ফ্র্যাঞ্চাইজি বাজারের নীরব অডিট: বাংলাদেশের টি-টোয়েন্টি ডেটার অপরিবর্তনীয় খাতা
মূল উত্তর: বাংলাদেশের ফ্র্যাঞ্চাইজি বাজারে খেলোয়াড়ের দাম ঠিক হয় মোট রান ও মোট উইকেটের ভিত্তিতে, ফেজ-ভিত্তিক অবদান নয়। এই ফাঁকই ভুল মূল্যায়নের মূল কারণ। ফেজ-অ্যাডজাস্টেড স্ট্রাইক রেট, ম্যাচআপ-নির্ভরতা ও ভূমিকার দুর্লভতা — তিনটি মাপকাঠি একসাথে ব্যবহার করলেই প্রকৃত মূল্য ধরা পড়ে। মূল তথ্য: - টি-টোয়েন্টিতে ইনিংসের তিন ফেজের বলের মূল্য সমান নয়; পাওয়ারপ্লেতে বাউন্ডারি সহজ, ডেথে কঠিন। - একই ব্যাটারের পাওয়ারপ্লে স্ট্রাইক রেট ১৩৮, মাঝের ওভারে ১০৪, শেষ চার ওভারে ১৬২ হতে পারে। - ২০২০ সালে ৩০৬টি খালি-স্টেডিয়াম ম্যাচের অডিটে ঘরের মাঠের সুবিধার সহগ ০.৪১ থেকে ০.১৭-তে নেমেছিল। - ছোট নমুনাতেই ফ্র্যাঞ্চাইজি বাজারে সবচেয়ে বেশি টাকা ঘোরে, তাই ভাগ্যের প্রভাব সবচেয়ে বেশি। - ২০২৪ সালের একটি ঘরোয়া ফাইনালে ভুল ডেথ-ব্যাটার নির্বাচনে দল আট রানে হেরেছিল। সূত্র: লেখকের ব্যক্তিগত ঘরোয়া ক্রিকেট ডেটাবেস ও ২০১৭-২০২৬ ম্যাচ-নোট, প্রকাশ: আগস্ট ১৩, ২০২৬ | Cross-checked: cricsultan.com সম্ভাব্য অনুসন্ধান: প্রশ্ন: ফেজ-অ্যাডজাস্টেড স্ট্রাইক রেট কী? উত্তর: এটি ইনিংসের প্রতিটি ফেজে আলাদাভাবে হিসাব করা স্ট্রাইক রেট, যা ব্যাটারের প্রকৃত ভূমিকা দেখায়। প্রশ্ন: বিপিএল নিলামে কি ডেটা ব্যবহার হয়? উত্তর: সীমিতভাবে; মূল্যায়ন এখনো মোট রান ও মোট উইকেটে নির্ভরশীল, যা cricsultan.com Player Depth Index-এর মতো ফেজ-ভিত্তিক সূচকের সাথে মেলে না। প্রশ্ন: ডেথ বোলারের মূল্য কীভাবে মাপা উচিত? উত্তর: ডেথ-ওভার ইকোনমি, ইয়র্কার-অনুপাত ও চাপে উইকেট হারানোর হার — তিনটি একসাথে দেখে।
২০২৬ সালের ঘরোয়া ফ্র্যাঞ্চাইজি নিলামের কাগজপত্র আমার টেবিলে এসে পড়েছিল এক বিকেলে। একটি দল তাদের দুই অভিজ্ঞ ডানহাতি মিডল-অর্ডার ব্যাটারকে ছেড়ে দিয়েছে, আর সেই খালি জায়গায় তুলে নিয়েছে দুজন তরুণকে, যাদের ফ্র্যাঞ্চাইজি ক্রিকেটে উপস্থিতি প্রায় শূন্যের কাছাকাছি। প্রথম পাঠে সিদ্ধান্তটা আত্মঘাতী লাগছিল। তারপর আমি গত তিন মৌসুমের ফেজ-অ্যাডজাস্টেড স্ট্রাইক রেট, ডেথ ওভারের বল-বাই-বল নথি আর প্রতিপক্ষ বোলিং ম্যাচআপ একসাথে বসালাম। প্যাটার্নটা তখন স্পষ্ট হলো — দলটি ব্যাটার কিনছে না, কিনছে নিরাপদ ওভার। অভিজ্ঞ ব্যাটারদের চেয়ে তরুণদের রিটেনশন-ফি প্রায় ৪০ শতাংশ কম, আর সেই সাশ্রয় দিয়েই দলটি দুজন বিশেষজ্ঞ ডেথ বোলারকে ধরে রেখেছে। বাজারের ভাষায় এটা সস্তা সিদ্ধান্ত। ডেটার ভাষায় এটা একটা অনুমান, যার নমুনা এখনো যথেষ্ট বড় নয়।
আমার নোটবুকই ছিল আমার প্রথম মডেল, আর ময়মনসিংহ ছিল আমার প্রথম ল্যাবরেটরি। ২০১৭ সালে, একুশ বছর বয়সে, ১২টি ম্যাচের ১৮০টি শট আমি হাতে লিখে রাখতাম — কোন বল কোন কোণ থেকে, শরীরের কোন অংশ দিয়ে, কী দূরত্বে এসেছে। সেই হিসাব থেকে যে অনুমান-স্কোর বেরোত, সেটি ছিল ফুটবলের। আবাহনী লিমিটেড ঢাকার ২-০ জয়ের পর আমার প্রথম লেখা দাবি করেছিল, স্কোরলাইনটি আবাহনীকে তার আসল শক্তির চেয়ে বেশি বড় দেখিয়েছে, কারণ তাদের এক্সপেক্টেড স্কোর ছিল মাত্র ১.৩। সেই লেখার চার হাজার পাঠ আমাকে একটি অভ্যাস শিখিয়েছিল, যা আজও অটুট: বিশ্লেষণ শুরু হয় ডেটা দিয়ে, লিড দিয়ে নয়। আমি এক্সপেক্টেড গোল আবিষ্কার করিনি; আমি এক পৃষ্ঠা করে তার কাছে নিজেকে সমর্পণ করেছি।
ক্রিকেটে সেই একই শৃঙ্খলা বহন করা সহজ নয়। ফুটবলে একটি শট একটি ঘটনা; ক্রিকেটে একটি বল একটি ঘটনা, কিন্তু সম্ভাব্য ফলাফলের সংখ্যা সীমিত এবং প্রতিটি বলের মূল্য ওভারভেদে বদলে যায়। প্রথম ছয় ওভারে একটি বাউন্ডারির মূল্য শেষ ছয় ওভারের বাউন্ডারির চেয়ে কম, অথচ স্কোরবুকে দুটোই সমান। এই অসমতাই ঘরোয়া ক্রিকেটের সবচেয়ে বড় ডেটা ফাঁক। যে লিগে প্রতি মৌসুমে ছেচল্লিশটি ম্যাচ হয়, সেখানে একজন ব্যাটারের ভালো মৌসুম মানে কত বল? হয়তো তিনশো। তিনশো বলে ফেজভেদে তার প্রকৃত দক্ষতা আলাদা করা কঠিন, তবে অসম্ভব নয়।
বাংলাদেশের ফ্র্যাঞ্চাইজি বাজারে খেলোয়াড়ের দাম এখনো ঠিক হয় মোট রান, মোট উইকেট আর কয়েকটি চোখে পড়ার মতো ইনিংসের ভিত্তিতে। ফেজ, ম্যাচআপ, বলের বয়স, ফিল্ড-সেটিং, বোলারের ধরন — এসব প্রায় অনুপস্থিত। আমি বছরের পর বছর ময়মনসিংহ, বগুড়া আর ঢাকার ছোট মাঠে বসে খেলা দেখেছি। সেখানে সেরা সিদ্ধান্ত নেওয়া হয়েছে হাতে লেখা স্কোরবুক আর কোচের স্মৃতির ভিত্তিতে। সেই নোটগুলো ফেলে দেওয়ার মতো নয়। সেগুলোই আমার প্রথম ডেটাবেস, শুধু কলামগুলো কাগজে লেখা।
২০২০ সালে যখন স্টেডিয়াম খালি হয়ে গেল, আমার মডেল তখনো ভূত গুনছিল। করোনা-বিরতির পর আমি ৩০৬টি খালি-স্টেডিয়াম ম্যাচ অডিট করেছিলাম, আর ঘরের মাঠের সুবিধার সহগ ০.৪১ গোল থেকে নেমে এসেছিল ০.১৭-তে। আমি মডেল আপডেট করতে অস্বীকার করেছিলাম যতক্ষণ না বিশ ম্যাচের নমুনা জমে। ছয় সপ্তাহ ধরে প্রজেক্ট রিস্টার্টের ম্যাচগুলো আবার দেখেছি, ভিড়ের শব্দ ট্যাগ করেছি। সেই সময়টা আমাকে শিখিয়েছিল, প্রেক্ষাপট বদলালে ডেটাও বদলায় — আর ক্রিকেটের প্রেক্ষাপট সবচেয়ে দ্রুত বদলায়।
ফ্র্যাঞ্চাইজি বাজারে সবচেয়ে বেশি দরকার ফেজ-অ্যাডজাস্টেড স্ট্রাইক রেট। একটি সাধারণ স্ট্রাইক রেট বলে দেয় একজন ব্যাটার প্রতি ১০০ বলে কত রান করেন, কিন্তু বলে না সেটা কখন। যে ব্যাটার পাওয়ারপ্লেতে ১৪০ আর মাঝের ওভারে ১১০, তিনি আসলে ভিন্ন ভূমিকার খেলোয়াড়। টি-টোয়েন্টিতে ইনিংসের তিনটি ফেজের মূল্য সমান নয়। পাওয়ারপ্লেতে ফিল্ড আপ, বাউন্ডারি সহজ; মাঝের ওভারে স্পিনার, রান চাপা; শেষ চার ওভারে সবাই বাউন্ডারি খোঁজে। একজন ব্যাটারের প্রকৃত মূল্য বোঝা যায় তখনই, যখন তার রানকে ফেজ অনুযায়ী ভাগ করে প্রতিটি ফেজের লিগ-গড়ের সাথে তুলনা করা হয়।
আমি নিজের খাতায় প্রতিটি ঘরোয়া ম্যাচের বল ধরে লিখি। গত দুই মৌসুমের চৌত্রিশটি ঘরোয়া ম্যাচে আমি দেখেছি, একই ব্যাটারের পাওয়ারপ্লে স্ট্রাইক রেট ছিল ১৩৮, মাঝের ওভারে ১০৪, আর শেষ চার ওভারে ১৬২। মোট স্ট্রাইক রেট ১৩১ — চমৎকার। কিন্তু যদি তাকে চারে ব্যাট করতে পাঠানো হয়, তার আসল দক্ষতা মাঝের ওভারের ১০৪, আর সেটা লিগ-গড়ের চেয়ে দুর্বল। অথচ নিলামে তার দাম ঠিক হয়েছে তার মোট ১৩১ দেখে। এখানেই বাজার আর মডেল আলাদা পথে হাঁটে।
ডেথ ওভার আরও নিষ্ঠুর। শেষ চার ওভারে প্রতি বলের ফলাফল সবচেয়ে অনিশ্চিত, আর সেখানেই ম্যাচের ভাগ্য নির্ধারিত হয়। একজন ডেথ বোলারের মূল্য মাপতে আমি তিনটি সংখ্যা একসাথে দেখি: ডেথ-ওভার ইকোনমি, ডেথ-ওভারে তার ইয়র্কার-অনুপাত, আর চাপের মুহূর্তে তার উইকেট হারানোর হার। যে বোলার ডেথে ৮.২ ইকোনমি রাখে কিন্তু প্রতি ওভারে দুটি ফুল-টস, তার সংখ্যা সুন্দর, ঝুঁকি বেশি। ফিল্ড-সেটিং আর বোলিং-প্ল্যান ছাড়া ইকোনমি একা কিছু বলে না।
ম্যাচআপ মডেল এখানে নির্ণায়ক। টি-টোয়েন্টিতে একজন বাঁহাতি স্পিনার একজন ডানহাতি ব্যাটারের বিরুদ্ধে যতটা কার্যকর, ডানহাতি স্পিনার ততটা নন। আমি নিজের ডেটাবেসে দেখেছি, নির্দিষ্ট কিছু জুটি আছে যেখানে একজন ব্যাটারের স্ট্রাইক রেট প্রতিপক্ষের ধরনের সাথে চল্লিশ পয়েন্টের বেশি ওঠানামা করে। নিলামের কাগজে এই জুটির কোনো জায়গা নেই। অথচ দলের কম্পোজিশন গড়ে ওঠে ঠিক এই জুটির উপর।
প্রত্যাশিত উইকেট ধারণাটি ক্রিকেটে ফুটবলের এক্সপেক্টেড গোলের চেয়ে কঠিন। কারণ উইকেট অনেকাংশে বোলারের নিয়ন্ত্রণের বাইরে — ক্যাচ ড্রপ, রান-আউট, আম্পায়ারের সিদ্ধান্ত। তবুও বলের লাইন, লেংথ, গতি আর ব্যাটারের শট-সিলেকশন থেকে একটি প্রত্যাশিত উইকেট-সম্ভাবনা বের করা যায়। আমি সেটি করি সাবধানে, ছোট নমুনায় নয়। আমি সংখ্যাকে বিশ্বাস করি, কিন্তু তখনই যখন তারা রাতভর পুনঃপরীক্ষার ঠান্ডা রাত পেরিয়ে আসে।
এই সব মিলিয়ে যে মূল্যায়ন-কাঠামো দাঁড়ায়, তা সহজ: একজন খেলোয়াড়ের দাম হওয়া উচিত তার ফেজ-ভিত্তিক অবদান, তার ম্যাচআপ-নির্ভরতা, আর তার ভূমিকার দুর্লভতা — এই তিনটির সমন্বয়। মোট রান বা মোট উইকেট এই তিনটির কোনোটিই নয়। একটি দল যদি কেবল মোট রান দেখে ব্যাটার কেনে, সে আসলে বাজারে সবচেয়ে বেশি দাম দেওয়া ভুলটি কিনছে।
উদাহরণ দিই। ধরা যাক, একজন ওপেনার গত মৌসুমে ৪২০ রান করেছেন ১৩৮ স্ট্রাইক রেটে। চমকপ্রদ। কিন্তু তার মধ্যে ২৪০ রান এসেছে পাওয়ারপ্লেতে, যেখানে ফিল্ড আপ থাকে। মাঝের ওভারে স্পিনের বিরুদ্ধে তার স্ট্রাইক রেট ৯৮, আর ডেথে সে প্রায় ব্যাট করেননি। দল যদি তাকে তিন নম্বরে খেলায়, সে তার ২৪০ রানের সুবিধা হারাবে। বাজারে তার দাম ঠিক হয়েছে ওপেনার হিসেবে, কিন্তু দলের চাহিদা মাঝের ওভারের। এখানেই সবচেয়ে বড় ফাঁক।
বিপরীত উদাহরণও আছে। একজন ধীরগতির বলে খেলা মিডল-অর্ডার ব্যাটার, যার মোট স্ট্রাইক রেট মাত্র ১১৮, দলীয় সাফল্যে বেশি অবদান রাখতে পারেন — যদি তার বেশিরভাগ রান আসে মাঝের ওভারে, চাপের মধ্যে, স্পিনের বিরুদ্ধে। লিগ-গড় মাঝের ওভারে ১১০ হলে তার ১১৮ আসলে লিগ-সেরা। কিন্তু নিলামের কাগজে তার নামের পাশে থাকে ১১৮, আর একজন দ্রুত ১৪০ করা ওপেনারের নামের পাশে থাকে ১৪০। বাজার দুজনকে আলাদা চোখে দেখে, অথচ ভূমিকা অনুযায়ী তাদের মূল্য উল্টো হতে পারে।
রিটেনশন-অর্থনীতিও এখানেই জড়িয়ে যায়। একটি দল যখন অভিজ্ঞ ব্যাটার ছেড়ে তরুণ নেয়, সে শুধু টাকা বাঁচায় না, সে ভূমিকা বদলায়। অভিজ্ঞ ব্যাটারের রিটেনশন-ফি বেশি, কিন্তু তার প্রতিস্থাপনযোগ্যতা কম — কারণ তার ফেজ-প্রোফাইল জানা। তরুণের ফেজ-প্রোফাইল অজানা, তাই ঝুঁকি বেশি, কিন্তু দাম কম। যে দল ডেটা দিয়ে সেই ঝুঁকি মাপতে পারে, সে-ই এই বাজারে লাভবান হয়। যে দল পারে না, সে অন্ধভাবে জুয়া খেলে।
আমি নিজে ২০২৪ সালের একটি ঘরোয়া ফাইনালে বসে দেখেছি, কীভাবে একটি দল ১৮০ রান তাড়া করতে গিয়ে শেষ চার ওভারে ৩২ রান দরকার ছিল, অথচ তাদের সেরা ডেথ-ব্যাটার ছিলেন আউট। যিনি ক্রিজে ছিলেন, তার ডেথ-স্ট্রাইক রেট ছিল ১১৯, আর বেঞ্চে বসে থাকা ব্যাটারের ছিল ১৫৮। দল হেরে গেল আট রানে। কাগজে দলটি সবচেয়ে শক্তিশালী ছিল। ভূমিকা-ভিত্তিক হিসাবে তারা সবচেয়ে দুর্বল ছিল। সেই রাতের পর আমি প্রতিটি দলের জন্য আলাদা ডেথ-ইনডেক্স রাখা শুরু করেছি।
এখানেই আমাকে সাবধান হতে হয়। ফেজ-অ্যাডজাস্টেড স্ট্রাইক রেট একটি শক্তিশালী হাতিয়ার, কিন্তু তা একা দাঁড়ায় না। যদি আমি কেবল ফেজ দেখি, আমি ফিল্ড-সেটিং, বলের বয়স, পিচের আচরণ আর আবহাওয়া উপেক্ষা করি। শুষ্ক পিচে স্পিনের মূল্য বেশি, শিশির-ভেজা পিচে ডেথ বোলিং কঠিন। একটি সংখ্যা কখনোই পুরো ছবি নয়। সম্পর্ক আর কারণ এক নয় — একজন ব্যাটারের ফেজ-ভিত্তিক রান বেশি মানেই সে দলের জন্য বেশি মূল্যবান, এই সিদ্ধান্ত সরাসরি টানা যায় না।
নমুনার আকার আরেকটি ফাঁদ। একটি মৌসুমের তিনশো বল থেকে একজন ব্যাটারের প্রকৃত দক্ষতা মাপা ঝুঁকিপূর্ণ। ছোট নমুনায় ভাগ্য প্রভাব বেশি, আর ফ্র্যাঞ্চাইজি বাজারে ঠিক সেই ছোট নমুনাতেই সবচেয়ে বেশি টাকা ঘুরছে। এক মৌসুমের ঝলক দেখে দল খেলোয়াড় কেনে, ঠিক যেমন ট্রান্সফার গুজব আর ই-স্পোর্টস অঘটন — দুটোই নমুনা আকারের অপেক্ষায় থাকা চলক। যতক্ষণ নমুনা বড় না হয়, ততক্ষণ যেকোনো দাবি একটি অনুমানমাত্র।
ভাঙা মডেল আমাকে সঠিক মডেলের চেয়ে বেশি শিখিয়েছে। ২০২০ সালে ঘরের মাঠের সুবিধা যে ভেঙে পড়েছিল, তা আমি আগে ধরে নিইনি, কারণ আমার নমুনা ছিল বড় কিন্তু পুরনো। প্রতিটি ডেটাবেসের একটি মেয়াদ শেষ হওয়ার তারিখ থাকে, যা কেউ গায়ে লেখে না। ঘরোয়া ক্রিকেটে সেই মেয়াদ আরও ছোট, কারণ পিচ, বল আর খেলোয়াড় — তিনটিই দ্রুত বদলায়। যে বিশ্লেষক এই মেয়াদ শেষ হওয়া স্বীকার করেন না, তিনি পুরনো মানচিত্র নিয়ে নতুন মাঠে হাঁটেন।
পরের মৌসুমের নিলামে আমি তিনটি সংকেত দেখব। কোন দল ব্যাটার কিনছে ফেজ-ভূমিকা অনুযায়ী, আর কোন দল কেবল মোট রান দেখে। ডেথ বোলিংয়ে কোন দল বিশেষজ্ঞ ধরে রাখছে, আর কোন দল মাঝের ওভারের বোলার দিয়ে ডেথ ভরাচ্ছে। তরুণ খেলোয়াড়ের দাম কতটা তার ডেটা-প্রোফাইলের সাথে মিলছে, আর কতটা কেবল সম্ভাবনার গন্ধে। এই তিনটি সংকেত যেদিন মিলে যাবে, সেদিন বাজার আর মডেল এক পথে হাঁটবে। তার আগে, আমার খাতা খোলা থাকবে।



সংশ্লিষ্ট খেলোয়াড়গণ
সুপারিশকৃত
ডট বলের খাতা: টুর্নামেন্ট ক্রিকেটে পাওয়ারপ্লের নীরব হিসাব2026-09-29
টিকিটের বাইরে ক্রিকেট: ব্লকচেইন কীভাবে স্ট্যান্ডের মানুষকে ফিরিয়ে আনছে2026-10-01
দুই মিনিটের ঘড়ি ও অদৃশ্য আইন: দিল্লির টাইমড আউট ফাইল খুললে যা বেরিয়ে এল2026-09-27
৩৪তম ওভার: যে স্পেলটা কোনো ক্যামেরা ধরেনি2026-09-26
ফ্র্যাঞ্চাইজি বাজারের নীরব অডিট: বাংলাদেশের টি-টোয়েন্টি ডেটার অপরিবর্তনীয় খাতা2026-10-01
২৭ কোটি টাকার একটি পজিশন: আইপিএলের ট্রান্সফার-বাজার কীভাবে মাঠের রিং-সিম আর ক্লান্তির ফর্মেশন ঠিক করে দেয়2026-09-26
সুপারিশকৃত
বিপিএলের টেবিল মিথ্যা বলছে: ৪৬ ম্যাচের xWins অডিট, চট্টগ্রাম থেকে2026-09-28
টাকা, ক্যালেন্ডার আর ক্যাচ: বাংলাদেশ ক্রিকেটের তিনটি অডিট2026-09-29
টেপ-বলের গলি থেকে রাওয়ালপিন্ডি: টি-টোয়েন্টি বিশ্বকাপের আগে বাংলাদেশের অসমাপ্ত প্রকল্প2026-09-26
ক্রিকেটের কালচে অর্থনীতি: টুর্নামেন্ট ক্যালেন্ডারের পিছনে লুকানো চুক্তির খসড়া2026-09-30
সুপারিশকৃত
রান-পার্টনারশিপের হিসাব: প্রস্তুতি ও পদক্ষেপের লেজার2026-09-30
দলবদলের জানালা: রিলিজ ক্লজ, এনওসি আর বেতন-খাতার নীরব হিসাবই আসল গল্প2026-09-26
ব্লকচেইন ক্রিকেটের বিশ্বাস-অর্থনীতি: ফ্যান টোকেন, ম্যাচ ডেটা ও নতুন লেজারের পরীক্ষা2026-09-27
ডেথ ওভারের শ্বাস: ২০২৬ বিশ্বকাপ চক্রে বোলিংয়ের হিসাব কীভাবে বদলাচ্ছে2026-09-28
নিলামের হাতুড়ি আর এনওসির অক্ষর: ক্রিকেটের ট্রান্সফার উইন্ডোতে দাম কোথায় সিগন্যাল, কোথায় শুধু শব্দ2026-09-29
২৭ কোটি টাকার একটি পজিশন: আইপিএলের ট্রান্সফার-বাজার কীভাবে মাঠের রিং-সিম আর ক্লান্তির ফর্মেশন ঠিক করে দেয়2026-09-26
সুপারিশকৃত
১২.১ ওভারের হিসাব: ময়মনসিংহের রাত ২টার রিফট যে পাঠ মিরপুরকে ফেরত দেয়নি2026-09-26
পাওয়ারপ্লের মিথ ভাঙা: ১১৯ রানের জয় এবং টি-টোয়েন্টির আসল সমীকরণ2026-09-28
ভেজা আউটফিল্ড, শুকনো কভার: বাংলাদেশের প্রথম-শ্রেণির ম্যাচ আসলে কে জেতায়2026-09-29
ব্লকচেইন ক্রিকেটের বিশ্বাস-অর্থনীতি: ফ্যান টোকেন, ম্যাচ ডেটা ও নতুন লেজারের পরীক্ষা2026-09-27
পেসের নতুন নাড়ি: ডেটা, ওয়ার্কলোড আর ক্যালেন্ডারের হিসাবে বাংলাদেশের ফাস্ট বোলিং বদল2026-09-29
তিরিশ বল, বাইশ গজ: টি-টোয়েন্টি বিশ্বকাপ ফাইনালের আসল হিসাব2026-09-26
