फॉर्मेट गुम, तो नंबर गुम: क्रिकेट एनालिटिक्स का सबसे महंगा खाली खाना

21 मई 2026, हैदराबाद। राइजिंग पुणे सुपरजायंट अपने पहले फाइनल में खड़ी थी और एक रन से हार गई। उस शाम मेरा फेज़-एंड-मैचअप मॉडल पहले से बता रहा था कि मुंबई इंडियंस का डेथ-ओवर पैकेज सात रन प्रति ओवर से नीचे चल रहा है। नंबर मेज़ पर था, फ़ैसला किसी और ने लिया। एक रन का फाइनल मुझे सिखाता है कि मार्जिन दशमलव वाली कहानी होती है — पर उससे बड़ा सबक यह था कि नंबर तभी काम करता है जब उसका सैंपल, उसका फॉर्मेट और उसका वेन्यू साफ़ लिखा हो।

आज सुबह मेरे डेस्क पर एक ऐसी फ़ाइल आई जिसमें सब कुछ था और कुछ नहीं था। शीर्षक खाली। स्रोत खाली। टीम, खिलाड़ी, वेन्यू, तारीख — सब खाली। सिर्फ़ एक टैग भरा हुआ था: cricket_world। यह वह टैग है जो बताता है कि खेल क्रिकेट है, पर यह नहीं बताता कि मुकाबला टेस्ट था, वनडे था, T20 था या द हंड्रेड। और जिस क्षण फॉर्मेट गुम होता है, उस क्षण उस फ़ाइल का हर आँकड़ा बेकार हो जाता है। फिर मैंने एक घंटा यह लिखने में लगाया कि आख़िर क्यों।

क्रिकेट के चार ढाँचे, चार अलग गणित

क्रिकेट दुनिया का शायद अकेला बड़ा खेल है जिसमें एक ही खिलाड़ी तीन-चार पूरी तरह अलग प्रतियोगिताओं में खेलता है और हर प्रतियोगिता का गणित अलग होता है। टेस्ट में पारी का मतलब पाँच दिन है; T20 में पारी का मतलब बीस ओवर। वनडे में दो नई गेंदें हैं और आख़िरी दस ओवरों का अपना नियम-सेट; टेस्ट में अस्सी ओवर पर नई गेंद और सेशन-दर-सेशन की योजना। इन चारों में औसत, स्ट्राइक रेट और इकॉनमी रेट की सीधी तुलना करना वैसा ही है जैसे किसी क्रिकेटर को किसी तैराक के स्कोरबोर्ड पर नाप लिया जाए — दोनों एथलीट हैं, पर स्कोरबोर्ड एक नहीं है।

पिछले आठ साल में भारतीय डिजिटल मीडिया में क्रिकेट डेटा-जर्नलिज़्म फटा है। हर आउटलेट के पास फेज़ स्प्लिट है, हर पॉडकास्ट के पास इकॉनमी चार्ट है। जो गायब है वह नंबर नहीं, नंबर का पता है। पुणे सुपरजायंट के डेस्क पर मैंने जो नियम बनाया था, वह आज भी मेरे हर विश्लेषण पर लागू होता है: "डेथ-ओवर कमज़ोरी" जैसा मुहावरा तब तक नहीं लिखा जाएगा जब तक उसके साथ इकॉनमी फ़िगर और पारियों की गिनती न हो। एक फुल-टाइम डेटा डेस्क दबाव को दोहराने लायक प्रक्रिया बना देता है — और प्रक्रिया की पहली शर्त यही है कि हर आँकड़े के साथ उसका फॉर्मेट चिपका रहे।

नीलामी की बोली, और फॉर्मेट का ताला

जनवरी 2026 में बेंगलुरु के नीलामी वॉर-रूम में बैठा था, तब यह बात और साफ़ हुई। मेरा रन्स-अबव-रिप्लेसमेंट-पर-करोड़ मॉडल पंजाब को केएल राहुल पर 11 करोड़ और एंड्रयू टाय पर 7.2 करोड़ खर्च करने की सलाह दे रहा था। राहुल ने 659 रन बनाए, टाय ने 24 विकेट लिए और पर्पल कैप जीता। नीलामी कमरा हर बोली को एक डेडलाइन वाली परिकल्पना बना देता है — पर उस परिकल्पना की जाँच तभी संभव है जब खिलाड़ी का बेसलाइन उसी फॉर्मेट से आया हो जिसमें वह खेलेगा। T20 में सात से नीचे इकॉनमी उत्कृष्ट मानी जाती है; वही सात का आँकड़ा टेस्ट की पहली पारी के पहले सेशन के लिए कुछ भी नहीं कहता।

यहाँ एक और बात जोड़नी ज़रूरी है। नीलामी की रकम एक व्यावसायिक आँकड़ा है, खेल का नहीं। इन्हें दो अलग कॉलमों में रखा जाना चाहिए — एक में बोली का अमाउंट, दूसरे में फॉर्मेट-विशिष्ट बेसलाइन पर खिलाड़ी का खेल-मूल्य। जिस दिन ये दो कॉलम एक 'वैल्यू' वर्डिक्ट में मिला दिए जाते हैं, उस दिन क्रिकेट का सबसे ज़रूरी सवाल दब जाता है: क्या ऊँची कीमत खेल-योग्यता है, या सिर्फ़ दुर्लभ पोज़िशन और लोकल-स्टार का प्रीमियम? बेंगलुरु में बोर्ड हमने बनाया था, पर प्रायर हर नीलामी में दोबारा लिखे जाते हैं।

तो एक ऑडिट-योग्य पाइपलाइन में चार चीज़ें सबसे पहले माँगी जाती हैं। पहली, फॉर्मेट और प्रतियोगिता का नाम — कौन-सा टेस्ट, कौन-सी क्वालिफायर। दूसरी, वेन्यू और तारीख, क्योंकि पिच का स्वभाव और मौसम का पूर्वानुमान इसी से बनता है; ओस वाले रात्रि मुकाबले और सूखी घिसती पिच का गणित अलग-अलग है। तीसरी, पारी की स्थिति: कौन-सी पारी, कितने विकेट, कितने ओवर। चौथी, डीएलएस या बारिश का कोई हस्तक्षेप और उससे बना संशोधित लक्ष्य।

सबसे बड़ी चूक वेन्यू की है। क्रिकेट के आँकड़ों में होम-अवे अंतर सबसे बड़ा प्रदर्शन-चर है, और वह बिना वेन्यू के नापा ही नहीं जा सकता। 2026 में जब आईपीएल यूएई में खेला गया, मैंने नौ सीज़न के नतीजे निकाले। 2026 से 2026 तक भीड़ के साथ नाममात्र होम जीत दर लगभग 57 प्रतिशत थी; अबू धाबी, दुबई और शारजाह के उन 60 भीड़-रहित मैचों में यह आँकड़ा 50 प्रतिशत के आसपास आ गया। भरे स्टेडियम ने जो शोर हटाया, उसे डेटा में स्थानांतरित कर दिया — और मेरे लिए यह सबक था कि "किला" और "प्रतिकूल परिस्थिति" जैसे शब्द व्याख्या नहीं, बहाने हैं। तब से हर विश्लेषण के नीचे एक मेथड्स फुटनोट चलता है: सैंपल साइज़, वेन्यू, भीड़ की स्थिति। पाठक अब वही फुटनोट मुझ पर वापस लहराते हैं, और मैं उसे इस पेशे का मुनाफ़ा मानता हूँ।

तीसरा खाली खाना खिलाड़ी की भूमिका है। ओपनर, एंकर, फिनिशर, तेज़ गेंदबाज़, स्पिनर, ऑलराउंडर, कीपर — मेट्रिक का चुनाव पूरी तरह इसी पर टिका है। फिनिशर की स्ट्राइक रेट और एंकर की स्ट्राइक रेट को एक ही तराजू पर तौलना डेटा विश्लेषण नहीं, लापरवाही है। और चौथा खाना — स्रोत। जिस दावे के पीछे आउटलेट, लेखक और तारीख न हो, वह दावा दोबारा इस्तेमाल लायक नहीं होता। मेरे काम में उद्धरण की कीमत उसकी तारीख से तय होती है, हेडलाइन से नहीं।

कॉन्ट्रैरियन: जब खाली खाना भरा हुआ दिखता है

अब वह हिस्सा जिस पर मुझसे सबसे ज़्यादा बहस होती है। एक पूरी भरी हुई आठ-आयामी रिपोर्ट पढ़ने में बेहद विद्वतापूर्ण लगती है। हर टेबल भरा हुआ, हर शीर्षक अपनी जगह पर। पर अगर हर खाने में दरअसल "सूचना अपर्याप्त" लिखा है, तो वह विश्लेषण नहीं, एक विफलता रिपोर्ट है।

यहाँ सबसे ख़तरनाक आदत साइलेंट डिफ़ॉल्ट है — अनुपलब्ध आँकड़े को "कम जोखिम" या "तटस्थ प्रभाव" लिख देना। जिस जोखिम का आकलन नहीं हुआ, वह कम जोखिम नहीं होता; वह अनजाना जोखिम होता है। चोट, वर्कलोड, और भ्रष्टाचार-निगरानी — ये वे श्रेणियाँ हैं जहाँ "पता नहीं" को "ठीक है" में बदलना सबसे महँगा पड़ता है। क्रिकेट में "मैंने कोई फिक्सिंग का ज़िक्र नहीं देखा" का मतलब "फिक्सिंग का जोखिम नहीं है" कभी नहीं होता।

दूसरी बात, सहसंबंध और कारण का वही पुराना फर्क। T20 में सात ओवर का सैंपल डेटा जैसा दिखता है, पर होता शोर है। मॉडल सत्य नहीं है, मॉडल वह दलील है जिसे हम परख सकते हैं — और जब मॉडल के पास कहने को कुछ न हो, तो ईमानदारी यही है कि वह चुप रहे और नमूने का आकार सार्वजनिक कर दे।

तीसरी बात, दूसरे खेलों से उधार लिए मेट्रिक्स। बेसबॉल या ऑस्ट्रेलियाई फुटबॉल का कोई मीट्रिक क्रिकेट में सीधे नहीं बैठता। पिच, गेंद की हालत, ओवर की सीमा और विकेट बचाने की मजबूरी — ये चार बंदिशें हर उधार को परखती हैं। जो मेट्रिक इन चारों में फेल हो, उसे सार्वजनिक रूप से छोड़ देना चाहिए, चुपचाप इस्तेमाल करते रहना नहीं। वही अनुशासन नियम-स्तर की बहस पर भी लगता है: इम्पैक्ट प्लेयर, एनआरआर की प्रोत्साहन-संरचना, डीआरएस प्रोटोकॉल — इन पर बहस व्यक्तिगत क्षणों की नहीं, मैकेनिज़्म की होनी चाहिए। पर मैकेनिज़्म की बहस तभी टिकती है जब उसके नीचे खेले गए मैच का एक ठोस प्रसंग मौजूद हो; बिना प्रसंग के वह पॉलिसी सेमिनार बन जाती है, क्रिकेट नहीं।

टेकअवे

अगले साइकल के लिए मेरा सुझाव साफ़ है। किसी भी डेटा पाइपलाइन में फॉर्मेट को सॉफ्ट गैप नहीं, हार्ड प्रीरिक्विज़िट बनाया जाए। शून्य सूचना-बिंदु वाली फ़ाइल को आगे बढ़ाने से पहले एक सैनिटी गेट लगे, क्योंकि यह सिस्टम की खराबी है, कंटेंट की गरीबी नहीं — और यही फ़र्क सबसे ज़्यादा दबाया जाता है।

सवाल यह नहीं कि हमारे पास कितने चार्ट हैं। सवाल यह है कि अगली बार जब कोई नंबर टीवी स्क्रीन पर चढ़े, तो उसके साथ उसका फॉर्मेट, उसका वेन्यू और उसका सैंपल साइज़ भी चढ़ेगा या नहीं। एक डेटा मंक लेजर पर भरोसा करता है, पर एक ENTJ जानता है कि ऑडिबल कब लेना है — और ऑडिबल का पहला नियम यही है कि खाली खाने को भरा हुआ मत दिखाओ।