खाली स्कोरकार्ड, भरे हुए नतीजे: क्रिकेट की डेटा आपूर्ति-श्रृंखला कहाँ टूटती है

चालीस पंक्तियों की एक तालिका। हर पंक्ति में एक मीट्रिक — पावरप्ले का रन रेट, मध्य ओवरों में विकेट की दर, डेथ ओवरों की इकॉनमी, घरेलू और विदेशी प्रदर्शन का अंतर, नीलामी मूल्य बनाम उत्पादन। हर स्तंभ में एक सीज़न। और चालीसों खानों में एक ही चीज़ लिखी थी: N/A।

तालिका मैंने खुद बनाई थी। दो दिन पहले तक उसमें भरने के लिए मेरे पास एक मैच, एक टीम, एक गेंदबाज़ और एक तारीख थी। जब विश्लेषण की बारी आई, तो ऊपर की श्रृंखला से जो लौटकर आया वह खाली था — न शीर्षक, न स्रोत, न एक भी सूचना-बिंदु, न कोई ऐसा नाम जिससे खिलाड़ी या टीम पहचानी जा सके। एक पूरी तरह खींचा हुआ ढांचा, जिसके अंदर कुछ भी नहीं था।

असली खतरा उस खालीपन में नहीं था। असली खतरा इस तथ्य में था कि तालिका देखने में पूरी और मान्य लग रही थी।

मैं पिछले नौ साल से क्रिकेट के आंकड़ों के साथ काम कर रहा हूं — पहले एक चेन्नई स्टार्टअप में जूनियर एनालिस्ट, फिर ब्रॉडकास्ट डेस्क पर डेटा कंसल्टेंट, और अब ट्रांसफर मार्केट एडमिनिस्ट्रेटर के तौर पर। इस दौरान जो सबसे उपयोगी आदत मैंने सीखी, वह यह नहीं थी कि मीट्रिक कैसे बनाया जाता है। वह यह थी कि कब रुकना है। खाली डेटा पर लिखा गया एक वाक्य, चाहे कितना ही सुंदर हो, बाकी सारी साख खा जाता है।

इस बार मैंने नहीं लिखा। मैंने रोक दिया, और यह लेख इसी रोकने की प्रक्रिया का हिसाब है।

संदर्भ: क्रिकेट का डेटा उस जगह क्यों साफ है जहां पैसा है

क्रिकेट में आंकड़ों की आपूर्ति-श्रृंखला चार चरणों में चलती है। पहला चरण गेंद-दर-गेंद फीड है, जो स्कोरकार्ड बनाता है। दूसरा चरण निष्कर्षण है, जहां लेख या कमेंट्री से नाम, तारीख, प्रारूप और पारी की स्थिति बाहर निकाली जाती है। तीसरा चरण एंटिटी रिज़ॉल्यूशन है — यानी यह तय करना कि "बुमराह" कौन सा बुमराह है, कौन सा सीज़न है, कौन सा प्रारूप है। चौथा चरण मीट्रिक निर्माण है।

जहां पैसा है, वहां पहला चरण लगभग हमेशा बेटा रहता है। जून 2026 में आईपीएल के 2026-27 चक्र के मीडिया अधिकार 48,390 करोड़ रुपये में बिके थे; जनवरी 2026 में महिला प्रीमियर लीग के पहले पांच साल के अधिकार 951 करोड़ रुपये में गए थे। इन दोनों आंकड़ों के पीछे जो मशीनरी है, वह हर गेंद को लॉग करती है, हर खिलाड़ी को टैग करती है, और हर मैच के बाद एक साफ डेटासेट छोड़ती है।

लेकिन रणजी ट्रॉफी के नॉकआउट, महिला घरेलू वनडे, और अंडर-23 टूर्नामेंट उसी देश में खेले जाते हैं, और वहां तीसरा चरण लगातार फेल होता है। स्कोरकार्ड मिल जाता है, लेकिन पिच की स्थिति नहीं; गेंदबाज़ का नाम मिल जाता है, लेकिन उसका वर्कलोड नहीं; मैच का नतीजा मिल जाता है, लेकिन यह नहीं कि वह दिन ड्यू थी या नहीं। मैंने अपने बारह प्रथम-श्रेणी मैचों के दौरान जो सबसे ज़रूरी चीज़ देखी — तमिलनाडु की टीम में जगह के लिए चल रही भीतरी प्रतिस्पर्धा — उसका कोई एक भी डेटा-कॉलम कभी नहीं बना।

यह कोई संयोग नहीं है। यह एक प्रोत्साहन-डिज़ाइन की समस्या है, प्रतिभा की नहीं। जिस मैच को टेलीविज़न कैमरा नहीं देखता, उसका डेटा महंगा पड़ता है; जिसका डेटा महंगा पड़ता है, उसका विश्लेषण नहीं होता; और जिसका विश्लेषण नहीं होता, वह चयन-बहस से गायब हो जाता है। भारत की दूसरी और तीसरी पसंद की टीम बनाना सबसे कठिन है, यह बात सच है — लेकिन उस कठिनाई को मापने का हमारा तरीका अभी भी सबसे अमीर लीग के सबसे साफ आंकड़ों से आता है।

ट्रांसफर मार्केट एडमिनिस्ट्रेटर के तौर पर मेरा काम खिलाड़ियों को ग्रेड करना नहीं, फैसलों को ग्रेड करना है। और फैसले तब तक ग्रेड नहीं हो सकते जब तक यह साफ न हो कि फैसले के पीछे कौन सी जानकारी मौजूद थी और कौन सी नहीं। इसीलिए हर रिपोर्ट में मैं दो चीज़ें सबसे पहले लिखता हूं: नमूने का आकार, और कवरेज की सीमा। बाकी सब उसके बाद आता है।

कोर विश्लेषण: जब डेटा खाली लौटता है, तो N/A एक निष्कर्ष नहीं होता

इस बार जो फेल हुआ, वह क्रिकेट की समझ नहीं थी। तीन चीज़ें फेल हुईं, और तीनों तकनीकी हैं।

पहली, इनजेशन। लेख का शरीर ही नहीं पहुंचा। जब ऊपर की प्रक्रिया यह बताए कि शीर्षक "N/A" है, स्रोत "N/A" है, और सूचना-बिंदु सूची खाली है, तो उसका मतलब यह नहीं कि लेख में कुछ था ही नहीं। उसका मतलब यह है कि लेख हमारे पास आया ही नहीं। यही अंतर सबसे ज़रूरी है, और यही अंतर सबसे ज़्यादा नज़रअंदाज़ किया जाता है।

दूसरी, एंटिटी रिज़ॉल्यूशन की विफलता। निर्देश में लिखा था कि संस्थाएं "ऊपर के सूचना-बिंदुओं से पहचानी जाएं" — लेकिन सूचना-बिंदुओं की सूची खाली थी। यह एक असंगति है, और यह असंगति बताती है कि डिज़ाइन के समय यह मान लिया गया था कि सूची भरी हुई आएगी। जब भरोसा डिज़ाइन में घुस जाए और जांच में न आए, तो विफलता चुपचाप आगे बढ़ती है।

तीसरी, जॉनर की अनुपलब्धता। जब यह तय ही न हो कि पढ़ा जा रहा पाठ न्यूज़ रिपोर्ट है, ट्रांसफर खबर है, इंजरी बुलेटिन है या ऑपिनियन पीस, तो यह भी तय नहीं हो सकता कि कौन से आयाम प्राथमिक हैं और कौन से गौण। मैच रिपोर्ट में गेंद-दर-गेंद साक्ष्य चाहिए; नीलामी की खबर में पैसे का हिसाब; इंजरी बुलेटिन में वर्कलोड का इतिहास। एक ही टेम्पलेट तीनों पर लगाना श्रेणी-त्रुटि है।

यहीं से वह नियम निकलता है जिस पर मैं सबसे ज़्यादा अड़ता हूं: अनुपस्थित साक्ष्य, जोखिम की अनुपस्थिति नहीं है।

मैं इसे "भार-वहन करने वाला N/A" कहता हूं। जब शासन-जांच की सूची में पावर-शेयरिंग, खेल-नियम विवाद, सट्टेबाजी-विरोधी कार्रवाई और एनओसी अनुशासन — चारों पंक्तियां खाली हों, तो वह साफ ऑडिट नहीं है। वह एक खाली ऑडिट है। फर्क इतना ही है कि खाली ऑडिट को साफ ऑडिट की तरह पढ़ा जाता है, क्योंकि दोनों में कोई लाल झंडा नहीं दिखता।

मुझे यह सब इतनी शिद्दत से क्यों पता है? क्योंकि मेरा पहला मॉडल उल्टा बना था।

2026 में जब मैं आईपीएल की डेथ-ओवर गेंदबाजी पर प्रेशर इंडेक्स बना रहा था, तो मैंने डॉट-बॉल प्रतिशत, सीमा-रेट और 17-20 ओवरों के विकेट को एक साथ जोड़ दिया। नतीजा यह निकला कि सबसे अच्छा इंडेक्स उस गेंदबाज़ का था जो सबसे ज़्यादा डॉट गेंदें फेंक रहा था। समस्या यह थी कि मैं यह नहीं माप रहा था कि डॉट गेंदें मजबूरी में फेंकी गईं या रणनीति से। बल्लेबाज़ अगर पहले ही ओवर में 18 रन बना चुका हो, तो अगली तीन डॉट गेंदें उसकी उदारता हैं, गेंदबाज़ की काबिलियत नहीं। मैंने अपना इंडेक्स उल्टा बनाया था, और मैंने उसे उसी हफ्ते सार्वजनिक रूप से वापस लिया।

उस पल से मेरा एक सिद्धांत बना: पहले विफलता, फिर ढांचा। मैंने हमेशा इसी क्रम पर भरोसा किया है। जो मीट्रिक अपनी विफलता से नहीं गुज़रा, वह प्रकाशन योग्य नहीं है।

संशोधित इंडेक्स में मैंने हर गेंद को एक संदर्भ दिया — उस ओवर में अब तक बने रन, बल्लेबाज़ का सेट होना या न होना, और टीम को कितने रन चाहिए थे। तब जाकर जसप्रीत बुमराह का आंकड़ा अपनी जगह बैठा: डेथ ओवरों में 6.2 की इकॉनमी और 45 प्रतिशत डॉट-बॉल, जबकि उन ओवरों में दबाव सबसे ऊंचा था। यही रिपोर्ट बाद में बड़े आउटलेट्स पर उद्धृत हुई और मुझे फ्रीलांस लेखन का पहला ठोस काम दिया।

लेकिन मैं उस सफलता को उस विफलता से अलग नहीं करता। दोनों एक ही रस्सी के दो सिरे हैं।

फुटबॉल ने जो सिखाया, और जहां वह सबक टूटता है

2026 में जब मैं स्टार स्पोर्ट्स के डेस्क पर रूस विश्व कप देख रहा था, तो जर्मनी का ग्रुप चरण से बाहर होना मेरे लिए एक दूसरी तरह की घटना थी। उनके पास 72 प्रतिशत कब्ज़ा था और प्रति मैच औसतन सिर्फ़ 1.2 एक्सपेक्टेड गोल। मैंने उसे "झूठा प्रभुत्व" कहा।

यह वही बीमारी है जो क्रिकेट में 180 रन बनाकर भी 20 रन से हारने के रूप में दिखती है — मध्य ओवरों में गति धीमी रही, विकेट बचे रहे, लेकिन बोर्ड पर पर्याप्त रन नहीं थे। फुटबॉल ने मुझे वह सवाल दिया जो स्कोरकार्ड पूछना ही नहीं चाहता था: कब्ज़ा किस काम का, अगर उसका कोई परिणामी मूल्य न हो?

यहां मुझे सबसे साफ शब्दों में अपनी सीमा लिखनी है, क्योंकि यही मेरा सबसे बड़ा जोखिम है। एक्सपेक्टेड-गोल्स का क्रिकेट में सीधा अनुवाद संभव नहीं है, और जो कोई इसे सीधा अनुवाद बताए, वह बेईमान है। चार संरचनात्मक अंतर हैं।

क्रिकेट की घटनाएं विविक्त हैं — हर गेंद एक अलग लेन-देन है, जिसे रन माना जा सकता है या नहीं। फुटबॉल में घटनाएं सतत हैं। क्रिकेट में पारियां असममित हैं — पहले बल्लेबाज़ी करने वाली टीम को वह जानकारी नहीं मिलती जो लक्ष्य का पीछा करने वाली को मिलती है। क्रिकेट में गेंदबाज़ और बल्लेबाज़ की परस्पर-क्रिया मैच का मूल है — फुटबॉल में डिफेंडर और हमलावर का टकराव बहुत अलग तरह से होता है। और सबसे बड़ी बात, स्कोरिंग घनत्व बेहद कम है: एक टी20 में 120 गेंदें और चार विकेट की गिरावट का मतलब है कि एक भी गेंद परिणाम पलट सकती है। एक्सपेक्टेड-गोल्स की गणित इस तरह की स्पष्टता से नहीं चलती।

इसीलिए मेरा तरीका यह है: पहले फुटबॉल का एनालॉग दिखाओ, फिर यह बताओ कि वह कहां टूटता है। उल्टा क्रम अपनाना मीट्रिक-साम्राज्यवाद है, और वह मेरी सबसे बड़ी चूक होगी।

नीलामी की कीमत एक वाणिज्यिक संकेत है, खेल-श्रेष्ठता का प्रमाण नहीं

फरवरी 2026 की मेगा नीलामी में ईशान किशन को मुंबई इंडियंस ने 15.25 करोड़ रुपये में खरीदा था। नवंबर 2026 में जेद्दा में ऋषभ पंत लखनऊ सुपर जायंट्स के लिए 27 करोड़ रुपये में गए — नीलामी इतिहास का सर्वोच्च मूल्य। दोनों आंकड़े सही हैं, और दोनों को गलत सवाल के जवाब में इस्तेमाल किया जाता है।

हर ट्रांसफर एक इकबालिया बयान है, और आंकड़े उसकी लिखावट हैं। लेकिन लिखावट यह नहीं बताती कि फ्रैंचाइज़ी ने क्या खरीदा — उसने प्रदर्शन खरीदा या उम्मीद, यह लिखावट से नहीं, मॉडल से पता चलता है।

2026 में मेरा मूल्यांकन मॉडल यह कह रहा था कि जो खिलाड़ी पावरप्ले में गेंदबाज़ी कर सके और मध्य ओवरों में 140 से ऊपर की स्ट्राइक रेट से बल्लेबाज़ी कर सके, उसका बाज़ार मूल्य उसके उत्पादन से कम है। चेन्नई ने उस सिफ़ारिश पर मोईन अली को लिया, और उन्होंने उस सीज़न 357 रन 138 की स्ट्राइक रेट से बनाए। यह मॉडल की जीत थी। लेकिन अगर वह नाकाम होते, तो यही आंकड़ा मेरी हार का सबूत होता, और मैं उसे भी उसी ईमानदारी से दर्ज करता।

युवा-खिलाड़ी प्रीमियम पर मेरी स्थिति साफ है: पचास शीर्ष-स्तरीय मैचों से कम खेले हुए खिलाड़ी पर सौ करोड़ देना सट्टा है, निवेश नहीं। यह बात किसी खिलाड़ी के चरित्र के बारे में नहीं, फैसले की बनावट के बारे में है। नीलामी का नियम डेटा-आधारित स्काउटिंग को पुरस्कृत नहीं करता; वह प्रतिष्ठा और नीलामी-कक्ष की भीड़-मनोविज्ञान को पुरस्कृत करता है। जब तक नियम नहीं बदलते, कीमत को प्रमाण समझना जारी रहेगा।

छोटे नमूने की निश्चितता सबसे महंगी आदत है

एक नॉकआउट मैच से मॉडल को मान्य घोषित कर देना वह आदत है जिसने इस पेशे में सबसे ज़्यादा नुकसान किया है। मैं इसका इलाज सिर्फ़ एक तरीके से करता हूं: टूर्नामेंट से पहले सीमाएं लिखकर रखना।

मेरे नोटबुक में हर सीज़न के लिए तीन चीज़ें पहले से दर्ज होती हैं — किस आंकड़े को सफलता मानूंगा, किस अंतराल में उसका अनुमान लगा रहा हूं, और कौन सा परिणाम मेरे मॉडल को गलत साबित करेगा। बाद में मैं बिंदु-अनुमान नहीं, अंतराल रिपोर्ट करता हूं। जब कोई पूछता है कि क्या यह खिलाड़ी अगले सीज़न 400 रन बनाएगा, तो सही जवाब "हां" या "नहीं" नहीं है — सही जवाब है एक सीमा, एक आत्मविश्वास स्तर, और यह स्वीकारोक्ति कि नमूना छोटा है।

और मैं अपनी चूकें उसी जगह दर्ज करता हूं जहां अपनी सफलताएं। मैं रसीदें रखता हूं, कहानियां नहीं। कहानी वह है जो बाकी बच जाती है।

कवरेज की सीमा हर रिपोर्ट में लिखी जानी चाहिए

मेरी हर रिपोर्ट में एक पंक्ति होती है जो सबसे कम पढ़ी जाती है और सबसे ज़्यादा मायने रखती है: यह विश्लेषण किन आंकड़ों पर नहीं टिका है। यह पंक्ति पाठक के लिए नहीं, मेरे लिए होती है। यह मुझे याद दिलाती है कि आईपीएल का साफ डेटासेट रणजी के नॉकआउट के बारे में कुछ नहीं कहता, और पुरुष क्रिकेट का डेटा महिला घरेलू ढांचे के बारे में कुछ नहीं कहता।

महिला क्रिकेट के मामले में यह सीमा सबसे ज़्यादा दिखती है। 2026 के फाइनल के बाद से लेकर महिला प्रीमियर लीग के पहले चक्र तक, संस्थाओं ने जो वादे किए — ब्रॉडकास्ट विंडो, मैचों की संख्या, वेतन-समानता — वे सब मापने योग्य हैं। मैंने उन्हें पहले से संख्या में लिखकर रखा, ताकि बाद में यह बहस न हो कि वादा क्या था। जो वादा संख्या में नहीं लिखा गया, वह वादा नहीं, मंशा है।

विपरीत कोण: सबसे बड़ा पूर्वाग्रह मीट्रिक-साम्राज्यवाद नहीं, डेटा-उपलब्धता पूर्वाग्रह है

मीट्रिक-साम्राज्यवाद पर बहुत लिखा जाता है, और वह असली खतरा भी है। लेकिन मेरे अनुभव में सबसे महंगी गलती वह नहीं है। सबसे महंगी गलती यह है कि हम उसी ज़मीन पर मापते हैं जहां मापना आसान है, और फिर उस माप को पूरे खेल पर लागू कर देते हैं।

आईपीएल और अंतरराष्ट्रीय क्रिकेट का डेटा साफ है क्योंकि वहां कैमरा, कमेंट्री और भुगतान तीनों मौजूद हैं। रणजी के नॉकआउट और महिला घरेलू क्रिकेट वहां नहीं हैं जहां पैसा है। नतीजा यह होता है कि हमारे सबसे भरोसेमंद मॉडल सबसे अमीर हिस्से का वर्णन करते हैं, और हम उस वर्णन को पूरे ढांचे का फैसला मान लेते हैं।

दूसरा विपरीत बिंदु यह है: आंख का परीक्षण भी डेटा है — बस उसे कभी लिखा नहीं गया। जब कोई अनुभवी कमेंटेटर कहता है कि इस गेंदबाज़ की लाइन आज डगमगा रही है, तो वह अनुमान नहीं लगा रहा; वह अपने भीतर के एक ऐसे डेटासेट को पढ़ रहा है जिसका कोई कॉलम नहीं है। मेरा काम उसे खारिज करना नहीं, उसे रिकॉर्ड करना है — और फिर जांचना है कि वह रिकॉर्ड कितनी बार सही निकलता है।

तीसरा विपरीत बिंदु सबसे असुविधाजनक है। इस पूरे मामले में सबसे ईमानदार आउटपुट एक लेख नहीं, एक नोटिस था। लेकिन नोटिस छापने से कोई क्लिक नहीं आता। यही वह जगह है जहां पेशा और तरीका अलग रास्ते पकड़ लेते हैं। जिस दिन हम "डेटा नहीं मिला" को एक वैध नतीजा मानना बंद कर देंगे, उस दिन से हम खाली टेम्पलेट को साफ ऑडिट बताना भी बंद कर देंगे।

आगे की ओर: अगले नीलामी चक्र में क्या देखना है

मैं अपना अनुमान पहले से दर्ज कर रहा हूं, क्योंकि बाद में दर्ज करने का कोई अर्थ नहीं। मुझे उम्मीद है कि अगले दो नीलामी चक्रों के भीतर कम से कम एक फ्रैंचाइज़ी अपनी मूल्यांकन-सीमा नीलामी से पहले सार्वजनिक करेगी — यानी यह बताएगी कि वह किस खिलाड़ी-प्रोफ़ाइल के लिए कितना भुगतान करेगी, और क्यों। मेरा आत्मविश्वास स्तर मध्यम है, और मेरा नमूना पिछले तीन चक्रों का है।

अगर ऐसा होता है, तो नीलामी के बाद का विश्लेषण बदल जाएगा। तब सवाल यह नहीं होगा कि किसने सबसे ज़्यादा पैसा लगाया, बल्कि यह होगा कि किसकी सीमा सबसे सटीक थी। और अगर ऐसा नहीं होता, तो हम वही करते रहेंगे जो हम अब तक करते आए हैं: भरी हुई तालिका में खाली खानों को नतीजा समझना।

अगली बार जब कोई विश्लेषण पढ़ें, तो एक ही चीज़ गिनें — उसमें कितने नाम, तारीखें और प्रारूप दर्ज हैं, और कितने खाने खाली छोड़े गए हैं। जो रिपोर्ट अपनी सीमा नहीं बताती, वह अपनी सीमा से ज़्यादा दावा कर रही है।