खाली सेल: आईपीएल के डेटा डेस्क में वह कमरा जहाँ कोई सवाल नहीं पूछता

उप्पल के राजीव गांधी अंतरराष्ट्रीय स्टेडियम की पहली मंज़िल पर एक कमरा है, जिसमें लगे दो एयर-कंडीशनर इतनी तेज़ गूँजते हैं कि बैठक में लोगों को एक-दूसरे के कान के पास झुककर बोलना पड़ता है। पिछले सीज़न की तैयारी में उसी कमरे में स्काउटिंग बैठक चल रही थी। सामने की दीवार पर ऑक्शन की लंबी सूची चल रही थी — बारहवाँ नाम, तेरहवाँ नाम — और फिर चौदहवाँ। एक बेस-प्राइस अनकैप्ड मध्यम तेज़ गेंदबाज़, जिसे किसी ज़ोनल स्काउट ने तीन महीने पहले देखा था। लैपटॉप पर उसका रो खुला था और उसमें एक कॉलम खाली था: पिछले बारह महीनों में गेंदबाज़ी किए गए ओवर।

एनालिस्ट ने स्क्रीन से नज़र उठाए बिना कहा, "यह डेटा हमारे पास नहीं है।" कमरे ने सिर हिलाया और अगले नाम पर चला गया। किसी ने नहीं पूछा कि खाली सेल का मतलब क्या है — कि वह लड़का बारह महीने से गेंद नहीं फेंक रहा, या कि किसी ने उसकी गिनती ही नहीं रखी। खाली सेल चुपचाप "ठीक है" में तब्दील हो गई। स्कोरकार्ड 41 कहता है। कॉरिडोर बाकी सब कुछ कहता है। लेकिन जब खाली सेल हो, तो कॉरिडोर भी चुप हो जाता है।

पिछले एक दशक में आईपीएल फ्रेंचाइज़ियों ने डेटा डेस्क को स्थायी विभाग बना दिया है। कैमरे, बॉल-ट्रैकिंग, एप्लिकेशन, बॉल-बाय-बॉल इवेंट लॉग — सब कुछ खरीदा जा चुका है। पर जिस परत पर यह सारा ढाँचा टिका है, वह सबसे कम चर्चित है: एंटिटी मैपिंग। कौन सा ओवर किस गेंदबाज़ का है, कौन सी पारी किस फॉर्मेट की है, कौन सा आँकड़ा घरेलू मैदान का है और कौन सा बाहर का। यह काम उबाऊ है, इसमें कोई प्रेज़ेंटेशन नहीं बनता, और इसीलिए यही सबसे पहले छोड़ा जाता है।

क्रिकेट की एनालिटिक्स का सबसे बड़ा संकट मॉडल नहीं, टैगिंग है। एक फॉर्मेट टैग के बिना टेस्ट का 55 का स्ट्राइक रेट और टी20 का 140 का स्ट्राइक रेट एक ही कॉलम में बैठ जाते हैं। दोनों आँकड़े सही होते हैं और दोनों अपना अर्थ खो चुके होते हैं। जब मैं 2026 में हैदराबाद की रणजी टीम के साथ जुड़ा था, मोहम्मद सिराज ने उस सीज़न 41 विकेट लिए थे। यह आँकड़ा टेस्ट क्रिकेट के आकार का था — नई गेंद, लंबे स्पेल, विकेट लेने की धैर्य वाली कला। आईपीएल के आँक्शन में उसी 41 का इस्तेमाल अगर पावरप्ले इकॉनमी की तरह किया जाए, तो संख्या सही रहेगी और फ़ैसला ग़लत। कोच उस फ़र्क को समझते थे, क्योंकि वे उसे गेंदबाज़ी करते देख चुके थे। डैशबोर्ड ने उसे समझा नहीं, क्योंकि डैशबोर्ड ने उसे देखा ही नहीं था।

यही बात मैदान के साथ होती है। हैदराबाद की लाल मिट्टी और उप्पल की सतह स्पिनर को वह सहूलियत देती है, जो उसके बाहर के आँकड़ों में कहीं दर्ज नहीं होती। एक युवा लेग-स्पिनर घर पर 6.8 की इकॉनमी से गेंदबाज़ी करता है और उसका नाम ऊपर आ जाता है। बाहर की उसकी इकॉनमी 9.4 थी, पर वह अलग शीट में पड़ी रहती है, क्योंकि किसी ने दोनों शीटों को जोड़ने की ज़हमत नहीं उठाई। घरेलू आँकड़े कमज़ोरी को नहीं छिपाते, वे उसे दूसरी फ़ाइल में रख देते हैं।

काइनसियोलॉजी में मेरी दिलचस्पी ने मुझे एक और चीज़ सिखाई है, जो किसी मॉडल की स्लाइड में कभी नहीं आती। छोटे सैंपल पर गेंदबाज़ के शरीर को पढ़ना, उसकी संख्या पढ़ने से ज़्यादा भरोसेमंद होता है। सीम की स्थिति, कलाई का झुकाव, फ्रंट नी का लैंडिंग के वक्त टिकना — ये तीन चीज़ें बीस ओवर के डेटा से पहले बता देती हैं कि गेंदबाज़ दबाव में टूटेगा या नहीं। मैंने नेट्स में सिराज को घंटों देखकर यह लिखा था कि उसका रिवर्स स्विंग कोई जादू नहीं, कलाई और सीम की मेहनत है। वह भविष्यवाणी 50 हज़ार पाठकों तक पहुँची, पर वह किसी मॉडल से नहीं, उसके एक्शन को बार-बार देखने से आई थी।

इसके उलट, एक भी मिलान करने वाली बात याद रखिए: रणजी के नवंबर की ठंड में फेंके गए ओवर और अप्रैल की गर्मी में आईपीएल के ओवर, शरीर पर एक जैसे दर्ज नहीं होते। एक गेंदबाज़ जो घरेलू सीज़न में 210 ओवर फेंककर आया है और जिसे मई में डेथ ओवर सौंपे जा रहे हैं, उसकी वर्कलोड शीट में यह दर्ज नहीं होता कि वह किस महीने में कितना थका था। मैंने 2026 में यूएई के बुलबुले में टीम होटल में रहकर यह देखा — खाली स्टेडियम, भरे हुए दिमाग; और वहाँ जो थकान थी, वह मैदान पर नहीं, लॉबी में दिखती थी। डेटा डेस्क कभी उस लॉबी में नहीं बैठा।

अब आते हैं उस खाली सेल के सबसे खतरनाक पहलू पर। एक खाली फ़ील्ड और एक शून्य फ़ील्ड दो अलग चीज़ें हैं, और क्रिकेट के निर्णय कक्ष इन दोनों को एक ही तरह पढ़ते हैं। जिस खिलाड़ी की चोट का रिकॉर्ड नहीं मिला, उसे मॉडल में "चोट नहीं" पढ़ा जाता है। जिसकी वर्कलोड जानकारी नहीं है, उसे "ताज़ा" मान लिया जाता है। यह कोई तकनीकी बारीकी नहीं, यह नैतिक समस्या है, क्योंकि अनजान को अनुकूल मान लेने का फ़ैसला हमेशा खिलाड़ी के खिलाफ जाता है, टीम के पक्ष में।

और जो आदमी बैठक में "पता नहीं" कहता है, उसका भविष्य अच्छा नहीं होता। मैंने कई बैठकों में देखा है कि जो एनालिस्ट स्पष्ट कहता है कि इस खिलाड़ी पर डेटा अपर्याप्त है, उसे कमज़ोर माना जाता है; जो एक ठोस संख्या बता देता है, चाहे वह ग़लत हो, उसे कमरे में जगह मिल जाती है। संस्थाएँ ग़लत संख्या को तो बाद में माफ़ कर देती हैं, "पता नहीं" को नहीं।

सैंपल का सवाल यहीं घुसता है। डेथ ओवर में चौदह गेंदें फेंकने वाले गेंदबाज़ की इकॉनमी 6.5 हो सकती है — और वह संख्या चार पारियों के आधार पर एक करोड़ की बोली का कारण बन सकती है। चौदह गेंदों पर इकॉनमी नहीं बनती, चौदह गेंदों पर एक इत्तेफ़ाक बनता है। मैंने ऐसे अनकैप्ड गेंदबाज़ों को देखा है जिनकी नीलामी में कीमत उनके सैंपल के आकार से तीन गुना थी।

इम्पैक्ट प्लेयर नियम ने इस विकृति को और गहरा कर दिया है। जो गेंदबाज़ पूरे सीज़न में केवल दो-दो ओवर फेंकता है, उसके पास डेथ ओवर का "अनुभव" भी नहीं बनता और डेथ ओवर का "आँकड़ा" भी बन जाता है। भूमिका बदलती है, संख्या वही रहती है, और डैशबोर्ड भूमिका नहीं पढ़ता।

ऑक्शन के रुपयों को मैं कभी नाटक की तरह नहीं पढ़ता। बीस लाख के बेस प्राइस वाले लड़के के लिए वह रकम उसके गाँव के घर की छत है, बहन की शादी है, पिता का वह कर्ज़ है जो रणजी मैचों की फ़ीस से नहीं उतरता। 2026 के बेंगलुरु ऑक्शन में मैंने राशिद खान के ₹9 करोड़ के रिटेंशन का अनुमान लगाया था और वह सही निकला। लेकिन उस कमरे की असली कहानी रकम नहीं थी — असली कहानी यह थी कि तीस साल के उस फ़ैसले में किसी ने एक भी सवाल नहीं उठाया, क्योंकि संख्या साफ़ थी। साफ़ संख्या सबसे खतरनाक होती है, क्योंकि वह सत्यापन की ज़रूरत को छिपा देती है।

उमरान मलिक का उदाहरण इसके उलट है और मुझे यह दोहराना ज़रूरी लगता है। वह 2026 में सनराइज़र्स के नेट बॉलर के तौर पर आया था, उसके पास कोई बड़ा घरेलू रिकॉर्ड नहीं था, कोई मॉडल उसे ऊपर नहीं उठा रहा था। जिसने उसे ऊपर उठाया, वह एक आदमी था जो नेट्स में रोज़ खड़ा रहता था और उसकी रफ़्तार को अपनी आँख से माप रहा था। अगले सीज़न उसने 22 विकेट लिए। यह कहानी डेटा की जीत नहीं, गवाही की जीत है — और ऐसी गवाही अब बजट की कटौती की पहली कतार में है।

संस्थागत स्तर पर यह बदलाव बड़ा है। जो काम पहले ज़ोनल सेलेक्टर करते थे — किसी लड़के को दूर के मैदान में देखकर पहचानना — वह अब फ़्रेंचाइज़ी के स्काउटिंग नेटवर्क कर रहे हैं। यह अच्छी ख़बर है, क्योंकि नेटवर्क की पहुँच ज़ोनल सीमाओं से बड़ी है। ख़राब ख़बर यह है कि स्काउट की रिपोर्ट अब एक डैशबोर्ड का इनपुट बन गई है, और अगर डैशबोर्ड उसे खाली सेल में बदल दे, तो गवाही का कोई दाम नहीं बचता।

इस पूरे ढाँचे का एक सिरा प्रशासन से भी जुड़ता है। खिलाड़ी का वर्कलोड डेटा किसका है — बोर्ड का, फ़्रेंचाइज़ी का, या खिलाड़ी का? एनओसी देने वाला बोर्ड जब यह नहीं जानता कि उसका खिलाड़ी पिछले छह महीने में कितने ओवर फेंक चुका है, तो अनुमति एक औपचारिकता बन जाती है। अनुमति का काग़ज़ सही होता है, आधार खाली होता है।

और सबसे ऊपर वह सवाल है जो मुझे बार-बार परेशान करता है: उस कमरे में "क्या यह सच है" का मालिक कौन है? एनालिस्ट का काम संख्या बताना है, कोच का काम खेल चुनना है, कप्तान का काम मैदान पर उतरना है। किसी का काम यह जाँचना नहीं है कि जो संख्या बताई गई, वह असल में किस चीज़ से बनी थी। यही खाली जगह है — और यही वह जगह है जहाँ सबसे महँगी ग़लतियाँ होती हैं।

यहाँ मुझे प्रेस बॉक्स की आम समझ से असहमति दर्ज करनी है। यह मान लिया गया है कि आईपीएल टीमें ऑक्शन एनालिटिक्स से जीतती हैं। मेरा अनुभव कहता है कि बढ़त मॉडल में नहीं, उस उबाऊ सत्यापन परत में है — और जिस टीम ने वह परत बनाई, वही जीती। बाकी टीमें सुंदर डैशबोर्ड दिखाकर खाली सेल को "ठीक है" पढ़ती रहीं।

दूसरी ग़लतफ़हमी यह है कि "डेटा ने कहा था तो टीम ने किया"। ज़्यादातर मामलों में उल्टा होता है। डेटा अधूरा था, संख्या संदिग्ध थी, और किसी कोच या स्काउट ने अपनी गवाही से उसे ओवरराइड किया। बाद में उसी फ़ैसले को डेटा के नाम पर वापस लिख दिया जाता है, क्योंकि मॉडल की कहानी स्काउट की कहानी से ज़्यादा बिकती है।

यहाँ एक तुलना मदद करती है, और मैं इसे जानबूझकर रख रहा हूँ। फ़ुटबॉल में गोलकीपर की डिस्ट्रीब्यूशन को उसके शॉट-स्टॉपिंग से ज़्यादा भाव मिलता है, क्योंकि लंबी किक दिखती है और रिफ़्लेक्स नहीं दिखता। क्रिकेट में भी दिखने वाला हुनर महँगा बिक रहा है और बुनियादी हुनर सस्ता। एक फ़्रेंचाइज़ी एक्सपेक्टेड-रन्स मॉडल पर खर्च कर देगी, पर यह दर्ज नहीं करेगी कि उसके युवा तेज़ गेंदबाज़ का फ्रंट नी चौदहवें ओवर में ढह रहा है। मॉडल साफ़ दिखता है, नी नहीं।

मुझे यह भी मानना है कि इस कमरे की सबसे बड़ी नैतिक कमज़ोरी ऑक्शन-डे के नाटक में छिपी है। जब टीवी पर बोली चढ़ती है, तब कोई यह नहीं पूछता कि उस लड़के के पास अगले साल का अनुबंध है या नहीं, उसके पिता का इलाज चल रहा है या नहीं, वह शहर बदलने के लिए तैयार है या नहीं। चौदहवाँ आदमी बारहवें से ज़्यादा ज़रूरी है, क्योंकि बारहवें के पास विकल्प हैं और चौदहवें के पास केवल एक मौका।

इसीलिए अब मैं इस उद्योग में अगली भर्ती को ध्यान से देखूँगा। फ़्रेंचाइज़ियाँ अगर डेटा साइंटिस्ट की जगह डेटा स्टीवर्ड को नौकरी देना शुरू करें — वह आदमी जिसका काम मॉडल बनाना नहीं, यह जाँचना है कि कौन सी सेल खाली है और क्यों — तो समझिए कि कमरा बदल रहा है। जब तक ऐसा नहीं होता, हर बैठक में एक चौदहवाँ नाम बिना सवाल के पास हो जाएगा। सवाल यह नहीं है कि डेटा झूठ बोलता है। सवाल यह है कि जब वह चुप होता है, तब हम उसे क्या समझते हैं।