ হবে। কিন্তু তার আগে একটা সংখ্যা দেখে নিন—প্রতিপক্ষের পাওয়ারপ্লে ডট-বল শতাংশ। যদি সেটি ৫০ ছাড়িয়ে যায়, তাহলে গল্পটা প্রতিপক্ষের ব্যর্থতা নয়। গল্পটা বোলিং পরিকল্পনার। আর সেই গল্পটা কেউ লিখবে, কারণ স্কোরকার্ড সেটা কখনো লিখবে না।