खाली डेटा, भरा हुआ बहाना: क्रिकेट एनालिसिस पाइपलाइन की चुप्पी का ऑडिट

मैं लुकास मूर हूं, और पिछले पचास साल से मैं क्रिकेट को नहीं, क्रिकेट के आंकड़ों को देखता आया हूं। 2026-89 की रणजी ट्रॉफी में गुजरात की छह मैचों की 1,986 गेंदों का लेजर खोलने के बाद मैंने एक ही नियम सीखा था — जो गेंद लॉग नहीं हुई, वो खेली ही नहीं गई। सोमवार की सुबह जब मेरे डेस्क पर स्टेज-2 की जिस रिपोर्ट ने जगह ली, उसका शीर्षक था 'डीप प्रोफेशनल एनालिसिस', लेकिन उसके भीतर के हर खाने में एक ही वाक्य लिखा था: 'अपर्याप्त जानकारी, आकलन संभव नहीं।' मैंने तुरंत अपनी लेजर निकाली। स्टेज-1 का जो इनपुट मुझे भेजा गया था, उसमें आर्टिकल का टाइटल N/A था, सोर्स N/A, इनफॉर्मेशन पॉइंट्स की सूची खाली, और एंटिटीज की जगह सिर्फ टेम्पलेट के खोखले ब्रैकेट। यह कोई एनालिसिस नहीं थी, यह एक ऑडिट रिपोर्ट थी जिसमें बताया गया था कि क्रिकेट मौजूद ही नहीं है।

मेरी लेजर पहले भी खुली थी जब दुनिया बहस कर रही थी कि मैच हारा कौन। मई 2026 में जब मैच-फिक्सिंग की कहानी फटी थी, तब मैं सिर्फ किसी के बयान का इंतजार नहीं कर रहा था — मैंने 2026 से 2026 के बीच खेले गए 214 वनडे मैचों का बॉल-बाय-बॉल डेटा खींचा और एक एनोमली इंडेक्स बनाया। डेड रबर मैचों और लाइव मैचों के रन-रेट और विकेट-क्लस्टरिंग के वेरिएंस की तुलना की। उस स्टडी में कुछ मैच ऐसे थे जो फॉर्म के किसी भी स्पष्टीकरण से बाहर थे, लेकिन मैंने उनका नाम नहीं लिया जब तक डॉक्यूमेंट्री सबूत नहीं थे। यही मेरा तरीका है: पहले पॉपुलेशन गिनो, फिर फाइंडिंग बताओ, और अगर सैंपल ही खाली है तो वही सच बोलो।

अब जो स्टेज-2 का डॉक्यूमेंट मेरे सामने है, वो इसी अनुशासन का उल्टा है। इसमें आठ अलग-अलग डायमेंशन बनाए गए हैं — फॉर्मेट एनालिसिस, प्लेयर टेक्नीक, टीम लैंडस्केप, लीग कमर्शियल, गवर्नेंस, रिस्क, पब्लिक नैरेटिव और इंडस्ट्री ट्रांसमिशन। हर डायमेंशन के नीचे टेबल हैं, एनालिटिकल कंक्लूजन्स हैं, एविडेंस सेक्शन हैं, हिडन इनफॉर्मेशन के नोट्स हैं और रिस्क फ्लैग्स की चेकलिस्ट है। यह एक बेहतरीन ढांचा है। लेकिन इसे भरने के लिए जो सामग्री चाहिए थी, वो शून्य है। तो हर टेबल का हर सेल 'N/A — insufficient information' कह रहा है। यह वैसा ही है जैसे कोई स्कोरबुक खोले, हर ओवर की लाइन खींच दे, कॉलम बना दे, और फिर जब आप पूछें कि पहली गेंद क्या थी, तो कहे 'अपर्याप्त सूचना'।

लेकिन इस खाली रिपोर्ट में एक चीज असली है — और वो है इसका डेटा-क्वालिटी सिग्नल। मैं पिछले 20 साल से क्रिकेट एनालिटिक्स पाइपलाइन चला रहा हूं। 2026 की पहली आईपीएल नीलामी में मैंने हर फ्रैंचाइजी के 5 मिलियन डॉलर के कैप के खिलाफ एक वैल्यू-पर-करोड़ मॉडल बनाया था। एंड्रयू साइमंड्स को 1.35 मिलियन डॉलर में और इशांत शर्मा को 950,000 डॉलर में बेचा गया, और मैंने उसी दिन लिखा कि ये कीमतें ओवरपे हैं। मेरे पास छह हफ्ते का रणजी वनडे स्ट्राइक रेट डेटा था, डेथ ओवर्स इकॉनमी थी, विकेटकीपिंग वैल्यू थी और एज कर्व था। लेकिन उस दिन भी मेरे मॉडल में एक साफ चेतावनी थी: यह अनुमान है, यह प्रोविजनल रीड है, इसे तीन महीने बाद दोबारा जांचा जाएगा। मैंने कभी नहीं कहा कि मेरे पास पूरी जानकारी है। मैंने कहा कि मेरे पास जो है, उसका दायरा यह है।

इस स्टेज-2 रिपोर्ट ने वही गलती की है, बस उल्टी दिशा में। उसने अपनी अज्ञानता को इतने विस्तार से लिखा है कि वह ज्ञान की तरह लगने लगी है। हर डायमेंशन के नीचे 'N/A' टाइप करने से कोई फ्रेमवर्क पूरा नहीं हो जाता। मेरे लिए एक रिपोर्ट की क्रेडिबिलिटी उसके कवरेज से तय होती है, न कि उसके स्ट्रक्चर से। आप 214 वनडे की ऑडिट रिपोर्ट पब्लिश कर सकते हैं, लेकिन अगर उसमें हर मैच की एंट्री खाली है, तो वह ऑडिट नहीं है।

अब जरा इस रिपोर्ट के सबसे कमजोर हिस्से को देखिए। सेक्शन 7 के 'पब्लिक नैरेटिव एंड एक्सपेक्टेशन एनालिसिस' में लिखा है 'कोई नैरेटिव पहचाना नहीं जा सकता'। यह वही जगह है जहां फ्रेमवर्क खुद ही खोखला हो जाता है। क्रिकेट में नैरेटिव हमेशा मौजूद होता है — सवाल सिर्फ यह है कि आपने उसे मापा है या नहीं। अगर आपके पास स्टेज-1 का कोई भी इनफॉर्मेशन पॉइंट नहीं है, तो आप यह नहीं कह सकते कि 'यह नैरेटिव टिकाऊ नहीं है'। आपको यह कहना चाहिए कि 'हमारे पास नैरेटिव को मापने का डेटा नहीं है।' यह दो अलग-अलग बातें हैं। पहला दावा है, दूसरा स्वीकारोक्ति। इस रिपोर्ट ने जगह-जगह दूसरे को चुना है, लेकिन फिर भी हर सेक्शन को एक 'एनालिटिकल कंक्लूजन' की तरह प्रस्तुत किया है, जो कि बेईमानी है।

मुझे याद है 2026 रूस वर्ल्ड कप में मैंने पूरे डेस्क को लेकर पीपीडीए और एक्सजी पर डेली एक्सप्लेनर चलाया था। स्पेन ने रूस के खिलाफ 1,029 पास किए, 74% पजेशन रखा, और फिर पेनल्टी पर हार गया। उस वक्त मेरे पास 1,029 पास का डेटा था, इसलिए मैंने लिखा कि पजेशन का मतलब डॉमिनेंस नहीं होता। लेकिन अगर उस मैच का एक भी पास डेटा मेरे पास न होता, तो मैं 'स्पेन हार गया क्योंकि फुटबॉल गोल से खेला जाता है' जैसा ज्ञान नहीं देता। मैं यह लिखता कि 'इस मैच के टैक्टिकल डेटा के बिना कोई निष्कर्ष संभव नहीं है।' यही फर्क है एक ऑडिटर और एक पंडित में।

यहां एक कॉन्ट्रैरियन सवाल उठता है: क्या खाली डेटा पर लिखी गई रिपोर्ट अपने आप में एक डेटा पॉइंट है? मेरे अनुभव में हां। 2026 के एनोमली इंडेक्स में भी कुछ मैच ऐसे थे जिनका डेटा ही गायब था — बॉल-बाय-बॉल रिकॉर्ड अपूर्ण थे, स्कोरबुक में ओवर छूटे हुए थे। उन मैचों को मैंने 'अनमापित' श्रेणी में डाला, 'संदिग्ध' में नहीं। क्योंकि डेटा का गायब होना अपने आप में एक सिस्टम फेलियर है, खिलाड़ी का दोष नहीं। यही स्टेज-2 रिपोर्ट के साथ हुआ है। यह रिपोर्ट क्रिकेट के बारे में कुछ नहीं बताती, लेकिन यह जरूर बताती है कि स्टेज-1 पाइपलाइन में कुछ टूटा है। मेरे लिए यह सबसे कीमती इनसाइट है: जब एनालिसिस की मशीन खाली इनपुट पर इतने सारे सेक्शन, टेबल और फ्लैग्स पैदा कर दे, तो सवाल यह नहीं है कि क्रिकेट में क्या हुआ — सवाल यह है कि हमारा सिस्टम कितनी आसानी से खालीपन को ढक देता है।

यह मेरे लिए एक पुराना डर है। आजकल हर कोई डेटा-ड्रिवन होने का दावा करता है। लेकिन डेटा-ड्रिवन होने का मतलब यह नहीं कि आप हर चीज का जवाब दे सकते हैं। इसका मतलब यह है कि आप जानते हैं कि आपके पास क्या है और क्या नहीं है। मेरे 68 साल के करियर में सबसे बड़ी गलती मैंने तब की जब मैंने एजेंटीना को 79वें मिनट में 2-0 से आगे 99% जीत का मॉडल दिया था, और वे हार गए। उस दिन मैंने अपनी लेजर में सुधार किया: मॉडल का आउटपुट कभी भी 'निश्चित' नहीं होता, वह हमेशा एक कॉन्फिडेंस बैंड के साथ आता है। इस स्टेज-2 रिपोर्ट ने अपने हर सेक्शन में 'N/A' लिखकर एक तरह का सेल्फ-करेक्शन तो किया है, लेकिन उसे 'एनालिसिस' कहकर वह खुद को एक ऐसी चीज के रूप में पेश कर रही है जो वह नहीं है।

तो अगली बार जब ऐसी रिपोर्ट आपके सामने आए, तो तीन सवाल पूछिए। पहला: इस रिपोर्ट में कितने इनफॉर्मेशन पॉइंट्स हैं? अगर जवाब शून्य है, तो बाकी सब कुछ बेकार है। दूसरा: क्या हर N/A के साथ यह लिखा है कि डेटा क्यों नहीं मिला? क्योंकि 'डेटा नहीं है' और 'डेटा अपूर्ण है' दो अलग समस्याएं हैं, और उनका समाधान भी अलग है। तीसरा: क्या रिपोर्ट ने अपनी सीमाओं को उतनी ही मजबूती से लिखा है जितनी मजबूती से अपने निष्कर्षों को? अगर नहीं, तो वह एनालिसिस नहीं, सजावट है।

मेरे पास अभी भी 2026-89 की वह लेजर रखी है, जिसमें 1,986 गेंदों की एंट्री है। उस लेजर में कुछ पन्ने ऐसे भी हैं जहां स्याही फैल गई थी और कुछ गेंदों की लाइन-लेंथ पढ़ी नहीं जा सकती। मैंने उन गेंदों को 'अपठनीय' लिखकर छोड़ दिया, 'विकेट' नहीं। यही एक ऑडिटर की नैतिकता है: जो नहीं पता, उसे नहीं पता लिखो। स्टेज-2 की यह रिपोर्ट शायद यही कर रही है, लेकिन उसने इसे इतने सारे टेबल और हेडिंग्स में लपेट दिया है कि पाठक को लगेगा कि उसने 3,000 शब्दों में कुछ बड़ा बताया है। मैं आपको बता दूं: इस पूरी रिपोर्ट का सार एक लाइन में है — 'इनपुट खाली है, इसलिए आउटपुट खाली है।' बाकी सब उस लाइन की कलात्मकता है।

आगे क्या? मेरी लेजर में आज की एंट्री यह है: स्टेज-1 को दोबारा चलाइए, और जब तक उसमें इनफॉर्मेशन पॉइंट्स, एंटिटीज और कोर व्यूअरपॉइंट्स न भर जाएं, स्टेज-2 को दोबारा मत भेजिए। क्योंकि क्रिकेट एनालिसिस का काम मैच के बारे में सच बताना है, न कि खाली डेटा को फ्रेम करके 'प्रोफेशनल' दिखाना। और जब अगली बार कोई आपको 'डीप एनालिसिस' सौंपे, तो याद रखिए — गहराई पानी की होती है, शब्दों की नहीं।