खाली सेल: एशियाई क्रिकेट एनालिटिक्स की असली कमज़ोरी स्पॉट-फिक्सिंग नहीं, बिना प्रोवेनेंस वाला डेटा है

Hook

रात के तीन बजे हैं, लिवरपूल। लैपटॉप पर एक स्प्रेडशीट खुली है जो चार हज़ार किलोमीटर दूर से आई है। हेडर रो पूरी सलामत है — टाइटल, सोर्स, आर्टिकल टाइप, इनफॉर्मेशन पॉइंट्स, एंटिटीज़, टाइम सेंसिटिविटी। हर कॉलम अपनी जगह पर खड़ा है, हर सेल का फ़ॉर्मेट सही है। और हर सेल के अंदर कुछ नहीं। टाइटल N/A. सोर्स N/A. इनफॉर्मेशन पॉइंट्स खाली। जो बचा है, वो सिर्फ़ एक टैक्सोनॉमी टैग है — cricket_asia.

यही वो पल है जब आपको समझ आता है कि एशियाई क्रिकेट की सबसे बड़ी एनालिटिकल समस्या मॉडल नहीं है। समस्या यह है कि एक खाली सेल भी आगे बढ़ती रहती है। उसे "Unclassified" का लेबल मिल जाता है, अगली स्टेज उसे इनपुट मान लेती है, और तीसरी स्टेज उस पर एक राय बना लेती है। मैंने इस मैच को खोलकर देखा कि कौन सा हिस्सा अभी भी गर्म है। जो हिस्सा गर्म था, वो मैच नहीं था। वो पाइपलाइन थी।

Context

एशियाई क्रिकेट एक ऐसा बाज़ार है जहाँ भावना और आँकड़े एक ही सिक्के के दो पहलू मान लिए जाते हैं, जबकि असल में वे दो अलग बहीखातों में दर्ज होते हैं। दक्षिण एशिया का दर्शक-आधार वैश्विक क्रिकेट राजस्व का सबसे बड़ा हिस्सा खींचता है — ब्रॉडकास्ट राइट्स से लेकर फ्रेंचाइज़ी वैल्यूएशन तक, और वहाँ से आगे फैंटेसी स्पोर्ट्स और डेरिवेटिव मार्केट तक। जितना बड़ा राजस्व, उतनी ही तेज़ी से एक क्रिकेट-दावा आगे बढ़ता है। और उतनी ही तेज़ी से उसका सोर्स पीछे छूटता जाता है।

एक दावे की यात्रा इस तरह दिखती है: बोर्ड की प्रेस रिलीज़ → न्यूज़ एजेंसी की फ़्लैश → एग्रीगेटर का स्टोरी → फैंटेसी प्लेटफ़ॉर्म का नोटिफ़िकेशन → ब्रॉडकास्ट ग्राफ़िक → विश्लेषक की स्प्रेडशीट। हर हॉप पर एक फ़ील्ड गिरती है। पहले तारीख़ का फ़ॉर्मेट बदलता है, फिर फ़ॉर्मेट (Test/ODI/T20) का ज़िक्र छूट जाता है, फिर बॉल-काउंट गायब होता है, और आख़िर में बाइलाइन ही नहीं बचती। चार हज़ार किलोमीटर बाद आपके पास एक ऐसा वाक्य होता है जिसे आप पढ़ तो सकते हैं, लेकिन उसे किसी भी चीज़ से जोड़ नहीं सकते।

कैलेंडर भी इसी बहीखाते में लिखा जाता है। भारत-पाकिस्तान द्विपक्षीय सीरीज़ 2026–13 से सस्पेंड है; वो राइवलरी अब सिर्फ़ ICC इवेंट्स और एशिया कप में ज़िंदा है। इसका मतलब यह है कि एशियाई क्रिकेट का सबसे बड़ा कमर्शियल इवेंट एक बोर्ड-नियंत्रित कैलेंडर का नहीं, एक टूर्नामेंट-स्लॉट का नतीजा है। जब आपका सबसे बड़ा प्रोडक्ट भी एक फ़िक्स्चर-स्लॉट है, तो उसकी रिपोर्टिंग में फ़ॉर्मेट टैग और तारीख़ जैसी बुनियादी चीज़ें सबसे पहले क्यों गिरती हैं, यह समझना मुश्किल नहीं रहता।

Core

पहला मैकेनिज़्म: टैक्सोनॉमी टैग को जानकारी समझ लेना। cricket_asia एक CMS लेबल है। यह बताता है कि आइटम किस फ़ोल्डर में रखा गया है, यह नहीं बताता कि उसके अंदर क्या लिखा है। जब पाइपलाइन में कंटेंट खाली होता है और टैग भरा हुआ, तो सिस्टम का व्यवहार उल्टा हो जाता है — वो टैग को सिग्नल मान लेता है। नतीजा यह निकलता है कि "एशियाई क्रिकेट" के नाम पर एक ऐसी राय बन जाती है जिसके पीछे कोई मैच, कोई खिलाड़ी, कोई फ़ॉर्मेट नहीं है।

मैंने सत्रह साल में यह बार-बार देखा है: एशियाई क्रिकेट कवरेज में सबसे ज़्यादा नुक़सान वहाँ होता है जहाँ जानकारी की मात्रा ज़्यादा होती है और प्रोवेनेंस शून्य। उच्च-वॉल्यूम, कम-सटीक एग्रीगेशन एक ऐसा शोर पैदा करता है जिसमें हर दावा सही लगता है क्योंकि हर दावा एक जैसा लिखा गया है।

दूसरा मैकेनिज़्म: फ़ॉर्मेट का संदूषण। क्रिकेट में तीन अलग-अलग करेंसी हैं। टेस्ट में बल्लेबाज़ी की करेंसी औसत है। T20 में करेंसी स्ट्राइक रेट है। गेंदबाज़ी की T20 करेंसी इकॉनमी रेट है, जहाँ सात से नीचे जाना अच्छा माना जाता है। इन तीनों के बेंचमार्क अलग हैं, इनके बीच का रूपांतरण दर अलग है, और इन्हें मिलाने पर जो संख्या निकलती है वो किसी भी काम की नहीं होती।

यही वजह है कि जब सोर्स फ़ील्ड में फ़ॉर्मेट दर्ज नहीं होता, तो उसके बाद होने वाला हर विश्लेषण तकनीकी रूप से अमान्य है — भले ही वो ईमानदारी से लिखा गया हो। एक 34 की औसत और 128 के स्ट्राइक रेट वाला मध्यक्रम बल्लेबाज़ 50 ओवर में एक तस्वीर है और 20 ओवर में दूसरी। पहले में वो संयम है, दूसरे में वो एक खर्च है। अगर आपको यह पता नहीं कि कौन सा फ़ॉर्मेट है, तो आप उस खिलाड़ी के बारे में कुछ भी नहीं कह सकते।

जून 2026 में मैंने चैंपियंस ट्रॉफ़ी का फ़ाइनल चार बार देखा — द ओवल, 18 जून, पाकिस्तान 338/4, भारत 158 ऑल आउट, 180 रन का अंतर। मैंने भारत के टॉप-ऑर्डर के 96 गेंदों को कोड किया, मोहम्मद आमिर की 6-0-16-3 spell का पिच मैप, सीम पोज़िशन और रिलीज़ हाइट निकाली। वो काम इसलिए मुमकिन हुआ क्योंकि फ़ॉर्मेट पहले से तय था। अगर वही spell किसी T20 में होती, तो मेरा पूरा ग्रिड बेकार हो जाता — क्योंकि 50 ओवर में जो ओवर कीमती है, वो 20 ओवर में एक लग्ज़री है।

तीसरा मैकेनिज़्म: प्रोवेनेंस ब्लैकआउट। क्रिकेट में भ्रष्टाचार पर नज़र रखने के लिए ICC का ACU है। मैच-फ़िक्सिंग और स्पॉट-फ़िक्सिंग की जाँच होती है, रेफ़रल दर्ज होते हैं, प्रतिबंध लगते हैं। डेटा की सत्यता पर नज़र रखने के लिए कोई ACU नहीं है। कोई भी संस्था यह ऑडिट नहीं करती कि जो आँकड़ा ब्रॉडकास्ट ग्राफ़िक पर चढ़ा, वो कहाँ से आया, किसने बनाया, और उसका टाइमस्टैम्प क्या है।

इसका सीधा असर यह है कि एक अनअटेस्टेड दावा और एक बोर्ड-वेरिफ़ाइड दावा, दोनों एक ही फ़ीड में एक जैसे दिखते हैं। फ़ैंटेसी मार्केट में यह अंतर सीधे पैसे का अंतर है। और नीलामी में तो यह अंतर सबसे महँगा है।

नीलामी एक मिसप्राइसिंग लैब है, लेकिन उसके लिए एक प्राइस बुक चाहिए जिस पर तारीख़ लिखी हो। IPL मेगा ऑक्शन, रिटेंशन नियम, RTM और पर्स अर्थमैटिक — यह सब एक ऐसा बाज़ार बनाते हैं जहाँ हर खिलाड़ी की एक कीमत होती है और वो कीमत हर साल सार्वजनिक होती है। यही मेरा पसंदीदा तर्क है: भारत की दूसरी XI दुनिया के खेल में बनाने के लिए सबसे मुश्किल टीम है, और यह टैलेंट की कमी नहीं, सेलेक्शन और प्राइसिंग की विफलता है।

लेकिन इस तर्क को टिकने के लिए तीन चीज़ें चाहिए — कीमत, तारीख़, और वो नियम जो उस समय लागू था। जब सोर्स फ़ील्ड खाली हो, तो आप यह भी नहीं बता सकते कि जो पर्स आप देख रहे हैं वो मेगा ऑक्शन का है या मिनी ऑक्शन का, और RTM उस साल लागू था या नहीं। बिना तारीख़ के नीलामी का आँकड़ा एक कहानी है, एक कीमत नहीं।

चौथा मैकेनिज़्म: वो वैरिएबल जिन्हें कोई फ़िल्माता नहीं। सितंबर से नवंबर 2026, IPL यूएई में था — तीन वेन्यू, ज़ीरो क्राउड, बायोसिक्योर बबल। मैं लिवरपूल से दिल्ली कैपिटल्स के लिए रिमोट परफ़ॉर्मेंस एनालिस्ट था, चार घंटे के टाइम डिफ़्रेंस पर, रात तीन बजे ड्यू मॉडल फ़ाइल करता था। दुबई में नाइट गेम्स 63% बार चेज़ हुए। शारजाह के स्क्वायर बाउंड्री 58 से 62 मीटर नापे गए। और खाली स्टैंड्स ने एक ऐसा डेटा सोर्स खोल दिया जिसे किसी ने लॉग नहीं किया था — ब्रॉडकास्ट पर 340 फ़ील्ड चेंज सुनाई दे रहे थे।

तीन स्टेडियम, ज़ीरो क्राउड: मॉडल ने वो सुना जो शोर पहले छिपा देता था। यही मेरी सबसे काम की खोज थी, और यह ठीक उसी तरह की जानकारी है जो एक खोखली पाइपलाइन में सबसे पहले मर जाती है। ड्यू का प्रतिशत, बाउंड्री की लंबाई, हीट लोड, ट्रैवल डे — ये वो इनपुट हैं जो नतीजे की क़ीमत तय करते हैं। इनमें से कोई भी एक प्रेस रिलीज़ में नहीं आता।

पाँचवाँ मैकेनिज़्म: कीमत को सच मान लेना। यह मेरी अपनी सबसे आसान ग़लती है। मार्केट ऑड्स, ऑक्शन वैल्यू, इम्प्लाइड प्रोबेबिलिटी — ये सब शोर भरे, स्वार्थी, आपस में टकराते अनुमान हैं, वेरिटी नहीं। सही सवाल यह है कि कीमत किसने सेट की, किस किताब पर, और वो किस चीज़ के ख़िलाफ़ हेज कर रहा था। अगर आप कीमत और उसमें छिपी जानकारी को अलग नहीं करते, तो आप बाज़ार का सम्मान कर रहे हैं, विश्लेषण नहीं।

Contrarian

उद्योग का पैसा मॉडल की सोफ़िस्टिकेशन पर जाता है — एक्सपेक्टेड रन, विन प्रोबेबिलिटी, प्रेशर इंडेक्स, बॉल-ट्रैकिंग का हर नया फ़्रेम। और ठीक उसी समय, प्लंबिंग टूटी हुई है: फ़ॉर्मेट टैग अनिवार्य नहीं है, सोर्स फ़ील्ड नॉन-नल नहीं है, पब्लिकेशन टाइमस्टैम्प वैकल्पिक है।

यह उल्टा लगता है, लेकिन इसका एक सीधा आर्थिक कारण है। एक नया मॉडल बेचा जा सकता है — उसका नाम होता है, उसका डेमो होता है, उसका स्लाइड होता है। एक अनिवार्य फ़ॉर्मेट टैग नहीं बिकता, क्योंकि उसे ठीक करने के बाद कुछ भी नया नहीं दिखता। आप बस वो ग़लतियाँ बंद कर देते हैं जो पहले किसी को दिखती ही नहीं थीं।

इसका असली ख़तरा यह है कि जब कोई सिस्टम खाली इनपुट पर भी पूरा टेम्पलेट रेंडर कर देता है, तो वो एक झूठी पूर्णता पैदा करता है। स्कीमा सही दिखता है, इसलिए आउटपुट सही मान लिया जाता है। मेरे हिसाब से इस पूरी चर्चा में सबसे ऊँची सीवियरिटी वाली विफलता स्पॉट-फ़िक्सिंग नहीं है। वो यह है कि एक खाली शेल को "Unclassified" कहकर आगे भेज दिया जाता है और अगली स्टेज उसे तथ्य मान लेती है। एक अनअटेस्टेड क्रिकेट दावा वेरिफ़ाई नहीं किया जा सकता — और एशियाई बाज़ार के संदर्भ में वो अक्सर उसी उच्च-वॉल्यूम, कम-सटीक एग्रीगेशन से आता है जिसे कोई ट्रैक नहीं करता।

Takeaway

अगला सवाल तकनीकी नहीं, वित्तीय है: फ़ॉर्मेट टैग का बिल कौन उठाएगा? ब्रॉडकास्टर के पास इसका जवाब नहीं है, क्योंकि उसका प्रोडक्ट ग्राफ़िक है, फ़ील्ड नहीं। एग्रीगेटर के पास भी नहीं है, क्योंकि उसका प्रोडक्ट वॉल्यूम है। और फ़्रेंचाइज़ी के पास इसलिए नहीं है क्योंकि उसका प्रोडक्ट अगला ऑक्शन है। जब तक कोई एक पक्ष यह तय नहीं करता कि एक अनअटेस्टेड आँकड़े की क़ीमत क्या है, अगली स्प्रेडशीट भी उसी खाली सेल के साथ आएगी — बस इस बार उसे कोई "Unclassified" नहीं कहेगा।