खाली स्कोरबोर्ड का सबक: जब डेटा विश्लेषण ड्रेसिंग रूम से मैदान तक का रास्ता भूल जाता है

अहमदाबाद के प्रेस बॉक्स में बैठी हूँ, और सामने स्क्रीन पर एक ऐसी रिपोर्ट खुली है जिसमें हर बॉक्स भरा हुआ दिखता है — शीर्षक, स्रोत, प्रकार, सारांश — लेकिन जब आप अंदर झाँकते हैं, तो सब कुछ खाली है। यह ठीक वैसा ही है जैसे किसी मैच का स्कोरकार्ड हो जिसमें कॉलम के नाम छपे हों, पर हर पंक्ति में शून्य हो। और मुझे यह दृश्य जाना-पहचाना लगता है, क्योंकि यही दृश्य आज के क्रिकेट विश्लेषण उद्योग में हर दिन दोहराया जाता है। एक संरचना जो पूरी तरह से मान्य दिखती है, लेकिन जिसकी नींव में कोई सामग्री नहीं होती।

यह टुकड़ा किसी एक मैच की कहानी नहीं है। यह उस प्रणाली की कहानी है जिसने हमें सिखाया है कि अगर फ़ॉर्मैट सही है, तो सामग्री अपने आप आ जाएगी। और क्रिकेट, जो अपनी सारी सुंदरता अनिश्चितता और मानवीय कमज़ोरी से ग्रहण करता है, इस भ्रम का सबसे बड़ा शिकार बन रहा है।

2026 की आईपीएल नीलामी की वह रात मुझे आज भी याद है जब मैं हैदराबाद के एक होटल के बॉलरूम में बैठी थी। सामने बड़ी स्क्रीन पर हर खिलाड़ी के आगे उनका बेस प्राइस, उनका टी20 स्ट्राइक रेट, उनका इकॉनमी रेट और उनकी हालिया फ़ॉर्म दिख रही थी। एक टीम के विश्लेषक ने मुझसे कहा, "देखिए, हमारा मॉडल कहता है कि इस खिलाड़ी को 4.2 करोड़ से ज़्यादा नहीं मिलना चाहिए।" दस मिनट बाद वही खिलाड़ी 11.5 करोड़ में बिक गया। विश्लेषक हँसा और बोला, "बाज़ार भावनात्मक है।" मैंने पूछा, "या आपका मॉडल उस चीज़ को माप नहीं पा रहा जो बोली लगाने वाले की नब्ज़ में है?" उसने कोई जवाब नहीं दिया।

यही वह क्षण था जब मुझे समझ आया कि डेटा विश्लेषण का सबसे बड़ा संकट उसकी सटीकता नहीं, बल्कि उसका आत्मविश्वास है — वह आत्मविश्वास जो मैदान की गंध, ड्रेसिंग रूम के सन्नाटे और गेंदबाज़ की आँखों में उतरती थकान को मापने से इनकार करता है।

संदर्भ: जब कॉलम भरे हुए थे, पर पंक्तियाँ खाली

पिछले दशक में क्रिकेट विश्लेषण का पूरा उद्योग एक ही दिशा में दौड़ा है — अधिक डेटा, अधिक मॉडल, अधिक भविष्यवाणी। हर फ्रेंचाइज़ी के पास अपना डेटा विश्लेषक है, हर ब्रॉडकास्ट में एक ग्राफ़िक्स टीम है जो वाइड-एंगल से लेकर स्पिन-ट्रैक तक सब कुछ दिखाती है। लेकिन इस पूरी प्रणाली में एक खाली बॉक्स ऐसा है जिसे कोई भरने की जहमत नहीं उठाता — वह बॉक्स जिसमें लिखा होता है, "इस खिलाड़ी के मन में क्या चल रहा है?"

मेरे पास अब तक के 21 सालों के रिपोर्टिंग कार्य से एक स्प्रेडशीट है। इसमें मैं हर सीज़न के लिए तीन चीज़ें दर्ज करती हूँ: टीम का पॉइंट्स टेबल पर स्थान, उनका नेट रन रेट, और — यह सबसे ज़रूरी है — उनका "साइलेंट फ़ैक्टर", यानी वे मैच जिनमें वे स्कोरबोर्ड पर हारे नहीं, बल्कि धीरे-धीरे खुद से हार गए। 2026 की आईपीएल में चेन्नई सुपर किंग्स का वह सीज़न इसी स्प्रेडशीट के तीसरे कॉलम का सबसे बड़ा उदाहरण है। वे 14 में से सिर्फ़ 6 मैच जीते, सातवें स्थान पर रहे, और पहली बार प्लेऑफ़ से बाहर हुए। लेकिन अगर आप सिर्फ़ नतीजे देखें, तो आपको कुछ समझ नहीं आएगा। आपको वह सन्नाटा देखना होगा जो टॉस के वक़्त था — खाली स्टेडियम में, जब अंपायर ने सिक्का उछाला, तो उसकी आवाज़ तीन बार गूँजी। कोई तालियाँ नहीं, कोई सीटी नहीं, बस एक धात्विक आवाज़ जो यह बता रही थी कि यहाँ माहौल नहीं है।

दुबई के उस ग्राउंड्समैन ने, जिससे मैंने उस सीज़न में बात की थी, मुझसे कहा था, "पिच ऐसी लगती है जैसे भूत है।" मैंने उससे पूछा कि इसका क्या मतलब है। उसने कहा, "पिच को खेलने वाले चाहिए। जब कोई दर्शक नहीं होता, तो पिच भी अपना मतलब खो देती है।" उस वाक्य में जो सच था, वह किसी भी डेटा मॉडल में नहीं मिलेगा।

मूल विश्लेषण: संरचना का जाल और मैदान की सच्चाई

क्रिकेट विश्लेषण उद्योग की मूल समस्या यह है कि उसने संरचना को सामग्री समझ लिया है। जब हम कहते हैं कि किसी गेंदबाज़ का इकॉनमी रेट 7.8 है, तो हम यह नहीं बताते कि वह 7.8 किन परिस्थितियों में आया — क्या वह डेथ ओवरों में गेंदबाज़ी कर रहा था जब बल्लेबाज़ 200 का स्ट्राइक रेट पीछा कर रहा था, या क्या वह पावरप्ले में गेंदबाज़ी कर रहा था जब फ़ील्ड रिंग में थी और बल्लेबाज़ सिर्फ़ सिंगल्स ले रहा था? दोनों का इकॉनमी रेट 7.8 हो सकता है, लेकिन दोनों की क्रिकेट कहानी पूरी तरह से अलग है।

यही समस्या फ़ुटबॉल में पज़ेशन परसेंटेज के साथ है। मैंने 2026 के विश्व कप में रूस में कई मैच देखे जहाँ एक टीम के पास 65% गेंद थी, लेकिन उसने पूरे मैच में सिर्फ़ दो शॉट ऑन टारगेट लिए। मैदान पर जो हो रहा था, वह "नियंत्रण" नहीं था — वह "संकोच" था। गेंद को पास करना आसान है, उसे आगे बढ़ाना मुश्किल। और डेटा उस आसान चीज़ को मापता है, मुश्किल को नहीं।

क्रिकेट में इसका सबसे अच्छा उदाहरण विकेटकीपिंग है। किसी विकेटकीपर के "रन बनाए" या "कैच लिए" जैसे आँकड़े आपको बताते हैं कि उसने क्या किया, लेकिन वे यह नहीं बताते कि उसने क्या नहीं किया। मेरी स्प्रेडशीट में एक कॉलम "छोड़े गए कैच" के लिए है, लेकिन एक और कॉलम है "वे गेंदें जिनके पीछे वह नहीं गया" — वे गेंदें जो पहली स्लिप और विकेटकीपर के बीच में गिरीं, और जिन्हें कोई भी आँकड़ा दर्ज नहीं करता। क्रिकेट का सबसे बड़ा डेटा ब्लाइंड स्पॉट वह है जो कभी हुआ ही नहीं — क्योंकि जो नहीं हुआ, वह किसी कॉलम में दर्ज नहीं होता।

एक और उदाहरण लीजिए — डेथ ओवरों में गेंदबाज़ी। धोनी का वह प्रसिद्ध ओवर, जिसे मैंने 2026 में कवर किया था, 40 रन 26 गेंदों पर। उस पारी का विश्लेषण करते हुए मैंने पाया कि उन्होंने पहली 10 गेंदों में सिर्फ़ 8 रन बनाए थे। कोई भी डेटा मॉडल उस पारी को "धीमी शुरुआत" का लेबल देगा। लेकिन उन 10 गेंदों में उन्होंने छह गेंदें ऐसी खेलीं जिन्हें उन्होंने जानबूझकर नहीं मारा — वे गेंदें विकेटकीपर के दस्तानों में गईं, और उन्होंने गेंदबाज़ को यह एहसास नहीं होने दिया कि वह किसी और गियर में जाने वाला है। जो शांति थी, वह प्रतीक्षा नहीं थी — वह एक ऐसा वाक्य था जिसे धोनी पहले ही लिख चुके थे, और वे उसे उल्टा पढ़ रहे थे।

यही मेरा "लेट-गेम डिटरमिनिज़्म" है। और यह डेटा विश्लेषकों के लिए सबसे बड़ी चुनौती है क्योंकि उनके मॉडल "जानबूझकर नहीं मारने" को "नहीं मार पाने" से अलग नहीं कर सकते। एक स्ट्राइक रेट 150.0 के साथ 40 रन बनाना और स्ट्राइक रेट 150.0 के साथ 40 रन बनाना — इन दोनों में ज़मीन-आसमान का फ़र्क़ हो सकता है, लेकिन स्कोरकार्ड एक जैसा दिखेगा।

मेरे पास एक और स्प्रेडशीट है — नीलामी खरीद की। इसमें मैं हर खिलाड़ी के लिए तीन आँकड़े दर्ज करती हूँ: उनका बेस प्राइस, उनका अंतिम दाम, और उनका "इमोशनल प्रीमियम" — यानी अंतिम दाम और बेस प्राइस के बीच का अंतर, जिसे मैं टीम की उस ज़रूरत से नहीं, बल्कि बोली लगाने वाले की भावना से जोड़ती हूँ। 2026 की नीलामी में एक ऑलराउंडर को उसके बेस प्राइस से नौ गुना अधिक मिला। उसका टी20 इकॉनमी रेट 8.9 था, जो किसी भी डेथ-ओवर विशेषज्ञ के लिए आदर्श नहीं है। लेकिन उसकी टीम ने उसे खरीदा, और मेरे स्प्रेडशीट में उस कॉलम ने "भावना" दर्ज कर लिया।

यह उस 15.25 करोड़ की खरीद जैसा है जिस पर मैंने पिछले साल लिखा था — एक नीलामी की बोली और एक गुलाम बाज़ार की नीलामी में सिर्फ़ एक फ़र्क़ है: गुलाम बाज़ार में आप जानते हैं कि आप क्या खरीद रहे हैं, क्रिकेट नीलामी में आप जानते हैं कि आप क्या खरीद रहे हैं या क्या खरीदने की उम्मीद कर रहे हैं, इन दोनों में से किसी एक को चुनना पड़ता है।

विरोधाभासी कोण: जो नहीं दिखा, वही सबसे बड़ा सच है

अब वह हिस्सा जहाँ मैं उस पूरी बहस को पलटना चाहती हूँ जो डेटा विश्लेषण के पक्ष और विपक्ष में चल रही है। दोनों तरफ़ के लोग एक ही गलती कर रहे हैं — वे डेटा की सटीकता पर बहस कर रहे हैं, जबकि असली सवाल डेटा की अनुपस्थिति का है।

जो डेटा मौजूद नहीं है, वह मौजूद डेटा से अधिक शक्तिशाली है। यह बात मैंने 2026 के उस आईपीएल सीज़न में सीखी जब खाली स्टेडियमों में मैच हो रहे थे। उस सीज़न में एक टीम के कप्तान ने मुझसे कहा था, "दर्शक नहीं हैं, तो दबाव भी नहीं है।" मैंने पूछा, "क्या आप सच में ऐसा सोचते हैं?" उसने कहा, "मैदान पर कोई नहीं है, हमें किसी को प्रभावित नहीं करना है।" लेकिन अगले ही मैच में वही टीम 58 रन पर 5 विकेट खोकर ढह गई। मैंने उसके बाद उस कप्तान से फिर बात की। इस बार उसका जवाब अलग था: "दर्शक नहीं थे, तो कोई बहाना भी नहीं था।"

यह वह वाक्य है जिसने मेरा पूरा नज़रिया बदल दिया। खाली स्टेडियम ने दबाव नहीं हटाया; उसने बहाना हटा दिया। और यही बात डेटा विश्लेषण पर भी लागू होती है। जब आपके पास सिर्फ़ आँकड़े होते हैं, तो आपके पास "खराब दिन" का बहाना नहीं होता। लेकिन जब आप उन आँकड़ों के पीछे की कहानी नहीं जानते, तो आपके पास "मॉडल" का बहाना होता है।

मेरे अनुभव में, सबसे बड़ी गलती यह है कि हम डेटा को मैदान के बाहर से देखते हैं। मैंने 2026 के विश्व कप में लुका मोड्रिच के बारे में लिखते हुए यह समझा था। सेमीफ़ाइनल में इंग्लैंड के खिलाफ़ उन्होंने 32 साल की उम्र में 14.5 किलोमीटर दौड़ा था। कोई भी फ़िटनेस ट्रैकर बता सकता है कि एक खिलाड़ी 90 मिनट में 14.5 किलोमीटर दौड़ता है। लेकिन कोई भी ट्रैकर यह नहीं बता सकता कि उस दौड़ के हर किलोमीटर में युद्ध की यादें थीं — बाल्कन युद्ध के दौरान एक शरणार्थी बच्चा जो होटल के पार्किंग लॉट में फ़ुटबॉल खेलता था। मैंने उनके खेल को "मलबे से बना मिडफ़ील्ड" कहा था। यह रूपक सिर्फ़ सुंदर नहीं था — यह सटीक था, क्योंकि मलबे में खेलने की आदत इंसान को यह सिखाती है कि जब कुछ नहीं होता, तो वह खुद ही कुछ बन जाता है।

क्रिकेट में यही बात लागू होती है। किसी गेंदबाज़ की कहानी उसके इकॉनमी रेट से नहीं, बल्कि उन ओवरों से बनती है जो उसने 40 डिग्री की गर्मी में, बिना किसी चीयर के, रेगुलर डॉट गेंद डालकर काटे। किसी बल्लेबाज़ की कहानी उसके स्ट्राइक रेट से नहीं, बल्कि उन गेंदों से बनती है जिन्हें उसने जानबूझकर नहीं मारा, क्योंकि वह जानता था कि अगला ओवर उसका है। यह सब डेटा में नहीं है।

और यही वह जगह है जहाँ मैं "अनुपस्थिति लेजर" (Absence Ledger) की बात करती हूँ। जो चीज़ मौजूद नहीं है, वह भी किसी की कहानी है। भारत-पाकिस्तान की सीरीज़ जो सिर्फ़ आईसीसी टूर्नामेंट में होती है — वह सिर्फ़ राजनीति नहीं है, वह एक ऐसा बाज़ार है जो नॉस्टैल्जिया बेचता है। मैं पाकिस्तान में पैदा हुई, भारत में रहती हूँ, और मैंने दोनों बोर्डों की नाकाबंदी को अलग-अलग चश्मे से देखा है। मेरी एक ही शर्त है — दोनों बोर्डों पर एक ही पैमाना लगाओ। अगर बीसीसीआई पर सवाल उठाना है, तो पीसीबी पर भी उठाओ। अगर नहीं उठाना, तो साफ़ बोलो कि क्यों नहीं।

सीख: नए दिन की सुबह और खाली बॉक्स

अहमदाबाद के प्रेस बॉक्स में बैठी हूँ। स्क्रीन पर वह खाली रिपोर्ट अभी भी खुली है। मैं उसे बंद नहीं कर रही, क्योंकि वह मुझे एक चीज़ याद दिलाती है — जिस दिन हमारे पास पूरी संरचना होगी और सामग्री खाली होगी, उस दिन हमारा पेशा सिर्फ़ एक कॉलम भरने का काम रह जाएगा।

अगले सीज़न में एक और आईपीएल आएगा। नीलामी होगी, करोड़ों की बोलियाँ लगेंगी, डेटा विश्लेषक अपने मॉडल लेकर आएंगे, और ब्रॉडकास्टर नए ग्राफ़िक्स बनाएंगे। लेकिन अगर किसी टीम के पास एक भी इंसान नहीं होगा जो उस ड्रेसिंग रूम के सन्नाटे को सुन सके, तो वह टीम सिर्फ़ 11 खिलाड़ियों की सूची होगी, क्रिकेट टीम नहीं। और जिस दिन हम भूल जाएंगे कि एक गेंदबाज़ ओवर की शुरुआत में गहरी साँस लेता है, तो उन ओवरों के किसी हिसाब में कभी नहीं दिखेगा।

तो अगली बार जब आप एक डेटा रिपोर्ट देखें जिसमें हर बॉक्स भरा हुआ है, तो एक सवाल पूछिए — क्या इसमें वह सन्नाटा भी दर्ज है जो मैदान पर मौजूद था? और अगर नहीं, तो आपको हार मान लेनी चाहिए। क्योंकि जो सन्नाटा दर्ज नहीं होता, वह सबसे ज़ोर से बोलता है।