खाली फ़ील्ड का फ़ॉरेंसिक: क्रिकेट के डेटा पाइपलाइन में चुपचाप होती ग़लतियाँ और चयन की असली क़ीमत

रात ग्यारह बजे के करीब मेरी दिल्ली वाली डेस्क पर स्क्रीन के तेरह कॉलम खुले थे और उनमें से बारह में 'N/A' छपा था। पाइपलाइन पूरी रात चली थी — बॉल-बाय-बॉल फ़ीड डाउनलोड हुई, टोकनाइज़ेशन हुआ, एंटिटी एक्सट्रैक्शन का पूरा चक्कर लगा। सुबह जो लौटा वह एक खाली टेबल थी, जिसके ऊपर सिर्फ़ 'cricket_world' का लेबल चिपका था।

खतरनाक बात खाली टेबल नहीं थी। खतरनाक बात यह थी कि खाली टेबल अगले स्टेज में चुपचाप चली गई — कोई अलर्ट नहीं, कोई एरर नहीं — और अगले स्टेज ने उसके सामने विनम्रता से 'N/A' भर दिया, साथ में यह निर्देश कि "एंटिटीज़ ऊपर दिए गए सूचना-बिंदुओं से पहचानें", जबकि सूचना-बिंदुओं की सूची खाली थी।

मैं 2026 से स्कोरबुक देख रही हूँ, जब उन्नीस साल की उम्र में हैदराबाद से ऑल इंडिया रेडियो के लिए पहली कमेंट्री की थी। उस वक़्त डेटा का मतलब था एक रजिस्टर, दो पेंसिल, और एक ऐसा कॉलम जिसमें 'नहीं हुआ' लिखने की भी तय जगह थी। चालीस साल बाद मैं एक ऐसी स्क्रीन के सामने बैठी हूँ जो 'नहीं हुआ' और 'पता नहीं चला' के बीच फ़र्क़ नहीं कर पाती।

यह रिपोर्ट किस चीज़ की है

यह किसी एक मैच की रिपोर्ट नहीं है। यह उस डेटा-स्तर की रिपोर्ट है जिस पर आज नीलामी के दाम, चयन के फ़ैसले और कमेंट्री बॉक्स की सबसे आत्मविश्वासी बातें खड़ी हैं। जिस एक्सट्रैक्शन स्टेज ने बारह खाली फ़ील्ड के साथ सुबह का रास्ता पकड़ा, वह अपने आप में समाचार है — लेकिन वह समाचार मैच के बारे में नहीं, उस मशीनरी के बारे में है जो मैच को समझने का दावा करती है।

क्रिकेट का डेटा-स्टैक तीन परतों में बना है। पहली परत कच्ची है: हर गेंद, हर लाइन, हर लेंथ, हर शॉट टाइप। दूसरी परत व्युत्पन्न है: स्ट्राइक रेट, इकॉनमी, वैल्यू-ओवर-रिप्लेसमेंट, विन-प्रोबेबिलिटी कर्व। तीसरी परत व्याख्या की है, जहाँ एक इंसान बैठता है और तय करता है कि दूसरी परत का कोई नंबर किस सवाल का जवाब है। इस बार की नाकामी पहली और दूसरी परत के जोड़ पर हुई। लेकिन नुक़सान तीसरी परत में हुआ — क्योंकि तीसरी परत को यह बताया ही नहीं गया कि नीचे कुछ टूटा है।

शून्य और खाली में फ़र्क़ होता है, और यही फ़र्क़ इस पूरी बहस की जड़ है। एक तेज़ गेंदबाज़ जिसके पास डेथ ओवरों का डेटा नहीं है, वह बुरा डेथ गेंदबाज़ नहीं है — वह अनदेखा है। एक बल्लेबाज़ जिसकी टर्निंग पिच पर कोई पारी दर्ज नहीं है, वह टर्निंग पिच पर नाकाम नहीं है — वह अनमापा है। लेकिन जिस टेबल में यह सब '0' बनकर बैठ जाता है, वहाँ अनदेखा खिलाड़ी अचानक 'बेकार' हो जाता है, और मॉडल को कोई शर्म भी नहीं आती।

मैं डैशबोर्ड पर भरोसा करती हूँ, लेकिन वह जो कहानी सुनाता है, उसका ऑडिट भी करती हूँ। पिछले नौ साल में मेरी डेस्क पर चार मौक़े ऐसे आए जब खाली फ़ील्ड ने, अगर उसे शून्य मान लिया जाता, तो एक पूरा फ़ैसला बदल सकता था।

पहला मौक़ा: हैदराबाद की वह रात, 21 मई 2026

राजीव गांधी इंटरनेशनल स्टेडियम में मुंबई इंडियंस ने 129/8 बनाया और राइज़िंग पुणे सुपरजायंट को एक रन से हरा दिया। मैंने वह मैच स्क्रीन पर नहीं, अपने डेस्क के सामने बैठकर देखा था, क्योंकि उस रात मेरी नौकरी 240 गेंदें लॉग करने की थी। मेरे तीन-लोगों के डेटा डेस्क का विन-प्रोबेबिलिटी कर्व 12 ओवर के निशान पर पुणे को 87% पर रख रहा था। उसके बाद जो हुआ, उसे हमने कर्व पर जिया — एक-एक ओवर नीचे।

मॉडल ने एक रन के फ़ाइनल की भविष्यवाणी नहीं की थी; उसने बताया था कि हमें उसे आते हुए क्यों देखना चाहिए था। अगली सुबह मैंने उसी कॉलम में अपनी चूक भी छापी, क्योंकि 87% से नीचे का रास्ता मेरी स्क्रीन पर पहले नहीं दिखा था। उस रात से मेरे डेस्क पर दो नियम बने। पहला, 'मोमेंटम' शब्द पर प्रतिबंध। दूसरा, हर मैच रिपोर्ट में एक अनिवार्य 'डिसीज़न पॉइंट' पैराग्राफ़, जो उस ओवर का नाम ले जहाँ मैच वाक़ई पलटा।

यह पैराग्राफ़ क्यों ज़रूरी था? क्योंकि उस रात मेरे फ़ीड में तीन गेंदों की शॉट-टाइप एंट्री खाली लौटी थी। अगर वे 'डॉट बॉल' बनकर मॉडल में घुस गई होतीं, तो कर्व का आख़िरी हिस्सा कुछ और दिखाता। मैंने उन तीनों को मैन्युअल रूप से भरा, क्योंकि किसी ने मुझे बताया था कि फ़ील्ड खाली है। अगर किसी ने न बताया होता, तो वही 240 गेंदें एक झूठा कर्व बना देतीं — और कर्व पर भरोसा करने वाले सब लोग उसे सच मान लेते।

दूसरा मौक़ा: बेंगलुरु नीलामी, जनवरी 2026

नीलामी की मेज़ पर हर बोली इस बात का इक़बाल है कि बाज़ार क्या नाप नहीं सकता। बेंगलुरु की मेगा नीलामी में मैंने तीन सीज़न के डेथ-ओवर डेटा पर एक वैल्यू-ओवर-रिप्लेसमेंट मॉडल खड़ा किया, जिसे जान-बूझकर मीन की ओर कसा गया था। मॉडल ने जयदेव उनादकट की राजस्थान रॉयल्स को ₹11.5 करोड़ की खरीद को बोर्ड की सबसे खराब वैल्यू बताया, और केएल राहुल का किंग्स XI पंजाब को ₹11 करोड़ में जाना सबसे समझदार क़दम। फ़ाइनल गैवल के छह घंटे के भीतर 200 खिलाड़ियों की बाय/सेल टेबल प्रकाशित हुई। एक फ़्रैंचाइज़ी अधिकारी ने कमरे में पूछा, "इस स्टैट्स वाली महिला को अंदर किसने आने दिया?" उस सीज़न उनादकट की इकॉनमी नौ के पार चली गई।

लेकिन असली सबक़ दाम नहीं था। असली सबक़ यह था कि उस बोर्ड पर कई खिलाड़ियों के लिए 'भूमिका' (role) का कॉलम खाली लौट रहा था — विकेटकीपर जो हाइलाइट रील में कभी नहीं आता, वह गेंदबाज़ जिसकी क़ीमत एक ऐसा स्पेल है जिसे कोई याद नहीं रखता। जब वह कॉलम खाली था, तो टीमें हाइलाइट पर बोली लगा रही थीं, क्योंकि खाली कॉलम की जगह कुछ तो भरना था। उस दिन के बाद मैंने दाम बताना बंद किया और खिलाड़ियों की क़ीमत लगाना शुरू किया — साथ में हर कॉलम के पास अपने मॉडल की मान्यताएँ और ऐतिहासिक एरर-रेट भी छापना शुरू किया, ताकि कोई मेरी गद्य-सुंदरता की जगह मेरे दावों पर मुझे जवाबदेह ठहरा सके।

तीसरा मौक़ा: एडिलेड, 19 दिसंबर 2026

एडिलेड ओवल में भारत 21.2 ओवर में 36 पर ढेर हो गया और मैच तीन दिन में ख़त्म हो गया। मैंने वह मैच दिल्ली से देखा, प्रेस बॉक्स से बाहर, क्योंकि महामारी का ब्रेक चल रहा था। जो समय मेरे पास था, उसे मैंने हर आउट को लाइन, लेंथ, शॉट टाइप और टिके गए बॉल्स के हिसाब से कोड करने में लगाया। नतीजा मनोवैज्ञानिक नहीं, संरचनात्मक निकला: टॉप ऑर्डर का औसत ठहराव बीस गेंदों से नीचे था, और यह पैटर्न ग्यारह महीनों से दिख रहा था।

छत्तीस का ऑल आउट कोई आउटलायर नहीं है; यह वह फ़ॉरेंसिक ट्रेल है जिसे हमने पढ़ने से इनकार किया। उस स्टेडियम में दर्शक नहीं थे, इसलिए उस दौर का इस्तेमाल मैंने यह जाँचने में भी किया कि घरेलू बढ़त भीड़ से आती है या पिच से। जवाब दोनों में बँटा — लेकिन जो चीज़ साफ़ हुई, वह यह थी कि हमारे पास ग्यारह महीने का डेटा था और हमारे पास एक भी ऐसी रिपोर्ट नहीं थी जो उसे 'चेतावनी' कहती। डेटा मौजूद था; खाली वह कॉलम था जिसका नाम 'निष्कर्ष' था।

उस दिसंबर के बाद से मेरे डेस्क पर हर क्राइसिस पीस दो हिस्सों में छपता है: निदान और पर्चा। और 'मानसिक कमज़ोरी' को कारण बताकर छापने की इजाज़त तभी है जब उसके पीछे बॉल-लेवल सबूत हो। मेरी कॉपी अब शोक-गीत जैसी नहीं, रीबिल्ड मेमो जैसी पढ़ी जाती है।

चौथा मौक़ा: एजबेस्टन, 5 जुलाई 2026

इंग्लैंड ने भारत के ख़िलाफ़ 378 का लक्ष्य तीन विकेट पर जीत लिया — जो रूट 142 पर नाबाद, जॉनी बेयरस्टो 114 पर नाबाद, और रन रेट पाँच के आसपास। मैंने उस मैच का बॉल-बाय-बॉल फ़ीड उठाया और एक रिस्क-एडजस्टेड रन-रेट मॉडल बनाया जो 'इरादे' को 'फ़ॉल्स-शॉट रेट' से अलग करता था। मॉडल का फ़ैसला था कि अप्रोच असली है, पर टर्निंग पिचों पर एलीट स्पिन के सामने अस्थिर है। मैंने तारीख़ के साथ भविष्यवाणी छापी: अठारह महीनों के भीतर सबकॉन्टिनेंटल हिसाब-चुकता। जनवरी से मार्च 2026 के बीच भारत में इंग्लैंड 4-1 से हारा।

यहाँ भी खाली फ़ील्ड था। उस फ़ीड में टर्निंग पिचों पर इंग्लैंड के बल्लेबाज़ों का कोई पर्याप्त नमूना नहीं था। कोई और उस खालीपन को 'कोई समस्या नहीं' पढ़ सकता था। मैंने उसे 'सबसे बड़ा सवाल' पढ़ा और तारीख़ लगा दी। अगर मैं ग़लत होती, तो मेरे सालाना सेल्फ-स्कोरकार्ड में वह चूक दर्ज होती। मेरी एडिटर के साथ पकड़ एक्सेस से नहीं, इसी लेजर से बनी है।

उलटा पढ़ें: 'डेटा ने क्रिकेट पर क़ब्ज़ा कर लिया' — जवाब सही, वजह ग़लत

आज हर पैनल डिस्कशन यहीं ख़त्म होता है कि डेटा ने खेल पर क़ब्ज़ा कर लिया है। मैं इस नतीजे से सहमत हूँ और इसकी वजह से पूरी तरह असहमत। डेटा ने क्रिकेट पर क़ब्ज़ा नहीं किया; उसे क्रिकेट ने सजावट की तरह अवशोषित कर लिया है। कमेंट्री बॉक्स में इकॉनमी और स्ट्राइक रेट अब भी उसी तरह बोले जाते हैं जैसे पहले औसत बोला जाता था — मतलब, ऐसे नंबर जो बातचीत को रोकते नहीं, सजाते हैं। असली संकट कच्चे डेटा की कमी नहीं है। असली संकट यह है कि डेटा की अनुपस्थिति को माप मान लिया गया है।

जब एक स्काउट कहता है "इस बल्लेबाज़ का टर्निंग पिच पर कोई रिकॉर्ड नहीं है", तो चयन समिति का दिमाग़ 'रिकॉर्ड नहीं' को 'नाकाम' पढ़ता है, 'अनमापा' नहीं। इसी अनुवाद-गड़बड़ी में करियर बनते और बिगड़ते हैं। और यह गड़बड़ी हर उस जगह बढ़ती है जहाँ पाइपलाइन खाली लौटती है और अगला स्टेज उसे 'N/A' लिखकर आगे भेज देता है — क्योंकि 'N/A' पढ़ने वाला इंसान जानता है कि कुछ गायब है, पर '0' पढ़ने वाला इंसान समझता है कि कुछ हुआ ही नहीं। दोनों में ज़मीन-आसमान का फ़र्क़ है, और हमारे सारे डैशबोर्ड दूसरे वाले फ़ॉन्ट में छपते हैं।

दूसरी गड़बड़ी सहसंबंध को कारण बना देना है। नीलामी का दाम प्रदर्शन का अनुमान है, प्रदर्शन का सबूत नहीं। जिस टीम ने ₹11.5 करोड़ देकर गेंदबाज़ खरीदा, उसने यह नहीं कहा कि वह नौ की इकॉनमी देगा; उसने यह कहा कि बाज़ार में उसकी क़ीमत इतनी है। क़ीमत बाज़ार की कमज़ोरी का दस्तावेज़ है, क्रिकेट की सच्चाई का नहीं। जो विश्लेषक इन दोनों को एक ही वाक्य में मिला देता है, वह डेटा नहीं बेच रहा — वह भरोसा बेच रहा है।

अगला क़दम: तीन कॉलम माँगिए, बाक़ी अपने आप ठीक हो जाएगा

मैं अब किसी भी डेटा रिपोर्ट को तब तक नहीं पढ़ती जब तक उसमें तीन चीज़ें न हों: टाइमस्टैम्प, एरर-रेट, और मिसिंगनेस का झंडा। टाइमस्टैम्प इसलिए कि भविष्यवाणी बाद में सुधारी न जा सके। एरर-रेट इसलिए कि मॉडल को भी वही शर्म मिले जो बल्लेबाज़ को मिलती है। मिसिंगनेस इसलिए कि हमें पता रहे कि हम किस खिलाड़ी को नहीं जानते, बजाय यह मान लेने के कि हम उसे जानते हैं और वह ख़राब है।

अगली नीलामी में जब कोई फ़्रैंचाइज़ी यह कहे कि उसका मॉडल 'तैयार है', तो एक सवाल पूछिए: आपकी टेबल में कितनी कोशिकाएँ खाली लौटीं, और उन्हें शून्य किसने समझा? जो टीम इस सवाल का जवाब दे देगी, वह उस दिन बाक़ी सबसे आगे होगी — चाहे उसके पास डेटा वैज्ञानिक एक ही हो।