खाली सेल ही असली डेटासेट है: क्रिकेट का वह रिकॉर्ड जो कभी दर्ज ही नहीं हुआ

सोमवार सुबह मेरे डेस्क पर एक फाइल खुली थी जिसमें हर जरूरी फील्ड खाली थी। शीर्षक नहीं, स्रोत नहीं, प्रकाशन तिथि नहीं, एक भी सूचना-बिंदु नहीं। जिंदा बचा था तो सिर्फ एक लेबल — cricket_world। पाइपलाइन ने जो लौटाया, वह रिपोर्ट नहीं थी; वह एक खाली कमरा था जिसमें बत्ती अभी भी जल रही थी।

ऐसे खाली कमरों से मैं डरना छोड़ चुका हूं। जून 2026 में लंदन के ओवल में मैं 45 पाउंड की स्टैंडिंग टिकट पर खड़ा था, और पाकिस्तान ने 338/4 बनाया — फखर जमान का 114, और फिर मोहम्मद आमिर के 3/16 पर भारत का शीर्ष क्रम 26 रन पर सिमट गया। भारत 158 पर ढेर। मेरे चारों ओर हर कोई पिच को कोस रहा था। मैंने वे 222 गेंदें मैच प्रोग्राम के पीछे दर्ज कीं और उसी रात स्प्रेडशीट में टाइप कीं। जो संख्या चिपकी रह गई, वह 180 रन का अंतर नहीं थी; वह यह थी कि आमिर ने जैसे ही गेंद छह मीटर से आगे पिच की, भारत की स्कोरिंग दर आधी हो गई। मैंने स्टैंड्स में स्प्रेडशीट खोली, और मैच दूसरी कहानी सुनाने लगा।

आज जो फाइल खाली लौटी है, वह उसी तर्क का दूसरा सिरा है। एक खाली एक्सट्रैक्शन बग भी हो सकता है और निष्कर्ष भी। फर्क सिर्फ एक चीज से पड़ता है — क्या हमारा इंस्ट्रूमेंट काम कर रहा था, और क्या हमने उसे जांचने की तकलीफ की।

क्रिकेट का सार्वजनिक रिकॉर्ड तीन परतों में बंटा है, और तीनों की मालकियत अलग है। पहली परत स्कोरकार्ड है: रन, गेंद, विकेट, कैच, एक्स्ट्रा। यह न्यूनतम व्यवहार्य रिकॉर्ड है, और यही वह चीज है जिसे हम 'डेटा' कहकर संतोष कर लेते हैं। दूसरी परत ब्रॉडकास्ट-ग्रेड बॉल-बाय-बॉल है — रिलीज पॉइंट, लाइन-लेंथ, फील्ड प्लेसमेंट, डॉट बॉल का कारण। यह परत निजी सर्वर पर रहती है, सब्सक्रिप्शन के पीछे, और इसकी कीमत उस पैसे से तय होती है जो कोई संपादकीय डेस्क चुकाने को तैयार नहीं होता। तीसरी परत मैदान है — वहां क्या हवा थी, घास कितनी थी, तीसरे घंटे में पिच का रंग कैसे बदला, और कौन सा दर्शक किस ओवर में उठकर चला गया। यह परत किसी फंडिंग लाइन में नहीं आती। मैंने इसे एक-एक एंट्री से भरा है, और अब भी यह अधूरी है।

यह लेख उसी अधूरेपन पर है, लेकिन एक शर्त के साथ: हर दर के साथ उसका सैंपल साइज और त्रुटि-सीमा मैं खुद लिखूंगा। होम्यूमेड डेटाबेस से तीन दशमलव तक उद्धृत करना सबसे आसान जाल है, और मैं उसमें नहीं फंसूंगा।

साल 2026 की गर्मियों में मैंने लंदन की एक स्पोर्ट्स-डेटा एजेंसी में रात की शिफ्ट में रूस विश्व कप का इवेंट डेटा लॉग किया — करीब 900 पाउंड। उसका बड़ा हिस्सा बॉल-बाय-बॉल डेटाबेस सब्सक्रिप्शन पर चला। उसी अगस्त-सितंबर में भारत इंग्लैंड में टेस्ट सीरीज 1-4 से हार गया; विराट कोहली ने 593 रन 59.30 की औसत से बनाए और फिर भी हारी हुई टीम में रहे, जबकि सैम करन को प्लेयर ऑफ द सीरीज मिला — 272 रन और 11 विकेट। मैंने एक कॉन्टेक्स्ट-वेट बनाया: रन और विकेट को मैच-स्टेट लीवरेज से गुणा किया, और करन का योगदान कोहली से आगे निकल आया। इसे एक मुफ्त ब्लॉग पर छापा; 200 पाठक मिले, चार नाराज।

उस दिन के बाद मैंने 'उसने 593 बनाए' लिखना बंद कर दिया और 'उसके 593 इस मैच-स्टेट में इतने के थे' लिखना शुरू किया। हर खिलाड़ी आकलन के साथ अब एक लीवरेज एडजस्टमेंट चलता है, और जहां वॉल्यूम और वैल्यू अलग हो जाते हैं — जो ज्यादातर मामलों में होता है — मैं वह साफ लिखता हूं।

लीवरेज वेट कोई जादुई संख्या नहीं है। इसे चार घटकों में तोड़ा जा सकता है: पारी का अंतर, हाथ में बचे विकेट, आवश्यक रन-रेट बनाम उस पिच का पार रन-रेट, और प्रतिद्वंद्वी की मजबूती। पांचवां घटक दांव का है — यह बिलाैतरी सीरीज का तीसरा मैच है या नॉकआउट। मेरे पास इन चारों का भार तय करने का कोई सार्वभौमिक गणित नहीं है, और जो दावा करे कि है, उससे मैं सावधान रहता हूं। जो है वह यह: हर मैच के हर ओवर के लिए एक गुणक, जो उस ओवर में बने रन को उस समय की कीमत से जोड़ता है। जब सैंपल छोटा हो, मैं गुणक को दो दशमलव पर भी नहीं छापता।

इसे एक उदाहरण से साफ करता हूं। 2026 में जब क्रिकेट लौटा, तब दुनिया बंद थी और स्टेडियम खाली। मैंने उस बायो-सिक्योर खिड़की को नैचुरल एक्सपेरिमेंट की तरह कोड किया। जुलाई 2026 में एजेस बाउल पर इंग्लैंड बनाम वेस्टइंडीज में मेहमान टीम चार विकेट से जीती; आईपीएल पूरा यूएई में खेला गया, जहां 10 नवंबर 2026 के फाइनल में मुंबई इंडियंस ने दिल्ली कैपिटल्स को पांच विकेट से हराया। मैंने 2026 की हर फिक्स्चर को कोड किया और पाया कि इंग्लिश टेस्ट समर में होम-विन दर लगभग 55% से घटकर करीब 40% पर आ गई, और यह गिरावट सबसे ज्यादा चौथे दिन के आखिरी सेशन में केंद्रित थी — वही घंटा जो ऐतिहासिक रूप से सबसे शोरभरा रहा है। खाली स्टेडियम कोई खराबी नहीं थी; वह सबसे साफ प्रयोग था जो मैंने देखा। मैंने बारह-पोस्ट थ्रेड कोड सहित छापा; करीब 40,000 लोगों तक पहुंचा और लंदन की एक डेटा फर्म के एक एनालिस्ट तक। यहीं मुझे यह कहना है: उस समर के टेस्ट मैचों का सैंपल छोटा है, और 55% वाला आधार-आंकड़ा भी पिछले कुछ सालों का समग्र है। 15 प्रतिशत-बिंदु की गिरावट उस सैंपल पर एक मजबूत इशारा है, प्रमाण नहीं।

अब वह हिस्सा, जिसके लिए यह टुकड़ा लिखा जा रहा है। क्रिकेट में चार जगहें ऐसी हैं जहां सेल खाली है, और मेरे हिसाब से यही खालीपन आज का सबसे बड़ा शोध-एजेंडा है।

पहली: रणजी नॉकआउट का बॉल-बाय-बॉल, करीब 2026 से पहले। हमें पता है किसने कितने रन बनाए। हमें यह नहीं पता कि उन रनों का कितना हिस्सा चौथे दिन की टर्निंग पिच पर बना और कितना पहली पारी में। नतीजा यह है कि घरेलू बल्लेबाज का मूल्यांकन आज भी सीजन औसत से होता है, जो दो पूरी तरह अलग परिस्थितियों को एक ही संख्या में मिला देता है। अगर यह डेटा होता, तो शायद हम यह समझ पाते कि भारत की बेंच स्ट्रेंथ एक टैलेंट समस्या नहीं, चयन समस्या है — क्योंकि चयन समिति के पास वह गुणक ही नहीं है जो यह बताए कि किसका 60 किस मैच-स्टेट में बना था।

दूसरी: महिला क्रिकेट का 2026 से पहले का संदर्भ-डेटा। 2026 विश्व कप से पहले का दौर रिपोर्टिंग में लगभग अनुपस्थित है, और यह अनुपस्थिति खुद एक निष्कर्ष है। जब आपके पास पुराना संदर्भ नहीं होता, तो हर नई उपलब्धि को 'पहली बार' कहने की प्रवृत्ति पनपती है, और खेल का असली विकास-वक्र अदृश्य रह जाता है। डब्ल्यूपीएल के शुरुआती सीजन इसी श्रेणी में आते हैं — भीड़ पतली, दांव कम, कवरेज पतली। यानी शोर कम, और इसलिए मापने के लिए सबसे साफ जमीन।

तीसरी: बाइलेटरल डेड रबर का दर्शक और ब्रॉडकास्ट डेटा। हम 'दर्शकों की थकान' पर लंबे-चौड़े लेख लिखते हैं, लेकिन उसका कोई मापा हुआ प्रॉक्सी सार्वजनिक नहीं है। टिकट बिक्री, स्टेडियम में मौजूद लोगों की संख्या, और मैच के आखिरी घंटे में स्क्रीन पर बचे दर्शक — ये तीनों अलग-अलग जगह दर्ज होते हैं और कहीं एक साथ नहीं आते।

चौथी, और मेरे हिसाब से सबसे महत्वपूर्ण: घरेलू तेज गेंदबाजों का वर्कलोड। स्पेल में कुल ओवर, दो स्पेल के बीच के दिन, और मैच में कुल गेंदें — यह वह डेटा है जो चोट के जोखिम का सबसे सीधा संकेत देता है, और यही वह डेटा है जो सबसे कम दर्ज होता है। एसीएल से लौटने वाले गेंदबाजों पर हम जो बहस करते हैं, उसका ज्यादातर हिस्सा इसी खाली सेल की वजह से अंधेरे में है। हम वापसी की तारीख जानते हैं, वापसी की गेंदबाजी का बोझ नहीं।

इस बीच जो डेटा हमारे पास है, वह बाजार के रूप में सबसे अच्छी तरह बोलता है। आईपीएल की नीलामी एक मूल्य-निर्धारित बाजार है: पर्स, रिटेंशन और मेगा-नीलामी में जो कीमत लगती है, वह किसी एनालिस्ट की राय नहीं, बल्कि दस फ्रेंचाइजी के सामूहिक विश्वास का प्रकटीकरण है। ट्रांसफर मार्केट खिलाड़ियों की नहीं, प्रोत्साहनों की कहानी है। मेरे लिए सवाल यह नहीं है कि किसी खिलाड़ी को कितना मिला; सवाल यह है कि क्या वह विश्वास लीवरेज एडजस्टमेंट के बाद टिकता है। जब कोई बल्लेबाज बड़ी कीमत पर जाता है और उसके रनों का बड़ा हिस्सा पहली पारी और मजबूत गेंदबाजी के खिलाफ आया हो, तो कीमत सही लगती है। जब उसका बड़ा हिस्सा डेड रबर और कमजोर गेंदबाजी के खिलाफ हो, तो बाजार ने शोर खरीदा है, प्रदर्शन नहीं। दोनों मामलों में स्कोरकार्ड एक जैसा दिखता है।

यहीं से वह बात निकलती है जिस पर मुझे सबसे ज्यादा यकीन है और जो सबसे कम लिखी जाती है: भारत की बेंच स्ट्रेंथ टैलेंट की कमी नहीं है, चयन की समस्या है — और चयन की समस्या मूल रूप से मापन की समस्या है। जब आपके पास यह बताने का उपकरण नहीं हो कि किसी का 40 किस परिस्थिति में बना, तो आप अनिवार्य रूप से औसत चुनते हैं। औसत सुरक्षित होता है, क्योंकि औसत की रक्षा की जा सकती है। लीवरेज-समायोजित मूल्य की रक्षा नहीं की जा सकती, क्योंकि वह असहमति को न्योता देता है।

यहां मुझे अपने ही तर्क के खिलाफ खड़ा होना है। ऊपर जो चार खाली सेल मैंने गिनाईं, वे वाकई खाली हैं — लेकिन यह मान लेना कि उनका खाली होना ही कहानी है, एक और तरह का आत्म-मोह है। मेरे पास एक फाइल खाली लौटी, और मैंने उसे तुरंत 'गहरा निष्कर्ष' बना दिया। यह वही गलती है जो मैं दूसरों में आसानी से पकड़ लेता हूं।

तो फर्क कैसे करें? तीन जांच। पहली, अपस्ट्रीम: क्या स्रोत ने मूल पाठ छापा ही था? कई बार वह पेज स्क्रैपर-दost पेज होता है, और वहां खालीपन मापने की चीज नहीं, तकनीकी दोष है। दूसरी, पार्सर: क्या टेम्पलेट मैच हुआ? एक पेडवॉल वाला लेआउट और एक सामान्य समाचार लेआउट एक ही नियम से नहीं पढ़े जाते। तीसरी, तुलना: क्या वही खालीपन उन जगहों पर भी दिखता है जहां पैसा और एडिटोरियल सपोर्ट दोनों मौजूद हैं? अगर हां, तो वजह फंडिंग नहीं है — वजह यह है कि बाजार संदर्भ को महत्व नहीं देता।

यही मेरा फाल्सिफिकेशन टेस्ट है: अगर किसी पूरी तरह वित्तपोषित लीग में भी वही संदर्भ-डेटा गायब मिले, तो मेरा 'गैप ही डेटासेट है' वाला दावा कमजोर पड़ जाता है, क्योंकि तब असली चर फंडिंग नहीं, प्राथमिकता है। और यह मुझे स्वीकारना होगा कि दोनों में सहसंबंध है, कारण-संबंध नहीं। एक खाली पाइपलाइन यह साबित नहीं करती कि लेख खाली था; वह सिर्फ यह बताती है कि हमारा यंत्र उस वक्त काम नहीं कर रहा था।

मैंने पिछले कुछ सालों में एक आदत डाली है जो अलोकप्रिय है: नल रिजल्ट के साथ यंत्र का सेल्फ-टेस्ट भी छापना। अगर मैं कहूं कि इस सीरीज का डेटा नहीं मिला, तो मुझे यह भी बताना होगा कि मैंने कहां-कहां खोजा, किस फॉर्मेट में मांगा, और कब मान लिया कि वह मौजूद ही नहीं। जब संख्याएं भीड़ से असहमत हों, मैं क्वेरी और शोर दोनों जांचता हूं। यह वाक्य आसान लिखा जाता है और मुश्किल से निभाया जाता है।

अब आगे की ओर। इस पूरे टुकड़े का सबसे व्यावहारिक सवाल यह है: अगले दौर में किस संकेत पर नजर रखनी चाहिए? मेरा जवाब यह है कि हमें रन और विकेट से आगे देखना होगा और उस एक चीज को मापना होगा जो अभी सबसे कम मापी जाती है — किसी पारी या स्पेल का वह हिस्सा जो सबसे ऊंचे दांव पर खेला गया। चाहे वह चौथे दिन का आखिरी सेशन हो, या नॉकआउट में दूसरी पारी का ग्यारहवां ओवर। जो डेस्क इस एक संख्या को अपने कॉलम में जगह देगा, वह अगले तीन साल में बाकी सबसे आगे होगा। जो नहीं देगा, वह आगे भी तीसरे घंटे में पिच को कोसेगा, और पिछले नौ साल की तरह यह कभी पता नहीं चला पाएगा कि गेंद छह मीटर से आगे पिच हुई थी या नहीं।