खाली लेजर: क्रिकेट की वह डेटा-नाकामी जो स्कोरकार्ड कभी नहीं दिखाता

हुक

मेरे दुबई डेस्क पर जो रिपोर्ट आई, वह शक्ल से एक पूरी एनालिटिक्स रिपोर्ट थी। आठ खंड। शीर्षकों वाली तालिकाएँ। जोखिम मैट्रिक्स। संभावना और प्रभाव के अलग-अलग कॉलम। हर कोशिका में कुछ न कुछ लिखा हुआ। और पूरी रिपोर्ट में एक भी ऐसा तथ्य नहीं जिसे आप किसी अखबार में छाप सकें, किसी बाज़ार में दाम लगा सकें, या किसी स्कोरकार्ड से मिला सकें।

उस रिपोर्ट की पहली पंक्ति में ख़ुद लिखा था — "इनफ़ॉर्मेशन पॉइंट्स: पूरी तरह ख़ाली।" और उसके ठीक नीचे आठ खंडों की एक पूरी डीप एनालिसिस भरी पड़ी थी। यह कोई मज़ाक नहीं था, कोई एडिटिंग की ग़लती भी नहीं। यह आधुनिक क्रिकेट एनालिटिक्स की सबसे ईमानदार और सबसे ख़तरनाक तस्वीर थी — ख़ाली इनपुट पर खूबसूरती से सजाया गया आउटपुट।

इकतालीस साल से मैं क्रिकेट को एक बहीखाते की तरह पढ़ता आया हूँ — पहले ढाका के प्रिंट डेस्क से, अब खाड़ी के ब्रॉडकास्ट सूट से। और मैंने सीखा है कि इस खेल की सबसे महँगी ग़लती कभी बल्लेबाज़ या गेंदबाज़ नहीं करते। वह ग़लती वह चुपचाप करता है जो डेटा जमा करता है, उसे साफ़ करता है, और फिर उसे एक भरोसेमंद तालिका की शक्ल में आगे भेज देता है।

संदर्भ

क्रिकेट की सूचना-अर्थव्यवस्था पिछले पंद्रह सालों में जिस रफ़्तार से बढ़ी है, उसकी मिसाल खेल की दुनिया में कहीं नहीं मिलती। दो हज़ार आठ में आईपीएल के पहले सीज़न ने नीलामी को साल भर चलने वाला बीट बना दिया। उसके बाद बॉल-ट्रैकिंग, xG का आयात, PPDA मॉडल, फ़ील्डिंग-रेस्ट्रिक्शन के फ़ेज़-वार डेटा, डेथ-ओवर की यॉर्कर सटीकता — सब कुछ एक ऐसी पाइपलाइन से गुज़रने लगा जिसमें पहले स्कोरकार्ड भरा जाता है, फिर उसकी सफ़ाई होती है, फिर इकाई-पहचान (एंटिटी रिज़ॉल्यूशन) होती है, और अंत में वह एक ऐसी तालिका बन जाती है जिस पर किसी फ़्रैंचाइज़ी का पर्स, किसी ब्रॉडकास्टर का शेड्यूल, और किसी सट्टेबाज़ की रेटिंग टिकी होती है।

अब सोचिए, इस पाइपलाइन की सबसे शुरुआती कड़ी — दस्तावेज़ पढ़ने वाली कड़ी — कभी कैसे नाकाम होती है। एक अखबार की वेबसाइट जावास्क्रिप्ट से बनी हो, लेख पे-वॉल के पीछे हो, या स्रोत में सिर्फ़ एक तस्वीर और पाँच शब्द हों — और पूरी मशीन ख़ाली हाथ लौट आती है। लेकिन यहाँ असली मुसीबत यह नहीं कि मशीन ख़ाली लौटी। असली मुसीबत यह है कि वह ख़ाली हाथ लौटकर भी एक भरी हुई, साफ़-सुथरी, प्रोफ़ेशनल दिखने वाली रिपोर्ट बना देती है।

वह रिपोर्ट जो मेरे सामने थी, एक ही संकेत बचा पाई थी — डोमेन लेबल "क्रिकेट_एशिया"। बस इतना। न शीर्षक, न स्रोत, न तारीख़, न कोई खिलाड़ी, न कोई टीम, न फ़ॉर्मेट। यह ठीक वैसा ही है जैसे किसी मैच की कमेंट्री में सिर्फ़ यह बताया जाए कि मैदान एशिया में है, और बाक़ी सब तुक्का लगाया जाए।

और यहीं क्रिकेट एनालिटिक्स का सबसे पुराना, सबसे अनदेखा किया गया नियम छिपा है — फ़ॉर्मेट पहला और अनिवार्य ताला है। टेस्ट, वनडे, टी20ई, टी20 लीग — यह तय होने से पहले कोई भी मेट्रिक निरर्थक है। टी20 में सात से नीचे की इकॉनमी शानदार मानी जाती है, वही सात की इकॉनमी टेस्ट में एक पूरी पारी की कहानी कहती है। एक फ़िनिशर को बैटिंग एवरेज पर तौलना उसी तरह की ग़लती है जैसे किसी यॉर्कर-स्पेशलिस्ट को उसके बैटिंग स्ट्राइक रेट से नापना। जब तक फ़ॉर्मेट तय न हो, हर आँकड़ा एक खुले पुल की तरह है जिस पर किसी भी गाड़ी को चढ़ाया जा सकता है।

कोर विश्लेषण

अब आता है असली सवाल: वह रिपोर्ट किस चीज़ की गवाह थी? वह किसी एक लेख की नाकामी नहीं थी, वह एक ढाँचे की नाकामी थी। और उस ढाँचे में पाँच ऐसी दरारें हैं जो क्रिकेट की हर बड़ी ख़बर पर रोज़ लगती हैं। मैं उन्हें अपने लेजर से निकालकर सामने रखता हूँ, क्योंकि मैं हर उस धारणा का हिसाब रखता हूँ जिसे मुझे एक दिन रद्द करना पड़ा है।

पहली दरार — क्रॉस-फ़ॉर्मेट संदूषण। यह क्रिकेट विश्लेषण में होने वाली सबसे आम ग़लती है। जब फ़ॉर्मेट का ताला नहीं लगता, तो एक टी20 लीग का आँकड़ा चुपचाप अंतरराष्ट्रीय वनडे के बेंचमार्क की जगह बैठ जाता है। कोई इसे रोकता नहीं, क्योंकि तालिका देखने में साफ़-सुथरी लगती है। मैंने इसे अपनी आँखों से होते देखा है।

दूसरी दरार — इकाई-पहचान की गोल-दायरी। उस ख़ाली रिपोर्ट में लिखा था कि खिलाड़ियों की पहचान "ऊपर दिए गए सूचना-बिंदुओं से" की जाएगी। पर सूचना-बिंदु ख़ुद ख़ाली थे। यानी निर्देश अपने ही पैर पर खड़ा था। यह वह तकनीकी जाल है जिसमें एनालिस्ट अपनी सबसे बुनियादी ज़रूरत — नाम जानना — को एक ऐसी प्रक्रिया पर टाल देता है जो उसी जानकारी से बनती है। दोनों जगह शून्य, और बीच में एक पूरी तालिका।

तीसरी दरार — समय की अवहेलना। उस रिपोर्ट में समय-संवेदनशीलता का आकलन ही नहीं हुआ था। क्रिकेट की सूचना बिजली से तेज़ पुरानी होती है। एक टॉस की ख़बर चार घंटे में बेमानी हो जाती है, एक चोट की ख़बर दो दिन में, और एक नीलामी का दाम एक घंटे में। बिना तारीख़ वाला विश्लेषण उस अख़बार जैसा है जिस पर दिन न छपा हो — आप नहीं जानते कि वह कल का है या पिछले साल का।

चौथी दरार — डोमेन लेबल को सबूत मान लेना। "क्रिकेट_एशिया" एक रूटिंग कोड है, एक पता है — यह बताता है कि चिट्ठी किस विभाग में जानी चाहिए, यह नहीं कि चिट्ठी में क्या लिखा है। हमारे उद्योग की आदत है कि वह लेबल को निष्कर्ष बना लेता है। एशिया कप, एशियाई क्रिकेट परिषद, आईपीएल, पीएसएल, बांग्लादेश प्रीमियर लीग — ये सब एक ही लेबल के नीचे आ जाते हैं, और फिर कोई विश्लेषक उस लेबल से एक पूरी कहानी खींच लेता है जिसका स्रोत से कोई रिश्ता नहीं होता।

पाँचवीं, और सबसे ख़तरनाक दरार — "कोई असर नहीं" का भ्रम। जब एक ख़ाली लेकिन भरी दिखने वाली रिपोर्ट किसी फ़ैसले की मेज़ तक पहुँचती है, तो पढ़ने वाला यह मान लेता है कि "कोई मामला नहीं मिला"। यह वह पल है जब एक ग़लती दूसरी ग़लती को जन्म देती है। अख़बार में यह एक ख़ाली कॉलम बन जाती है, ट्रेडिंग डेस्क पर एक ख़ाली रेटिंग, और मॉडल-ट्रेनिंग में एक ख़ाली उदाहरण — और तीनों जगह वह "तथ्य" की तरह बर्ताव करती है।

अब मैं आपको अपने दो लेजर-पन्ने दिखाता हूँ, क्योंकि डेटा की ईमानदारी की बात करना तब तक अधूरा है जब तक आप अपनी ग़लतियाँ न गिनाएँ।

दो हज़ार सत्रह की आईपीएल नीलामी का ऑडिट। उस साल मैं अड़तालीस का था और दुबई के स्पोर्ट्सबुक डेस्क पर बैठा था। मैंने दो हज़ार सोलह के आईपीएल और सैयद मुश्ताक़ अली के आँकड़ों से एक रिप्लेसमेंट-वैल्यू मॉडल बनाया। मॉडल ने क्रुणाल पांड्या के 148.7 के टी20 स्ट्राइक रेट और 7.1 की इकॉनमी को कम दाम पर बिका हुआ बताया। मुंबई इंडियंस ने उन्हें रोका, और उन्होंने आईपीएल दो हज़ार सत्रह में 142.1 की दर से 243 रन बनाए। मॉडल सही साबित हुआ — लेकिन उसी ऑडिट ने वॉशिंगटन सुंदर के पावरप्ले ओवरों को कम आँका। वह ग़लती मैंने अपनी लेजर में दर्ज की, मिटाई नहीं। यही आदत मुझे हर रिपोर्ट में "त्रुटि-लॉग" रखने की ओर ले गई।

दो हज़ार अठारह के रूस विश्व कप में मैंने xG और PPDA मॉडल लगाया। जर्मनी दक्षिण कोरिया से 0–2 हारा, पर मॉडल ने जर्मनी के पक्ष में 1.9 बनाम 0.3 xG और 72% कब्ज़ा दिखाया। सट्टेबाज़ी बाज़ार ने जर्मनी की रेटिंग अठारह प्रतिशत काट दी। मैंने अपना लंबी अवधि वाला मॉडल नहीं बदला, बारह महीने का अंतरराष्ट्रीय डेटा फिर से देखा, और नतीजे को प्रक्रिया की नहीं, भिन्नता (वैरिएंस) की श्रेणी में रखा।

ये दोनों पन्ने एक ही बात कहते हैं: आँकड़े कभी झूठ नहीं बोलते — उन्हें भरने वाला हाथ झूठ बोलता है। जब मैं उस ख़ाली रिपोर्ट को देखता हूँ, तो मुझे अपनी ही ग़लतियों की गंध आती है। वह रिपोर्ट मेरी अपनी अकड़ का आईना है — "मेरा मॉडल सही है" कहने की वह अकड़ जो तब तक ठीक लगती है जब तक कोई पूछ न ले कि मॉडल को खिलाया क्या गया।

और यहाँ एक बात साफ़ कर देना ज़रूरी है, ख़ास तौर पर खाड़ी के पाठकों के लिए। नीलामी की क़ीमत खिलाड़ी का मूल्यांकन नहीं है। चौदह करोड़ का दाम यह नहीं बताता कि खिलाड़ी चौदह करोड़ का है; वह यह बताता है कि ख़रीदने वाले ने किस भूमिका के लिए, कितने ओवरों के लिए, किस विकल्प के मुक़ाबले इतना दिया। हर दाम के साथ यह लिखना ज़रूरी है कि उसमें क्या शामिल नहीं था। यह अनुशासन ठीक वैसे ही काम करता है जैसे आँकड़ों पर लगाम — और दोनों की जड़ एक ही है: बेंचमार्क को दावे से पहले तय करना।

कंट्रारियन कोण

अब वह हिस्सा जहाँ मैं अपने ही तर्क पर शक करता हूँ।

मैंने ऊपर पाँच दरारें गिनाईं और आपको लगा होगा कि क्रिकेट एनालिटिक्स एक टूटी हुई इमारत है। यह निष्कर्ष जल्दबाज़ी होगी — और मैं वही ग़लती नहीं दोहराऊँगा जिसके लिए मैं दूसरों को टोकता हूँ। एक नमूने से संकट घोषित करना उतनी ही बड़ी ग़लती है जितनी एक मैच से किसी खिलाड़ी का करियर तय करना। असल में, हर दिन लाखों क्रिकेट-रिकॉर्ड ठीक से निकाले जाते हैं, साफ़ किए जाते हैं और सही जगह भेजे जाते हैं। जो सिस्टम चुपचाप काम करता है, उसकी तारीफ़ कभी नहीं होती, और यही वजह है कि हमारा ध्यान सिर्फ़ चीखती हुई नाकामियों पर जाता है। इसलिए सबसे पहले मैं आधार-दर (बेस-रेट) जाँचता हूँ: क्या यह नाकामी नियम है या अपवाद? जब तक जवाब "नियम" न हो, यह एक लेख है, संकट नहीं।

लेकिन यही आधार-दर जाँच मुझे एक ऐसी जगह ले जाती है जहाँ क्रिकेट उद्योग की नीयत पर सवाल उठता है। पैसा कहाँ जा रहा है? फ़्रैंचाइज़ियाँ और ब्रॉडकास्टर मॉडल पर करोड़ों लगाते हैं — बेहतर xG, बेहतर पिच-प्रेडिक्शन, बेहतर मैचअप इंजन। लेकिन वह चीज़ जिस पर सब कुछ टिका है — इनपुट की सफ़ाई — उस पर कोई निवेश नहीं करता, क्योंकि वह सेक्सी नहीं दिखती। सबसे सस्ती मरम्मत यहाँ सबसे बड़ा फ़ायदा देती है, और ठीक इसी वजह से सबसे ज़्यादा नज़रअंदाज़ की जाती है। तीन गैर-ख़ाली क्षेत्र — शीर्षक, फ़ॉर्मेट, और नाम — जोड़ दीजिए, और एक पूरी श्रेणी की ख़ाली रिपोर्टें जन्म से पहले मर जाएँगी। यह सुधार महीनों का नहीं, एक दोपहर का काम है।

असली विडंबना यह है कि हम एक ऐसे पेशे में बेहतरी की तलाश कर रहे हैं जिसमें हम अपने ही बुनियादी नियम भूल बैठे हैं। xG और PPDA जैसे उपकरण फ़ुटबॉल से आयात किए गए — और वह आयात एक अनुशासन के रूप में हुआ था, न कि एक जादुई छड़ी के रूप में। xG का पूरा मक़सद यही था कि नतीजे को प्रक्रिया से अलग करके देखा जाए। लेकिन अब हम उसी xG को इस तरह इस्तेमाल करते हैं जैसे वह ख़ुद नतीजा हो — और फिर आश्चर्य करते हैं कि भविष्यवाणियाँ ग़लत क्यों हो रही हैं। जो उपकरण नतीजे और प्रक्रिया को अलग करने के लिए बना था, वह आज एक नए तरह के भ्रम की जड़ बन गया है।

यहीं मुझे अपना दूसरा सबक़ याद आता है — वह जो मैंने अपने नीलामी ऑडिट से सीखा। रिप्लेसमेंट वैल्यू कोई आँकड़ा नहीं है। वह एक सवाल है — और वह सवाल यह है कि और कौन उपलब्ध था। जब हम किसी दाम को देखते हैं और पूछते हैं "और कौन था?", तो हम उसी पल मॉडल से आगे निकल जाते हैं और असली दुनिया में लौट आते हैं। यही सवाल उस ख़ाली रिपोर्ट पर भी लागू होता है: इस रिपोर्ट के बजाय क्या कुछ और उपलब्ध था? अगर जवाब "कुछ भी नहीं" है, तो रिपोर्ट का होना न होने से बेहतर है। अगर जवाब "बहुत कुछ" है, तो उस रिपोर्ट का न होना ही उसका सबसे बड़ा योगदान है।

निष्कर्ष की ओर

अगर मैं आज दुबई डेस्क से इस पूरे मामले से एक सबक़ निकालूँ, तो वह तकनीकी नहीं, आदतन है।

वह ख़ाली रिपोर्ट मेरे लिए कोई अपमान नहीं थी, वह एक मुफ़्त सबक़ थी। उसने मुझे वह दिखाया जो कोई स्कोरकार्ड नहीं दिखा सकता — कि इस खेल में सबसे बड़ी धोखाधड़ी वह नहीं है जो पर्दे के पीछे रची जाती है, बल्कि वह है जो सबके सामने भरी हुई तालिका की शक्ल में मुस्कुराती है। क्रिकेट की हर बड़ी बहस — चयन, चोट, नीलामी का दाम, ब्रॉडकास्ट का सौदा, अधिकारों का बँटवारा — एक ही चीज़ पर टिकी है: सूचना भरोसेमंद है या नहीं।

मैं एक बात अपने पाठकों से हमेशा कहता रहूँगा: हर दावे पर तारीख़ लिखिए, वरना वह दावा छपने लायक़ नहीं। हर आँकड़े के साथ उसका फ़ॉर्मेट लिखिए, वरना वह आँकड़ा धोखा है। और हर निष्कर्ष से पहले अपने इनपुट को पढ़िए — क्योंकि ट्रॉफ़ी उठाने से पहले यह देख लेना ज़रूरी है कि मैदान में मैच हुआ भी था या नहीं।

अगले दौर की क्रिकेट में जो फ़र्क़ पैदा करेगा, वह सबसे तेज़ मॉडल नहीं होगा। वह सबसे ईमानदार बहीखाता होगा — वह जो यह लिखना जानता हो कि "यहाँ मेरा डेटा ख़ाली था।"