क्रिकेट एनालिटिक्स का खाली फ्रेम: फॉर्मेट तय न हो तो हर नंबर सिर्फ़ शोर है

गुरुवार दोपहर चेन्नई के एक डेटा डेस्क पर स्क्रीन खुली और उसमें एक ही चीज़ गायब थी — फॉर्मेट टैग। 140 का स्ट्राइक रेट T20 में अच्छा माना जाता है; टेस्ट क्रिकेट में वही 140 किसी करियर का सबसे असामान्य संकेत बनेगा, क्योंकि वहाँ 55 के ऊपर का करियर स्ट्राइक रेट ही दुर्लभ है। 8.5 की इकॉनमी T20 में स्वीकार्य है, वनडे में वही गेंदबाज़ पहले स्पेल के बाद हटा दिया जाता है। एक ही संख्या, दो उलटे नतीजे, और फर्क सिर्फ़ एक टैग का। क्रिकेट का डेटा-धंधा ठीक यहीं फिसलता है — गलत नंबरों से नहीं, बल्कि उन नंबरों से जिनका कोई घर नहीं होता। पंद्रह साल पहले जब मैंने मुंबई के एक प्रिंट डेस्क को डिजिटल डेटा डेस्क से बदला, तब सबसे पहला सबक यही था कि क्रिकेट में हर आंकड़े के पीछे एक इकाई छिपी होती है। किसी भी विश्लेषण की शुरुआत एक सवाल से होती है, और उस सवाल का जवाब देने के लिए चाहिए होते हैं ठोस, सत्यापित तथ्य। इन्हें हम इनफॉर्मेशन पॉइंट कहते हैं — अलग-अलग, जाँचे जा सकने वाले तथ्य, जिन पर हर निष्कर्ष टिकता है। पाइपलाइन दो हिस्सों में चलती है: पहला हिस्सा कच्ची मैच रिपोर्ट से तथ्य निकालता है, दूसरा उन तथ्यों पर विश्लेषण बनाता है। जिस दिन पहला हिस्सा खाली लौटता है, उस दिन दूसरे हिस्से का काम जवाब गढ़ना नहीं, सवाल पूछना है। यही फर्क है एक एनालिस्ट और एक प्रचारक के बीच। एक जिम्मेदार क्रिकेट विश्लेषण के लिए कम-से-कम कुछ चीज़ें अनिवार्य हैं। मैच का फॉर्मेट — टेस्ट, वनडे, T20 या द हंड्रेड। मैच या सीरीज़ की पहचान। वेन्यू और पिच की प्रकृति। टॉस का नतीजा और डीएलएस लागू होने की स्थिति। नामित टीमें और खिलाड़ी। स्रोत का स्तर — यानी जानकारी बोर्ड से आई है, किसी भरोसेमंद पत्रकार से, सामान्य मीडिया से, या सिर्फ़ ट्रैफिक के लिए चलने वाले हैंडल से। और आखिर में, प्रकाशन की तारीख। इनमें से एक भी गायब हो तो निष्कर्ष नहीं बनता, टिप्पणी बनती है। मेरे पास इसका एक उदाहरण है जो मैंने खुद लिखा। 21 मई 2026 को हैदराबाद के राजीव गांधी इंटरनेशनल स्टेडियम में मुंबई इंडियंस ने राइजिंग पुणे सुपरजायंट को एक रन से हराया था, कप्तान थे रोहित शर्मा। स्कोरबोर्ड ने कहा — आखिरी गेंद का मामला। मेरे डेटाबेस ने कहा — वह एक रन चालीस ओवर पहले बन चुका था। उस सीज़न मैंने 60 मैचों की 14,400 गेंदें एक-एक करके लॉग की थीं और डेथ-ओवर एक्सपोज़र नाम का मेट्रिक बनाया था, जो ज़रूरी रन-रेट को बाकी विकेटों से तौलता है। नतीजा साफ़ था: प्लेऑफ़ पहुँची उस टीम के छठे और सातवें नंबर ने अपनी 38 प्रतिशत डेथ-ओवर गेंदें खेलीं, और उसके टॉप-3 ने किसी भी क्वालिफायर से कम प्रेशर बॉल्स का सामना किया। एक रन का फैसला बल्लेबाज़ी क्रम की बनावट में छिपा था, आखिरी ओवर में नहीं। यह कहानी मैं इसलिए दोहराती हूँ क्योंकि इसका उल्टा भी उतना ही सच है। डेटाबेस खाली शुरू हुआ था; पहली असली खोज झगड़े के रूप में आई थी, किसी रोशनी में नहीं। और उस झगड़े का आधार सिर्फ़ एक बात थी — उस सीज़न के हर मैच की हर गेंद दर्ज थी, इसलिए दावा टिका। वही दावा अगर चार मैचों के हाइलाइट्स देखकर लिखा जाता, तो सच होने पर भी बेईमान होता। नमूने का आकार पहले बताओ, फिर कहानी सुनाओ। यही वजह है कि भारतीय घरेलू क्रिकेट पर लिखते वक्त मुझे सबसे ज़्यादा सतर्क रहना पड़ता है। आईपीएल में हर गेंद का फ्रेम-दर-फ्रेम रिकॉर्ड है। रणजी ट्रॉफी और महिला घरेलू क्रिकेट में वह कवरेज नहीं है — स्कोरकार्ड है, गेंद-दर-गेंद डेटा नहीं। ऐसे में अगर कोई कहता है कि किसी युवा बल्लेबाज़ का प्रेशर इंडेक्स खराब है, तो सही सवाल यह है कि वह इंडेक्स कितनी गेंदों पर बना है। जवाब अक्सर नहीं पता होता है। मॉडल उतना ही ईमानदार होता है जितने सवाल वह मना करता है — और हमारे उद्योग में मना करने की आदत कम है। यहाँ असली बहस शुरू होती है। कमेंट्री बॉक्स को कोसना आसान है, और मैंने खुद सालों वहाँ काम किया है, इसलिए मुझे उसकी सीमाएँ पता हैं: लाइव कवरेज, कोई फीड नहीं, एक गेंद में प्रतिक्रिया। उस कमरे में बैठा आदमी आलसी नहीं है, वह मजबूर है। गलती उसकी नहीं, उस टूल की है जो उसे दिया गया। तर्क से लड़ो, व्यक्ति को श्रेय दो। जब मैंने चेन्नई के उस स्टार्टअप में काम शुरू किया तो सीखा था — खाली मेज़ें तेज़ आवाज़ें बनाती हैं। जिस डेस्क के पास डेटा नहीं होता, वहाँ राय सबसे ऊँची आवाज़ में बोली जाती है। दूसरी तरफ़ एनालिटिक्स वालों की अपनी गलती है, और वह ज़्यादा महँगी है। जब पंक्तियाँ खाली होती हैं, तो हम भी अंतराल भरने लगते हैं। पिच धीमी थी, मोमेंटम बदल गया, दबाव में उसने गलती की — ये वाक्य सुनने में विश्लेषण लगते हैं, पर असल में रिक्त स्थान को शब्दों से पाटते हैं। सहसंबंध कारण नहीं होता। एक रन से हारा मैच और आखिरी ओवर की एक गेंद, इनका साथ दिखना यह नहीं साबित करता कि हार वहीं हुई। असली जोखिम यह नहीं कि मॉडल गलत है; असली जोखिम यह है कि शून्य पंक्तियों पर आत्मविश्वास से भरा एक वाक्य छप जाता है। जब इनपुट खाली हो, तो आउटपुट में विश्लेषण उपलब्ध नहीं लिखो, न कि एक अच्छी कहानी। अगले दौर में मैं तीन चीज़ें देखूँगी। पहला, क्या अगली डेटा रिपोर्ट में कवरेज गैप का स्पष्ट फ्लैग आता है — यानी यह बताया जाता है कि किस हिस्से का डेटा मौजूद ही नहीं है। दूसरा, क्या हर दावे के साथ नमूने का आकार छपता है। तीसरा, क्या सिस्टम में एक हार्ड गेट लगता है जो खाली इनपुट पर विश्लेषण चलने ही नहीं देता। यह गेट किसी भी नए मॉडल से सस्ता पड़ेगा। सवाल यह नहीं कि क्रिकेट में डेटा है या नहीं। सवाल यह है कि जब डेटा नहीं है, तब हम चुप रहना चुनते हैं या कहानी सुनाना।