जब मॉडल चुप हो गए: क्रिकेट के आँकड़ों की उस सीमा पर, जहाँ हर भविष्यवाणी अपना दाँव हार जाती है

कुछ साल पहले, एक मई की रात, मुंबई के एक स्टूडियो में मेरे सामने की स्क्रीन पर एक संख्या 34% पर टिमटिमा रही थी। यह वह क्षण था जब मेरे बॉल-बाय-बॉल मॉडल ने, 812 आईपीएल पारियों पर प्रशिक्षित, हैदराबाद में खेले जा रहे फाइनल के इनिंग्स ब्रेक पर मुंबई इंडियंस को केवल 34% जीत की संभावना दी थी। स्कोरबोर्ड पर 129/8 था, और सामने राइजिंग पुणे सुपरजायंट की गेंदबाजी थी। उस रात क्रुणाल पांड्या ने 38 गेंदों पर 47 रन बनाए, और मैच एक रन से तय हुआ। मेरा मॉडल गलत था — नहीं, मेरा मॉडल अधूरा था। उसके डेथ-ओवर्स विकेट-वैल्यू टर्म में एक ऐसी खामी थी जिसे मैंने तीन हफ्ते में जाकर ठीक किया। लेकिन उस रात से एक आदत शुरू हुई: मैंने हर मैच रिपोर्ट को फैसले की तरह लिखना बंद कर दिया, और हर टुकड़े की शुरुआत एक घोषित प्राथमिकता, उसके पीछे का सैंपल, और उन शर्तों से करना शुरू किया जिनमें वह विफल होता है।

यह लेख किसी एक मैच की कहानी नहीं है। यह उस प्रक्रिया की कहानी है जिसे मैंने पिछले आठ सालों में अपनी डेस्क पर विकसित किया — और उस सीमा की, जहाँ क्रिकेट के आँकड़े हमें धोखा नहीं देते, बल्कि चुप हो जाते हैं।

संदर्भ: जब डेटा बोलता है, तब क्या वह सच बोलता है?

क्रिकेट विश्लेषण का आज का परिदृश्य एक अजीब विरोधाभास में फँसा है। एक ओर, हमारे पास पहले से कहीं अधिक डेटा है — हर गेंद का ट्रैकिंग, हर शॉट का निर्देशांक, हर खिलाड़ी की थकान का लॉग। दूसरी ओर, हमारे पास पहले से कहीं अधिक भ्रम है कि इस डेटा का अर्थ क्या है। 2026 में जब मैंने कोलकाता के एक अखबार की स्पोर्ट्स डेस्क छोड़ी और साल्ट लेक के एक बारह-व्यक्ति वाले प्राइसिंग डेस्क में शामिल हुआ, तब मेरा पहला काम था एक 'ट्रू रन वैल्यू' मॉडल बनाना। उस समय मुझे लगा था कि संख्याएँ मुझे मैच का सच दिखाएँगी। आज, 2026 में, मुझे पता है कि संख्याएँ केवल वही दिखाती हैं जो हमने उनसे पूछा है — और अक्सर हम गलत सवाल पूछते हैं।

आईपीएल का बॉल-बाय-बॉल डेटा समृद्ध और मुफ्त है। रणजी ट्रॉफी का डेटा पतला है। क्षेत्रीय भाषाओं की कवरेज और 2026 से पहले के महिला क्रिकेट का डेटा लगभग अनुपस्थित है। यह एक ऐसी पूर्वाग्रह है जिसे मैंने अपनी डेस्क पर 'डेटा-उपलब्धता पूर्वाग्रह' कहा है — जहाँ डेटा आसानी से उपलब्ध है, वही हमारा विषय बन जाता है। इसका मतलब यह है कि हमारे सबसे अच्छे विश्लेषण अक्सर उन क्षेत्रों में होते हैं जहाँ डेटा पहले से ही समृद्ध है, और हमारे सबसे महत्वपूर्ण सवाल — जैसे कि भारत की दूसरी पंक्ति की टीम कैसे चुनी जाती है, या महिला क्रिकेट का वास्तविक मूल्यांकन कैसे होता है — अनुत्तरित रह जाते हैं।

मुख्य विश्लेषण: वे तीन क्षण जब मॉडल चुप हो गए

पहला क्षण: 2026 का विश्व कप और 'पजेशन' का अंत। जून 2026 में मैं फुटबॉल विश्व कप का बुक चला रहा था। मेरा प्री-टूर्नामेंट मॉडल, बुंदेसलीगा और प्रीमियर लीग के दो सीज़न के xG और PPDA पर बना, जर्मनी को ग्रुप स्टेज से बाहर होने की 14% संभावना दे रहा था। 27 जून को जर्मनी दक्षिण कोरिया से 0-2 हार गया और ग्रुप F में सबसे नीचे रहा। तीन दिन बाद स्पेन ने रूस के खिलाफ 1,029 पास पूरे किए और पेनल्टी पर बाहर हो गया। उस समय मैंने 2,400 शब्दों का एक टुकड़ा लिखा था जिसमें तर्क दिया था कि पजेशन एक पिछड़ा संकेतक है और PPDA इरादे को बेहतर मापता है। मैंने पजेशन प्रतिशत को अपनी शब्दावली से हमेशा के लिए हटा दिया और उसकी जगह फील्ड टिल्ट, PPDA और प्रगतिशील पास प्रति शॉट को रखा। यह एक ऐसा फैसला था जिसने मेरे टूर्नामेंट पूर्वावलोकन को फैशन के विपरीत उबाऊ और असामान्य रूप से सटीक बना दिया।

दूसरा क्षण: 2026 का खाली स्टेडियम और 36 का स्कोर। मई 2026 में जब बुंदेसलीगा खाली स्टेडियमों में लौटी, तो मैंने तुरंत अपना होम-एडवांटेज रिग्रेशन दोबारा चलाया। छह आईपीएल सीज़न और 1,200 से अधिक मैचों में यह गुणक 1.07 था। खाली स्टेडियमों में यह 1.00 पर ढह गया। मैंने यह निष्कर्ष आईपीएल के सितंबर रीस्टार्ट से पहले प्रकाशित किया, और 60 मैचों में यह टिका रहा। खाली स्टैंडों ने मुझे सिखाया कि वातावरण एक ऐसा चर था जिसे मैंने शून्य पर मूल्यांकित किया था। लेकिन उसी साल दिसंबर में, एडिलेड में, भारत ने पहली पारी में 53 रन की बढ़त लेने के बावजूद 36 रन पर ढेर हो गया। मेरे इन-प्ले मॉडल ने उन्हें हार न होने की 74% संभावना दी थी। छत्तीस ऑल आउट, पैंतालीस मिनट में, और मेरे भरोसे का हर मॉडल चुप हो गया। उस सर्दी में मैंने हर विकेट के लिए बॉल-ट्रैकिंग लॉग करके बिताई। तब से मैंने हर टुकड़े में एक अनिवार्य 'संदर्भ गुणांक' पैराग्राफ जोड़ा — भीड़, यात्रा, कैलेंडर, पिच की उम्र — और 2026 से पहले और बाद के आँकड़ों की तुलना एक ही वाक्य में करने से इनकार कर दिया।

तीसरा क्षण: 2026 का कतर और सऊदी का झटका। 22 नवंबर 2026 को अर्जेंटीना लुसैल में सऊदी अरब से 1-0 आगे था और मेरा इन-प्ले मॉडल उन्हें 94% पर रख रहा था। वे 1-2 से हार गए। मैंने चालीस घंटे के भीतर पोस्ट-मॉर्टम प्रकाशित किया — बहाना नहीं, बल्कि एक वेरिएंस लेजर, जिसमें 5,000 ऐतिहासिक मैचों में मॉडल की कैलिब्रेशन त्रुटि मापी गई थी। उसी हफ्ते, फीफा के अतिरिक्त समय निर्देश (इंग्लैंड-ईरान में 27 मिनट) पर मेरा प्री-टूर्नामेंट नोट पहले ही यात्रा को उचित ठहरा चुका था। हर संख्या जिस पर मैं भरोसा करता हूँ, वह किसी ऐसे सीज़न का निशान लिए हुए है जिसमें मैं गलत था।

विरोधाभासी दृष्टिकोण: सहसंबंध और कार्य-कारण के बीच की खाई

यहाँ एक असुविधाजनक सच है जिसे क्रिकेट डेटा का हर गंभीर छात्र जानता है लेकिन कम ही लिखते हैं: हमारे अधिकांश मॉडल सहसंबंध को कार्य-कारण समझ लेते हैं, और फिर उसे 'अंतर्दृष्टि' कहकर बेच देते हैं। उदाहरण के लिए, डेथ ओवर्स में उच्च स्ट्राइक रेट और जीत के बीच मजबूत सहसंबंध है। लेकिन क्या उच्च स्ट्राइक रेट जीत का कारण है, या जीत की संभावना खिलाड़ियों को अधिक आक्रामक खेलने की अनुमति देती है? मेरे 2026 के मॉडल ने इस अंतर को नजरअंदाज कर दिया था, और इसीलिए क्रुणाल पांड्या की पारी ने उसे हरा दिया।

इसी तरह, 'डिस्टेंस कवर' और 'हाई-इंटेंसिटी स्प्रिंट्स' को प्रयास के मेट्रिक्स के रूप में पैकेज किया जाता है। लेकिन बेकार दौड़ना भी सुंदर संख्याएँ पैदा करता है। एक ऐसा खिलाड़ी जो गलत जगह पर 12 किलोमीटर दौड़ता है, वह उस खिलाड़ी से अधिक 'मेहनती' दिखता है जो सही जगह पर 9 किलोमीटर दौड़ता है। मैंने 2026 में पजेशन प्रतिशत को रिटायर किया, और डेस्क पर किसी ने ध्यान नहीं दिया। लेकिन सच यह है कि उसी तरह की खामी आज भी कई क्रिकेट मेट्रिक्स में मौजूद है — जैसे 'इकॉनमी रेट' जो विकेट-टेकिंग क्षमता को नजरअंदाज करता है, या 'एवरेज' जो मैच की स्थिति को नहीं देखता।

मेरी अगली चिंता महिला क्रिकेट का नया डेटासेट है। 2026 से WPL और 2026 के घरेलू विश्व कप जीत ने कमेंट्री जगत का ध्यान तेजी से खींचा है, लेकिन मॉडलिंग अभी भी पीछे है। भारत की असली समस्या प्रतिभा नहीं, बल्कि उसे रैंक करने की मशीनरी है — और महिला खेल अभी भी उस मशीनरी में एक अन-असीमिलेटेड डेटासेट है। जब तक हम महिला क्रिकेट के लिए अलग मेट्रिक्स और अलग सैंपल विंडो विकसित नहीं करते, तब तक हमारे सभी तुलनात्मक दावे अधूरे रहेंगे।

निष्कर्ष: अगले दौर का संकेत

तो अगली बार जब आप कोई क्रिकेट आँकड़ा देखें — चाहे वह स्ट्राइक रेट हो, इकॉनमी हो, या जीत की संभावना — तो तीन सवाल पूछें: इसका सैंपल क्या है? इसकी विंडो क्या है? और यह किस स्थिति में विफल होता है? हर संख्या जिस पर आप भरोसा करते हैं, उसे किसी ऐसे क्षण का निशान लिए हुए होना चाहिए जब वह गलत थी। अगर नहीं है, तो वह संख्या नहीं, सजावट है। और क्रिकेट में सजावट के लिए कोई जगह नहीं है — खासकर तब जब अगली गेंद आपको उस सच का सामना करा सकती है जिसे कोई मॉडल नहीं देख सकता।