क्रिकेट का सबसे ख़तरनाक आँकड़ा वो है जो कभी दर्ज ही नहीं हुआ

सत्रह मार्च 2026। लाहौर के एक फ़्लैट में दो मॉनिटर जल रहे थे और एयर-कंडीशनर बंद था। स्क्रीन पर एक फ़ाइल खुली थी जिसमें नौ फ़ील्ड थीं और आठ खाली। शीर्षक — N/A। स्रोत — N/A। प्रकार — Unclassified। सारांश — खाली। जो एकमात्र सेल भरा था, वह था: Domain Label: cricket_world। ढाँचा ज़िंदा था, अंदर का क्रिकेट मृत।

उसी शाम पाकिस्तान सुपर लीग के प्लेऑफ़ चार दिन दूर थे और लीग सस्पेंड हो गई। दो अलग घटनाएँ, एक ही आकार: कैलेंडर मौजूद, मैच ग़ायब; फ़ील्ड मौजूद, आँकड़ा ग़ायब। उस रात मुझे लगा था कि मैं डेटा खो रहा हूँ। आठ महीने बाद, जब कराची के नैशनल स्टेडियम में खाली सीटों के बीच फ़ाइनल खेला गया, तब समझ आया — जो दर्ज नहीं हुआ, वो शून्य नहीं होता; वो अनदेखा होता है, और अनदेखा डेटा हमेशा सबसे भरोसेमंद दिखता है।

संदर्भ: वो सीज़न जो बीच में रुका

पीएसएल का पाँचवाँ सीज़न 17 मार्च 2026 को सेमीफ़ाइनल से चार दिन पहले रोका गया। वही सीज़न नवंबर 2026 में कराची में बिना दर्शकों के पूरा हुआ; 17 नवंबर 2026 के फ़ाइनल में इमाद वसीम की कप्तानी वाली कराची किंग्स ने लाहौर क़लंदर्स को पाँच विकेट से हराया (स्रोत: पीसीबी/पीएसएल आधिकारिक रिकॉर्ड)।

मेरे पास तब तीन सीज़न का होम-एडवांटेज मॉडल था, जो हर मैच को घरेलू और बाहरी टीम के जीत-अंतर और रन-रेट पर तोलता था। 2026 से पहले का आँकड़ा: 9.4 प्रतिशत। बंद दरवाज़ों वाले चरण का आँकड़ा: 2.1 प्रतिशत।

पर मॉडल ग़लत संख्या से नहीं टूटा। वो उस कॉलम से टूटा जिसमें Attendance के आगे 0 लिखा था और किसी ने उसे फ़्लैग नहीं किया। 9.4 से 2.1 तक का सफ़र एक कहानी है; 2.1 के पीछे कितने मैच थे, यह दूसरी कहानी है — और दूसरी कहानी पहली से कहीं ज़्यादा ज़रूरी है।

उसी हफ़्ते मैंने अपना पहला नियम लिखा, जो आज भी हर ड्राफ़्ट के पहले पन्ने पर रहता है: 2026 से पहले और बाद के घरेलू रिकॉर्ड एक ही टेबल में नहीं बैठेंगे, और कारण प्रिंट में छपेगा। यह नियम डेटा-शुद्धता के बारे में नहीं है। यह इस बारे में है कि जब कोई चर अपना अर्थ बदल दे, तो उसका नाम भी बदलना पड़ता है।

कोर: सन्नाटे की चार किस्में

प्रशासनिक सन्नाटा। जब लीग रुकी, तो चार मैच "नहीं हुए" — पर स्प्रेडशीट में वो न हारे, न जीते। वो बस पंक्ति से ग़ायब हो गए। जिस मॉडल ने "कुल मैच = 34" मान लिया, उसका हर प्रतिशत ऊपर की तरफ़ धक गया, क्योंकि हर ग़ायब पंक्ति बाक़ी सबको भारी बना देती है। ख़ाली पंक्ति डेटा को छोटा नहीं करती, उसे तिरछा कर देती है।

संरचनात्मक सन्नाटा। बारिश। बीस ओवर का मैच बारह ओवर का हो जाता है और कमेंट्री कहती है "सैंपल छोटा हो गया"। ग़लत। सैंपल छोटा नहीं होता, सैंपल दूसरा हो जाता है। बारह ओवर के चेज़ में डेथ ओवर मौजूद ही नहीं होते, इसलिए जिस फ़ेज़-वेटिंग पर मेरा सारा Expected Runs मॉडल खड़ा है, वो उस मैच में लागू ही नहीं होता। मैंने सैकड़ों ऐसे मुक़ाबले गद्दी पर बैठकर देखे हैं जहाँ बारिश के बाद टीमें लौटीं और हर कॉलम बदल गया — कमेंट्री वही रही, गणित दूसरा हो गया।

मैंने 41,000 गेंद-दर-गेंद पीएसएल डिलीवरी पर Expected Runs बनाया था, बल्लेबाज़, गेंदबाज़, फ़ेज़ और फ़ील्ड-प्रतिबंध से भारित। बारह हिस्सों की न्यूज़लेटर में ग्यारह हिस्से लगभग चालीस लोगों ने पढ़े। सातवाँ हिस्सा — डेथ ओवरों पर — मुल्तान के एक एनालिस्ट ने फ़ॉरवर्ड किया और वहीं से आगे चला। सबक साफ़ था: फ़ेज़-भार ही उस मॉडल की जान है, और फ़ेज़ तभी मौजूद रहता है जब ओवर मौजूद हों। बारिश उस मॉडल की सबसे बड़ी दुश्मन है जो सबसे ज़्यादा भरोसेमंद दिखता है।

इंस्ट्रुमेंटेशन सन्नाटा। वही नौ में आठ फ़ील्ड N/A। सबसे ख़तरनाक बात यह नहीं कि डेटा नहीं आया; ख़तरनाक यह है कि N/A दिखने में एक तथ्य जैसा लगता है। "शीर्षक: N/A" पढ़कर आप अनुमान लगा सकते हैं कि लेख का शीर्षक नहीं था। ग़लत — लेख ही नहीं था। या लेख था और पार्सर DOM स्ट्रक्चर नहीं पहचान सका, या पे-वॉल थी, या JS रेंडर ही नहीं हुआ।

और यहीं से नुक़सान शुरू होता है: एक ख़ाली फ़ाइल अगले कदम को रोक नहीं देती, वो उसे ज़हर देती है। अगर मैं उसे "विश्लेषण-अयोग्य" कहकर रोक देता, तो वह एक ईमानदार वाक्य होता। अगर मैं उसे "नतीजा निकालने लायक़" मान लेता, तो हर अगला वाक्य एक झूठ पर खड़ा होता — भले ही हर वाक्य शुद्ध हिंदी में होता। पाइपलाइन की विफलता अपने आप में ख़बर नहीं होती; वो ख़बर बनती है जब अगली पंक्ति में तथ्य बनकर लौटती है।

मेरे पेशे में इसका रोज़ का उदाहरण है: ट्रांसफ़र मार्केट में जब किसी खिलाड़ी का फ़ीस "अज्ञात" होता है, तो लोग उसे मुफ़्त मान लेते हैं। हर नामौजूद संख्या को शून्य समझने की आदत क्रिकेट विश्लेषण की सबसे पुरानी बीमारी है। अनुपस्थिति एक माप नहीं है, एक माप की विफलता है — और दोनों को एक ही कॉलम में नहीं रखा जा सकता।

चयन-सन्नाटा। फ़रवरी 2026। लाहौर क़लंदर्स का एनालिटिक्स डेस्क, तीन लोग। टीम ने पीएसएल 2 में आठ में से तीन जीते और तालिका में आख़िरी स्थान पाया। मैंने 214 खिलाड़ियों की वैल्यूएशन शीट बनाई — हर घरेलू क्रिकेटर जिसका पिछले दो नैशनल टी20 कप में स्ट्राइक रेट 120 से ऊपर था — और उन्हें प्लैटिनम, डायमंड, गोल्ड, सिल्वर और इमर्जिंग बैंड में बाँटा। वैल्यूएशन शीट एक वादा है जिसे लीग टेबल परखती है।

फ़्रैंचाइज़ ने आधी शीट अनदेखी की। जो आधी इस्तेमाल की, उसमें से तीन इमर्जिंग पिक्स ने पूरे सीज़न में उसकी प्लैटिनम साइनिंग से ज़्यादा रन बनाए। इस कहानी का सबसे ज़रूरी हिस्सा वो नहीं है जो मैंने सही पकड़ा। सबसे ज़रूरी हिस्सा वो 107 नाम हैं जिन्हें नज़रअंदाज़ किया गया — वो ख़राब साबित नहीं हुए, वो बस कभी देखे ही नहीं गए। अनदेखा खिलाड़ी और ख़राब खिलाड़ी एक ही कॉलम में नहीं बैठते, और जो फ़्रैंचाइज़ यह अंतर नहीं करती, वो अपनी ग़लती का बहीखाता कभी नहीं लिख पाती।

2026 में मैंने रूस विश्व कप के सभी 64 मैच हाथ से कोड किए — शॉट मैप, xG, PPDA, बंद एयर-कंडीशनर। फिर वही धर्म-विरुद्ध काम किया: xG को क्रिकेट में उतारने की कोशिश। सभी 64 मैच कोड करने से मुझे पता चला कि xG कहाँ ख़त्म होता है और क्रिकेट कहाँ शुरू। वो सफ़र तीन सीमाओं पर साफ़-साफ़ रुकता है।

विकेट एक घटना है, मौक़ा नहीं। फ़ुटबॉल में शॉट की गुणवत्ता से गोल की प्रायिकता निकलती है; क्रिकेट में आउट होना अक्सर शॉट की गुणवत्ता का फल ही नहीं होता — LBW, रन आउट, कैच, या सिर्फ़ ग़लत कॉल। विकेट के "अवसर" गिनना शुरू कीजिए और आप एक घटना को एक संभावना में बदल देते हैं। फिर, 120 गेंद एक पारी है, एक मैच नहीं; फ़ुटबॉल में 90 मिनट एक इकाई है, टी20 में एक पारी 120 अलग-अलग गेंदें हैं और वही सैंपल की सबसे बड़ी समस्या है — एक गेंदबाज़ चार ओवर में 24 गेंद फेंकता है, उस पर कोई दर बनाना ही नहीं चाहिए। और तीसरा, गेंदबाज़-बल्लेबाज़ मुलाक़ात दुर्लभ है; एक टूर्नामेंट में दो खिलाड़ी चार-पाँच बार आमने-सामने आते हैं, जो किसी भी सार्थक "मैचअप" दावे के लिए नाकाफ़ी है।

यही वजह है कि मैं आज भी हर दावे के साथ गेंदों की गिनती चिपकाता हूँ। जो संख्या "यह कितनी गेंदों पर टिकी है?" पूछने पर टिक न सके, वो पैराग्राफ़ में नहीं आती। एडिटर मेरे ड्राफ़्ट को ऑडिटेबल कहते थे और लंबाई काटना बंद कर दिया था।

उलटा कोण: 9.4 से 2.1 तक की सुंदर कहानी पर शक़

अब वो बात जो ऊपर की हर बात से टकराती है। बंद दरवाज़ों में घरेलू लाभ 9.4 से 2.1 प्रतिशत पर गिरा। यह नतीजा सुंदर है, और सुंदर नतीजे सबसे ज़्यादा शक़ के लायक़ होते हैं।

क्यों? क्योंकि बंद दरवाज़ों वाला सैंपल बहुत छोटा था और लगभग पूरा एक ही मैदान पर बैठा था — कराची का नैशनल स्टेडियम, जो कराची किंग्स का घरेलू मैदान भी है। यानी "दर्शक नहीं थे" और "मेज़बान टीम मज़बूत थी" — दोनों चीज़ें एक साथ बदलीं। मुझे 9.4 का बिंदु नहीं, 9.4 का अंतराल छापना चाहिए था। मैंने नहीं छापा। जहाँ सैंपल छोटा हो, वहाँ बिंदु नहीं, दायरा छापो — और यह पहले लिखो कि मॉडल किस शर्त पर ग़लत साबित होगा, बाद में नहीं।

"ज़्यादा डेटा बेहतर" वाला रिफ़्लेक्स भी यहीं पोस्टमार्टम माँगता है। क्रिकेट में चालीसवें मीट्रिक की सीमांत क़ीमत लगभग शून्य है; एक missingness फ़्लैग की सीमांत क़ीमत बहुत ऊँची है। जो मॉडल अपनी ख़ाली जगह नहीं जानता, वो अपनी भरोसेमंदी भी नहीं जानता — और नॉकआउट क्रिकेट में यह अंधापन सबसे महंगा पड़ता है, क्योंकि वहाँ एक पारी ही पूरा सैंपल होती है और मॉडल फिर भी पूरे भरोसे से एक संख्या छाप देता है।

आगे की तरफ़

तो अगली शुरुआत कहाँ से? एक ऐसे सीज़न से जहाँ दर्शक लौटें और ऑडिट भरोसेमंद हो। मेरी शर्त पहले से दर्ज है: जब पीएसएल का अगला बाधा-मुक्त, दर्शकों से भरा सीज़न पूरा हो, तो अगर घरेलू लाभ 6% से ऊपर आता है, तो 2026 का 2.1% मैदानों का असर था, दर्शकों का नहीं — और मैं अपना निष्कर्ष वापस लूँगा। अगर 4% से नीचे रहता है, तो दर्शकों के पास असली ताक़त थी। दोनों के बीच का फ़ासला मेरे मॉडल की त्रुटि-सीमा है। तारीख़ पहले से तय: उस सीज़न के आख़िरी मैच के चौदह दिन के भीतर।

जब स्टेडियम खाली होता है, डेटा और ज़ोर से बोलता है। सवाल यह नहीं कि स्क्रीन पर क्या है। सवाल यह है कि स्क्रीन पर क्या नहीं है — और उस ग़ैरहाज़िरी को किसने, कब, और किस बहाने से दर्ज नहीं किया।