क्रिकेट का खाली डेटासेट और प्रोवेनेंस का संकट: जब 'कोई नतीजा नहीं' सबसे भरोसेमंद रिपोर्ट है

रात भर एक पाइपलाइन चली। सुबह टेबल खुली और हर सेल में N/A लिखा था। लेख का शीर्षक N/A, स्रोत N/A, सारांश खाली, लेखक की स्थिति N/A, और सूचना-बिंदुओं की पूरी धारा खाली। यही वह फ़ील्ड थी जिसने बाकी सब बेकार कर दिया। जो एकमात्र संकेत बचा, वह सिर्फ़ एक लेबल था: cricket_world। यानी इतना पता चला कि बात क्रिकेट की है, और इसके अलावा कुछ नहीं।

मैंने इस खाली टेबल को दो बार देखा। पहली बार में निराशा हुई। दूसरी बार में लगा कि इस पूरे सीज़न में मैंने जो भी पढ़ा और सुना, उसमें यह खाली टेबल सबसे ईमानदार दस्तावेज़ है। एक ऐसी टेबल जो कहती है "मेरे पास तथ्य नहीं हैं", वह किसी को गुमराह नहीं कर सकती। और एक ऐसी टेबल जिसमें बारह आँकड़े भरे हैं और किसी के पास उनका पता नहीं — वह हर पाठक को गुमराह करती है, और पूरे भरोसे के साथ करती है।

क्रिकेट कवरेज में सबसे ख़तरनाक आँकड़ा वह नहीं होता जो ग़लत है। सबसे ख़तरनाक वह होता है जो अनाथ है — जिसका कोई उद्गम नहीं, कोई परिभाषा नहीं, कोई सैंपल साइज़ नहीं, कोई दौर नहीं। यह लेख उसी अनाथ आँकड़े की जाँच है। और यह जाँच खाली टेबल से शुरू होती है, किसी मैदान से नहीं।

संदर्भ: एक क्रिकेट डेस्क को असल में क्या मिलता है

कोलकाता में जब मैं डिजिटल डेस्क पर बैठा था, तब एक क्रिकेट लेख को "डेटा-ड्रिवन" कहने के लिए तीन परतों से गुज़रना पड़ता था, और इन तीनों को लोग एक ही चीज़ समझ लेते हैं।

पहली परत घटना-परत है: गेंद-दर-गेंद (ball-by-ball) रिकॉर्ड। कौन गेंदबाज़, किस बल्लेबाज़ को, किस ओवर में, कितने रन, कौन-सा आउट। यह परत कच्ची है, इसमें व्याख्या नहीं है। दूसरी परत एकत्रीकरण की है: स्ट्राइक रेट, औसत, इकॉनमी, चरण-विभाजन (फ़ेज़ स्प्लिट)। यहाँ हर संख्या किसी परिभाषा का उत्पाद है, और परिभाषा बदलते ही संख्या बदल जाती है। तीसरी परत व्याख्या की है: मूल्य, प्रभाव, "मैच का रुख़"। पहली बार में यह तीसरी परत चाहिए होती है जिसे "इंसाइट" कहते हैं। और यहीं सबसे ज़्यादा अनाथ आँकड़े पैदा होते हैं, क्योंकि तीसरी परत पर पहुँचते-पहुँचते लोग पहली परत भूल जाते हैं।

प्रोवेनेंस का मेरा मतलब बहुत सीमित है: परिभाषा + सैंपल साइज़ + दौर। तीनों में से एक भी गायब हो, तो संख्या उद्धरण योग्य नहीं रहती। स्ट्राइक रेट की परिभाषा साफ़ होनी चाहिए — क्या इसमें वाइड और नो-बॉल शामिल हैं, क्या यह सिर्फ़ रन/गेंद है। सैंपल साइज़ यानी N — कितनी पारियाँ, कितनी गेंदें, कितने मैच। दौर यानी वह चरण जिसमें यह संख्या बनी: पावरप्ले, मध्य ओवर या डेथ। तीनों के बिना जो बचता है, वह आँकड़ा नहीं, एक स्वर है।

इसीलिए जब उस पाइपलाइन ने सभी फ़ील्ड खाली लौटाए, तो मेरी पहली प्रतिक्रिया यह नहीं थी कि इसे भर दिया जाए। मेरी पहली प्रतिक्रिया यह थी कि जो सिस्टम अपनी असमर्थता घोषित कर सकता है, वह उस सिस्टम से ज़्यादा भरोसेमंद है जो असमर्थता को उत्पाद में बदल देता है। टेलीविज़न डेस्क के पास खाली टेबल लौटाने का विकल्प नहीं होता। उसके पास 22 गज का कैमरा और चार मिनट का एयरटाइम होता है। इसलिए वह अनाथ आँकड़े भरता है। और इसी वजह से उसका आँकड़ा ईमानदार नहीं हो पाता।

इंपोर्ट ऑडिट: जो मीट्रिक सीमा पार करता है, वह अपना सामान भी लाता है

यहाँ एक बात साफ़ कर दूँ जो मैंने अपने करियर के सबसे महँगे सबक़ से सीखी। जब फ़ुटबॉल की शब्दावली क्रिकेट में आती है — expected goals, possession share, esports-स्टाइल pace rating — तो जो चीज़ सीमा पार करती है, वह शब्द नहीं होता। शब्द हल्का होता है। जो भारी होता है, वह उस शब्द के पीछे छिपी धारणा होती है।

मैंने शब्दों का आयात नहीं किया; मैंने उन शब्दों के अंदर छिपी धारणाओं का आयात किया।

xG मूल रूप से किसी शॉट की गुणवत्ता को गोल की प्रायिकता में बदलने के लिए बना था। उसका मूल तर्क यह था: फ़ुटबॉल में घटनाएँ कम होती हैं, गोल दुर्लभ होते हैं, इसलिए आपको एक ऐसा पुल चाहिए जो कम-घटना वाले खेल में अवसरों की गुणवत्ता माप सके। अब क्रिकेट की संरचना देखिए। क्रिकेट में हर गेंद एक पूर्ण, बंद, स्वतंत्र घटना है — उसका नतीजा तुरंत दर्ज होता है और वह अगली गेंद की स्थिति को बदल देती है। यहाँ अवसर मापने के लिए पुल की ज़रूरत नहीं; यहाँ सीधा हिसाब मौजूद है।

इसीलिए xG के तर्क को क्रिकेट में उतारने की कोशिश ठीक वहीं टूटती है जहाँ विकेट को "टर्नओवर" समझा जाने लगता है। फ़ुटबॉल में गेंद खोने के बाद आप वापस पा सकते हैं। क्रिकेट में आउट होने के बाद वह बल्लेबाज़ इस पारी में वापस नहीं आता। विकेट लागत भी है और संसाधन भी, और दोनों एक साथ। जो मॉडल इस दोहरे स्वभाव को नहीं संभाल सकता, वह सिर्फ़ स्कोर अनुमान लगा सकता है, स्थिति का मूल्य नहीं।

यहाँ एक और चीज़ है जिसे मैं अक्सर दोहराता हूँ और जिस पर लोग नाराज़ होते हैं। हर साफ़-सुथरा डैशबोर्ड एक गंदे सवाल से शुरू होता है जो किसी ने पूछना नहीं चाहा। जब आपको कोई मीट्रिक मिलता है, तो सबसे पहला सवाल यह नहीं है कि यह क्या बताता है। सबसे पहला सवाल यह है कि इसे किस चीज़ का अनुमान लगाने के लिए बनाया गया था, और क्या क्रिकेट वह चीज़ दे सकता है। जब तक यह सवाल नहीं पूछा जाता, तब तक हर मीट्रिक एक वीज़ा के बिना घुसपैठ है।

कोर विश्लेषण: तीन मामले, और एक ही बीमारी

अहमदाबाद, 19 नवंबर 2026: जहाँ शतक किसी ने नहीं बनाया और मैच का सच कहीं और था

उस फ़ाइनल का स्कोरकार्ड याद कीजिए। भारत 240 पर ढेर, ऑस्ट्रेलिया 43 ओवर में 241/4। मैच में एक भी शतक नहीं बना। ट्रैविस हेड ने 137 रन बनाए, विराट कोहली ने 54 (63), रोहित शर्मा ने 47 (31), केएल राहुल ने 66 (107)। जो आदमी सिर्फ़ स्कोरकार्ड के बड़े बॉक्स — शतक — को देखता है, उसके लिए यह एक "कम स्कोर वाला फ़ाइनल" था जिसमें कोई हीरो नहीं उभरा।

यह पढ़ना सुविधाजनक है और पूरी तरह ग़लत है। चरण-विभाजन में मैच का असली ढाँचा दिखता है, और वह ढाँचा शतकों से नहीं, ओवरों के ब्लॉक से बनता है। कोहली का 54 (63) एक ऐसा आँकड़ा है जो भरोसा बनाता है और लागत छिपाता है — यह पारी का सबसे लंबा खंड था जिसमें गति टिकी रही, लेकिन यही खंड था जिसने भारत को मध्य ओवरों में संकुचित किया। राहुल का 66 (107) उस संकुचन का सबसे साफ़ प्रमाण है: डेढ़ सौ से ज़्यादा गेंदों में छियासठ रन, जबकि पारी की सीमा 300 गेंद थी।

समस्या यह है कि शतक एक काउंटिंग कन्वेंशन है — प्रिंट-युग के स्कोरकार्ड से विरासत में मिला एक कन्वेंशन, जो तब बना जब पाठक को एक पंक्ति में पारी का सार देना होता था। वह कन्वेंशन "मैच का मूल्य" नहीं मापता। वह सिर्फ़ गिनता है। और जिस मैच में कोई शतक नहीं होता, वहाँ यह कन्वेंशन बेकार हो जाता है — पूरा पैमाना ख़ाली हो जाता है, और टिप्पणीकार को यह कहना पड़ता है कि "बल्लेबाज़ी नहीं चली।" यह वाक्य विश्लेषण नहीं है, यह एक ख़ाली सेल में भरा गया वर्णन है।

जो चीज़ असल में हुई, वह यह थी कि भारत ने मध्य ओवरों में विकेट बचाए और रन नहीं बनाए; यानी यह एक विनिमय था — विकेट की गिनती को रन की दर पर भारी पड़ने दिया गया। और उस पिच पर, जहाँ 240 लगभग प्रतिरक्षात्मक था, यह विनिमय सही दिशा में नहीं गया। ऑस्ट्रेलिया की चेज़ में हेड ने 137 रन बनाए, लेकिन उसके आस-पास जो हुआ वह और भी महत्वपूर्ण था: 43 ओवर में मात्र चार विकेट गिरे, यानी लक्ष्य तक पहुँचते समय छह विकेट हाथ में थे। यह अंतर — विकेट इन हैंड का अंतर — वह असली प्रोवेनेंस है जिसे हेड का शतक छिपा देता है, क्योंकि हम सब हेड के 137 को देखते हैं और छह विकेट नहीं देखते।

दुबई, 9 मार्च 2026: दूसरा फ़ाइनल, दूसरा खाली शतक-बॉक्स

चैंपियंस ट्रॉफ़ी के फ़ाइनल में न्यूज़ीलैंड ने 251/7 बनाया। भारत ने 49 ओवर में 254/6 बना कर मैच चार विकेट से जीता, छह गेंद बाक़ी रहते। इस चेज़ में भी कोई शतक नहीं बना। रोहित शर्मा ने 76 रन बनाए और वही प्लेयर ऑफ़ द मैच बने।

ध्यान दीजिए कि यहाँ स्कोरकार्ड का "बड़ा बॉक्स" ख़ाली है और टिप्पणी का "बड़ा वाक्य" भी। फिर भी यह इस चक्र की सबसे नियंत्रित नॉकआउट चेज़ है। सबूत शतक में नहीं है, अंकगणित में है। दुबई की धीमी सतह पर 251 का लक्ष्य आसान नहीं था — रिक्वायर्ड रेट छह के आस-पास था, जो सुनने में मामूली लगता है और खेलने में महँगा। जब रिक्वायर्ड रेट मामूली हो जाए, तो जीत का साधन रन नहीं, विकेट होते हैं। भारत ने आख़िरी तक छह विकेट रखे, और यही उस चेज़ की असली कहानी है।

जहाँ रिक्वायर्ड रेट गिरता है, वहाँ विकेट इन हैंड मुद्रा बन जाता है; और जहाँ रिक्वायर्ड रेट चढ़ता है, वहाँ वही विकेट ज़मानत की तरह ब्लॉक हो जाता है। इस एक वाक्य में मैंने वह पूरा ढाँचा रख दिया है जो शतक-गिनती कभी नहीं दे सकती, क्योंकि शतक बल्लेबाज़ की संपत्ति है और विकेट इन हैंड टीम की स्थिति है — ये दो अलग लेयर पर हैं।

यहाँ एक साफ़ बात दर्ज करनी चाहिए: श्रेयस अय्यर के 48 और केएल राहुल के नाबाद 34 का मूल्य रोहित के 76 से कम नहीं है। संभव है किसी ने उस चेज़ को बिल्कुल इस तरह न पढ़ा हो। यह ठीक है। मैं यह नहीं कह रहा कि रोहित की पारी छोटी थी; मैं यह कह रहा है कि 76 सबसे दिखने वाला आँकड़ा था, और सबसे दिखने वाला आँकड़ा नियम की तरह मैच का सबसे महत्वपूर्ण आँकड़ा नहीं होता।

कोलकाता, 2026: जो शीट सही निकली मगर सही कारण से नहीं

2026 में मैंने चार महीने एक मॉडल पर लगाए — "Expected Runs Added" — जिसे 2026 आईपीएल के बॉल-बाय-बॉल डेटा पर बनाया गया था। उस शीट का निष्कर्ष यह था कि केकेआर सुनील नारायण को मध्यक्रम में बर्बाद कर रही है। मैंने सीज़न से पहले वह लेख लिखा। अप्रैल में केकेआर ने उन्हें ओपनिंग पर भेजा, और उन्होंने 2026 आईपीएल 224 रन पर 172.3 के स्ट्राइक रेट से ख़त्म किया। लेख को लगभग चालीस हज़ार पाठक मिले (यह जोड़ मैं सावधानी से लिख रहा हूँ; जो आँकड़ा मुझे ठीक से याद नहीं, उसे गोल करके नहीं लिखूँगा), और फ़्रैंचाइज़ी के विश्लेषक से एक अनचाहा ईमेल आया, जिसमें उन्होंने मेथडोलॉजी शीट माँगी।

यह कहानी बहुत बार सुनाई जाती है, और हर बार ग़लत तरीक़े से सुनाई जाती है। कहानी का सुविधाजनक संस्करण यह है: मॉडल सही था, फ़्रैंचाइज़ी ने सुना, नारायण चले। सच यह नहीं है। शीट का निष्कर्ष यह था कि नारायण को उस मध्यक्रम के भीतर बर्बाद न किया जाए, जहाँ उनकी गेंद-प्रति-गेंद वापसी सबसे कम थी। फ़्रैंचाइज़ी ने उसी शीट से एक अलग निष्कर्ष निकाला — वे ओपनिंग करेंगे, क्योंकि उनका लाभ मध्यक्रम में नहीं, पावरप्ले की मैचअप में है। ये दो अलग अनुमान हैं जो संयोगवश एक ही दिशा में खड़े दिखते हैं।

परिणाम ने फ़ैसले की पुष्टि की; परिणाम ने मॉडल के तंत्र की पुष्टि नहीं की। यही क्रिकेट एनालिटिक्स का क्लासिक जाल है — और यही वह जगह है जहाँ सहसंबंध को कारण समझ लिया जाता है। मैं उस सीज़न के बाद किसी भी मंच पर यह दावा नहीं कर सकता कि मेरे मॉडल ने नारायण के ओपनिंग वाले फ़ैसले की भविष्यवाणी की थी। मैं यह दावा कर सकता हूँ कि मेरी शीट ने उस बातचीत के लिए उपयुक्त दरवाज़ा खोला, और फ़्रैंचाइज़ी ने उस दरवाज़े से जो कमरा चुना वह मेरे मॉडल का कमरा नहीं था।

वह ईमेल आज भी मेरे सबक़ों में सबसे शिक्षाप्रद है, और वह इसीलिए कि उसमें निष्कर्ष नहीं माँगा गया था। उसमें तरीक़ा माँगा गया था। जब कोई फ़्रैंचाइज़ी विश्लेषक आपसे निष्कर्ष नहीं, मेथडोलॉजी माँगे, तो समझिए कि डेटा का बाज़ार अभी भी उस दिशा में स्वस्थ है।

नीलामी ही असली चयनकर्ता है

एक और चीज़ जिसे भारतीय क्रिकेट कवरेज बार-बार नज़रअंदाज़ करता है: नीलामी का पर्स गणित। ज़ोनल सिलेक्टर की जगह आज अगर कोई सार्वजनिक संकेत देता है कि भारतीय क्रिकेट किस चीज़ को मूल्य देता है, तो वह रिटेंशन और नीलामी के फ़ैसले हैं। यह आपको अपरंपरागत निष्कर्ष तक ले जाता है — भारत की बेंच स्ट्रेंथ टैलेंट की समस्या नहीं, सेलेक्शन की समस्या है। दुनिया की सबसे मुश्किल टीम भारत की दूसरी पारी की टीम है।

लेकिन यहाँ भी प्रोवेनेंस अनिवार्य है। नीलामी का दाम अकेला सबूत नहीं है; दाम का मतलब सिर्फ़ पर्स के आकार, रिटेंशन और राइट-टू-मैच नियमों के साथ बनता है। किसी खिलाड़ी का दाम बताना और पर्स का आकार न बताना — वही अनाथ आँकड़े की बीमारी है, बस महँगे कपड़ों में।

कंट्रारियन: जो सबसे ताक़तवर तर्क है, वह पहले कहिए

अब मैं उस स्थिति को उसकी सबसे मज़बूत शक्ल में रखता हूँ जिसका मैं विरोध कर रहा हूँ, क्योंकि उसे कमज़ोर शक्ल में हराना बेईमानी होगी।

विरोधी स्थिति यह है: पिछले दस वर्षों में क्रिकेट कवरेज का फ़र्श ऊपर उठा है। चरण-विभाजन अब सामान्य ज्ञान है। मैचअप की भाषा आम दर्शक तक पहुँच गई है। नीलामी की अर्थशास्त्र पर बहस होती है। यह सब एनालिटिक्स की देन है, और यह दावा सही है। क्रिकेट कवरेज पहले से बेहतर है।

यह मानने के बाद, जो बचता है वह यह है: वही पाइपलाइन जिसने फ़र्श ऊपर उठाया, उसने अनाथ आँकड़ों का कारख़ाना भी खोल दिया। क्योंकि जब आपने एक बार साबित कर दिया कि "डेटा बोलता है", तो फिर कोई भी संख्या बोल सकती है। "इंपैक्ट" जैसा शब्द आता है — किसकी परिभाषा? किस सैंपल पर? किस दौर में? "इन फ़ॉर्म" आता है — कितनी पारियों में? "वैल्यू" आता है — किस एरा की तुलना में, जब सीमाएँ और गेंदबाज़ी की गुणवत्ता दोनों बदल चुकी हैं? मैंने अपने डेस्क के दिनों में ऐसी तुलनाएँ छापी हुई देखी हैं जहाँ 2026 का स्ट्राइक रेट 2026 के स्ट्राइक रेट से तुलना कर रहा था, बिना यह बताए कि इन बीच में बाउंड्री की लंबाई, बल्ले की धार और दो नई गेंदों का नियम बदल चुका है।

और उस खाली टेबल की घटना से जो पता चलता है, वह यह है कि उद्योग की सहज प्रवृत्ति, जब तथ्य-निष्कर्षण विफल हो, यह होती है कि ख़ाली जगह को कहानी से भर दिया जाए। वह जगह कहानी से भरती है, तथ्य से नहीं, क्योंकि कहानी सस्ती है। पाइपलाइन विफल हो, और डेस्क कहे "बल्लेबाज़ी में जान नहीं थी"। यह विफलता का प्रबंधन नहीं, विफलता का उत्पादन है।

इसलिए मेरा रुख यह है, और यह ENTJ का रुख है — मुझे फ़ैसला चाहिए। जहाँ डेटा मौजूद नहीं, वहाँ सही फ़ैसला है: "कोई फ़ैसला नहीं।" यह कमज़ोरी नहीं है; यह ऑडिट का सबसे ऊँचा नतीजा है। जिस विश्लेषक के पास हर सवाल का जवाब हो, उसके पास शायद एक भी सवाल ठीक से नहीं है।

टेकअवे: अगले दौर का संकेत नया मीट्रिक नहीं, नया कन्वेंशन है

आगे जो संकेत आएगा, वह कोई नया "इंपैक्ट इंडेक्स" नहीं होगा। वह एक नई आदत होगी: पहली पंक्ति में N लिखना। जो डेस्क लिखती है "42 पारियों में", वह जाँची जा सकती है। जो डेस्क लिखती है "वह फ़ॉर्म में है", वह जाँची नहीं जा सकती — और जो जाँच में न आए, वह पत्रकारिता नहीं, मौसम का पूर्वानुमान है।

एक आख़िरी सवाल जो मुझे खुद से पूछना है। अगली बार जब पाइपलाइन खाली टेबल लौटाए, तो क्या हमारी डेस्क उसे उसी रूप में छापेगी? या हम भी उस सेल में एक सुंदर वाक्य भर देंगे, और पाठक को बताएंगे कि बल्लेबाज़ी में जान नहीं थी? जिस दिन हम खाली टेबल छाप सकेंगे, उस दिन हमारे बाक़ी सारे आँकड़े भी किसी काम के हो जाएंगे।

---

डिस्क्लोज़र: इस टुकड़े में इस्तेमाल डेटासेट — सार्वजनिक स्कोरकार्ड (19 नवंबर 2026 अहमदाबाद और 9 मार्च 2026 दुबई के आधिकारिक मैच रिकॉर्ड), आईपीएल 2026-17 का सार्वजनिक बॉल-बाय-बॉल अंश, और कोलकाता डेस्क पर बना 2026 का "Expected Runs Added" शीट। मेरी पहुँच किसी भी फ़्रैंचाइज़ी के आंतरिक स्काउटिंग या ट्रैकिंग डेटाबेस तक नहीं है, और मैं बीसीसीआई की चयन-समिति की बैठकों या अनुबंध वार्ताओं के भीतर की बात नहीं लिख सकता। जहाँ संख्या गोल है, वह गोल बताई गई है।