खाली सेल: भारतीय क्रिकेट की युवा डेटा पाइपलाइन का ऑडिट

फ़रवरी 2026. चिन्नास्वामी स्टेडियम के पीछे वाले KSCA दफ़्तर में फाइलों की तीन अलमारियाँ थीं और एक पुराना लैपटॉप। उस लैपटॉप पर 2026-18 कूच बिहार ट्रॉफी का मेरा ऑडिट शीट खुला था। सत्रह साल के एक बल्लेबाज़ की पंक्ति में बाएँ हाथ के स्पिन के खिलाफ चार कॉलम खाली पड़े थे — गेंदें, रन, चौके-छक्के, आउट। बाकी शीट भरी हुई थी: प्रथम श्रेणी औसत 45, तेज़ गेंदबाज़ों के खिलाफ संतोषजनक संख्या, ज़ोन के हिसाब से रन। सिर्फ़ एक कोना खाली था। उसी कोने ने मुझे बारह मैचों की फुटेज तक खींचा, और आगे जो मिला वह मेरी हर स्काउटिंग रिपोर्ट का पहला नियम बन गया।

वह बल्लेबाज़ देवदत्त पडिक्कल था। शीट में बाएँ हाथ के स्पिन के खिलाफ उसका स्ट्राइक रेट बाकी सबसे करीब 22 प्रतिशत कम था — इतना बड़ा अंतर जो सिर्फ़ फ़ॉर्म से नहीं समझाया जा सकता था, क्योंकि औसत 45 का था और रन लगातार बन रहे थे। बारह मैचों की फुटेज फ्रेम-दर-फ्रेम देखने पर ट्रिगर मूवमेंट में एक छोटी खामी मिली: पैर बहुत जल्दी बंद हो जाता था, शरीर का वज़न पीछे रह जाता था, बल्ला गेंद के नीचे चला जाता था। कोचिंग स्टाफ़ ने दो हफ़्ते का सुधार लागू किया। अगले सीज़न स्पिन के खिलाफ उसका औसत 58 हो गया।

पिछले हफ़्ते मेरे इनबॉक्स में एक और खाली शीट आई — इस बार स्कोरशीट नहीं, एक स्वचालित विश्लेषण रिपोर्ट। शीर्षक: N/A. स्रोत: N/A. प्रारूप: अपरिभाषित. सूचना बिंदु: शून्य. उसमें आठ विश्लेषण आयाम थे — प्रारूप और मैच, खिलाड़ी तकनीक और डेटा, टीम परिदृश्य, लीग और वाणिज्यिक पारिस्थितिकी, नियम-शासन, जोखिम, सार्वजनिक कथा, और उद्योग-संचरण। हर आयाम में एक ही पंक्ति लौटी: 'अपर्याप्त जानकारी'. सिस्टम ने कुछ गढ़ा नहीं। उसने इनकार कर दिया।

एक खाली रिपोर्ट जो 'मुझे नहीं पता' कहती है, उस भरी हुई रिपोर्ट से ज़्यादा ईमानदार है जो अनुमान को तथ्य की तरह छापती है। और भारतीय क्रिकेट के डेटा संकट की जड़ यहीं है — समस्या मॉडल में नहीं, खाली सेल में है।

एक खाली पेलोड, आठ खाली आयाम

उस रिपोर्ट में जो सबसे चौंकाने वाली बात थी, वह उसकी रिक्तता नहीं, उसकी अनुशासन-प्रणाली थी। शीर्षक खाली था, इसलिए प्रारूप तय नहीं हुआ। प्रारूप तय नहीं हुआ, इसलिए कोई भी तकनीकी निष्कर्ष नहीं निकाला गया — क्योंकि टेस्ट का नई गेंद वाला चरण, वनडे का मध्य ओवर और T20 का डेथ ओवर एक-दूसरे की जगह नहीं लिए जा सकते। खिलाड़ी का नाम नहीं था, इसलिए भूमिका तय नहीं हुई। भूमिका नहीं, तो बेंचमार्क नहीं। बेंचमार्क नहीं, तो कोई तुलना नहीं। यह शून्य का सीधा सा नियम है, और क्रिकेट पत्रकारिता में इसे तोड़ना सबसे आसान काम है।

रिपोर्ट ने अपनी अंतिम तालिका में एक बात दर्ज की जो क्रिकेट से ज़्यादा सिस्टम के बारे में थी: 'एक खाली पेलोड के चलते बहुत सारे निष्कर्ष गढ़े जाने का जोखिम'. यानी असली ख़तरा यह नहीं कि डेटा नहीं है; असली ख़तरा यह है कि टेम्पलेट भरा हुआ दिखना चाहिए, इसलिए कोई उसे भर देगा।

मैं बारह साल से भारतीय घरेलू क्रिकेट के रिकॉर्ड के साथ काम कर रहा हूँ। मेरे सालों के मैच देखने के अनुभव के आधार पर कहूँ तो घरेलू क्रिकेट में रिकॉर्ड का संकट 'डेटा की कमी' नहीं है — रिकॉर्ड मौजूद है, बस वह मशीन के लिए नहीं लिखा गया। कूच बिहार ट्रॉफी, वीनू मांकड़ ट्रॉफी और सी.के. नायडू ट्रॉफी BCCI के घरेलू ढाँचे की वह परत है जहाँ से अगली पीढ़ी निकलती है। यहाँ स्कोरकार्ड बनते हैं, पर वे राज्य संघों की पीडीएफ रिपोर्ट, स्थानीय अख़बार के कटिंग और स्कोरिंग ऐप के बंद API में बिखरे रहते हैं। उसी देश के शीर्ष T20 लीग में हर गेंद पर आठ कैमरे, बॉल-ट्रैकिंग और फ्रेम-लेवल कोडिंग उपलब्ध है। यह असमानता तकनीक की नहीं, लेखन-परंपरा की है।

खुदाई की परतें: तीन जगह जहाँ रिकॉर्ड टूटता है

उस शून्य रिपोर्ट ने एक तकनीकी बात बहुत साफ़ कही थी, जिसे क्रिकेट के संदर्भ में समझना ज़रूरी है: निष्कर्षण (extraction) की विफलता अंधाधुंध नहीं होती, वह वर्गों में होती है। पेपरवॉल के पीछे का पाठ, स्कैन किया हुआ पीडीएफ, ग़ैर-लैटिन लिपि, और डायनामिक रूप से लोड होने वाले पेज — ये चार वर्ग ऐसे हैं जहाँ स्वचालित प्रणालियाँ चुपचाप कुछ नहीं लौटाती हैं। भारतीय क्रिकेट में इन चारों की भरमार है।

क्रिकेट-विशिष्ट रूप से देखिए। पहला, क्षेत्रीय भाषा की मैच रिपोर्टें — जहाँ अक्सर स्कोरकार्ड के साथ असली स्काउटिंग जानकारी होती है, जैसे 'बाएँ हाथ के स्पिनर के सामने पैर जल्दी बंद हो गया'। ऐसा वाक्य किसी भी डेटाबेस में कॉलम नहीं बनता, पर यही वाक्य 22 प्रतिशत के अंतर को समझाता है। दूसरा, राज्य संघों की वार्षिक रिपोर्टें — जहाँ सत्र-भर की U-19 संख्याएँ तस्वीर के रूप में छपती हैं। तीसरा, मौसम के हिसाब से खराब हुए ऑनलाइन स्कोरकार्ड, जो किसी तीसरे पक्ष के सर्वर पर थे और अब नहीं हैं।

मैंने अपने ऑडिट में एक साधारण बात दर्ज की थी: जिस मैच का स्कोरकार्ड केवल तस्वीर में है, वह मैच विश्लेषण के लिए हुआ ही नहीं। यह कठोर लगता है, पर स्काउटिंग की दुनिया में यही सच है। जब मैं किसी 17 वर्षीय खिलाड़ी का तीन साल का रुझान निकालता हूँ, तो मुझे हर सत्र की संख्या चाहिए। एक सत्र का स्कोरकार्ड गायब, और रेखा टूट जाती है। टूटी रेखा पर खींचा गया निष्कर्ष अनुमान होता है, और अनुमान को स्काउटिंग रिपोर्ट में जगह नहीं मिलनी चाहिए।

इसीलिए मैं ट्रेंड कहने से पहले नीचे की परतें देखना चाहता हूँ। किसी सीज़न में किसी बल्लेबाज़ का स्ट्राइक रेट अचानक 130 से 155 हो जाए, तो सुर्खियों के लिए यह 'कायापलट' है। मेरे लिए यह एक प्रश्न है: उस साल कितने मैच ऐसे मैदान पर हुए जहाँ छोटी बाउंड्री थी? कितनी पारियाँ बारिश से छोटी हुईं? कितनी बार वह नाबाद लौटा क्योंकि टीम 120 रन पर ढह गई थी? नंबर एक पगडंडी का मुहाना है, चोटी नहीं।

स्प्रेडशीट ने नाम दिया, फुटेज ने कारण बताया

पडिक्कल के मामले में मेरे पास तीन स्रोत थे: कूच बिहार का स्कोरकार्ड, बारह मैचों का वीडियो, और कोचिंग स्टाफ़ से बातचीत। तीनों एक ही दिशा में इश्क़ारा कर रहे थे। पहला स्रोत अकेला होता तो मैं कह देता 'बाएँ हाथ के स्पिन के खिलाफ कमज़ोरी है' — जो एक खोखला निष्कर्ष होता, क्योंकि कमज़ोरी का पता लगाने से वह ठीक नहीं होती। फुटेज ने कारण बताया, और कारण बताने के बाद सुधार संभव हुआ।

यहाँ एक बात दर्ज करना ज़रूरी है जो क्रिकेट विश्लेषण में अक्सर छूट जाती है। 2026 में हमारे पास हीटमैप नहीं था, wagon wheel का साफ़ डेटा नहीं था। जो था वह स्कोरकार्ड और कच्ची फुटेज था। लेकिन वह पर्याप्त था, क्योंकि सवाल सही पूछा गया था। आज हीटमैप और पिच-मैप की भरमार है और सवाल अक्सर ग़लत होते हैं। मेरे देखे, हीटमैप खिलाड़ी की असली भूमिका छिपा देता है — वह बताता है कि गेंद कहाँ पड़ी, यह नहीं कि बल्लेबाज़ उस गेंद से क्या करने की कोशिश कर रहा था। जब तक आप फुटेज में उसका पैर और कंधा नहीं देखते, हीटमैप सिर्फ़ रंगीन चाय-पत्ती है।

इसलिए मैं हाइलाइट्स का पीछा नहीं करता; मैं दोहराव का कैटलॉग बनाता हूँ। एक बार का छक्का कुछ नहीं कहता। वही ग़लती चौदह पारियों में लगातार दिखे, तो वह तकनीक है। पडिक्कल का मामला इसी कैटलॉगिंग का नतीजा था — बारह मैच, हर बाएँ हाथ के स्पिनर की हर गेंद, सिर्फ़ आउट होने वाली गेंदें नहीं।

ऑक्शन बोर्ड और अनदेखा किया गया बायाँ हाथ

2026 के अंत में मैं राजस्थान रॉयल्स के साथ जूनियर प्लेयर डेवलपमेंट एनालिस्ट के तौर पर जुड़ा, और IPL 2026 मेगा ऑक्शन के लिए पचास अनकैप्ड भारतीय खिलाड़ियों का मूल्यांकन मेरे हिस्से आया। मेरा भारित मीट्रिक तीन चीज़ों पर था: घरेलू T20 स्ट्राइक रेट, डॉट-बॉल प्रतिशत, और फील्डिंग एफिशिएंसी। मेरी सिफ़ारिश में तिलक वर्मा का नाम था — सैयद मुश्ताक अली ट्रॉफी में करीब 140 का स्ट्राइक रेट और सिर्फ़ 12 प्रतिशत डॉट बॉल। राजस्थान ने बोली नहीं लगाई। मुंबई इंडियंस ने उन्हें 1.7 करोड़ रुपये में खरीदा (IPL 2026 मेगा ऑक्शन, फरवरी 2026) और उसी सीज़न 397 रन बनाए (IPL 2026 आँकड़े)।

मैंने पोस्ट-ऑक्शन रिपोर्ट लिखी और उसमें यह नहीं लिखा कि 'हमसे चूक हो गई'। मैंने लिखा कि हमारे मॉडल ने बाएँ हाथ के बल्लेबाज़ों का भार कम रखा था। यह वाक्य सुनने में छोटा है, पर दो अलग तरह की विफलताओं को अलग करता है। पडिक्कल का मामला डेटा-अंतराल की विफलता थी — सेल खाली था। तिलक का मामला मॉडल-अंतराल की विफलता थी — सेल भरा था, पर उसमें एक चर गायब था। दोनों एक ही नतीजे पर पहुँचते हैं: ग़लत फ़ैसला। दोनों का इलाज अलग है।

ऑक्शन बोर्ड एक खुदाई की जगह है: बोली, ठहराव, और तलछट पढ़िए। किसी खिलाड़ी पर तीन टीमें रुककर बोली लगाती हैं और चौथी चुप रह जाती है, तो वह चुप्पी भी डेटा है। 1.7 करोड़ का आँकड़ा खुद में कोई गुणवत्ता प्रमाण नहीं — वह सिर्फ़ उस दिन की माँग का दाम है। खेल-मूल्य और बाज़ार-मूल्य को अलग रखना इस पूरे काम की बुनियादी शर्त है, और ऑक्शन के शोर में यही सबसे पहले टूटती है।

180 गेंदें, दो टूर्नामेंट, एक नियम

2026 के लॉकडाउन में क्रिकेट ठप था। मैंने चार महीने 2026 विश्व कप का वीडियो डेटाबेस बनाने में लगाए। न्यूज़ीलैंड के खिलाफ़ सेमीफ़ाइनल में भारत की बल्लेबाज़ी के 180 गेंदों को मैंने कोड किया। नतीजा यह निकला कि धीमी पिच पर 70 प्रतिशत आउट शॉर्ट-पिच गेंदों पर हुए थे। अकेले यह संख्या एक कहानी बन सकती थी, पर यह तब तक अधूरी थी जब तक उसका आधार नहीं मिला। मैंने 2026 IPL के डेटा से तुलना की और पाया कि ICC इवेंट में भारतीय बल्लेबाज़ों का बाउंसर के खिलाफ औसत 42 से गिरकर 28 पर आ गया था।

उस दिन से मेरा एक नियम है: कोई भी तकनीकी टुकड़ा दो टूर्नामेंट के मात्रात्मक आधार के बिना नहीं लिखा जाएगा। एक टूर्नामेंट एक मौसम है; दो टूर्नामेंट एक रुझान की शुरुआत है। यह नियम मुझे धीमा बनाता है और मुझे स्वीकार है। तेज़ निर्णय की कीमत अक्सर क्रेडिबिलिटी होती है।

यही वजह है कि जब टूर्नामेंट चल रहा होता है, तो मैं स्कोरबोर्ड से पहले गेंद-दर-गेंद लॉग खोलता हूँ। मैं पहले ओवर पर लौटा और कहानी अलग मिली — यह वाक्य मैंने कई बार लिखा है, और हर बार यह उतना ही सच रहा है। टूर्नामेंट का दबाव भावनाओं को संकुचित करता है, और भावना संकुचित होते ही नज़र हाइलाइट पर जम जाती है, प्रक्रिया पर नहीं। स्कोरबोर्ड बताता है कि क्या हुआ; गेंद-दर-गेंद लॉग बताता है कि क्यों हुआ।

जब तीसरा स्रोत खाली हो

मेरी हर स्काउटिंग रिपोर्ट में तीन स्रोत होते हैं: लिखित रिकॉर्ड, वीडियो, और इंसान (कोच, चयनकर्ता, या खिलाड़ी खुद)। तीनों के मिलने पर निष्कर्ष बनता है। दिक्कत तब शुरू होती है जब तीसरा स्रोत खाली हो — यानी जब किसी मैच का वीडियो ही न हो। घरेलू क्रिकेट में यह आम है। कूच बिहार के बहुत से मैचों की कोई प्रसारण-गुणवत्ता वाली रिकॉर्डिंग नहीं होती। तब आपके पास स्कोरकार्ड और यादें बचती हैं।

यहीं पर पेशेवर ईमानदारी की परीक्षा होती है। साफ़ ऑडिट ट्रेल पहली ईमानदार स्काउटिंग रिपोर्ट है — और साफ़ ऑडिट ट्रेल का मतलब यह भी है कि जहाँ फुटेज नहीं है, वहाँ रिपोर्ट में यह लिखा हो कि फुटेज नहीं है। मैंने कई रिपोर्टें ऐसी देखी हैं जहाँ 'फुटेज उपलब्ध नहीं' की जगह आत्मविश्वासी विशेषण भर दिए गए। वह विश्लेषण नहीं, सजावट है।

उस शून्य रिपोर्ट ने यहाँ एक शब्दावली दी जिसे क्रिकेट में भी अपनाया जाना चाहिए: जानकारी का अभाव, जाँच का अभाव नहीं है। रिपोर्ट ने साफ़ लिखा कि किसी भी तरह का इंटीग्रिटी संकेत न मिलना 'क्लियर' नहीं, 'अनजान' (UNKNOWN) है। क्रिकेट में यह भेद ज़रूरी है। किसी मैच पर सट्टेबाज़ी के संकेत न मिलना उस मैच के साफ़ होने का प्रमाण नहीं है। एंटी-करप्शन यूनिट के पास जानकारी न होना और मैच का साफ़ होना, दो अलग बातें हैं। मीडिया में ये दोनों बार-बार एक में मिला दिए जाते हैं।

गेट, एनम और भरा हुआ टेम्पलेट

उस रिपोर्ट की सबसे उपयोगी सिफ़ारिश तकनीकी थी: अगली बार विश्लेषण शुरू होने से पहले एक कठोर द्वार (gate) लगाया जाए — शीर्षक N/A न हो और कम से कम एक सूचना बिंदु मौजूद हो। यह छोटी सी शर्त पूरे सिस्टम को बेकार निष्कर्षों से बचा सकती है। मेरे काम में इसका सीधा अनुवाद है: जब तक स्कोरकार्ड, फुटेज और एक इंसानी पुष्टि तीनों में तालमेल न हो, मैं निष्कर्ष नहीं लिखता।

दूसरी सिफ़ारिश भी क्रिकेट के लिए उपयोगी है: श्रेणी-लेबल को निश्चित सूची में बाँधना। रिपोर्ट में 'cricket_world' जैसा अनौपचारिक लेबल मिला था जहाँ 'Cricket' होना चाहिए था। सुनने में यह बहुत छोटी बात है। लेकिन क्रिकेट में भी ऐसी छोटी बातें ही सबसे ज़्यादा नुकसान करती हैं। स्ट्राइक रेट बल्लेबाज़ के लिए प्रति सौ गेंद रन है और गेंदबाज़ के लिए प्रति विकेट गेंद — एक ही शब्द, दो उलटे अर्थ। अगर आपकी सिस्टम में यह भेद तय नहीं है, तो आपका पूरा डैशबोर्ड ग़लत है और आपको पता भी नहीं चलेगा।

तीसरी सिफ़ारिश जोखिम की थी, और वह सबसे कड़वी है: जिस दिन कोई स्वचालित प्रणाली खाली टेम्पलेट को भरने लगेगी, उस दिन पैमाने पर गढ़े हुए 'इनसाइट' पैदा होंगे। क्रिकेट में इसका पहले से एक संस्करण मौजूद है — वह स्काउटिंग रिपोर्ट, जिसमें हर खिलाड़ी 'तकनीकी रूप से साफ़, मानसिक रूप से मज़बूत' लिखा होता है। यह जानकारी नहीं, भराव है।

सबसे बड़ी गलती यह मानना है कि समस्या तकनीक की है

क्रिकेट विश्लेषण पर सबसे लोकप्रिय राय यह है कि भारत में डेटा की खाई तकनीक की खाई है — कैमरे कम हैं, सॉफ़्टवेयर महँगा है, विशेषज्ञ कम हैं। मेरे देखे यह ग़लत निदान है। कैमरे और सॉफ़्टवेयर पैसे से आ जाते हैं। जो नहीं आता, वह है रिकॉर्ड लिखने की आदत — और उसे लिखने की ज़िम्मेदारी तय करने की इच्छा। किसी U-19 मैच का स्कोरकार्ड कौन रखता है, किस प्रारूप में रखता है, कितने साल सुरक्षित रखता है, और क्या उसे सार्वजनिक करता है — यह तकनीक का सवाल नहीं, प्रशासन का है।

दूसरी बात जो आम राय से उलटी है: एक ऐसी प्रणाली जो खाली जगह भर देती है, उस प्रणाली से ज़्यादा ख़तरनाक है जो खाली जगह दिखा देती है। पहली आपको झूठी निश्चितता देती है, दूसरी आपको सवाल देती है। स्काउटिंग में झूठी निश्चितता की कीमत एक पूरा करियर हो सकती है — किसी 19 साल के खिलाड़ी का, जिसे ग़लत प्रोफ़ाइल के आधार पर चुना गया या छोड़ दिया गया।

तीसरी बात, जिसे मैं अपने काम की सबसे असहज सच्चाई मानता हूँ: घरेलू क्रिकेट पर रिपोर्टिंग पतली है, इसलिए घरेलू डेटा पर निर्भर निष्कर्ष भी पतले होते हैं। जब मैं कूच बिहार के आँकड़ों से कोई बात कहता हूँ, तो मुझे यह भी बताना पड़ता है कि उन आँकड़ों में कितने मैच शामिल नहीं हैं। यह स्वीकारोक्ति मेरी रिपोर्ट को कमज़ोर नहीं, पढ़ने लायक बनाती है।

आगे क्या देखना है

अगर मुझे भारतीय क्रिकेट के डेटा सुधार के लिए एक चीज़ चुननी हो, तो मैं हीटमैप नहीं चुनूँगा। मैं चुनूँगा एक न्यूनतम ग्यारह-फ़ील्ड वाला मानक रिकॉर्ड, जो हर घरेलू युवा मैच के लिए अनिवार्य हो: तारीख़, मैदान, टॉस, ग्यारह-ग्यारह नाम, गेंदबाज़ी क्रम, विकेट का तरीका, और मैच का पूरा गेंद-दर-गेंद विवरण — मशीन-पठनीय रूप में, सार्वजनिक रूप से, स्थायी रूप से।

बाज़ार तेज़ चलता है, तब मैं उन फ्रेम्स पर लौटता हूँ जो नहीं चलते। अगले पाँच साल में भारतीय क्रिकेट जितने स्काउटिंग मॉडल बनाएगा, उससे कई गुना ज़्यादा रिकॉर्ड उसे लिखने पड़ेंगे। सवाल यह नहीं है कि हमारे पास कितना डेटा है। सवाल यह है कि जब सेल खाली हो, तो हम उसे भरते हैं या उसे खाली रहने देते हैं — और उसे खाली रहने देने की हिम्मत, क्या हमारे पास है?