खाली शीट: क्रिकेट का सबसे बड़ा आंकड़ा वह है जो कभी दर्ज ही नहीं हुआ

फ़रवरी की एक शाम, बेंगलुरु। लैपटॉप पर एक फ़ाइल खुलती है जिसका नाम सिर्फ़ cricket_world है। अंदर हर कॉलम खाली है — शीर्षक नहीं, प्रकाशक नहीं, तारीख़ नहीं, एक भी तथ्य नहीं। बचा है सिर्फ़ एक रूटिंग लेबल: यह जानकारी कि माल उस रैक से आया है जिस पर क्रिकेट लिखा है।

मेरा काम ऐसे खालीपन का हिसाब रखना है। 2026 में, जब मैं जयनगर का एक प्री-यूनिवर्सिटी छात्र था और एम. चिन्नास्वामी स्टेडियम मुझसे चार किलोमीटर दूर था, मैंने आईपीएल के उस सत्र की चौदह आरसीबी मैचों की तीन हज़ार तीन सौ साठ गेंदें हाथ से कोड कीं — फ़ेज़, गेंदबाज़, लंबाई, शॉट टाइप। वह शौक़ नहीं था। मुफ़्त आंकड़े देने वाली साइटों पर फ़ेज़-वाइज़ बँटवारा था ही नहीं, इसलिए शीट ख़ुद बनानी पड़ी। उस शीट में डेथ-ओवर इकॉनमी 12.1 निकली — लीग में सबसे ख़राब — और उनमें से 61 फ़ीसदी रन लेग साइड की फ़ुल-लेंथ गेंदों पर गए। नौ पेज की पीडीएफ़ फ़्रैंचाइज़ी के general enquiries पते पर गई। कोई जवाब नहीं आया। आरसीबी उस साल तीन जीत के साथ आख़िरी पर रही।

तीन हज़ार तीन सौ साठ गेंदों के बाद पैटर्न शोर रहना बंद कर देता है। उस शीट ने मुझे एक चीज़ सिखाई जो आज भी मेरे हर कॉलम की नींव है: स्कोरबोर्ड और लेजर एक ही मैच के दो अलग ब्यौरे हैं, और सुर्ख़ियाँ हमेशा उसी को मिलती हैं जिसमें कम जानकारी है।

संदर्भ: तीन परतें, एक शर्त

क्रिकेट का डेटा तीन परतों में बँटा है। पहली परत स्कोरबोर्ड है — रन, गेंद, विकेट, ओवर। सबसे सस्ती, हर जगह उपलब्ध, सबसे कम बोलने वाली। दूसरी परत बॉल-बाय-बॉल है — कौन सी गेंद, किस लाइन पर, किस बल्लेबाज़ के ख़िलाफ़। यह परत अब काफ़ी हद तक सार्वजनिक है, कम से कम टेलीविज़न वाले मैचों के लिए। तीसरी परत ट्रैकिंग है — रफ़्तार, रिवॉल्यूशन, फ़ुटवर्क, फ़ील्डर की चाल। यह सबसे महँगी है और इसीलिए सबसे कम लोगों के पास।

तीनों परतों की एक साझा शर्त है: कैमरा। जहाँ कैमरा नहीं, वहाँ परत नहीं। भारत में साल भर में जितने प्रतिस्पर्धी मैच खेले जाते हैं, उनमें टेलीविज़न पर आने वाला हिस्सा छोटा है। रणजी ट्रॉफ़ी के ग्रुप चरण के ज़्यादातर मैच, कई घरेलू वनडे, दूसरी XI की पूरी प्रतियोगिता, राज्य स्तरीय महिला प्रतियोगिताएँ — इनका बड़ा हिस्सा ऐसा है जहाँ से ट्रैकिंग नहीं आती, और अक्सर बॉल-बाय-बॉल भी नहीं।

नतीजा सीधा है: हमारे पास सबसे अमीर डेटा उन खिलाड़ियों का है जिन्हें उसकी सबसे कम ज़रूरत है।

महिला प्रीमियर लीग इसका सबसे साफ़ उदाहरण है। लीग मार्च 2026 में शुरू हुई; 2026 में भारत ने घरेलू विश्व कप जीता; उत्पाद बन गया। लेकिन मेज़रमेंट का ढाँचा उसी रफ़्तार से नहीं बढ़ा। डब्ल्यूपीएल के फ़ेज़-लेवल डेटा की परत आज भी पुरुषों के टूर्नामेंट से पतली है — और यह अंतर खिलाड़ियों के कौशल का नहीं, निवेश के क्रम का नतीजा है। जब स्मृति मंधाना या हरमनप्रीत कौर की कोई पारी बीस सेकंड के क्लिप में तय हो जाती है, तो जो मापा नहीं गया वह टिप्पणी बन जाता है।

कोर: स्कोरबोर्ड क्या छुपाता है

स्कोरबोर्ड बताता है कि किसने कितने रन बनाए। यह नहीं बताता कि वे रन किस हालत में बने। अड़तालीस गेंदों में आया अर्धशतक और चौंतीस गेंदों में आया अर्धशतक — स्कोरबोर्ड दोनों को एक ही फ़ॉन्ट में छापता है। फ़र्क़ यह है कि पहले वाले बल्लेबाज़ ने अपनी टीम को वे ओवर दिए जो उसके पास नहीं थे।

मेरी शीट में हर पारी तीन खंडों में कटती है — पावरप्ले, मध्य, डेथ — और हर खंड का स्ट्राइक रेट उस मैच की बेस रेट से तुलना करता है, न कि करियर औसत से। करियर औसत वह आंकड़ा है जो हर हालत को एक ही बर्तन में उबाल देता है। बेस रेट उस दिन की सच्चाई है। दूसरा मापदंड है रिक्वायर्ड रेट के दबाव में इकॉनमी — यानी जब सामने वाली टीम को ओवर में दस चाहिए, तब गेंदबाज़ कितना देता है। यह संख्या स्कोरबोर्ड पर कहीं नहीं छपती, और यही तय करती है कि मैच किसके हाथ से निकला।

तीसरा मापदंड विकेट है। स्कोरबोर्ड विकेट को उपलब्धि की तरह छापता है। लेजर में विकेट एक फ़ंक्शन है — किस सिचुएशन में, किस बल्लेबाज़ के ख़िलाफ़, किस ओवर में। एक पाँच-विकेट हॉल जो हारे हुए मैच में आया, आंकड़े में पाँच है और मैच में शून्य के क़रीब। मैंने स्कोरबोर्ड पर भरोसा करने से पहले लेजर को बोलने दिया — हर बार, और हर बार लेजर ने कुछ ऐसा कहा जो सुर्ख़ी में नहीं था।

कोर: जो नहीं हुआ, वह भी मापा जाता है

2026 में आईपीएल यूएई में हुआ — साठ मैच, दुबई, अबू धाबी, शारजाह, और किसी भी स्टेडियम में दर्शक नहीं। उस वक़्त मैं बेंगलुरु से एक डेटा वेंडर के साथ रिमोट कोडिंग इंटर्नशिप पर था। दुबई में सात से पंद्रह ओवर के बीच स्कोरिंग रेट उन टीमों के लिए 1.4 रन प्रति ओवर गिरा जिन्होंने पावरप्ले में विकेट खोया था; शारजाह की छोटी बाउंड्री ने कुल स्कोर को क़रीब 19 फ़ीसदी फुलाया। मैंने चालीस पेज लिखे। जिस आउटलेट ने कमीशन दिया, उसने नौ सौ शब्द छापे और मेथडोलॉजी पूरी काट दी। दर्ज नतीजा हुआ; दर्ज न हुआ कारण। खाली स्टेडियम ने मुझे सिखाया कि अनुपस्थिति भी एक वेरिएबल है — और यह सबक आज भारतीय क्रिकेट के आंकड़ों पर सबसे ज़्यादा लागू होता है।

ऑपर्च्युनिटी कॉस्ट भारतीय क्रिकेट का सबसे कम रिपोर्ट होने वाला आंकड़ा है। न खेला गया गेंदबाज़ स्कोरबोर्ड में नहीं आता। भरा न गया ओवरसीज़ स्लॉट नहीं आता। वह कैच जो छूटा और जिसका कोई सांख्यिकीय निशान नहीं बचता, नहीं आता। वह दौरा जो अब होता ही नहीं और जिसकी जगह सिर्फ़ आईसीसी इवेंट में बची है, नहीं आता। जो नहीं हुआ, उसे कोई कॉलम नहीं देता — और मेरे हिसाब से वही कॉलम सबसे ज़्यादा बताता है।

कोर: मेज़रमेंट गैप एक सिस्टम की समस्या है

फ़रवरी 2026, बेंगलुरु की मेगा नीलामी। दस फ़्रैंचाइज़ी, नब्बे-नब्बे करोड़, छह सौ नाम। मैंने तीन सीज़न के फ़ेज़ डेटा पर रुपया-प्रति-विन-शेयर मॉडल बनाया और एक फ़्रैंचाइज़ी के एनालिटिक्स लीड तक पहुँचाया। मेरी शीट ने एक अंकैप्ड उन्नीस वर्षीय बाएँ हाथ के बल्लेबाज़ का मूल्य 4.5 करोड़ रुपये लगाया। मुंबई इंडियंस ने तिलक वर्मा को 1.7 करोड़ रुपये में खरीदा और उन्होंने उस सत्र में 397 रन बनाए। शीट फ़्रैंचाइज़ी के पास रह गई, सबक़ मेरे पास। नब्बे करोड़ रुपये एक स्प्रेडशीट में समा सकते हैं और फिर भी बात नहीं बनती — क्योंकि उस शीट में वह कॉलम नहीं था जो बताता कि इस लड़के को घरेलू क्रिकेट में कितनी गेंदें मिलीं और किस क्वालिटी की।

वही अंतराल हर जगह है। रणजी ट्रॉफ़ी नॉकआउट के बाहर लगभग अदृश्य है — ग्रुप चरण का एक मैच जो चार दिन चलता है और जिसका पूरा रिकॉर्ड किसी एक स्थानीय रिपोर्टर की नोटबुक में सिमट जाता है। दूसरी XI विश्व खेल की सबसे मुश्किल टीम है — नाम भी नहीं मिलता, स्कोरकार्ड भी नहीं, और वहीं से खिलाड़ी राष्ट्रीय टीम तक पहुँचते हैं। जब 2026 में भारत ने घरेलू विश्व कप जीता, तो उस जीत का श्रेय खिलाड़ियों को गया — ठीक है — लेकिन उस जीत की नींव में जो पाँच साल का घरेलू काम है, उसका आंकड़ा कहीं एक जगह नहीं है। समस्या प्रतिभा की नहीं है; समस्या यह है कि सिस्टम किसे दर्ज करने की तकलीफ़ उठाता है।

काउंटर-इंट्यूटिव: ज़्यादा डेटा का मतलब बेहतर फ़ैसला नहीं

यहाँ एक साफ़ बात कहनी है, क्योंकि इस कॉलम की पूरी दलील ग़लत दिशा में पढ़ी जा सकती है। ट्रैकिंग डेटा बढ़ाना अपने आप में समाधान नहीं है। जिस संस्थान के पास सबसे ज़्यादा कैमरे हैं, उसके पास सबसे ज़्यादा कॉलम होंगे — ज़रूरी नहीं कि सबसे बेहतर फ़ैसले। मैं आउटलायर्स का पीछा नहीं करता; मैं उनसे पूछताछ करता हूँ जब तक वे कबूल न करें, और अक्सर वे यह कबूल करते हैं कि वे सिर्फ़ शोर थे।

सहसंबंध कारणत्व नहीं है, और क्रिकेट में यह ग़लती सबसे महँगी पड़ती है। बीस मैचों की एक विंडो में हर गेंदबाज़ का कोई न कोई पैटर्न निकल आता है; बारह गेंदों की एक स्पेल तो हमेशा एक कहानी सुझा देती है। इसलिए मेरा नियम सीधा है: थ्रेशोल्ड पहले तय करो, फिर क्वेरी चलाओ, और थ्रेशोल्ड छापो। अगर कोई निष्कर्ष चालीस गेंदों पर ही टिकता है, तो वह एनेक्डोट है जिसके साथ एक स्प्रेडशीट चिपकी हुई है।

और एक सीमा जो मुझे इस खाली फ़ाइल ने फिर से याद दिलाई: मापा गया और शून्य निकला, तथा मापा ही नहीं गया — ये दो अलग चीज़ें हैं। खाली पैकेट षड्यंत्र नहीं है, वह अनुपलब्धता है। इन दोनों को एक बर्तन में डालना वही गुनाह है जो मिलान-आधारित क्रिकेट कवरेज करता है। जहाँ डेटा नहीं है, वहाँ सीमा लिखो, निष्कर्ष नहीं।

टेकअवे

अगले दौर में असली बढ़त और ट्रैकिंग कॉलम जोड़ने में नहीं है। असली बढ़त उसे दर्ज करने में है जो अभी दर्ज नहीं होता — रणजी का ग्रुप चरण, दूसरी XI, डब्ल्यूपीएल का फ़ेज़ स्प्लिट, और वह गेंदबाज़ जो चौदहवें ओवर में नहीं फेंका गया। हर डेटा-पैकेट के साथ एक मिसिंग-डेटा डिक्लेरेशन आना चाहिए: क्या मापा गया, क्या नहीं, किस सैंपल पर। जब तक हम यह नहीं जानते कि क्या दर्ज नहीं हुआ, हम यह कैसे जानेंगे कि हमने क्या खोया?