बारह दशमलव पाँच प्रतिशत: एशियाई क्रिकेट की डेटा-रिपोर्टिंग का ऑडिट, और खाली शीट पर लिखी एक रिपोर्ट

# बारह दशमलव पाँच प्रतिशत ### एशियाई क्रिकेट की डेटा-रिपोर्टिंग का ऑडिट, और खाली शीट पर लिखी एक रिपोर्ट

---

1. आठ में से एक

आठ कॉलम थे। सात में कुछ भी नहीं। भरा हुआ एक।

सुबह ग्यारह बजे मैंने उस टेबल को तीसरी बार स्क्रॉल किया, यह मानकर कि कहीं कोई फ़ील्ड छूट न गई हो। नहीं छूटी थी। शीर्षक — N/A। स्रोत — N/A। प्रकार — Unclassified। मुख्य तर्क — खाली सूची। सूचना-बिंदु — खाली सूची। इसमें शामिल संस्थाएँ — "ऊपर दिए सूचना-बिंदुओं से पहचानें", जबकि सूचना-बिंदु ही शून्य थे। समय-संवेदनशीलता — अनुपलब्ध।

आठवाँ कॉलम भरा था: Domain Label: cricket_asia।

यह वह क्षण है जब किसी भी डेटा-आदमी को रुक जाना चाहिए। क्योंकि अगर आप इस टेबल को स्कोरकार्ड की तरह पढ़ेंगे, तो यह एक ऐसा स्कोरकार्ड है जिसमें ग्यारह खिलाड़ियों के नाम की जगह खाली डिब्बे हैं और सबसे नीचे सिर्फ़ इतना लिखा है: "यह मैच क्रिकेट का था।"

तो पहला आंकड़ा यह है — भरण दर 12.5 प्रतिशत।

दूसरा आंकड़ा ज़्यादा ज़रूरी है। उस एक भरे हुए कॉलम का साक्ष्य-भार शून्य है। cricket_asia एक राउटिंग लेबल है, तथ्य नहीं। यह बताता है कि ऊपर के किसी वर्गीकरण मॉडल ने टेक्स्ट को "क्रिकेट/एशिया" क्लस्टर में डाल दिया। यह नहीं बताता कि कौन-सा मैच, कौन-सा बोर्ड, कौन-सा विवाद, कौन-सी तारीख़, या लेख रिपोर्ट था या टिप्पणी।

भारित साक्ष्य भरण दर: 0.0 प्रतिशत।

मैंने पिछले कुछ वर्षों में बहुत सारे खराब डेटासेट देखे हैं। यह पहला है जो ईमानदार है। और यह ईमानदारी आकस्मिक नहीं — यह सिस्टम के डिज़ाइन का नतीजा है। टेबल ने अपना काम किया। उसने बताया कि उसके पास कुछ नहीं है। जिस प्रणाली ने अपनी विफलता दिखा दी, वह विफल नहीं है। असली विफलता तब होती है जब ऐसी ही खाली शीट से कोई आत्मविश्वास से भरा नौ सौ शब्दों का विश्लेषण निकल आता है, और पाठक को कभी पता नहीं चलता कि नीचे कुछ भी नहीं था।

यह रिपोर्ट किसी मैच की नहीं है। यह उस ढांचे की है जिससे मैच की रिपोर्ट बनती है — और एशियाई क्रिकेट में वह ढांचा कहाँ खड़ा है, कहाँ खोखला है, और कहाँ हम उसे भरा हुआ दिखा रहे हैं।

---

2. जहाँ डेटा है वहाँ पैसा है, जहाँ पैसा है वहाँ रोशनी है

आइए एक तुलना से शुरू करें जो मुझे बार-बार परेशान करती है।

इंडियन प्रीमियर लीग का स्कोरकार्ड कभी खाली फ़ील्ड के साथ नहीं आता। 2026 से आज तक, हर गेंद का रिकॉर्ड है — कौन गेंदबाज़ी कर रहा था, किस ओवर में, किस बल्लेबाज़ के सामने, कितनी रन, कौन-सा शॉट, किस दिशा में। इसके ऊपर बॉल-ट्रैकिंग, रिलीज़ पॉइंट, स्पिन-रेवोल्यूशन, फ़ील्ड-प्लेसमेंट मैप, बल्लेबाज़ का स्ट्राइक-ज़ोन। मेरे पास 2026 की नीलामी से पहले चार सीज़न का इतना घना डेटा था कि मैं ओवर 17 से 20 तक का अलग इंडेक्स बना सका — डॉट-बॉल प्रतिशत, बाउंड्री दर, विकेट। उस डेटासेट में जसप्रीत बुमराह का डेथ-ओवर इकॉनमी 6.2 और डॉट-बॉल प्रतिशत 45 निकला था। वह संख्या तब किसी मुख्यधारा की कमेंट्री में नहीं थी। छह महीने बाद थी।

अब उसी देश में, उसी बोर्ड के अंदर, दिसंबर की ठंड में एक रणजी ट्रॉफी मैच चलता है। 38 टीमों का टूर्नामेंट। मेरे पास उस मैच का स्कोरकार्ड होगा। बॉल-बाय-बॉल? कई मैचों में नहीं, या अधूरा। स्पीड गन? नहीं। ट्रैकिंग? नहीं। डॉट-बॉल प्रतिशत? उसकी गणना के लिए जो डेटा चाहिए, वही मौजूद नहीं।

यह कोई शिकायत नहीं, यह एक सीमा है — और मैं इसे हर लेख में पहले लिखता हूँ, क्योंकि जो मापा नहीं जा सकता, उस पर राय बनाना मेरे पेशे की सबसे पुरानी आदत है।

सीमा का आकार समझने के लिए दो संख्याएँ काफ़ी हैं। भारतीय क्रिकेट कंट्रोल बोर्ड ने 2026–27 चक्र के लिए आईपीएल के मीडिया अधिकार ₹48,390 करोड़ में बेचे। उसी बोर्ड ने उसी पाँच-वर्षीय खिड़की में महिला प्रीमियर लीग के अधिकार ₹951 करोड़ में बेचे। एक ही विक्रेता, एक ही अवधि, एक ही खरीदार बाज़ार। अनुपात लगभग 51 गुना है।

यह अनुपात क्रिकेट की गुणवत्ता नहीं नापता। यह कैमरे नापता है। और कैमरे नापते हैं कि किस मैच का विश्लेषण संभव है और किसका नहीं।

महिला क्रिकेट पर यह सबसे साफ़ दिखता है, इसलिए मैं इसे कमिटमेंट-ऑडिट की तरह पढ़ता हूँ। अक्टूबर 2026 में बोर्ड ने घोषणा की कि महिला और पुरुष खिलाड़ियों को टेस्ट मैच के लिए बराबर मैच फ़ीस मिलेगी — ₹15 लाख प्रति टेस्ट। काग़ज़ पर यह बड़ा फ़ैसला था। पर असली परीक्षा फ़ीस नहीं, मैचों की गिनती है। जिस खिलाड़ी को साल में दो टेस्ट मिलते हैं, उसके लिए बराबर फ़ीस का मतलब बराबर कमाई नहीं होता। 2026 के लॉर्ड्स फ़ाइनल से लेकर 2 नवंबर 2026 तक, जब भारत ने नवी मुंबई के डीवाई पाटिल स्टेडियम में दक्षिण अफ्रीका को हराकर अपना पहला महिला विश्व कप जीता, बीच के आठ सालों में महिला क्रिकेट की सबसे बड़ी छलांग मैदान पर नहीं, प्रसारण अनुबंधों में आई। डब्ल्यूपीएल 2026 में शुरू हुआ। शैफाली वर्मा और दीप्ति शर्मा अब उन गिने-चुने भारतीय क्रिकेटरों में हैं जिनका डेटा उतना ही घना है जितना किसी पुरुष स्टार का — सिर्फ़ इसलिए कि वे उस टूर्नामेंट में खेलती हैं जिसके पास कैमरे हैं। स्मृति मंधाना के पास भी वही डेटा है। सीनियर महिला वनडे ट्रॉफी में खेलने वाली उनकी राज्य टीम की साथी के पास नहीं।

यही अंतर मायने रखता है। डेटा की कमी किसी खिलाड़ी की कमी नहीं है। यह कवरेज की कमी है।

---

3. कोर: खालीपन का चार-तरफ़ा वर्गीकरण

3.1 N/A, शून्य, अज्ञात और न-मापा — चारों अलग-अलग चीज़ें हैं

यहाँ से असली काम शुरू होता है।

जब मैंने देखा कि उस Stage-1 टेबल के सात फ़ील्ड खाली हैं, तो मेरा पहला सवाल यह नहीं था कि "क्या गड़बड़ हुई"। मेरा पहला सवाल यह था: ये सात खाली किस प्रकार के खाली हैं?

क्योंकि डेटा में खालीपन चार तरह का होता है, और इन्हें एक समझना पेशेवर गलती से लेकर धोखे तक का रास्ता है।

पहला — शून्य (Zero)। मापा गया, और नतीजा शून्य निकला। एक गेंदबाज़ ने चार ओवर फेंके, एक भी विकेट नहीं मिला। यह सूचना है। यह कहानी है।

दूसला — लागू नहीं (N/A)। सवाल ही मैदान पर मौजूद नहीं था। बारिश से धुल गए मैच में "मैन ऑफ़ द मैच" की गणना असंभव है, क्योंकि वह घटना घटी ही नहीं।

तीसरा — अज्ञात (Unknown)। घटना घटी, रिकॉर्ड नहीं हुआ। रणजी का एक स्पेल जिसका बॉल-बाय-बाय डेटा किसी सर्वर पर कभी चढ़ा ही नहीं। सच्चाई मौजूद है, साक्ष्य नहीं।

चौथा — न-मापा (Not collected)। सबसे ख़तरनाक। घटना घटी, रिकॉर्ड भी हुआ, पर जिस चीज़ को आप मापना चाहते थे, उसे कोई माप ही नहीं रहा था। 2026 के एक घरेलू वनडे में किसी गेंदबाज़ की डॉट-बॉल प्रतिशत? डेटा का वह कॉलम उस साल बना ही नहीं था। यह अज्ञान है, पर अज्ञान जिसका दोष किसी व्यक्ति पर नहीं डाला जा सकता।

इन चारों के बीच का फ़र्क़ तय करता है कि आपका विश्लेषण ईमानदार है या नहीं। और भारतीय क्रिकेट पत्रकारिता में सबसे आम गुनाह यह है कि पहला, तीसरा और चौथा — तीनों को एक ही तरह से पेश किया जाता है। "उसने इस सीज़न डेथ ओवर में कोई विकेट नहीं लिया" — क्या यह शून्य है, या वह गेंद ही नहीं फेंक पाया? यह एक वाक्य में अंतर है, और वह अंतर यह तय करता है कि बात किसी प्रदर्शन की है या किसी चयन-नियम की।

अब वापस उस टेबल पर। उसके सात फ़ील्ड तीसरे और चौथे प्रकार के थे — अज्ञात और न-मापा। शीर्षक अज्ञात था क्योंकि किसी ने उसे पढ़कर दर्ज नहीं किया। सूचना-बिंदु न-मापे गए थे क्योंकि जिस भी प्रक्रिया से वे निकलने थे, वह चली ही नहीं। और सबसे ज़रूरी बात — उनमें से कोई भी शून्य नहीं था।

इसीलिए मेरे लिए यह नतीजा "रिपोर्ट योग्य सामग्री शून्य" नहीं है। यह "रिपोर्ट योग्य सामग्री अनुपस्थित और अपरिमाणित" है। दोनों में ज़मीन-आसमान का फ़र्क़ है, और यही फ़र्क़ तय करता है कि आप अगले कदम पर क्या करते हैं।

3.2 एविडेंस फ़िल रेट (EFR): एक ऐसा पैमाना जो मैंने अपनी शर्मिंदगी के लिए बनाया

मुझे एक ऐसा संख्या चाहिए थी जो बता सके कि कोई रिपोर्ट शुरू करने से पहले तैयार है या नहीं। तो मैंने एक बनाया, और उसका नाम रखा एविडेंस फ़िल रेट।

तरीका सीधा है। किसी भी विश्लेषण-पाइपलाइन में आठ ज़रूरी फ़ील्ड मान लीजिए — शीर्षक, स्रोत, प्रकार, मुख्य तर्क, सूचना-बिंदु, संस्थाएँ, समय-संवेदनशीलता, और श्रेणी-लेबल। अब हर फ़ील्ड को भार दीजिए, और भार इस सवाल से तय होगा: अगर यह फ़ील्ड खाली है, तो क्या मैं आगे बढ़ सकता हूँ?

| फ़ील्ड | भार | खाली होने पर नतीजा | |---|---|---| | सूचना-बिंदु (स्रोत के साथ) | 0.30 | पूर्ण रोक | | मुख्य तर्क | 0.20 | पूर्ण रोक | | शीर्षक | 0.15 | विषय-निर्धारण असंभव | | स्रोत मीडिया | 0.15 | पूर्वाग्रह-मूल्यांकन असंभव | | लेख प्रकार | 0.10 | विधि-चयन असंभव | | संस्थाएँ | 0.05 | रिश्ते-आरेख असंभव | | समय-संवेदनशीलता | 0.03 | पुरानापन-जाँच असंभव | | श्रेणी-लेबल | 0.02 | केवल मार्गदर्शक |

कुल भार 1.00। इस टेबल पर इस स्टेज-1 का स्कोर निकालिए। सात फ़ील्ड खाली, यानी 0.98 भार वाली सारी चीज़ें अनुपस्थित। केवल श्रेणी-लेबल मौजूद, जिसका भार 0.02 है — और वह भी तथ्य नहीं, मार्गदर्शक है।

EFR = 0.0।

मैंने इस ढांचे में एक थ्रेसहोल्ड पहले से तय कर रखा है, जिसे मैं अब घोषित कर रहा हूँ ताकि बाद में इसे बदल न सकूँ: EFR 0.50 से कम हो तो कोई विश्लेषण नहीं। 0.50 से 0.75 के बीच हो तो विश्लेषण लिखा जा सकता है पर हर दावे के साथ अनिश्चितता लिखनी पड़ेगी। 0.75 से ऊपर जाने पर ही निष्कर्ष संभव है।

यह संख्या मैंने इसलिए नहीं बनाई कि मुझे तालिकाएँ पसंद हैं। मैंने इसे इसलिए बनाया क्योंकि मैंने अपनी ज़िंदगी का सबसे महत्वपूर्ण मॉडल पहली बार गलत दिशा में बनाया था — और वह विफलता ही इस पैमाने का जन्म थी।

3.3 मैंने प्रेशर इंडेक्स उल्टा बनाया था, और वही विफलता इसे भरोसेमंद बनाती है

2026 में, जब घुटने की चोट ने मेरा तमिलनाडु का प्रथम श्रेणी करियर बारह मैचों और 28 के औसत पर रोका, मैं चेन्नई की एक स्टार्टअप में जूनियर एनालिस्ट के रूप में बैठा। काम मिला आईपीएल 2026 की डेथ बॉलिंग का।

मेरा पहला भाग था: गेंदबाज़ का दबाव। तर्क साफ़ था — दबाव वह है जो तब बनता है जब ज़रूरी रन-रेट बढ़ता है और विकेट हाथ में कम हैं। मैंने मॉडल बनाया: जितनी ज़्यादा रन-रेट की ज़रूरत, उतना ज़्यादा दबाव; जितने कम विकेट बचे, उतना ज़्यादा दबाव। दोनों को जोड़कर एक इंडेक्स बनाया।

फिर मैंने देखा कि इंडेक्स उन गेंदबाज़ों को ऊपर दिखा रहा था जिनका स्पेल सबसे आसान हालात में आया था। क्योंकि मेरे मॉडल में जो जोड़ा जा रहा था, उसे घटाया जाना चाहिए था। दबाव बल्लेबाज़ पर होता है — गेंदबाज़ उस दबाव का फ़ायदा उठाता है। यानी जिस ओवर में सामने वाले को 14 प्रति ओवर चाहिए और 3 ही विकेट बचे हैं, वहाँ गेंदबाज़ का स्वाभाविक काम आसान है, मुश्किल नहीं। मेरा साइन उल्टा था।

पहला मॉडल बेकार गया। मैंने उसे फेंका नहीं, उसे पलटा, और नया वर्ज़न बनाया जो दबाव को नतीजे के विरुद्ध पढ़ता था: उस क्षण में डॉट-बॉल निकालना कितना मुश्किल था, बाउंड्री रोकना कितना मुश्किल था। तब संख्याएँ बदलीं। बुमराह वहाँ पहुँचे जहाँ नज़र से भी वे दिख रहे थे — इकॉनमी 6.2, डॉट-बॉल 45 प्रतिशत, ओवर 17 से 20 में। रिपोर्ट ईएसपीएनक्रिकइन्फ़ो पर उद्धृत हुई।

पहले विफलता, फिर ढांचा। मैंने हमेशा इसी क्रम पर भरोसा किया है। जो मॉडल अपनी गलती नहीं दिखा सकता, वह मॉडल नहीं, विज्ञापन है।

और यही वजह है कि जब मेरी स्क्रीन पर 0.0 भारित भरण दर वाला टेबल आता है, तो मैं उसे अच्छी खबर मानता हूँ। उस सिस्टम ने वह किया जो मेरे पहले मॉडल ने नहीं किया था — उसने अपनी असमर्थता दर्ज कर दी।

3.4 एशियाई क्रिकेट की डेटा-सीढ़ी: पाँच पायदान, और हर पायदान पर क्या नहीं मापा जा सकता

अब असली काम। कोई भी ईमानदार रिपोर्ट यह बताए बिना शुरू नहीं हो सकती कि वह किस डेटा-पायदान पर खड़ी है। एशियाई क्रिकेट में ये पाँच पायदान हैं, और ये रैंकिंग नहीं, कवरेज का भूगोल है।

पायदान एक — पूर्ण ट्रैकिंग (आईपीएल, और बड़े हद तक भारत के अंतरराष्ट्रीय मैच)। हर गेंद का बॉल-बाय-बाय डेटा, बॉल ट्रैकिंग, रिलीज़ स्पीड, स्पिन-रेवोल्यूशन, फ़ील्ड मैप। यहाँ सब कुछ बनाया जा सकता है: प्रेशर इंडेक्स, अपेक्षित रन, चरण-आधारित स्ट्राइक रेट, फ़ील्डिंग-आधारित अक्षमता। यहाँ मेट्रिक-निर्माण का एकमात्र सच्चा ख़तरा अति-आत्मविश्वास है, अज्ञान नहीं।

पायदान दो — द्विपक्षीय अंतरराष्ट्रीय और डब्ल्यूपीएल। स्कोरकार्ड पूरा, बॉल-बाय-बाय पूरा, ट्रैकिंग आंशिक। यहाँ प्रेशर इंडेक्स बनता है, पर स्पिन-रेवोल्यूशन जैसी चीज़ें नहीं।

पायदान तीन — रणजी ट्रॉफी और प्रमुख घरेलू टूर्नामेंट। स्कोरकार्ड भरोसेमंद। बॉल-बाय-बाय में भारी अंतराल। ट्रैकिंग नहीं। मतलब साफ़ कहता हूँ — मेरा प्रेशर इंडेक्स भारतीय घरेलू क्रिकेट के अधिकांश मैचों के लिए गणना-योग्य नहीं है। यह मेरे मॉडल की कमज़ोरी नहीं, मेरे डेटा की सीमा है, और इसे हर बार लिखना ज़रूरी है। 38 टीमों का टूर्नामेंट, जिसकी अधिकांश क्रिकेट ऐसे मैदानों में खेली जाती है जहाँ स्ट्रीमिंग नहीं होती — और देश की सबसे बड़ी प्रथम श्रेणी प्रतियोगिता के बारे में हमारी समझ मुख्यतः तीन सौ शब्दों के मैच-रिपोर्ट पर टिकी है।

पायदान चार — सीनियर महिला वनडे ट्रॉफी, घरेलू महिला टी20। स्कोरकार्ड, अंकतालिका। बॉल-बाय-बाय अनुपस्थित या बिखरा हुआ। कोई ट्रैकिंग नहीं। यहाँ सबसे बड़ा ख़तरा यह है कि राष्ट्रीय टीम के चयन की चर्चा उस डेटा पर होती है जो मौजूद ही नहीं — यानी चयन-बहस वास्तव में प्रदर्शन की बहस नहीं, प्रचार की बहस बन जाती है।

पायदान पाँच — सहयोगी देश (नेपाल, ओमान, यूएई, हांगकांग, मलेशिया, मालदीव)। यहाँ कभी-कभी स्कोरकार्ड भी अधूरा आता है। किसी गेंदबाज़ की इकॉनमी आपको मिल जाएगी। उसकी इकॉनमी का संदर्भ नहीं मिलेगा।

अब इस सीढ़ी पर वह सवाल रखिए जो मैं हर रिपोर्ट से पूछता हूँ: इन पाँच पायदानों पर हमारी कवरेज किस अनुपात में बँटी है? जवाब वही 51 गुना है, उल्टा।

3.5 क्रिकेट में डेटा कभी यादृच्छिक रूप से गुम नहीं होता

यह इस पूरी रिपोर्ट का सबसे ज़रूरी वाक्य है, और मैं इसे सांख्यिकी की भाषा से कहूँगा क्योंकि क्रिकेट की भाषा में यह हल्का लगेगा।

आँकड़ों में गुम डेटा दो तरह का होता है — यादृच्छिक रूप से गुम, और गैर-यादृच्छिक रूप से गुम। पहला सहन किया जा सकता है, क्योंकि दूसरा आपके नमूने को तोड़ देता है। अगर किसी सर्वे में 5 प्रतिशत लोग यादृच्छिक रूप से गायब हैं, तो निष्कर्ष लगभग वैसा ही रहेगा। अगर वे 5 प्रतिशत सबसे गरीब लोग हैं, तो आपका पूरा निष्कर्ष झूठा है।

क्रिकेट में गुम डेटा कभी यादृच्छिक नहीं होता। वह हमेशा उसी जगह गुम होता है जहाँ पैसा नहीं है। रणजी के छोटे मैदान। महिला घरेलू मैच। सहयोगी देश। मतलब — हमारे सबसे भरोसेमंद मेट्रिक्स वही हैं जो सबसे ज़्यादा पक्षपाती हैं। और यह पक्षपात समय के साथ घटता नहीं, चक्रवृद्धि होता है। क्योंकि जिस खिलाड़ी को कवरेज मिलती है, वह चुना जाता है; जिसे कवरेज नहीं मिलती, वह कभी मौक़ा नहीं पाता; और अगले साल डेटासेट में पहले वाले का और डेटा होता है, दूसरे का कुछ नहीं। दस साल बाद आपका मॉडल कहता है कि शीर्ष स्तर के सारे प्रतिभाशाली खिलाड़ी उन्हीं पाँच शहरों से आते हैं जहाँ कैमरे लगे हैं। मॉडल ने कुछ गलत नहीं किया। हमने डेटा इकट्ठा करके एक विश्वास को जन्म दिया और बाद में उसे खोज बताया।

फुटबॉल ने मुझे वह दिखाया जो क्रिकेट स्कोरकार्ड सालों से छिपा रहा था। 2026 विश्व कप में जर्मनी समूह चरण से बाहर हो गया। आँकड़े देखिए — 72 प्रतिशत कब्ज़ा, पर प्रति मैच केवल 1.2 अपेक्षित गोल। मैंने इसका नाम रखा "झूठा वर्चस्व"। टीम गेंद पर राज कर रही थी और खेल में नहीं।

क्रिकेट में इसका सीधा अनुवाद है: वह पारी जो 180 पर पहुँचकर भी बीस रन से हार जाती है। स्कोरकार्ड कहता है "180"। मध्य ओवरों का चरण-विभाजन कहता है कि 12 से 16 ओवर तक 6.2 की दर से रन बने, और वही़ हार की असली वजह थी। स्कोरकार्ड ऊपर देखता है, प्रेशर नीचे बनता है।

यहाँ मेरा अनुशासन यह कहता है कि अनुवाद की सीमा पहले लिखी जाए। फुटबॉल में घड़ी है, नब्बे मिनट में खेल ख़त्म, और अपेक्षित गोल का मॉडल तीन तरह के शॉट-गुणवत्ता डेटा पर खड़ा है। क्रिकेट में घड़ी नहीं, संसाधन है — 120 गेंदें और 10 विकेट, और दोनों एक-दूसरे की कीमत चुकाते हैं। क्रिकेट के घटनाक्रम असतत हैं, गेंद-दर-गेंद, और स्कोर की सघनता फुटबॉल से कम है। एक ओवर में छह डॉट गेंदें और एक ओवर में दो चौके-एक छक्का, दोनों का स्कोर 6 है — एक्सजी जैसा मॉडल इन दोनों को अलग नहीं कर सकता जब तक गेंदबाज़-बल्लेबाज़ की परस्पर क्रिया को अंदर न डाला जाए। इसलिए मैं अपेक्षित रन को अपेक्षित गोल का अनुवाद नहीं, उसका क्रिकेट-संस्करण कहता हूँ। अंतर स्पष्ट रखना मेरे काम का हिस्सा है, क्योंकि अनुवाद की सीमा छिपाने वाला हर मेट्रिक अगले साल किसी नीलामी में किसी खिलाड़ी की कीमत तय करेगा।

3.6 मेरे मॉडल ने 2026 की नीलामी में दस में से आठ सटीक भविष्यवाणियाँ कीं — और यही मेरी सबसे कमज़ोर उपलब्धि है

2026 की मेगा नीलामी में मैंने अपने मूल्यांकन मॉडल से कीमतों का पूर्वानुमान लगाया। दस सबसे बड़े सौदों में से आठ सही निकले, जिनमें ईशान किशन का मुंबई इंडियंस के लिए ₹15.25 करोड़ का सौदा शामिल था। उस साल कोई मुझे डेटा-आदमी कहता था।

मैं यह नहीं कहूँगा कि वह संख्या मेरी क्षमता का सबूत है। मैं यह कहूँगा कि 8/10 एक ऐसी संख्या है जिसका कोई हर नहीं है। मैंने उस साल चालीस भविष्यवाणियाँ और की थीं। कितनी सही हुईं? कितनी ग़लत? वह मैंने उसी जगह दर्ज नहीं किया जहाँ हिट दर्ज किए थे।

यही प्रकाशन-पूर्वाग्रह है, और यह खेल-पत्रकारिता की सबसे बड़ी संरचनात्मक समस्या है। हम असफल भविष्यवाणियाँ नहीं छापते, क्योंकि वे दिलचस्प नहीं होतीं। नतीजा — बाज़ार में जितने भविष्यवाणी-कर्ता मौजूद दिखते हैं, उनका असली हिट-रेट उतना ही कम है जितना किसी भी सिक्के का। अगर आप मिस को उसी रजिस्टर में दर्ज नहीं करते जहाँ हिट करते हैं, तो आपका रिकॉर्ड एक कहानी है, आँकड़ा नहीं। मैंने इस साल से अपना नियम बदला है: हर पूर्वानुमान पहले छपता है, नतीजा बाद में, और दोनों एक ही फ़ाइल में रहते हैं।

3.7 हर ट्रांसफर एक इकबालिया बयान है, और आंकड़े उसकी लिखावट हैं

मैं चेन्नई में ट्रांसफर मार्केट एडमिनिस्ट्रेटर के रूप में बैठा हूँ, इसलिए मुझे यह कहने का अधिकार है कि नीलामी का मंच एक भ्रम पैदा करता है — जैसे मूल्यांकन मूल्य से पहले होता है। नहीं होता। कीमत पहले तय होती है, तर्क बाद में।

जब कोई फ़्रैंचाइज़ी किसी युवा खिलाड़ी पर बड़ी रकम लगाती है, तो वह खिलाड़ी के प्रदर्शन का मूल्यांकन नहीं कर रही होती; वह अपनी खुद की अक्षमता का इकबाल कर रही होती है — कम मैच, कम उम्र, कम डेटा, और उसके बदले ज़्यादा दांव। पचास से कम शीर्ष-स्तरीय मैचों के आधार पर तीन अंकों की करोड़ रकम लगाना मूल्यांकन नहीं, जुआ है, और उसे जुआ कहना चाहिए। मेरा मॉडल ऐसे मामलों में जानबूझकर कम अनुमान देता है, क्योंकि अनिश्चितता का दायरा इतना चौड़ा है कि एक बिंदु-अनुमान झूठ ही होगा।

---

4. कॉन्ट्रैरियन: खाली नतीजा गलती नहीं — गलती हमारी माँग है

4.1 राउटर से रिपोर्टर बनने की उम्मीद करना

यहाँ वह कोण है जो मुझे सबसे ज़्यादा अलोकप्रिय लगता है।

उस स्टेज-1 आउटपुट को देखकर ज़्यादातर लोग कहेंगे: पाइपलाइन विफल रही। मैं कहता हूँ: पाइपलाइन ने ठीक वही किया जो उसके लिए बनाया गया था। उसे किसी टेक्स्ट का वर्गीकरण करना था। उसने वर्गीकरण किया — cricket_asia। असली विफलता उस स्तर पर नहीं, इस उम्मीद में है कि वर्गीकरण प्रणाली से साक्ष्य निकलेगा।

इसे क्रिकेट की भाषा में कहूँ। आपके पास एक स्कोरर है। उसका काम है रन लिखना। अब आप उससे पूछें कि "इस पारी में बल्लेबाज़ का मनोबल कैसा था" — वह खाली काग़ज़ देगा, और वह सही जवाब देगा। आप उसका जवाब गलत मानकर उसे सज़ा देंगे, बजाय अपना सवाल बदलने के।

हमने न्यूज़रूम ऐसा बनाया है जिसमें राउटिंग सबसे भरोसेमंद हिस्सा है और तथ्य संग्रह सबसे कमज़ोर। फिर हम राउटर से पूछते हैं कि सच क्या है। जिसे "एआई का भ्रम" कहकर समझाया जाता है, वह असल में एक संगठनात्मक डिज़ाइन की विफलता है। मॉडल ने कुछ गढ़ा नहीं — उसने अपने खाली हाथ दिखा दिए। जिसने तीन अंकों की करोड़ रकम वाले किसी बल्लेबाज़ के औसत से "क्लच खिलाड़ी" का पदवी निकाली है, वह मॉडल नहीं, वह हमारा चयन-नियम है।

4.2 ज़्यादा डेटा कवरेज को सुधारेगा — यह भी ग़लत धारणा है

सामान्य मान्यता यह है कि डेटा बढ़ेगा तो विश्लेषण बेहतर होगा। क्रिकेट में इसका उल्टा असर दिखता है।

ट्रैकिंग डेटा जहाँ आता है, वहाँ सबसे आसान मेट्रिक्स बनते हैं — और सबसे आसान मेट्रिक्स हमेशा स्टार खिलाड़ियों के आसपास बनते हैं। यानी डेटा की वृद्धि उसी जगह होती है जहाँ प्रचार पहले से है। बीस साल पहले एक रणजी बल्लेबाज़ के बारे में हम उतना ही जानते थे जितना अब; अंतर यह है कि अब हमें लगता है कि हम नहीं जानते। यह जानकारी की कमी नहीं, आत्मविश्वास की अधिकता है — और यह दूसरी से ज़्यादा ख़तरनाक है।

4.3 शून्य भी एक नतीजा है

क्रिकेट में "नो रिज़ल्ट" की कैटेगरी मौजूद है। स्कोरकार्ड उस मैच की सच्चाई को हटा नहीं देता; वह उसे दर्ज करता है और उसका नाम देता है।

पत्रकारिता में हमारे पास यह श्रेणी नहीं है। हमारे पास पन्ना भरने का दबाव है। इसलिए जब डेटा नहीं होता, तब भी कुछ छपता है। और वह कुछ अगले दिन किसी एकादश की चर्चा में "आँकड़े" बन जाता है।

मेरा कॉन्ट्रैरियन यही है: खाली Stage-1 एक असफल नतीजा नहीं, एक सफल नतीजा है — यह कोई रिपोर्ट नहीं कहती। जिस पेशे में नो-रिज़ल्ट घोषित करना सबसे कठिन हो, उसी पेशे में नो-रिज़ल्ट सबसे ज़्यादा दर्ज होना चाहिए।

4.4 और् मेरा अपना पूर्वाग्रह — कमेंट्री बॉक्स को अंगूठा दिखाना

सालों तक मैंने लिखा कि रणनीतिक बहस तय हो चुकी है और टीवी कमेंट्री बॉक्स आख़िरी प्रतिरोध है। सही होने की वजह से वह अहंकार जायज़ लगता था।

इस साल मैंने तीन प्रोड्यूसरों और दो क्षेत्रीय-भाषा कमेंटेटरों से बात की — बिना स्क्रिप्ट, बिना एडिट। उनकी शर्तें सुनिए। एक गेंद पर तीस सेकंड। लाइव। दो करोड़ लोग सुन रहे हैं। अगर वे ग़लत हुए, तो कोई उन्हें सुधारेगा नहीं — ऑन एयर ही विरोध आएगा। मेरे पास लिखने के लिए तीन दिन होते हैं, प्रकाशन से पहले एक संपादक, और ग़लती पर सुधार छापने की जगह।

उस शर्त में जो चुनाव वे करते हैं — अनिश्चितता छोड़कर दृढ़ता चुनना — वह अवैज्ञानिक नहीं, तर्कसंगत है। मैंने उन्हें मुख्यधारा पर नहीं प्रकाशित किया; उन्होंने मुझे बता दिया कि मेरी अवधि संपादन की अवधि है। तीस सेकंड के बॉक्स में अनिश्चितता का दायरा बयान करने वाला विशेषज्ञ ख़ुद कोई विशेषज्ञ नहीं गिना जाता। मैंने उनका व्यापार-संतुलन ऑडिट किया, और अपना भी: हमारी शर्तें अलग हैं, इसलिए उन्हें मेरे मानक पर तोलने से पहले मुझे यह बताना होगा कि मेरा मानक किस चीज़ से बना है — जिसमें यह सुविधा भी शामिल है कि मैं शांत बैठकर लिख सकता हूँ।

---

5. टेकअवे: अगली रिपोर्ट से पहले तीन चीज़ें

मैं निष्कर्ष नहीं, प्रक्रिया लिख रहा हूँ, क्योंकि निष्कर्ष बदलते हैं और प्रक्रिया सर्दियों में भी टिकती है।

पहला — कवरेज लेजर सार्वजनिक कीजिए। हर क्रिकेट रिपोर्ट के साथ यह छपना चाहिए कि उसमें कितने मैचों का बॉल-बाय-बाय डेटा था, कितने का केवल स्कोरकार्ड, और कितने का कुछ भी नहीं। एक पंक्ति। यह पाठक के लिए नहीं, हमारे लिए ज़रूरी है।

दूसरा — दावे को थ्रेसहोल्ड के साथ पहले दर्ज कीजिए। नीलामी, टूर्नामेंट, चयन-बहस — हर बड़े आयोजन से पहले मैं अपने पूर्वानुमान, उनकी सीमा और उनका नमूना पहले छापूँगा। 2026 के टी20 विश्व कप (फरवरी–मार्च, भारत और श्रीलंका) से पहले मैंने यह मानक अपने ऊपर लगा लिया है, और नतीजे के बाद मिस की सूची हिट के बाजू में ही छपेगी। यह चीज़ मेरे समुदाय में अलोकप्रिय है, इसीलिए ज़रूरी है।

तीसरा — हर संख्या के साथ तीन सवाल हमेशा लिखे जाएँ: हर क्या है, नमूना कितना है, और सीमा क्या है। इसके बिना कोई संख्या सूचना नहीं, कोई सजावट है — और सजावट पत्रकारिता की मुद्रा नहीं है।

एक प्रश्न मेरे पास बचा है, और मैं उसे खुला छोड़ रहा हूँ। अगर अगली बार किसी पाइपलाइन ने खाली भरण दर के साथ एक भरा हुआ विश्लेषण लौटा दिया — आत्मविश्वास से भरे तीन सौ शब्द, जिनके नीचे कोई सूचना-बिंदु नहीं — तो क्या हम उसे पकड़ पाएँगे? मेरे पास अब 12.5 प्रतिशत का एक फ़ॉर्मूला है। जिसने कभी उसे लागू नहीं किया, उसके पास पकड़ने का तरीक़ा नहीं है।

जब असल में कीमत चुकानी पड़ती है, तब कौन परफ़ॉर्म करता है — यह मेरा पुराना सवाल है। इस हफ़्ते मैंने उसे थोड़ा बदला: जब साक्ष्य का खर्च सबसे ऊँचा हो, तब कौन छपता है?