खाली डेटा, खाली विश्लेषण: क्रिकेट के आँकड़ों की साख पर एक सबक

मैंने 1,140 गेंदों का लेजर इसलिए रखा था क्योंकि याददाश्त एक बुरा ऑडिटर है। जब लंदन की एक स्कोरिंग कंपनी में मैं आईपीएल 2026 की डेथ ओवरों की गेंद-दर-गेंद कोडिंग कर रहा था, तब मुझे यह एहसास नहीं था कि पाँच साल बाद एक खाली डेटा पेलोड मुझे उसी सबक की याद दिलाएगा—कि जब तक आँकड़ों की साख साबित न हो, तब तक कोई निष्कर्ष नहीं निकाला जा सकता।

पिछले हफ़्ते मेरे डेस्क पर एक डीप-एनालिसिस रिपोर्ट आई। रिपोर्ट का शीर्षक था 'स्टेज-2 डीप एनालिसिस', लेकिन उसके भीतर सब कुछ खाली था—न मैच का नाम, न खिलाड़ी, न टीम, न फॉर्मेट। आठों डायमेंशन—फॉर्मेट एनालिसिस से लेकर इंडस्ट्री ट्रांसमिशन तक—हर जगह 'N/A — insufficient information' लिखा था। यह कोई विश्लेषण नहीं था; यह एक पाइपलाइन फेलियर था जिसे विश्लेषण का लबादा पहना दिया गया था।

मेरे 18 साल के अनुभव में, यह पहली बार नहीं है जब मैंने क्रिकेट के आँकड़ों को इस तरह खोखला पाया है। लेकिन यह पहली बार है जब किसी रिपोर्ट ने खुद यह स्वीकार किया कि उसके पास कुछ भी नहीं है। यह ईमानदारी दुर्लभ है—और यही इस रिपोर्ट की सबसे बड़ी खूबी है।

संदर्भ: जब स्कोरकार्ड खुद बोलता है

क्रिकेट में हम अक्सर स्कोरकार्ड को अंतिम सत्य मान लेते हैं। लेकिन स्कोरकार्ड भी एक दस्तावेज़ है—और हर दस्तावेज़ की तरह, उसकी सीमाएँ होती हैं। जब मैंने 2026 में इंग्लैंड दौरे के पाँच टेस्ट मैचों में भारत के टॉप-3 बल्लेबाज़ों के छोड़े गए डिलीवरीज़ को लॉग किया था, तब मुझे पता चला था कि आँकड़े तभी अर्थपूर्ण होते हैं जब उनका एक स्पष्ट डेनोमिनेटर हो।

उस रिपोर्ट में डेनोमिनेटर ही नहीं था। कोई मैच नहीं, कोई खिलाड़ी नहीं, कोई फॉर्मेट नहीं। ऐसे में 'N/A' लिखना एकमात्र ईमानदार प्रतिक्रिया थी। लेकिन सवाल यह है: ऐसी रिपोर्ट हमारे डेस्क तक कैसे पहुँची? और क्या हमारे उद्योग में यह एक अलग-थलग घटना है या एक पैटर्न?

क्रिकेट डेटा उद्योग में एक खतरनाक प्रवृत्ति पनप रही है—'डेटा-इन्फ्लेशन'। हर कोई आँकड़े पेश कर रहा है, लेकिन बहुत कम लोग यह बता रहे हैं कि वे आँकड़े कहाँ से आए, कितने नमूनों पर आधारित हैं, और क्या वे किसी काम के हैं। यह रिपोर्ट उसी प्रवृत्ति का चरम है: एक ऐसा विश्लेषण जिसमें विश्लेषण का विषय ही गायब है।

मुख्य विश्लेषण: खाली पेलोड की पड़ताल

जब मैंने इस रिपोर्ट को पढ़ा, तो मुझे अपने 2026 के डेथ-ओवर लेजर की याद आई। उस समय मैंने पाया था कि जब जसप्रित बुमराह एक ओवर में चार या अधिक यॉर्कर डालते थे, तो मुंबई इंडियंस 6.1 रन प्रति ओवर देती थी; अन्यथा 9.8। यह अंतर स्पष्ट था, लेकिन मैंने इसे तब तक प्रकाशित नहीं किया जब तक मैंने यह सुनिश्चित नहीं कर लिया कि 84 गेंदों का नमूना पर्याप्त है।

इस रिपोर्ट में ऐसा कोई भी नमूना नहीं था। इसके 'इन्फॉर्मेशन पॉइंट्स' सेक्शन में एक भी आइटम नहीं था। 'एंटिटीज़ इन्वॉल्व्ड' खाली था। 'कोर व्यूवपॉइंट्स' खाली था। और फिर भी, रिपोर्ट ने आठ अलग-अलग डायमेंशन पर विश्लेषण का ढाँचा खड़ा कर दिया—जैसे कोई खाली मकान बनाकर उसमें फर्नीचर रखने का दावा करे।

सबसे चौंकाने वाली बात यह थी कि रिपोर्ट ने खुद अपनी सीमाओं को स्वीकार किया। इसने 'रीकंस्ट्रक्शन प्रोटोकॉल' पेश किया—एक सूची जो बताती है कि स्टेज-1 में क्या-क्या होना चाहिए था ताकि स्टेज-2 काम कर सके। यह पारदर्शिता है, और मेरे अनुभव में, क्रिकेट विश्लेषण की दुनिया में यह दुर्लभ है। ज़्यादातर लोग खाली डेटा को भरने के लिए कल्पना का सहारा लेते हैं।

लेकिन यहाँ एक गहरी समस्या है। यह रिपोर्ट बताती है कि कैसे एक 'नल पेलोड'—यानी ऐसा डेटा पैकेट जिसमें कोई वास्तविक जानकारी नहीं है—विश्लेषण की पूरी प्रक्रिया को पटरी से उतार सकता है। अगर स्टेज-1 में ही गड़बड़ी है, तो स्टेज-2 कितना भी अच्छा हो, नतीजा शून्य ही होगा। यह क्रिकेट के उस सिद्धांत जैसा है जो मैंने 2026 में सीखा था: पाँच मैचों का नमूना एक परिकल्पना है, सत्य नहीं। और यहाँ तो नमूना ही नहीं था।

विरोधाभासी दृष्टिकोण: क्या खाली डेटा भी कुछ कहता है?

एक पल के लिए सोचें: क्या यह रिपोर्ट अपने आप में एक डेटा पॉइंट है? क्या इसका खालीपन हमें क्रिकेट डेटा उद्योग के बारे में कुछ बताता है?

मेरे अनुभव में, हाँ। जब मैंने 2026 में खाली स्टेडियमों में आईपीएल देखा था, तो मेरा होम-फील्ड कोएफिशिएंट 1.06 से गिरकर 1.00 हो गया था। उस समय मुझे एहसास हुआ कि होम एडवांटेज ज़मीन का नहीं, भीड़ का वेरिएबल है। इसी तरह, यह खाली रिपोर्ट हमें बताती है कि हमारा उद्योग अभी भी 'डेटा-फर्स्ट' नहीं, बल्कि 'फॉर्मेट-फर्स्ट' है। हम पहले ढाँचा बनाते हैं, फिर उसमें डेटा भरने की कोशिश करते हैं।

यह उल्टा तरीका है। असली विश्लेषण डेटा से शुरू होता है, ढाँचे से नहीं। जब मैंने 1,140 गेंदों की कोडिंग शुरू की थी, तब मेरे पास कोई टेम्पलेट नहीं था। मैंने पहले गेंदें देखीं, फिर पैटर्न खोजे, फिर ढाँचा बनाया। इस रिपोर्ट में ढाँचा पहले आया और डेटा कभी नहीं आया।

इसका एक और पहलू है: 'N/A' का लेबल एक बहाना बन सकता है। जब हम 'अपर्याप्त जानकारी' लिखते हैं, तो हम अक्सर यह स्वीकार कर रहे होते हैं कि हमने अपना काम ठीक से नहीं किया। लेकिन क्या हम इसे एक सिस्टमिक समस्या के रूप में देख रहे हैं? मेरे अनुभव में, क्रिकेट डेटा पाइपलाइन में कई जगहों पर ऐसी गड़बड़ियाँ होती हैं जिन्हें हम 'N/A' कहकर नज़रअंदाज़ कर देते हैं।

निष्कर्ष: आगे का रास्ता

इस रिपोर्ट ने मुझे एक बात फिर से याद दिलाई जो मैंने 2026 में सीखी थी: कोई भी निष्कर्ष तब तक प्रकाशित न करें जब तक नमूना अपना कागज़ी काम पूरा न कर ले। यह रिपोर्ट 'अपर्याप्त जानकारी' कहकर रुक गई, और यही उसका सबसे बड़ा योगदान है। लेकिन सवाल यह है: क्या हमारा उद्योग इस तरह की ईमानदारी को पुरस्कृत करता है, या हम अभी भी उन विश्लेषकों को तरजीह देते हैं जो खाली डेटा को भी भरा हुआ दिखा सकते हैं?

अगली बार जब आप कोई क्रिकेट विश्लेषण पढ़ें, तो यह ज़रूर देखें: क्या उसमें नमूने का आकार बताया गया है? क्या डेटा का स्रोत स्पष्ट है? क्या यह बताया गया है कि कौन-सी जानकारी अनुपलब्ध है? अगर नहीं, तो शायद वह विश्लेषण भी इसी खाली पेलोड की तरह है—दिखने में भरा हुआ, लेकिन अंदर से खोखला।