खाली स्कोरबुक का सबक: क्रिकेट एनालिसिस में डेटा से पहले सवाल क्यों ज़रूरी है

बेंगलुरु के एम. चिन्नास्वामी स्टेडियम की उस पुरानी स्कोरबुक में एक पन्ना ऐसा है जिस पर कोई आंकड़ा दर्ज नहीं है। 2026-84 के रणजी घरेलू सीज़न में मैंने 4,180 गेंदों को हाथ से कोड किया था — लाइन, लेंथ, फील्ड पोज़िशन, गेंदबाज़ की स्पेल, बल्लेबाज़ की बैटिंग साइड। लेकिन जिस पन्ने की बात कर रहा हूं, वहां स्याही सूखी नहीं, बल्कि सवाल लिखा है। वह सवाल यह था: क्या मेरे पास मापने के लिए सही चीज़ है?

पिछले कुछ दिनों में एक ऐसा दस्तावेज़ मेरे डेस्क तक आया जिसने उसी पुराने सवाल को ताज़ा कर दिया। यह एक क्रिकेट-विश्लेषण पाइपलाइन का आउटपुट था — पहले चरण का नतीजा, जिसे आगे के विश्लेषण का आधार बनना था। डोमेन लेबल साफ़-साफ़ छपा था: cricket_world। क्लासिफायर ने अपना काम कर दिया था। लेकिन उसके नीचे जो तालिका थी, वह खाली थी। शीर्षक नहीं, स्रोत नहीं, लेख का प्रकार नहीं, एक-पंक्ति सारांश नहीं, लेखक का रुख नहीं, लेखन का उद्देश्य नहीं। सबसे चौंकाने वाली बात — सूचना-बिंदुओं की सूची पूरी तरह खाली। और उस खालीपन के नीचे एक टिप्पणी थी जिसने मुझे रोक दिया: इकाइयों की पहचान "सूचना-बिंदुओं से" की जानी थी, पर बिंदु ही मौजूद न थे।

यह कोई तकनीकी खराबी भर नहीं है। यह उस पुरानी स्कोरबुक के खाली पन्ने की तरह है — और मैंने चालीस साल पहले सीखा था कि खाली पन्ना कभी "शून्य" नहीं होता। वह या तो बारिश का होता है, या त्यागे गए ओवर का, या ऐसी गेंद का जिसे दर्ज करना मेरी समझ से बाहर था। 2026 के ईडन गार्डन सेमीफाइनल की रात मेरी शीट पर भी एक ऐसा ही खालीपन बना था — 120 रन पर 8 विकेट, 34.1 ओवर, और फिर भीड़। मैंने स्टॉपेज के मिनट दर्ज किए, वह ओवर दर्ज किया जहां माहौल टूटा, लेकिन मेरी शीट में कोई कॉलम ऐसा नहीं था जो "अधूरा मैच" लिख सके। स्कोरबुक बहस नहीं करती; वह धूल बैठने का इंतज़ार करती है। लेकिन धूल बैठने से पहले यह तय करना पड़ता है कि क्या दर्ज किया जाए और क्या छोड़ा जाए।

अब ज़रा उस पाइपलाइन के तीन संभावित कारणों को देखिए जो उस खाली तालिका के पीछे हो सकते हैं। पहला — कंटेंट एक्सट्रैक्शन चरण में ही खाली बॉडी आई हो। पेपरवॉल, जावास्क्रिप्ट से रेंडर होने वाला पेज, या एंटी-स्क्रैपिंग दीवार। दूसरा — बॉडी तो आई, लेकिन पैराग्राफ़ चुनने वाला चयनकर्ता (selector) असफल रहा और केवल पेज का खोल लौटा दिया। तीसरा — और यही सबसे महत्वपूर्ण है — निष्कर्षण मॉडल का आउटपुट कट गया या पार्स नहीं हुआ, और सिस्टम ने चुपचाप खाली सूची लौटा दी। यह तीसरा विकल्प "ट्रैप" है, क्योंकि खाली नतीजा एक वैध नतीजे की तरह आगे बढ़ जाता है। भारतीय क्रिकेट पत्रकारिता में मैंने यही हुआ देखा है, सिर्फ़ सॉफ़्टवेयर में नहीं — प्रिंट डेस्क से राइट्स-डील रिपोर्टिंग की ओर जाते समय रणजी कवरेज चुपचाप पतली होती गई, और किसी कॉलम ने यह नहीं लिखा कि क्या छूट रहा है।

नियम सरल है: खाली नतीजे को कभी वैध आउटपुट मानकर आगे नहीं भेजना चाहिए। यदि डोमेन लेबल मिल गया है पर सूचना-बिंदु शून्य हैं, तो पाइपलाइन को सफलता नहीं, बल्कि "अपूर्ण इनपुट" की स्थिति लौटानी चाहिए — ठीक वैसे ही जैसे स्कोरर गेंद दर्ज न कर पाने पर "N/A" नहीं लिखता, बल्कि मार्जिन में कारण लिखता है। क्रिकेट विश्लेषण में यह अंतर निर्णायक है। जब मैं बेंगलुरु में बैठकर किसी मैच का xG या नेट-रन-रेट टेबल पढ़ता हूं, तो सबसे पहला सवाल आंकड़े का नहीं, स्रोत का होता है। यह आंकड़ा किस मैच-लॉग से आया? किस ओवर-बाय-ओवर शीट से? किस तारीख़ को प्रकाशित रिपोर्ट से? जो संख्या उद्धृत नहीं की जा सकती, वह विश्लेषण नहीं, राय है। और राय के लिए मेरे पास अलग कॉलम है।

यहां एक तथ्य दर्ज करना ज़रूरी है जिसे अक्सर छोड़ दिया जाता है। क्रिकेट डेटा की सबसे बड़ी समस्या यह नहीं कि आंकड़े कम हैं — आईपीएल और बीसीसीआई के राजस्व विस्तार के बाद मापने योग्य घटनाएं कभी इतनी ज़्यादा नहीं थीं। समस्या यह है कि मापन का दायरा घरेलू प्रथम-श्रेणी और महिला क्रिकेट पर उतना नहीं फैला जितना कमेंट्री बॉक्स की भाषा में फैला हुआ दिखता है। 2026 से डब्ल्यूपीएल के प्रसारण वादे सामने हैं, और उन्हें हर सीज़न के बाद उसी तरह जांचना चाहिए जैसे मैं 2026-84 में रोजर बिन्नी की पहली स्पेल की इकॉनमी जांचता था — पहली स्पेल 2.1 प्रति ओवर, जबकि कुल इकॉनमी 3.4। यही अंतर बताता है कि आंकड़ा किस चीज़ को माप रहा है। जब कोई कहता है कि किसी गेंदबाज़ का "औसत" खराब है, तो मेरा पहला सवाल होता है: किस चरण का औसत? किस फील्ड-सेटिंग के तहत? किस बल्लेबाज़ के सामने?

यहीं से वह प्रति-सहज कोण निकलता है जो हर विश्लेषण में होना चाहिए, पर जिसे अक्सर "डेटा" का लेबल लगाकर छुपा दिया जाता है। सहसंबंध कारण नहीं है। किसी बल्लेबाज़ का औसत और टीम की जीत एक ही मौसम में बढ़ सकते हैं, लेकिन यह साबित नहीं करता कि औसत ने जीत दिलाई। यह वही भूल है जो कमेंट्री बॉक्स में रोज़ होती है — एक शानदार पारी को "मैच का कारण" बना देना, जबकि स्कोरकार्ड बताता है कि वह पारी चौथे दिन आई थी जब मैच पहले ही तय हो चुका था। मेरी पुरानी नोटबुक ने मुझे सिखाया था: चमत्कार समझाने से पहले साधारण चीज़ों को गिनो। जब तक साधारण गेंदबाज़ी-स्पेल, साधारण कैच, साधारण रन-रेट दर्ज नहीं होते, असाधारण पारी का महिमामंडन केवल कहानी है।

इसीलिए उस खाली तालिका वाले दस्तावेज़ ने मुझे परेशान किया। वह दस्तावेज़ केवल यह नहीं बता रहा था कि डेटा नहीं मिला; वह यह भी नहीं बता रहा था कि क्या खोया। अच्छा विश्लेषण वह नहीं है जो सबसे ज़्यादा आंकड़े दिखाए — वह है जो यह स्पष्ट करे कि कौन-सा आंकड़ा अनुपस्थित है और उसकी अनुपस्थिति क्या मायने रखती है। जब कोई रिपोर्ट "इस सीज़न के आंकड़े" कहती है, तो पूछना चाहिए: इस सीज़न की कितनी गेंदें दर्ज हुईं? कितने मैच? कौन-सा मंच? कौन-सा डेटाबेस? बिना इन जवाबों के, संख्या केवल सजावट है।

मैं पिछले कुछ वर्षों से भारतीय क्रिकेट के उस हिस्से को ट्रैक कर रहा हूं जिसे प्रसारण की भाषा में "भाग्य" कहा जाता है — नेट रन रेट, रिव्यू की संख्या, रिटेंशन कैप, नीलामी की पर्स गणित, और बोर्ड द्वारा घोषित बनाम वास्तव में निर्धारित घरेलू मैच-दिवसों की संख्या। प्रति-सहज खोज अक्सर उन्हीं कॉलमों में मिलती है जिन्हें ऑन-एयर कोई नहीं पढ़ता। यही मेरी "मार्जिन लेजर" है। जब आप नीलामी की पर्स गणित देखते हैं, तो पाते हैं कि फ्री एजेंट्स पर दिए जाने वाले बड़े साइनिंग-ऑन शुल्क उस वित्तीय निगरानी को चकमा दे देते हैं जो ट्रांसफर फीस पर लागू होती है। खेल में पारदर्शिता का सवाल केवल यह नहीं कि कितना खर्च हुआ, बल्कि यह भी कि खर्च किस शीर्षक के नीचे छिपा है। यही लॉजिक क्रिकेट के उस आंकड़े पर भी लागू होता है जिसे "औसत" कहकर पेश किया जाता है पर जिसके पीछे का नमूना (sample) कभी नहीं दिखाया जाता।

यहां मुझे यह स्पष्ट करना चाहिए कि मैं उस पाइपलाइन या उस संस्था के बारे में कोई निष्कर्ष नहीं निकाल रहा जिससे वह दस्तावेज़ आया। मेरे पास केवल वही दस्तावेज़ है जो मेरे सामने है, और वह इतना ही कहता है: डोमेन लेबल मौजूद, शेष सब अनुपस्थित। एक ईमानदार रीडिंग यही कहेगी कि विश्लेषण का अगला चरण शुरू ही नहीं हो सकता जब तक न्यूनतम इनपुट न आए — या तो मूल पाठ, या भरा हुआ पहला चरण जिसमें 3 से 10 सूचना-बिंदु हों, लेखक का रुख हो, लेख का प्रकार हो (समाचार / टिप्पणी / मैच रिपोर्ट / डेटा विश्लेषण / साक्षात्कार), और प्रकाशन तिथि हो। यह मांग अनुचित नहीं है। यह उसी तरह की मांग है जैसे मैं एक स्कोरकार्ड देखकर पूछता हूं: यह पहली पारी है या दूसरी? पिच कैसी थी? कितने ओवर त्यागे गए? इनके बिना स्कोर केवल संख्या है।

लंबे करियर ने मुझे एक चीज़ सिखाई है जो डेटा की दुनिया में अक्सर भुला दी जाती है। 2026 में जब मैंने द इंडियन एक्सप्रेस, चंडीगढ़ में पहला कदम रखा था, तब कोई डेटा टर्मिनल नहीं था। 2026 की जून में मैंने कपिल देव का विश्व कप फाइनल ऑल इंडिया रेडियो पर सुना, और उस सर्दी में चिन्नास्वामी में अंशकालिक स्कोरर की कुर्सी पाने के लिए बातचीत की। उस समय मुझे यह नहीं पता था कि मैं जो कर रहा हूं वह "डेटा विश्लेषण" कहलाएगा। मैं बस यह जानता था कि कपिल का टनब्रिज वेल्स का 175 केवल स्कोरकार्ड की एक पंक्ति था, और यह विफलता सुधारने योग्य थी। चालीस साल बाद, वही सवाल वापस आता है — इस बार एक खाली डेटा तालिका के रूप में। जब तक हम यह नहीं जानते कि क्या दर्ज नहीं हुआ, हम यह भी नहीं जान सकते कि हमने क्या देखा।

इसलिए अगली बार जब कोई क्रिकेट विश्लेषण आपके सामने आए और कहे कि "आंकड़े बताते हैं", तो एक सवाल पूछिए जो मैं चिन्नास्वामी की उस पुरानी कुर्सी से पूछता आया हूं: यह आंकड़ा किस स्कोरबुक से आया, और उस स्कोरबुक का कौन-सा पन्ना खाली है? जवाब में अगर खामोशी हो, तो समझ लीजिए कि आपके सामने विश्लेषण नहीं, केवल सजी हुई संख्याएं हैं। और जिस दिन वह खाली पन्ना भर जाएगा, उस दिन आप पाएंगे कि मैच की सच्ची कहानी वहीं छिपी थी — मार्जिन में, जहां स्याही पतली हो गई थी।