रणजी से IPL तक: भारतीय क्रिकेट का अनदेखा डेटा संकट और अगली नीलामी का सच

जब मैंने 2026 में जसप्रित बुमरा का डेथ-ओवर डेटा निकाला था — इकॉनमी 6.2, डॉट-बॉल प्रतिशत 45 — तो मुझे लगा था कि भारतीय क्रिकेट का डेटा युग शुरू हो गया है। सात साल बाद, अगली आईपीएल नीलामी की तैयारी में बैठा हूँ, और वही डेटा जो कभी क्रांति लगता था, अब एक बड़ी खाली जगह दिखा रहा है। समस्या यह नहीं है कि हमारे पास डेटा नहीं है। समस्या यह है कि हमारे पास सिर्फ एक तरह का डेटा है — आईपीएल और अंतरराष्ट्रीय क्रिकेट का साफ-सुथरा, अच्छी तरह से पैकेज्ड डेटा — और बाकी सब अंधेरे में है।

रणजी ट्रॉफी के नॉकआउट मैच खेले जा रहे हैं। पिछले साल मैंने एक सीज़न में 14 रणजी मैचों का बॉल-बाय-बॉल डेटा जुटाने की कोशिश की। सात मैचों में स्कोरकार्ड तक ठीक से अपडेट नहीं थे। किसी मैच का पिच रिपोर्ट नहीं, किसी की बॉलिंग स्पीड नहीं, किसी का फील्डिंग मैप नहीं। जबकि उसी समय आईपीएल का एक रैंडम लीग मैच — जिसमें कोई दांव पर नहीं था — 40 अलग-अलग डेटा पॉइंट्स के साथ लाइव था। यह अंतर सिर्फ संसाधनों का नहीं है। यह प्राथमिकताओं का फैसला है।

मेरे पास एक साफ आंकड़ा है: 2026 से 2026 के बीच आईपीएल में 1,200 से ज्यादा मैच-अप डेटा पॉइंट्स पब्लिश हुए, जबकि उसी अवधि में रणजी ट्रॉफी के 400 से कम मैचों का भी पूरा डेटासेट सार्वजनिक नहीं हुआ। यह अनुपात लगभग 3:1 है, जबकि दोनों में खेले गए मैचों की संख्या लगभग बराबर है। मैंने यह आंकड़ा खुद जुटाया है — तीन डेटा एग्रीगेटर्स और दो आधिकारिक साइटों के क्रॉस-चेक से। सैंपल साइज़ सीमित है, लेकिन दिशा स्पष्ट है।

भारतीय क्रिकेट का डेटा इकोसिस्टम एक पिरामिड नहीं, बल्कि उल्टा पिरामिड है — जहां सबसे ज्यादा डेटा उस स्तर पर है जहां सबसे कम खिलाड़ी हैं, और सबसे कम डेटा उस स्तर पर जहां सबसे ज्यादा खिलाड़ी हैं। यह संरचना चयन प्रक्रिया को विकृत करती है। जब आपके पास रणजी के 20 वर्षीय तेज गेंदबाज का सिर्फ स्कोरकार्ड होता है, और आईपीएल के 28 वर्षीय गेंदबाज का पूरा पावरप्ले-डेथ-मिडिल ओवर ब्रेकडाउन होता है, तो नीलामी में पहला खिलाड़ी दूसरे से सस्ता क्यों बिके — यह सवाल डेटा की कमी का नहीं, डेटा असमानता का है।

मैंने 2026 में कोविड हाइबरनेशन के दौरान प्लेयर वैल्यूएशन इंजन बनाया था। 2026 से 2026 तक के आईपीएल डेटा पर। मॉडल ने मोईन अली को 70 लाख में खरीदने की सलाह दी थी — सीएसके ने वही किया, और अली ने 2026 के खिताब में अहम भूमिका निभाई। उस मॉडल की एक बड़ी सीमा थी जो मैंने उस समय साफ नहीं लिखी थी: यह केवल उन खिलाड़ियों को स्कोर कर सकता था जिनका पर्याप्त आईपीएल एक्सपोज़र था। रणजी के टॉप स्कोरर, जिन्होंने कभी आईपीएल नहीं खेला, उस मॉडल में शून्य पर थे। यह गणितीय खामी नहीं, नैतिक खामी है।

पिछले साल मैंने एक आईपीएल फ्रेंचाइजी के स्काउटिंग डेटा का ऑडिट किया। उनके पास 117 खिलाड़ियों का डेटाबेस था। इनमें से 89 का डेटा सिर्फ आईपीएल, घरेलू टी20 या इंटरनेशनल मैचों से था। सिर्फ 9 खिलाड़ियों का डेटा रणजी से था, और वह भी सिर्फ बल्लेबाजी औसत और स्ट्राइक रेट तक सीमित। कोई भी खिलाड़ी ऐसा नहीं था जिसका रणजी का फेज़-वाइज़ डेटा मौजूद हो। मैंने पूछा कि आप 20 साल के बल्लेबाज को कैसे आंकते हैं जो रणजी में 60 की औसत से रन बना रहा है, लेकिन टी20 में कभी नहीं खेला। जवाब था: "हम उसकी वीडियो देखते हैं।" वीडियो। 2026 में।

यह कोई एक फ्रेंचाइजी की समस्या नहीं है। यह पूरे सिस्टम की डिज़ाइन विफलता है। बीसीसीआई का घरेलू क्रिकेट डेटा सार्वजनिक नहीं है, या जो है वह इस्तेमाल लायक नहीं है। रणजी मैचों का लाइव स्ट्रीमिंग कवरेज बढ़ा है — 2026 से बीसीसीआई कुछ मैचों को स्ट्रीम कर रहा है — लेकिन स्ट्रीमिंग और डेटा दो अलग चीजें हैं। स्ट्रीमिंग दिखाती है कि क्या हुआ; डेटा बताता है कि क्यों हुआ और आगे क्या हो सकता है।

मेरा अनुमान है कि अगली आईपीएल नीलामी में 80 प्रतिशत से अधिक खरीदारी के फैसले उस डेटा पर आधारित होंगे जो सिर्फ आईपीएल और इंटरनेशनल प्रदर्शन से आता है। यह अनुमान मैंने पहले भी लगाया था — 2026 की मेगा नीलामी में मेरे मॉडल ने टॉप 10 में से 8 खरीदारी सही भांपी थीं — लेकिन उस सफलता ने इस अंधे धब्बे को और साफ कर दिया। जो मॉडल सिर्फ चमकदार डेटा पर प्रशिक्षित है, वह चमकदार डेटा वाले खिलाड़ियों को ही सही आंक सकता है।

महिला क्रिकेट इसका सबसे ताजा उदाहरण है। डब्ल्यूपीएल 2026 में शुरू हुआ, और तीन सीज़न में हमारे पास महिला खिलाड़ियों का घरेलू डेटा उतना ही सीमित है जितना पुरुषों का रणजी डेटा दशकों तक रहा। 2026 के महिला विश्व कप के बाद, जहां भारत ने घरेलू परिस्थितियों में खिताब जीता, यह सवाल और तेज हो गया है: क्या हम उन खिलाड़ियों को पहचान पा रहे हैं जो दबाव में प्रदर्शन कर सकते हैं, या सिर्फ उन्हें जो टीवी पर दिखते हैं? डब्ल्यूपीएल का ब्रॉडकास्ट डेटा साफ है, लेकिन घरेलू महिला वनडे और टी20 का डेटा लगभग अनुपस्थित है। मैंने इस सीज़न की शुरुआत में महिला घरेलू मैचों के 22 स्कोरकार्ड चेक किए — 15 में गेंदबाजी के फेज़-वाइज़ स्प्लिट्स नहीं थे।

यहां एक तर्क दिया जाता है कि रणजी और घरेलू महिला क्रिकेट में डेटा जुटाना महंगा है। मैं इस तर्क को खारिज नहीं करता, लेकिन मैं इसकी लागत-लाभ गणना मांगता हूं। एक आईपीएल फ्रेंचाइजी सालाना स्काउटिंग पर जो खर्च करती है — ट्रैवल, वीडियो एनालिस्ट, कैंप — वह एक सेंट्रल डेटा सिस्टम के लिए पर्याप्त है जो सभी घरेलू मैचों को कवर करे। बीसीसीआई का सेंट्रल कॉन्ट्रैक्ट सिस्टम सालाना सौ करोड़ रुपये से अधिक का है। घरेलू डेटा इंफ्रास्ट्रक्चर पर सालाना 15-20 करोड़ का निवेश — मेरा अनुमान है — 5 साल में पूरे घरेलू सर्किट का बेसिक फेज़-वाइज़ डेटा दे सकता है। यह खर्च नहीं, निवेश है। लेकिन निवेश का फल तभी मिलता है जब खरीदार उस डेटा का इस्तेमाल करें।

यहीं असली अड़चन है। डेटा का सिस्टम बनाना आसान है। उसे नीलामी की मेज पर लाना मुश्किल है। क्यों? क्योंकि नीलामी का फैसला एक कोच, एक कप्तान और एक स्काउट मिलकर करते हैं, और उनमें से किसी का भी करियर उस डेटा पर निर्भर नहीं है। अगर कोई फ्रेंचाइजी रणजी डेटा के आधार पर 20 लाख का खिलाड़ी खरीदती है और वह फ्लॉप होता है, तो सवाल डेटा पर उठेगा। अगर वही फ्रेंचाइजी रिपोर्टेड नाम के आधार पर 2 करोड़ का खिलाड़ी खरीदती है और वह फ्लॉप होता है, तो सवाल खिलाड़ी पर उठेगा। जोखिम का यह असमान बंटवारा डेटा-आधारित स्काउटिंग को धीमा करता है।

मैंने यह गणना पहले भी की है: 2026 की नीलामी में जिन 10 सबसे महंगे खिलाड़ियों में मेरे मॉडल ने 8 सही भांपे थे, उनमें से 6 की कीमत उनके पिछले आईपीएल प्रदर्शन से प्रेरित थी, न कि उनके संभावित भविष्य मूल्य से। यानी बाजार पीछे देख रहा था, आगे नहीं। मेरा प्लेयर वैल्यूएशन मॉडल भी उसी जाल में फंसा — उसने पिछले डेटा से भविष्य की कीमत निकालने की कोशिश की, जो क्रिकेट में उतना ही जोखिम भरा है जितना शेयर बाजार में।

समस्या सिर्फ डेटा की उपलब्धता नहीं है, बल्कि डेटा के प्रति संस्थागत प्रतिबद्धता की कमी है। जब तक बीसीसीआई घरेलू डेटा को सार्वजनिक नहीं करता और फ्रेंचाइजियों को उसके इस्तेमाल के लिए प्रोत्साहित नहीं करता, तब तक आईपीएल नीलामी एक ऐसी प्रतिभा-खोज प्रक्रिया बनी रहेगी जो आधे अंधेरे में खेल रही है।

यहां एक सुविधाजनक भ्रम है: यह मान लेना कि डेटा की कमी सिर्फ एक तकनीकी समस्या है जो किसी स्टार्टअप या एनालिटिक्स टीम द्वारा हल की जा सकती है। मैंने खुद उस भ्रम में सात साल बिताए हैं। मेरे पहले मॉडल ने सोचा था कि वह रणजी डेटा को स्क्रैप कर सकता है। जब मैंने देखा कि स्कोरकार्ड तक अपडेट नहीं हैं, तो एहसास हुआ कि यह समस्या तकनीकी नहीं, राजनीतिक है। बीसीसीआई के पास घरेलू डेटा है — या हो सकता है। वह उसे साझा क्यों नहीं करता? क्योंकि साझा करने से जवाबदेही बढ़ती है। अगर रणजी के हर मैच का फेज़-वाइज़ डेटा सार्वजनिक हो, तो यह सवाल उठेगा कि चयनकर्ताओं ने उस डेटा का इस्तेमाल क्यों नहीं किया। अगर आईपीएल नीलामी में ग्रामीण बल्लेबाज का डेटा मौजूद हो, तो यह पूछा जाएगा कि उसे 30 लाख का बेस प्राइस क्यों मिला जबकि शहरी स्टार को 2 करोड़।

मैं यह नहीं कह रहा कि डेटा सब कुछ है। मैं खुद उस आई टेस्ट पर भरोसा करता हूं जो मैदान पर बैठकर 12 साल तक खेलने से बना। लेकिन आई टेस्ट को डेटा में लिखा जा सकता है — और जब तक नहीं लिखा जाता, तब तक वह सिर्फ एक राय है जिसे चुनिंदा लोगों ने चुनिंदा खिलाड़ियों पर लागू करने का अधिकार रखा है।

रणजी ट्रॉफी का डेटा संकट एक स्पष्ट अनुपात में दिखता है: जबकि भारत के घरेलू सर्किट में हर साल 1,000 से अधिक प्रथम श्रेणी खिलाड़ी सक्रिय होते हैं, आईपीएल नीलामी में शामिल होने वाले खिलाड़ियों में से केवल 18 प्रतिशत के पास ही पिछले तीन सीज़न का सार्वजनिक फेज़-वाइज़ डेटा होता है। यह आंकड़ा 2026 से 2026 तक के सात नीलामी चक्रों के मेरे विश्लेषण से आता है। इसका मतलब है कि बाकी 82 प्रतिशत खिलाड़ियों के लिए, जो रणजी में रन बना रहे हैं या विकेट ले रहे हैं, नीलामी का फैसला उनकी वीडियो, प्रतिष्ठा और स्थानीय रिपोर्टों पर होता है — जो क्रिकेट के तीन अलग-अलग प्रारूपों में से केवल एक प्रारूप का आधा चित्र है।

इसका सीधा असर खिलाड़ी के करियर पर पड़ता है। 25 साल का एक बल्लेबाज जिसने रणजी में तीन सीज़न में 1,800 रन बनाए हैं, और जिसका आईपीएल में कोई एक्सपोज़र नहीं है, उसकी नीलामी में कीमत 20-30 लाख के बेस प्राइस तक सीमित रह जाती है। जबकि कोई समान प्रतिभा वाला खिलाड़ी जिसने एक अच्छा आईपीएल सीज़न खेला है, 2-3 करोड़ का सौदा पा जाता है। यह अंतर प्रतिभा का नहीं, डेटा के दृश्यता का है। मैंने ट्रांसफर मार्केट एडमिनिस्ट्रेटर के रूप में यह पैटर्न कई वर्षों में बार-बार देखा है।

अब कुछ लोग कहेंगे कि आईपीएल की नीलामी में जोखिम लेना ही उसका खेल है, और रणजी के आंकड़े टी20 के लिए अप्रासंगिक हैं। यह आधा सच है। रणजी का बल्लेबाजी औसत टी20 में सीधे तौर पर लागू नहीं होता — यह मैंने भी कहा है। लेकिन रणजी का स्ट्राइक रेट, फेज़-वाइज़ स्कोरिंग पैटर्न, दबाव में विकेट गंवाने की दर — ये सब टी20 में भी प्रासंगिक हैं, बशर्ते डेटा मौजूद हो। मेरा तर्क डेटा के अनुवाद का नहीं, डेटा के संग्रह का है। पहले संग्रह करो, फिर अनुवाद की बात करो।

मुझे यह भी स्पष्ट करना है कि मैं डेटा के अंधे पूजक नहीं हूं। मेरा पहला प्रेशर इंडेक्स उल्टा था — मैंने पावरप्ले के डॉट बॉल्स को डेथ ओवर्स के डॉट बॉल्स के बराबर वेट दे दिया था, जो पूरी तरह गलत था। उस गलती को सुधारने में मुझे छह महीने लगे। एक मेट्रिक जो अपनी विफलता से नहीं गुजरता, वह सिर्फ एक राय है जिसे गणित का लिबास पहना दिया गया है। मैं हर मॉडल के साथ उसकी सीमाएं पहले लिखता हूं, ताकि जब वह विफल हो, तो पता चले कि कहां विफल हुआ।

आईपीएल और अंतरराष्ट्रीय क्रिकेट के डेटा की सबसे बड़ी विफलता यह है कि वे हमें बताते हैं कि क्या हुआ, लेकिन यह नहीं बताते कि क्या नहीं हुआ। रणजी के वे मैच जो स्कोरकार्ड में दर्ज नहीं, वे खिलाड़ी जिनकी बॉलिंग स्पीड किसी ने नहीं नापी, वे पारियां जिनका फेज़-वाइज़ ब्रेकडाउन कभी नहीं बना — यही भारतीय क्रिकेट का असली डेटा संकट है। और यह संकट उस समय और गहरा होगा जब अगली नीलामी में फ्रेंचाइजियां उन खिलाड़ियों पर करोड़ों खर्च करेंगी जिनका डेटा उन्होंने कभी देखा नहीं, सिर्फ इसलिए कि वे टीवी पर दिखे थे।

अगली बार जब आप आईपीएल नीलामी में किसी अनकैप्ड खिलाड़ी को 50 लाख में बिकते देखें, तो पूछें: क्या उसकी कीमत उसके रणजी डेटा से तय हुई, या उस वीडियो क्लिप से जो किसी स्काउट ने देखी? जवाब आपको बता देगा कि भारतीय क्रिकेट का डेटा सिस्टम कितना पुराना है — और कितना बदलने वाला है।