क्रिकेट डेटा सिस्टम की खामियां: स्कोरकार्ड के पार जाकर देखने की जरूरत

क्रिकेट में डेटा का इस्तेमाल आज हर स्तर पर होता है — चयन से लेकर रणनीति तक, ट्रांसफर मूल्यांकन से लेकर प्रदर्शन समीक्षा तक। लेकिन सवाल यह है कि क्या हम जिस डेटा को सच मान रहे हैं, वह वाकई पूरी कहानी बता रहा है? पिछले कुछ वर्षों में मैंने जो देखा है, वह यह है कि क्रिकेट का एनालिटिक्स ढांचा अभी भी अपनी शैशवावस्था में है — और सबसे बड़ी समस्या यह है कि हम अक्सर गलत सवालों के सही जवाब ढूंढ रहे हैं। मेरे करियर की शुरुआत 2026 में द इंडियन एक्सप्रेस, चंडीगढ़ संस्करण से हुई थी, जब मैंने पंजाब के उस दौर को कवर किया जब राज्य उग्रवाद के दौर से गुजर रहा था। उस वक्त की पत्रकारिता ने मुझे एक बात सिखाई — तथ्यों को उनके संदर्भ से अलग करके नहीं देखा जा सकता। बाद में जब मैंने क्रिकेट एनालिटिक्स की ओर रुख किया, तो यही सबक सबसे काम आया। 2026 में जब मैंने 'पर्स एंड प्रोबेबिलिटी' न्यूज़लेटर शुरू किया, तो पहला अंक 2026 आईपीएल फाइनल का पोस्ट-मॉर्टम था — मुंबई इंडियंस ने 129/8 का स्कोर बचाया था राइजिंग पुणे सुपरजायंट के खिलाफ। स्कोरकार्ड देखने से लगता है कि पुणे हार गया, लेकिन बॉल-बाय-बॉल डेटा बताता है कि मैच ओवर 7 से 10 के बीच हारा गया — 24 डॉट बॉल्स, और रिक्वायर्ड रेट कभी आठ के पार नहीं गया। यह वह क्षण था जब मुझे समझ आया कि स्कोरकार्ड वहां खत्म हो जाता है जहां असली विश्लेषण शुरू होता है। क्रिकेट डेटा की सबसे बड़ी समस्या यह है कि हम अभी भी मुख्य रूप से आउटपुट-आधारित मेट्रिक्स पर निर्भर हैं — रन, विकेट, स्ट्राइक रेट, इकॉनमी। ये मेट्रिक्स बताते हैं कि क्या हुआ, लेकिन यह नहीं बताते कि क्यों हुआ। फुटबॉल में xG (एक्सपेक्टेड गोल्स) ने इस खाई को पाटने की कोशिश की, लेकिन क्रिकेट में हमारे पास विकेट-एक्सपेक्टेशन मॉडल के अलावा कोई व्यापक ढांचा नहीं है जो संदर्भ को माप सके। मैंने 2026 में रूस विश्व कप के दौरान CIES मिनट्स मॉडल और ट्रांसफरमार्केट के वैल्यूएशन बैंड्स का अध्ययन किया — यह देखने के लिए कि क्लब 24 साल के खिलाड़ी को 29 साल के खिलाड़ी से अलग कैसे कीमत देते हैं। उसी तर्क को मैंने क्रिकेट पर लागू किया: रिप्लेसमेंट-लेवल WAR, उम्र के कर्व्स, पर्स लोच, चोट पर छूट। 22 पेज का यह मॉडल अक्टूबर 2026 में दिल्ली कैपिटल्स के एनालिटिक्स प्रमुख को भेजा गया, और 2026 नीलामी तक मैं ऑक्शन डेटा लीड था। हमने शिखर धवन के लिए ट्रेड किया और कोलिन इंग्राम को अपनी सीमा के भीतर खरीदा; दिल्ली कैपिटल्स 2026 के बाद पहली बार प्लेऑफ में पहुंची। लेकिन यहां एक सबक छिपा है जो अक्सर अनदेखा रह जाता है। 2026 में जब आईपीएल यूएई में शिफ्ट हुआ, तो मेरे पास आठ हफ्ते और कोई लाइव क्रिकेट नहीं था। मैंने 2026 से 2026 तक के सभी आईपीएल होम मैचों को कोड किया — 316 गेम। होम टीमों ने 57.4% मैच जीते; यूएई के तीन वेन्यू पर यह आंकड़ा 50.6% पर आ गिरा। भीड़ का शोर, यात्रा, अंपायर पक्षपात: मैंने हर कारक को अलग करने की कोशिश की। फिर मैंने शारजाह की छोटी स्क्वायर बाउंड्रीज का मॉडल बनाया और गेंद फेंके जाने से पहले ही इसे 200-रन वेन्यू के रूप में चिह्नित किया; 18 अक्टूबर को किंग्स इलेवन और राजस्थान 226 पर बराबर रहे — आईपीएल का पहला डबल सुपर ओवर। फ्रैंचाइज़ी ने पूरे सीजन वेन्यू शीट का इस्तेमाल किया। यहीं से एक काउंटर-इंट्यूटिव सवाल उठता है: क्या हम जिस डेटा को 'वस्तुनिष्ठ' मानते हैं, वह वास्तव में उतना वस्तुनिष्ठ है? क्रिकेट में वेन्यू, मौसम, भीड़, यात्रा और रेस्ट डेज जैसे कारक अक्सर 'मूड' के रूप में दर्ज होते हैं, न कि 'वेरिएबल' के रूप में। मेरी शारजाह वेन्यू शीट ने यह साबित किया कि जब आप संदर्भ को मापने लगते हैं, तो भविष्यवाणी करने की क्षमता नाटकीय रूप से बढ़ जाती है। लेकिन इसके साथ एक चेतावनी भी है — क्रॉस-स्पोर्ट मेट्रिक मिसमैच। जब मैंने फुटबॉल के वैल्यूएशन मॉडल को क्रिकेट पर लागू किया, तो कुछ चीजें मेल नहीं खाईं। फुटबॉल में 24 साल का खिलाड़ी 'विकास' के लिए कीमती होता है, क्रिकेट में 24 साल का बल्लेबाज अक्सर 'अस्थिरता' का पर्याय होता है। मॉडल का फ्लिंच करना ही संकेत है — यह बताता है कि क्रिकेट की संरचना कुछ ऐसी है जिसे क्रिकेट का एनालिटिक्स अभी तक नहीं देख पाया है। फरवरी 2026, बेंगलुरु का मेगा ऑक्शन। मेरे मॉडल ने शार्दुल ठाकुर पर 4.6 करोड़ की सीमा तय की थी; दिल्ली कैपिटल्स ने 10.75 करोड़ दिए। मैंने कमरे में कुछ नहीं कहा — यह INTJ सन्नाटा मैंने दोबारा नहीं दोहराया। शार्दुल ने 9.79 की इकॉनमी पर 15 विकेट और 120 रन बनाए; टीम पांचवें स्थान पर रही, प्लेऑफ से दो अंक दूर। अगले छह हफ्ते मैंने '10.75 करोड़ का सवाल' लिखा — एक सार्वजनिक पोस्ट-मॉर्टम, जिसमें हर खोई बोली और हर अधिक भुगतान वाला रुपया दर्ज था, मॉडल की त्रुटि सीमाओं के साथ। यह मेरा टेम्पलेट बन गया: विंडो से पहले सीलिंग पब्लिश करो, विंडो के बाद मिस पब्लिश करो। ट्रांसफर विंडो के संदर्भ में, यह बात और भी प्रासंगिक हो जाती है। अफवाहों की बाढ़ में डूबे पाठकों को एक विश्वसनीयता फिल्टर चाहिए — अनुबंधों की संरचना, वेतन बिल, एजेंट की चालें। हर ट्रांसफर एक कीमत पहने हुए संभावना है। जब कोई फ्रैंचाइज़ी किसी खिलाड़ी पर 8 करोड़ खर्च करती है, तो सवाल यह नहीं है कि वह 'अच्छा साइनिंग' है या नहीं — सवाल यह है कि मॉडल क्या कहता है उसकी अपेक्षित आउटपुट के बारे में, और क्या कीमत उससे अधिक है। क्रिकेट एनालिटिक्स की अगली सीमा संदर्भ को मापने में है, न कि आउटपुट को। जब तक हम वेन्यू, भीड़, यात्रा, मौसम और चोट के इतिहास को एक साथ एक मॉडल में नहीं डालते, तब तक हमारे सारे 'डेटा-आधारित' फैसले आधे-अधूरे रहेंगे। तीन खाली स्टेडियमों के बाद, भीड़ एक वेरिएबल बन गई — यह सबक हमें क्रिकेट के हर स्तर पर लागू करना होगा। सवाल यह है: क्या हमारे पास हिम्मत है कि हम अपने मॉडलों को उनके आराम क्षेत्र से बाहर निकालें और उन्हें वास्तविक दुनिया की गंदगी से टकराने दें?