खाली डेटा, भरा हुआ नैरेटिव: क्रिकेट एनालिटिक्स की उस खामी की जांच जो स्कोरकार्ड में नहीं दिखती

18 जून 2026 की रात मेरे पास एक हार्डबाइवर कॉपी थी जिसमें 483 डिलीवरी की हाथ से लिखी लेजर थी, और एक खुली हुई स्प्रेडशीट जिसकी 483 पंक्तियों में से एक भी खाली नहीं थी। ओवल में पाकिस्तान ने 338 रन बनाए थे, भारत 158 पर ढह गया था, और मैं सत्रह साल का था। उस रात मैंने जो सबक सीखा वह स्कोरकार्ड के बारे में नहीं था — वह इस बारे में था कि जब आप कोई दावा करते हैं तो आप पर एक कर्ज चढ़ जाता है, और उसे चुकाने का एकमात्र तरीका है लॉग किया हुआ सबूत। सात साल बाद, पिछले हफ्ते, मेरे सामने एक ऐसा दस्तावेज आया जिसमें शीर्षक की जगह N/A लिखा था, स्रोत की जगह N/A, सूचना-बिंदुओं की सूची पूरी तरह खाली, और केवल एक फील्ड भरी हुई थी — डोमेन लेबल: cricket_world। यह कोई क्रिकेट रिपोर्ट नहीं थी। यह एक पाइपलाइन की गवाही थी। और मेरे अनुभव में, क्रिकेट एनालिटिक्स की सबसे बड़ी समस्या वह नहीं है जो मॉडल गलत कहते हैं; वह यह है कि हम खाली इनपुट पर भी आत्मविश्वास से भरी राय पैदा कर देते हैं। \n\nयह समस्या उतनी तकनीकी नहीं है जितनी पेशेवर लगती है। पिछले एक दशक में भारतीय क्रिकेट में एनालिटिक्स का जो ढांचा घुसा है — विन-प्रोबेबिलिटी मॉडल, नीलामी वैल्यूएशन, इम्पैक्ट-प्लेयर अंकगणित, ब्रॉडकास्ट ग्राफिक्स के 'प्रेशर इंडेक्स' — उसका एक बड़ा हिस्सा ऐसे डेटा-पाइपलाइन पर खड़ा है जिसकी गुणवत्ता की जांच कारखाने के गेट पर नहीं होती। जब आप एक इनपुट फीड करते हैं जिसमें केवल 'cricket_world' लिखा हो, तो एक ईमानदार विश्लेषक का एकमात्र सही आउटपुट यह है: अपर्याप्त सूचना, मूल्यांकन संभव नहीं। लेकिन ब्रॉडकास्ट डेस्क पर 'अपर्याप्त सूचना' बेचा नहीं जा सकता। इसलिए जो होता है वह यह है कि खाली जगहों को नैरेटिव से भर दिया जाता है — और वह नैरेटिव, क्योंकि उसका कोई लेजर नहीं होता, कभी चुकाया नहीं जाता।\n\nमैं इस पाइपलाइन विफलता को तीन अलग-अलग परतों में देखना चाहता हूं, क्योंकि तीनों एक ही बीमारी के लक्षण हैं। पहली परत है एंटिटी एक्सट्रैक्शन की विफलता। उस दस्तावेज में 'Entities Involved' फील्ड को स्पष्ट रूप से विश्लेषक के पास वापस भेज दिया गया था — यानी सिस्टम ने यह स्वीकार किया कि उसने कोई टीम, कोई खिलाड़ी, कोई बोर्ड, कोई लीग नहीं निकाली, और फिर भी आगे का काम जारी रखा। यह वही तर्क है जो एक बल्लेबाज के 30 गेंद के स्पेल पर आधारित स्ट्राइक-रेट को पूरे टूर्नामेंट का मापदंड बना देता है। चर निकाले ही नहीं गए, पर निष्कर्ष निकल आया। दूसरी परत है फॉर्मेट-मिक्सिंग का खतरा, जिसे उस दस्तावेज ने खुद 'High' जोखिम बताया। अगर फॉर्मेट तय नहीं है — टेस्ट, वनडे, टी20, या कोई लीग — तो कोई भी मीट्रिक जो आप उद्धृत करेंगे, वह संभवतः दो अलग दुनियाओं को मिला देगा। टेस्ट में 45 की औसत और टी20 में 145 की स्ट्राइक-रेट दोनों 'अच्छे' आंकड़े हैं, लेकिन उन्हें एक ही वाक्य में रखना तकनीकी तौर पर उतना ही गलत है जितना एक टेस्ट पारी के रन को डकवर्थ-लुईस से समायोजित करना। तीसरी परत है समय-एंकर की अनुपस्थिति। दस्तावेज में स्पष्ट लिखा था: 'Time sensitivity explicitly not assessed'। क्रिकेट में समय-एंकर सिर्फ तारीख नहीं है; वह यह तय करता है कि आंकड़ा किस दौर का है। 2026 के बाद की टी20 बल्लेबाजी और 2026 के बाद की टी20 बल्लेबाजी में अंतर सिर्फ खिलाड़ियों का नहीं, पूरे खेल की अर्थव्यवस्था का है।\n\nइसे मैं अपने 2026 के उस बैक-टेस्ट से जोड़कर देखता हूं जिसने मेरी पूरी कार्यप्रणाली बदल दी थी। रूस विश्व कप के बाद मैंने एक्सपेक्टेड गोल्स को उलटकर क्रिकेट के लिए 'एक्सपेक्टेड रन्स' बनाने की कोशिश की, और 2026 आईपीएल की 13,286 कानूनी डिलीवरी को हाथ से ज़ोन में कोडित किया। मॉडल ने डेथ ओवर की छक्का-लगाने की दर को 14 प्रतिशत ज़्यादा आंका। मैंने वज़न दोबारा फिट किए, भारतीय परिस्थितियों के हिसाब से, और तब जाकर एक भी संख्या पर भरोसा किया। सबक यह था: उधार लिया हुआ मॉडल लगाना आसान है; उसे चुकाना असली काम है। और वह चुकौती तभी संभव है जब आपके पास एक साफ, नामांकित, नंबर वाला इनपुट हो। एक खाली इनपुट पर बना मॉडल सबसे खतरनाक होता है, क्योंकि उसकी गलती का पता कभी नहीं चलता — तुलना करने के लिए कुछ नहीं होता।\n\nयहां एक काउंटर-इंट्यूटिव बात कहनी है जो मुझे महंगी पड़ी थी सीखने में। 2026 में, जब आईपीएल यूएई में खाली स्टेडियमों में खेला गया, मैंने 2,914 फील्डिंग अनुक्रमों को बारह-चर वाले प्रेशर इंडेक्स में कोडित किया — हर दस गेंदों पर फील्डिंग हस्तक्षेप की गिनती, PPDA का एक क्रिकेट रूपांतर। विकेट के विचरण का केवल छह प्रतिशत वह इंडेक्स समझा पाया। मेरी परिकल्पना मर गई, और स्टेडियम भी खाली था। मैंने वह नल परिणाम छाप दिया। आज जब मैं उस खाली दस्तावेज को देखता हूं, तो लगता है कि पाइपलाइन ने वही गलती की जो मैंने 2026 में की थी — सिवाय इसके कि उसने अपना नल परिणाम नहीं छापा। उसने N/A को एक फॉर्मेट में डाल दिया और उसे विश्लेषण कह दिया। लेजर को परवाह नहीं होती कि मैं क्या आशा करता था कि वह कहेगा; लेकिन एक खाली लेजर के बारे में कुछ भी नहीं कहा जा सकता, और यही सबसे बड़ी चुप्पी है।\n\nअब वह हिस्सा जो मुझे सबसे ज़्यादा परेशान करता है — और यह उस दस्तावेज की सबसे ईमानदार बात थी। उसने आठ आयामों के फ्रेमवर्क को पूरा रेंडर किया, हर फील्ड में स्पष्ट रूप से 'N/A – insufficient information, cannot assess' लिखा, और इसके बावजूद आठों अनुभागों के निष्कर्ष खंड भरे हुए थे। यह कोई विरोधाभास नहीं, यह एक आदत है। हमारे पेशे में 'निष्कर्ष' एक अनिवार्य फील्ड बन गया है। इसे खाली छोड़ना अस्वीकार की तरह लगता है। लेकिन क्रिकेट विश्लेषण में, खाली निष्कर्ष सबसे वैध निष्कर्ष हो सकता है। जब किसी सीरीज़ के पहले मैच के बाद किसी बल्लेबाज के तीन पारियों के आधार पर 'फॉर्म में लौट आया है' लिखा जाता है, तो वह उसी पाइपलाइन विफलता का उत्पाद है — नमूना इतना छोटा है कि निष्कर्ष नहीं निकलना चाहिए था, पर निष्कर्ष निकाल दिया गया क्योंकि डेडलाइन थी। मैंने अपने करियर में दो बार कॉलम वापस लिए हैं क्योंकि नमूना दावे को उठा नहीं सकता था। वह दर्द महसूस हुआ, लेकिन वह सही दर्द था।\n\nइस पाइपलाइन की विफलता का एक आर्थिक पक्ष भी है जिसे क्रिकेट उद्योग शायद ही कभी जोड़कर देखता है। भारत दुनिया के क्रिकेट राजस्व का लगभग सत्तर प्रतिशत हिस्सा पैदा करता है — यह उद्योग में व्यापक सहमति है। जब इतनी सारी पूंजी एक ही बाजार के डेटा-प्रवाह पर निर्भर हो, तो उस डेटा की गुणवत्ता एक निजी तकनीकी मामला नहीं रह जाती; वह एक बाजार-जोखिम बन जाती है। ब्रॉडकास्टर जो विन-प्रोबेबिलिटी ग्राफिक दिखाता है, फ्रेंचाइजी जो नीलामी में वैल्यूएशन मॉडल पर बोली लगाती है, फैंटेसी प्लेटफॉर्म जो प्रेडिक्शन स्कोर बेचते हैं — ये सब उसी पाइपलाइन के ग्राहक हैं जिसने पिछले हफ्ते खाली इनपुट पर फॉर्म भर दिया। और चूंकि उधार के मॉडल का कैलिब्रेशन बिल अक्सर किसी और की डेटा-शर्तों पर चुकाया गया होता है — इंग्लिश काउंटी क्रिकेट, या अमेरिकी बॉल स्पोर्ट्स — भारतीय परिस्थितियों में उसका दोबारा परीक्षण ज़रूरी है। मैंने जिस भी मॉडल का इस्तेमाल किया, उसका स्रोत, संस्करण, और वह एक धारणा जो मैंने बदली, दोनों लिखे। यही पारदर्शिता का न्यूनतम मानक होना चाहिए।\n\nतो अब वह सवाल जो इस पूरे विश्लेषण का असली फल है। उस दस्तावेज ने तीन 'Highlight' सुझाव दिए — पाइपलाइन में खराबी, भारतीय बाजार का लेंस, और निगरानी योग्य संकेत। इनमें से पहला सबसे महत्वपूर्ण है और सबसे कम चर्चित। क्योंकि जब तक हम यह नहीं मानते कि 'एनालिटिक्स में गलती' का मतलब सिर्फ 'मॉडल का आउटपुट गलत था' नहीं, बल्कि 'मॉडल को खाली इनपुट दिया गया और उसने फिर भी आउटपुट दे दिया', तब तक हम उस बीमारी का इलाज नहीं कर सकते। क्रिकेट में हम गेंदबाज की गेंद गिनते हैं, बल्लेबाज के रन गिनते हैं, फील्डर के कैच गिनते हैं — पर डेटा पाइपलाइन के उन इनपुट को कौन गिनता है जो खाली आए? क्रिकेट एनालिटिक्स का अगला बड़ा सुधार शायद नए मेट्रिक में नहीं, बल्कि एक साधारण अनुशासन में होगा: हर रिपोर्ट के साथ यह लिखना कि उसके दावे कितने नमूने पर खड़े हैं, और जब नमूना दावा न उठा सके, तो दावा घटाना, लेबल नहीं। मेरी हार्डबाइवर में आज भी वह 2026 की फाइल है, और हर नई रिपोर्ट से पहले मैं उसे खोलता हूं — नostalgia के लिए नहीं, बल्कि यह याद रखने के लिए कि हर संख्या के साथ एक तारीख, एक मैदान, और उसे गिनने वाला व्यक्ति होता है। जिस दस्तावेज में ये तीनों नहीं हैं, वह विश्लेषण नहीं, सजावट है। और अगली बार जब आपका फीड खाली आए, तो क्या आपके पास वह साहस होगा जो उस दस्तावेज के लेखक के पास कम से कम इतना था कि वह N/A लिख सके?