जब डेटा डेस्क खाली लौटता है: क्रिकेट एनालिटिक्स की सबसे ईमानदार रिपोर्ट 'N/A' क्यों होती है

मंगलवार की दोपहर, चेन्नई के एक ग्यारह-सीट वाले ऑफ़िस में, एक स्क्रीन पर आठ-आयामी क्रिकेट विश्लेषण खुला था। दस्तावेज़ पूरा था। भीतर फ़ॉर्मैट और मैच-विश्लेषण था, खिलाड़ी तकनीक की तालिका थी, टीम परिदृश्य और रैंकिंग का खंड था, लीग की व्यावसायिक संरचना थी, शासन की चेकलिस्ट थी, जोखिम मैट्रिक्स था, सार्वजनिक कथा का मॉडल था, और उद्योग-ट्रांसमिशन का पूरा नक़्शा था। शीर्षक, उपशीर्षक, सारांश, सिफ़ारिशें — सब अपनी जगह पर। और उन सबके भीतर, हर एक कोशिका में, एक ही वाक्यांश दोहराया गया था: N/A – insufficient information.

कमरे में जो पहली प्रतिक्रिया उठी, वह पेशे की सबसे पुरानी प्रतिक्रिया है: इसे भर दो। किसी खिलाड़ी का नाम डाल दो, कोई फ़ॉर्मैट चुन लो, कोई नीलामी का आँकड़ा जोड़ दो, और रिपोर्ट 'उपयोगी' हो जाएगी। मेरे पास बैठे एक जूनियर ने वाकई यही सुझाव दिया — "सर, टेस्ट मान लें, तीन-चार नाम डाल दें, किसी को फ़र्क़ नहीं पड़ेगा।" सत्रह साल पहले मैंने इसी शहर में एक डेटाबेस शून्य से बनाया था, और उस दिन मैंने एक चीज़ सीखी थी जो आज भी मेरे हर दस्तावेज़ की पहली पंक्ति है — डेटाबेस खाली शुरू हुआ था; पहली असली खोज एक बहस के रूप में आई। उस बहस में जो बचा था, वह था सबूत। जो नहीं बचा था, वह था अनुमान।

इसलिए उस दोपहर हमने उलटा काम किया। हमने खालीपन को भरा नहीं, उसे दर्ज किया। और जो दस्तावेज़ बना, वह क्रिकेट विश्लेषण नहीं था — वह क्रिकेट विश्लेषण की उस विफलता का दस्तावेज़ था जिसे उद्योग में कोई प्रकाशित नहीं करता, क्योंकि खाली रिपोर्ट बेचने में शर्म आती है और भरी हुई झूठी रिपोर्ट बेचने में कुछ नहीं।

संदर्भ: दो-चरणीय पाइपलाइन, और क्रिकेट का अकेला गेट

आधुनिक क्रिकेट एनालिटिक्स में काम दो चरणों में बँटा हुआ है, हालाँकि बाहर से यह एक ही काम लगता है। पहला चरण कच्चे पाठ से तथ्य निकालता है — शीर्षक, स्रोत, लेख का प्रकार, मुख्य तर्क, सूचना बिंदु, और उनमें आने वाली संस्थाएँ। दूसरा चरण उन तथ्यों पर विश्लेषण का ढाँचा चढ़ाता है — फ़ॉर्मैट, फ़ेज़-वाइज़ प्रदर्शन, खिलाड़ी का मूल्यांकन, टीम की गहराई, पैसे की संरचना, शासन, जोखिम, कथा। दूसरा चरण पहले के बिना उतना ही बेकार है जितना स्कोरकार्ड के बिना कमेंट्री। कमेंटेटर के पास गेंद दिखती है; उसके पास फ़ीड नहीं होती। यही फ़र्क़ यहाँ है — दूसरे चरण के पास ढाँचा है, फ़ीड नहीं।

क्रिकेट में यह समस्या फ़ुटबॉल से बुनियादी तौर पर अलग है। फ़ुटबॉल में एक लीग का मॉडल दूसरी लीग में कुछ हद तक ले जाया जा सकता है, क्योंकि खेल का मूल ढाँचा — ग्यारह बनाम ग्यारह, नब्बे मिनट, एक गोल का मूल्य — वही रहता है। क्रिकेट में चार अलग-अलग खेल एक ही नाम के नीचे चल रहे हैं। टेस्ट में पहले दिन की नई गेंद का ओवर, जहाँ विकेट की कीमत रन से ऊपर है, और टी20 के सोलहवें ओवर का ओवर, जहाँ रन की कीमत विकेट से ऊपर है — इन दोनों का एक ही मीट्रिक में तुलना करना वैसा ही है जैसा पचास ओवर की औसत को सौ गेंद की इकॉनमी से भाग देना। इसलिए क्रिकेट एनालिटिक्स में एक गेट है जिसे पार किए बिना कुछ नहीं होता: फ़ॉर्मैट। टेस्ट, वनडे, टी20, द हंड्रेड — इनमें से एक तय हो जाए, तभी मीट्रिक अर्थ पाते हैं।

उस मंगलवार जो दस्तावेज़ सामने था, उसमें यह गेट बंद था। शीर्षक N/A, स्रोत N/A, लेख का प्रकार 'Unclassified', और सूचना बिंदुओं की सूची शून्य। पाइपलाइन ने टैक्सोनॉमी लेबल तो लौटाया — 'cricket_world' — लेकिन एक भी खिलाड़ी, एक भी टीम, एक भी तारीख़, एक भी संख्या नहीं। और सबसे अहम, 'Entities Involved' के खाने में जो पाठ था, वह किसी लेख से निकला तथ्य नहीं था; वह टेम्पलेट का निर्देश था: "identify from the information points above"। यह वह निशान है जो इंजीनियरिंग टीम को तुरंत बताता है कि विफलता पुनर्प्राप्ति में नहीं, निष्कर्षण में हुई है। मशीन ने लेख पढ़ा ही नहीं; उसने खाली टेम्पलेट भर दिया और आगे बढ़ गई।

कोर: आठ खाली आयाम, और हर खालीपन का अपना कारण

पहला आयाम — फ़ॉर्मैट और मैच। यहाँ सवाल यह नहीं था कि प्रदर्शन अच्छा था या बुरा; सवाल यह था कि किस खेल की बात हो रही है। पावरप्ले (ओवर 1–6), मध्य ओवर (7–15), डेथ ओवर (16–20) — यह विभाजन टी20 का है। टेस्ट में इसकी जगह नई गेंद का पहला स्पेल, दूसरी पारी की पुरानी गेंद, और पाँचवें दिन की दरारें हैं। एक ही शब्द 'दबाव' दोनों में है, लेकिन दबाव की गणित अलग है। वेन्यू का ज़िक्र नहीं था, इसलिए चेपौक की सुस्ती और मोहाली की उछाल — ये दोनों असंगत रह गए। मौसम, ओस, डीएलएस की भूमिका — कुछ भी दर्ज नहीं। जब फ़ॉर्मैट ही तय न हो, तो मैच-स्तर का कोई निष्कर्ष निकालना विश्लेषण नहीं, अनुमान होता है।

दूसरा आयाम — खिलाड़ी। यहाँ तालिका पूरी तरह खाली थी: औसत N/A, स्ट्राइक रेट या इकॉनमी N/A, परिस्थिति-आधारित विभाजन N/A, हाल की प्रवृत्ति N/A। मुझे यह स्पष्ट करना ज़रूरी लगता है कि यह 'छोटा नमूना' की समस्या नहीं है; यह उससे भी नीचे की अवस्था है। छोटे नमूने पर आप कम से कम इतना कह सकते हैं कि नमूना छोटा है और इसलिए भरोसा सीमित है। शून्य नमूने पर आप कुछ नहीं कह सकते। और क्रिकेट में खिलाड़ी मूल्यांकन का पूरा ढाँचा तीन चीज़ों पर खड़ा है जो यहाँ अनुपलब्ध थीं: उम्र-वक्र पर खिलाड़ी कहाँ है, उसकी चरम अवधि बीत चुकी है या आ रही है, और बारह महीनों का प्रदर्शन उसके करियर औसत से कितना और किस दिशा में हटा है। इन तीनों के बिना 'फ़ॉर्म में है' या 'लय खो दी है' — दोनों वाक्य बेकार हैं।

तीसरा आयाम — टीम और रैंकिंग। आईसीसी की तीन अलग तालिकाएँ हैं, और वे एक-दूसरे की जगह नहीं ले सकतीं। घरेलू और विदेशी प्रदर्शन का अंतर क्रिकेट का सबसे बड़ा संरचनात्मक चर है — भारत में स्पिन, इंग्लैंड में स्विंग, ऑस्ट्रेलिया में उछाल-उछाल, उपमहाद्वीप के बाहर एशियाई टीमों की लय। मेज़बान देश का नाम ज्ञात न हो तो 'टीम मज़बूत है' कहना ऐसा ही है जैसे बिना पिच देखे कह देना कि यह मैच 160 का है।

चौथा आयाम — लीग और पैसा। यह वह हिस्सा है जहाँ सबसे ज़्यादा झूठ बोला जाता है, क्योंकि यहाँ संख्याएँ आसान लगती हैं। नीलामी की अंकगणित सरल दिखती है: एक खिलाड़ी, एक क़ीमत, एक प्रीमियम। असल में पैसा तीन सवालों में बँटा होता है — ट्रांज़ैक्शन की क़ीमत, खेल-मूल्य (वह योगदान जो जीत में बदलता है), और प्रीमियम का प्रकार। प्रीमियम के चार अलग किस्में हैं: स्थानीय युवा स्टार का प्रीमियम, ऑलराउंडर की कमी का प्रीमियम, दुर्लभ भूमिका का प्रीमियम, और पैनिक बिडिंग का प्रीमियम। इन चारों को अलग किए बिना नीलामी पर कोई भी टिप्पणी अनुचित है। जब दस्तावेज़ में एक भी क़ीमत, एक भी फ़्रैंचाइज़ी, एक भी लीग का नाम न हो, तो 'प्रीमियम अधिक था' कहने का कोई आधार नहीं बनता। और मुझे यह जोड़ना है: आईपीएल, बीबीएल, द हंड्रेड, पीएसएल, एसए20, आईएलटी20, सीपीएल, एमएलसी — इन आठ में से किसी का ज़िक्र न होने पर व्यावसायिक मूल्य और खेल-मूल्य को अलग करने की पूरी कवायद असंभव हो जाती है, क्योंकि हर लीग का राजस्व मॉडल अलग है।

पाँचवाँ आयाम — शासन और ईमानदारी। यहाँ सबसे ख़तरनाक भ्रम पैदा होता है। चेकलिस्ट में पाँच खाने हैं — राजस्व वितरण, खेल-नियम विवाद, सत्यनिष्ठा, पात्रता और चयन, राजनीतिक-भौगोलिक कारक — और पाँचों के आगे 'N/A' लिखा था। अब ध्यान दीजिए: 'N/A' का मतलब 'स्वच्छ' नहीं होता। किसी खिलाड़ी पर लगी रोक, स्लो ओवर-रेट की सज़ा, अंक-कटौती, डीआरएस का 'अंपायर्स कॉल' विवाद, एनओसी का टकराव — इनमें से कोई भी मामला सामने न आने का कारण यह हो सकता है कि मामला है ही नहीं, और यह भी हो सकता है कि निष्कर्षण ने उसे पकड़ा ही नहीं। जोखिम-प्राथमिक पेशे में इसे 'ईमानदारी की स्थिति अज्ञात' लिखा जाता है, 'कोई ईमानदारी मुद्दा नहीं' नहीं। यह अंतर सिर्फ़ शब्दों का नहीं है; यह उस फ़र्क़ का है जिस पर किसी की नौकरी और किसी संस्था की साख टिकी होती है।

छठा आयाम — जोखिम। खेल-जोखिम, कार्मिक-जोखिम, व्यावसायिक-जोखिम: तीनों 'आकलन असंभव' थे, क्योंकि तीनों के लिए कम से कम एक नाम चाहिए। लेकिन मैट्रिक्स में एक पंक्ति ऐसी थी जिसे भरा जा सकता था और भरा गया — सूचना-जोखिम। स्तर: उच्च। संभावना: उच्च, और वह इसलिए उच्च है कि वह पहले ही सच हो चुकी है। प्रभाव: उच्च। कारण सीधा है। एक पूरी तरह टेम्पलेट वाली रिपोर्ट, जिसमें शून्य सूचना बिंदु हों, पढ़ने में विश्लेषण जैसी लगती है — शीर्षक गंभीर, तालिकाएँ साफ़, श्रेणियाँ सुव्यवस्थित। यही उसका सबसे बड़ा ख़तरा है। मैंने चेन्नई के एक स्टार्टअप में सीखा कि खाली मेज़ें ज़ोर से दुश्मन बनाती हैं, लेकिन उससे भी ज़ोर से दुश्मन वे दस्तावेज़ बनाते हैं जो खाली होते हुए भी भरे हुए दिखते हैं।

सातवाँ आयाम — कथा और अपेक्षा-अंतराल। सार्वजनिक कथा का विश्लेषण एक सवाल से शुरू होता है: बाज़ार क्या मान रहा है, और मूल बातें क्या कहती हैं? दोनों के बीच का अंतर ही वह जगह है जहाँ असली खोज मिलती है। पर अगर लेख का अपना रुख ही N/A हो और उद्देश्य भी N/A, तो तुलना करने के लिए कोई दावा ही नहीं बचता। उस दस्तावेज़ में एक ही संकेत मौजूद था, और वह नकारात्मक था: एक पाइपलाइन जो प्लेसहोल्डर लौटा रही है। वह क्रिकेट की कथा नहीं थी। वह उस कथा की अनुपस्थिति थी।

आठवाँ आयाम — उद्योग ट्रांसमिशन। ऊपर से नीचे तक का नक़्शा — युवा विकास से राष्ट्रीय टीम और लीग तक, फिर प्रसारण और व्युत्पन्न बाज़ार तक — पूरा खाली था। और यहाँ एक अनुशासन की बात कहनी ज़रूरी है: खालीपन से 'तटस्थ' नहीं निकाला जा सकता। भारत में कोई अधिकार-चक्र बिका, कोई लीग फैली, कोई खिलाड़ी विदेशी लीग में गया — इनमें से किसी घटना की पहचान के बिना किसी भी क्षेत्र के लिए दिशा (सकारात्मक, नकारात्मक, तटस्थ) तय करना, बाज़ार का आकलन नहीं, निष्कर्षण की विफलता है।

क्रिकेट-मूल इकाइयों में सोचना क्यों ज़रूरी है

मेरा मॉडलिंग का अनुभव फ़ुटबॉल से आया है, जहाँ लाइव xG मेरे लिए सबसे स्वाभाविक भाषा थी। लाइव xG ने मुझे दूसरी स्क्रीन और कमरे को देखना सिखाया — ग्राफ़ क्या कह रहा है, और कमरा क्या मान रहा है, इन दोनों के बीच का अंतर ही असली जानकारी है। लेकिन जब मैंने वही भाषा क्रिकेट पर लगाई, तो वह टूट गई। xG की पूरी तार्किकी इस मान्यता पर टिकी है कि हर आक्रमण लगभग एक ही मूल्य का मौक़ा पैदा करता है — लगभग शून्य से कुछ तक। क्रिकेट में एक ओवर में 0 रन आ सकते हैं और अगले में 24। एक गेंद विकेट ले सकती है और अगली चौका दे सकती है, दोनों एक ही गेंदबाज़ से। क्रिकेट की कम-स्कोरिंग अवस्थाएँ xG जैसी तर्कगति को दंडित करती हैं।

इसलिए क्रिकेट में मैं उसी विचार को क्रिकेट-मूल इकाइयों में बदलती हूँ: फ़ेज़-वाइज़ रन रेट, विकेट-संभाव्यता, एनआरआर के परिदृश्य, डीएलएस-समायोजित लक्ष्य, और डेथ-ओवर एक्सपोज़र। 2026 में जब मैंने आईपीएल के साठ मैचों की चौदह हज़ार चार सौ डिलीवरी खुद लॉग कीं, तो मेरा मीट्रिक एक ही सवाल पूछता था: किस बल्लेबाज़ ने कितनी गेंदें ऐसी खेलीं जहाँ आवश्यक रन-दर और हाथ में बचे विकेट, दोनों एक साथ दबाव बना रहे थे? उस फ़ाइनल के बाद, जो एक रन से तय हुआ, मैंने लिखा था कि वह एक रन चालीस ओवर पहले तय हो चुका था — क्योंकि क्वालिफ़ायर की छठी और सातवीं संख्या ने अपनी डेथ गेंदों का अड़तीस प्रतिशत निगल लिया था, जबकि उसकी टॉप-थ्री ने किसी भी क्वालिफ़ायर से सबसे कम दबाव वाली गेंदें खेली थीं। उस टुकड़े को नौ लाख पाठक मिले, और फ़्रैंचाइज़ी के एनालिस्ट ने पहले फ़ोन करके बहस की, फिर नौकरी दी।

यह प्रसंग यहाँ इसलिए ज़रूरी है कि वह इस दस्तावेज़ से उलटा है। उस समय मेरे पास कच्चा डेटा था और कोई ढाँचा नहीं था; मैंने ढाँचा बनाया, तब निष्कर्ष निकला। आज ढाँचा पहले से तैयार है और कच्चा डेटा शून्य है। खाली ढाँचा, खाली डेटा के साथ मिलकर, जो चीज़ पैदा करता है, उसे विश्लेषण कहना पेशे के साथ धोखा है।

विरोधी दृष्टि: क्या 'N/A' वाली रिपोर्ट बेकार है?

यहाँ उस तर्क को पहले रखना चाहिए जो पाठक के मन में आ रहा है। कहा जाएगा: अगर सूचना ही नहीं है, तो दस हज़ार शब्द लिखने का क्या मतलब? दोबारा पाइपलाइन चलाओ, डेटा लाओ, और तभी लिखो। यह तर्क सही दिखता है और आधा ही सही है। दोबारा चलाना काम है — लेकिन वह तभी शुरू हो सकता है जब किसी ने यह घोषित किया हो कि पहली बार चलाना विफल हुआ। जब तक किसी दस्तावेज़ में यह नहीं लिखा जाता कि सूचना बिंदु शून्य हैं, तब तक कोई इंजीनियर कुछ नहीं ठीक करेगा। खाली रिपोर्ट विफलता का प्रमाण-पत्र है; भरी हुई झूठी रिपोर्ट विफलता पर पर्दा है।

इसका उलटा तर्क भी है, और वह मुझे ज़्यादा भयभीत करता है: ढाँचा इतना तैयार है, छह जोखिम-श्रेणियाँ, आठ आयाम, चार-सितारा रेटिंग प्रणाली, नियमविधान, शासन चेकलिस्ट — इतनी ऊर्जा लगाई गई है कि रिपोर्ट को सही लगने की आदत पड़ जाती है। 'इंटरनेट ऑफ़ थिंग्स', 'बिग डेटा रेवोल्यूशन' जैसे संगठनात्मक प्रलोभन हैं जो विश्लेषण के काम को डैशबोर्डों की संख्या से नापते हैं। मैंने अपना पहला स्कोरकार्ड बनाते समय बड़ी डिजिटल कंपनी के शब्दों में लिखा था कि 'मॉडल एक ही सवाल का जवाब देता है', और उसे ऐसे प्रोजेक्ट में डाल दिया जहाँ किसी ने उत्तर नहीं माँगा था। सबसे बड़ी ग़लती दुर्घटना नहीं, नेकशून्यता है — ऐसे विश्लेषण जो किसी भी निर्णय का नेतृत्व नहीं करते। एक ऐसा पैसा नहीं है जो सबसे बड़ा हो, जब तक कोई चीज़ उसका उपयोग न करे।

दूसरा सवाल: क्या खालीपन को भरने का कोई बचाव है? कोई नहीं। क्योंकि भरने की हर कोशिश एक निश्चित दिशा में जाती है — अंदाज़े की दिशा में। अगर हम कहते कि 'टेस्ट मान लो', तो हमने फ़ॉर्मैट का चुनाव कर लिया, और उसके साथ ही औसत, इकॉनमी, और पावरप्ले का मतलब भी। अगर हम कहते कि 'टीम यह है', तो हमने मेज़बान देश, पिच, और मौसम तीनों मान लिए। मॉडल उतना ही ईमानदार होता है जितने सवाल वह मना करता है — और यह पाइपलाइन ने ठीक वही किया जो एक मॉडल को करना चाहिए। यह घाटे की कहानी नहीं है, यह अनुशासन की कहानी है। एक प्रणाली जो 'कोई निष्कर्ष नहीं' लौटाना जानती है, उस प्रणाली से हमेशा बेहतर है जो हर सवाल का जवाब देती है।

साठ हज़ार शब्द और शून्य तथ्य: असली बाधा कहाँ है

अब वह हिस्सा जिसके लिए मैंने यह रिपोर्ट लिखी। उस दस्तावेज़ का मूल्य उसके आठ आयाम नहीं थे। उसका मूल्य एक निदान था: क्रिकेट एनालिटिक्स की आधुनिक बाधा मॉडलिंग नहीं रही। मॉडल बनाना आसान हो गया — दिनों में एक डेथ-ओवर एक्सपोज़र मीट्रिक बनती है, डिफ़ॉल्ट रूप से मीट्रिक को कल्पना पर तरजीह दी जाती है, हर स्टार्टअप और हर फ़्रैंचाइज़ी के पास उन्नत मीट्रिक का बाज़ार है। मुश्किल चीज़ अब यह है कि मॉडल को कच्चा और साफ़ तथ्य मिले — कौन खेला, कहाँ खेला, किस फ़ॉर्मैट में, किस ओवर में, किस दबाव में। उस दस्तावेज़ में विफलता उस बिंदु पर थी जहाँ नाम, तारीख़ और संख्या तीनों नदारद थे, जबकि टेम्पलेट की श्रेणियाँ पूरी थीं। यह ऐसा ही है जैसे सबसे आधुनिक स्टेडियम में बल्ला हो, गेंद हो, और खिलाड़ियों की सूची न हो।

और यह विफलता संरचनात्मक लगती है, आकस्मिक नहीं। 'cricket_world' जैसा टैक्सोनॉमी लेबल लौटाना यह बताता है कि वर्गीकरण की परत ठीक चल रही थी, लेकिन एंटिटी निष्कर्षण और दावों की पहचान करने वाली परत चुपचाप गिर गई। टेम्पलेट के भीतर पड़ा "identify from the information points above" वाला वाक्य, जो एक निर्देश है, अगर पैमाने पर दोहराया जाए, तो यह सिस्टम की ख़राबी का संकेत है, किसी एक लेख की दुर्घटना का नहीं। ऐसे में हर आगे की रिपोर्ट वही खोखली रिपोर्ट विरासत में पाएगी।

यहाँ एक बात जोड़नी ज़रूरी है जो पूरे उद्योग पर लागू होती है। हमने टेलीविज़न के पुराने सुविधा-केंद्रों को पीछे छोड़ दिया और अब मैदान पर खड़े डेटा-कर्मियों की टीम रखते हैं। फ़्रैंचाइज़ी स्काउटिंग अब ज़ोनल सिलेक्टरों का काम कर रही है। एनालिटिक्स का अधिकार बढ़ा है। लेकिन अगर उसी एनालिटिक्स की नींव में यह कमज़ोरी है कि किसी दस्तावेज़ में एक भी नाम नहीं आता, तो उस बढ़े हुए अधिकार का मतलब क्या? मैंने चेन्नई में देखा है कि डेटा केअर का एक दस्तावेज़ जब निष्कर्ष पर आता है, तो कमरा उसे मानता है — बशर्ते वह साफ़ और खाली न हो। अगर रिपोर्ट खाली हो और यह न कहा जाए कि वह खाली है, तो वह अगली बैठक में किसी सिलेक्शन सूची में बदल जाती है। और जब वह सूची खाली होती है, तो डेटा डेस्क को नहीं, खिलाड़ी को दोष मिलता है।

क्रिकेट के तीन फ़ॉर्मैट, और एक ही पाइपलाइन में उनका टकराव

यहाँ एक तकनीकी बात ज़रूरी है, क्योंकि यही बताती है कि क्रिकेट में यह विफलता फ़ुटबॉल से ज़्यादा महँगी क्यों पड़ती है। फ़ुटबॉल में विफलता का पैमाना यह है कि आप एक लीग से दूसरी लीग में गए और मॉडल समायोजन माँग रहा है। क्रिकेट में विफलता का पैमाना यह है कि आप टेस्ट से टी20 में गए और आपके मेट्रिक की परिभाषा ही बदल गई। टेस्ट में एक बल्लेबाज़ की सफलता 'कितनी गेंदें खेलीं' से नापी जाती है; टी20 में 'कितनी गेंदों पर कितने रन'। किसी टेस्ट ओपनर की टी20 में अच्छी शुरुआत यह साबित नहीं करती कि वह टी20 में उपयोगी है; यह उसके करियर के सबसे रोचक अनिश्चितताओं में से एक है और इसका औसत किसी भी गेंदबाज़ के टेस्ट औसत से तुलनीय नहीं है।

इसलिए जब कोई दस्तावेज़ फ़ॉर्मैट पर N/A लिखता है, तो वह केवल एक खाना खाली नहीं छोड़ रहा; वह बता रहा है कि आगे के सारे मेट्रिक नाम अर्थ में आएँगे, लेकिन उनका अर्थ असंगत रहेगा। टेस्ट में 'इकॉनमी' एक काम की चीज़ नहीं है, जबकि टी20 में यह गेंदबाज़ी का सबसे अहम सूचक है। वनडे का ओस और डीएलएस, टी20 का रन-चेज़, द हंड्रेड का सौ गेंद का ढाँचा — इन चारों का मूल्यांकन-ढाँचा अलग है। एक हिस्सा जिसे मैं अकसर दोहराती हूँ: क्रिकेट में डीएलएस (डकवर्थ-लुईस-स्टर्न) सिर्फ़ बारिश का नियम नहीं; वह एक पूर्ण मॉडल है जो संसाधनों (गेंद और विकेट) को लगातार कम होने वाले नक़्शे में बदल देता है, और अगर किसी मैच-आकलन में डीएलएस-समायोजित लक्ष्य नहीं मिलाया जाए तो लक्ष्य और रन-रेट दोनों की तुलना व्यर्थ हो जाती है। एक ही तरह से डीआरएस का 'अंपायर्स कॉल' नियम — जहाँ मैदानी निर्णय को बचाने वाला त्रुटि सीमा-अंतराल होता है — न केवल अंपायरिंग की बात है, बल्कि तथ्य के उस हिस्से को पहचानने की बात है जिसे डेटा हमसे छीन लेता है। अगर किसी विश्लेषण में डीआरएस का दबाव, डीएलएस का संशोधन, और मौसम — तीनों का ज़िक्र न हो, तो उसका 'जीत का विश्लेषण' आधा अधूरा है।

जोखिम मैट्रिक्स का सबक: खेल-जोखिम से मेटा-जोखिम तक

उस दस्तावेज़ का एक हिस्सा ऐसा था जो वास्तव में उपयोगी था, और वह था जोखिम मैट्रिक्स का सबक। छह श्रेणियाँ थीं — खेल, कार्मिक, व्यावसायिक, नियम/सत्यनिष्ठा, सूचना/मेटा, और प्रणालीगत। पाँच के आगे N/A था, क्योंकि उनके लिए नाम चाहिए। लेकिन छठी श्रेणी भरने योग्य थी और भरी गई: सूचना/मेटा जोखिम — खाली इनपुट पर बनी रिपोर्ट और उसके दुरुपयोग का जोखिम। स्तर उच्च, संभावना उच्च (पहले से सच हो चुकी), प्रभाव उच्च।

यहाँ एक अनुशासन की बात जो मैंने महँगी सीखी है। जोखिम मैट्रिक्स में 'N/A' को 'कम' नहीं लिखा जाता। 'अज्ञात' और 'कम जोखिम' दो बिल्कुल अलग बातें हैं, और इन दोनों को एक मान लेना ऑटोमेटेड रिसर्च में सबसे आम विफलता है। क्रिकेट में इसका सीधा उदाहरण है चोट और वर्कलोड। अगर किसी गेंदबाज़ के हाल के वर्कलोड का डेटा नहीं है, तो इसका मतलब यह नहीं कि वह फिट है; इसका मतलब यह है कि आपको पता नहीं। अगर चयन-समिति उस N/A को 'फ़िट' पढ़े, तो वह तीन फ़ॉर्मैट में एक गेंदबाज़ को झोंक देगी और उसकी चोट को अपने ही डेटा-सिस्टम का दोष देगी। मेरे अनुभव में क्रिकेट टीमों की सबसे बड़ी घरेलू समस्या प्रतिभा की कमी नहीं, चयन-पारदर्शिता की कमी है — और सबसे अधिक चयन-त्रुटियाँ उन खानों से आती हैं जहाँ डेटा था ही नहीं, पर फ़ैसला लिया गया।

यह बात भारत की बेंच-स्ट्रेंथ पर भी लागू होती है। कहा जाता है कि भारत की दूसरी पंक्ति विश्व की सबसे मज़बूत है। हो सकता है। पर वह एक चयन-प्रश्न है, प्रतिभा-प्रश्न नहीं — क्योंकि इसके लिए ज़रूरी डेटा (घरेलू रणजी-स्तर की प्रदर्शन-आधारित सूचना) कमज़ोर है। रणजी और घरेलू महिला क्रिकेट का डेटा अब भी पतला है, कवरेज असमान है, और इसी पतले डेटा से चुनी गई दूसरी पंक्ति का 'टैलेंट पूल' कहलाना उचित नहीं। यहाँ सीधा निष्कर्ष यह है: जब आधार-रेखा ही खराब हो, तो 'भारत का हमेशा मज़बूत बेंच' 0.3 की जेड-स्कोर जैसा आँकड़ा नहीं, किस्सा है। और किस्से केवल चार साल लंबे होते हैं। इसके विपरीत, क्रिकेट में सबसे तीव्र डेटा-मूल्य वहाँ है जहाँ कोई संस्थागत हस्तक्षेप नहीं होता — जैसे आईपीएल का ट्रांसफ़र विंडो। लेकिन पैसा और रखरखाव का बोझ अलग चीज़ें हैं; अंतर्राष्ट्रीय परिषद की अर्थव्यवस्था में कैसे प्रवेश करता है? फ़ीस के क़ाग़ज़ पर, बल्कि सवाल यह है कि भुगतान की संरचना किस पर पड़ती है।

विरोध-तर्क का उत्तर: नमूने का आकार सबसे पहले

अब उस तर्क को भी रखना चाहिए जो मैं खुद अपने खिलाफ़ उठाती हूँ, क्योंकि मेरे पहले निष्कर्ष ने मुझे सिखाया था कि वे विरोध के रूप में आते हैं। कहा जाता है: खाली इनपुट पर इतना लंबा लिखना, खालीपन का महिमामंडन है। सच यह है कि एक पूरी रिपोर्ट में यदि सूचना मूल्यांकन में चार-सितारा में से तीन आयाम एक-सितारा और एक दो-सितारा है, तो यह अपने आप में एक संदेश है — यह दस्तावेज़ लिखने लायक था, क्योंकि इसने एक लागत गिनाई। लेकिन यह भी सच है कि इसे कभी भी किसी खिलाड़ी, किसी टीम, किसी लीग का आकलन नहीं कहा जा सकता। अगर किसी रिपोर्ट में एक भी तथ्य नहीं है, तो उसका खंडन भी नहीं किया जा सकता — यही उसका हथियार और उसकी सीमा है।

इसका उल्टा भी है। क्रिकेट में हम अक्सर आम धारणा को ग़लत कहकर बुद्धिमान दिखते हैं — 'रात में गेंद स्विंग नहीं होती' या 'दबाव में बड़े खिलाड़ी नहीं चलते' — और फिर एक घटना से उसे सिद्ध कर देते हैं। यह वह जाल है जिसमें मैं नहीं गिरना चाहती। इसीलिए मैंने पाइपलाइन से कहा कि वह आधार-रेखा (बेस रेट) पहले बताए और फिर उसे पलटे। 'कितने मैचों में यह पैटर्न दिखा?' — यह सवाल पहले पूछा जाता है, सिद्धांत बाद में आता है। 64 मैच और एक फ़ीड और शक की बढ़ती सूची — यह मेरी पहली परियोजना की अवस्था थी। शक कोई कमज़ोरी नहीं है; शक वह सवाल है जो सीधे संख्या से आता है, अनुमान से नहीं।

टेकअवे: अगला संकेत क्या देखें

अगर इस पूरी कवायद से एक चीज़ निकलती है, तो वह यह है कि क्रिकेट एनालिटिक्स का अगला मोर्चा मॉडल नहीं, एंटिटी-रिज़ॉल्यूशन है। अगले सीज़न में जो डेटा-डेस्क जीतेगा, वह वह नहीं जो सबसे सुंदर डैशबोर्ड बनाएगा, बल्कि वह जो गारंटी दे सकेगा कि हर दावे के पीछे एक नाम, एक फ़ॉर्मैट, एक तारीख़ और एक ओवर नंबर मौजूद है। जब अगली बार आपको कोई विश्लेषण पढ़ने को मिले और उसमें फ़ॉर्मैट न लिखा हो, तो सबसे पहले यह पूछिए कि वह संख्या किस खेल की है। जवाब न मिले तो समझ लीजिए कि वह विश्लेषण नहीं, एक भरा हुआ टेम्पलेट है।

रिपोर्ट का संतुलन: रेटिंग और सिफ़ारिशें

दस्तावेज़ की सूचना-मूल्य रेटिंग स्पष्ट थी: खेल मूल्य एक-सितारा, उद्योग मूल्य एक-सितारा, समय-प्रासंगिकता एक-सितारा, संदर्भ मूल्य दो-सितारा। यह कोई असफलता नहीं, एक ईमानदार लेखा है। और उसके साथ जो सिफ़ारिशें दी गई थीं, वे सीधी थीं: खाली रिपोर्ट को विश्लेषण मानकर प्रकाशित न करें; मूल स्रोत पर पुनः-निष्कर्षण चलाएँ; एंटिटी मानकीकरण लागू करें; और — यह सबसे ज़रूरी — डोमेन लेबल को 'cricket' जैसी सटीक श्रेणी में रखें, ताकि 'cricket_world' जैसा व्यापक लेबल आगे की खोज को गुमराह न करे।

मैं इस रिपोर्ट को इस एक वाक्य के साथ बंद करती हूँ जो मेरी पूरी प्रणाली का सार है: अगर मॉडल कहे कि उत्तर नहीं पता, तो वह गलत नहीं है। फ़र्ज़ कीजिए कि वह कुछ और कह देता है।