कैप 217 और 218: क्रिकेट का असली संकट नामों पर टिका हुआ डेटा है

क्रिकेट का सबसे महंगा डेटा-दोष वह नहीं है जो ग़लत होता है

क्रिकेट का सबसे महंगा डेटा-दोष वह नहीं है जो ग़लत होता है। सबसे महंगा वह है जो बिल्कुल सही होता है — बस किसी और खिलाड़ी का होता है।

विस्डन के एक क्विज़ में एक सवाल है: भारत के पुरुष टेस्ट कैप 217 और 218 — इन दोनों का नाम क्या है? सवाल सीधा है, जवाब दिया नहीं गया है, और जिस नियम पर यह पूरा क्विज़ खड़ा है वह सवाल से ज़्यादा दिलचस्प है। नियम यह है कि नाम बिल्कुल वही होना चाहिए। हूबहू। एक अक्षर का फ़र्क़ और जोड़ी बाहर। इसीलिए क्विज़ ने चार जोड़ियों को साफ़-साफ़ बाहर कर दिया है — मेहदी हसन बनाम महदी हसन, क्लेयर टेलर बनाम क्लेयर टेलर, अब्दुल रज़्ज़ाक़ बनाम अब्दुर रज़्ज़ाक, मोहम्मद सामी बनाम मोहम्मद शमी।

ये चार बहिष्करण किसी एडिटर की सुबह की मेहनत नहीं हैं। ये चार ऐसे नाम हैं जिन्हें असली दुनिया में लोग असली में मिला चुके हैं।

चेन्नई के एक स्टार्टअप में मैंने सीखा कि खाली मेज़ें ज़ोर की दुश्मन बनाती हैं। साल 2026 में मैंने आईपीएल के साठ मैचों को गेंद-दर-गेंद दर्ज किया — 14,400 डिलीवरी। डेटाबेस खाली शुरू हुआ था; पहली असली खोज लड़ाई के रूप में आई थी। फ़ाइनल के बाद, जिसमें मुंबई इंडियंस ने 21 मई 2026 को हैदराबाद में राइज़िंग पुणे सुपरजायंट को 1 रन से हराया, मैंने वह लेख लिखा जिसमें कहा था कि वह एक रन चालीस ओवर पहले तय हो चुका था। उस लेख में मेरी सबसे बड़ी परेशानी यह नहीं थी कि किसी ने मेरे मॉडल पर सवाल उठाया। सबसे बड़ी परेशानी यह थी कि एक क्वेरी में दो अलग खिलाड़ियों के नाम एक ही स्ट्रिंग में मिल गए थे, और तीन दिन तक मुझे पता ही नहीं चला।

वह बात मैं आज भी दोहराती हूँ क्योंकि वह क्रिकेट की पूरी डेटा-इमारत की नींव पर सवाल खड़ा करती है: हमने अपने रिकॉर्ड नामों पर टिका रखे हैं, और नाम पहचान नहीं होते।

संदर्भ: एक क्विज़, एक नंबरिंग सिस्टम, और एक नियम

विस्डन का यह प्रोडक्ट रिपोर्टिंग नहीं है। इसमें तेरह सूचना-बिंदु हैं और इनमें से एक भी मैच का नतीजा, ट्रांसफ़र, या प्रशासनिक फ़ैसला नहीं है। इसलिए ईमानदार प्रतिक्रिया यह नहीं है कि मैं इसमें गहराई की खोज करूँ जो मौजूद ही नहीं है। ईमानदार प्रतिक्रिया यह है कि जहाँ जानकारी नहीं है, वहाँ साफ़-साफ़ लिखा जाए कि जानकारी नहीं है, और जो वास्तविक विश्लेषणीय तत्व बचता है उसे निकाला जाए — यानी खिलाड़ी-पहचान का अलगाव और रिकॉर्ड-कीपिंग की सत्यनिष्ठा।

पहले सवाल का तकनीकी ढाँचा समझिए। भारतीय क्रिकेट कंट्रोल बोर्ड एक क्रमिक टेस्ट कैप नंबर देता है। कैप नंबर एक — लाला अमरनाथ, 2026। इसके बाद हर नया टेस्ट डेब्यूटैंट अगला नंबर लेता है। यह नंबर कभी रीयूज़ नहीं होता, कभी रिटायर नहीं होता, और किसी और फ़ॉर्मैट पर लागू नहीं होता।

कैप नंबर वह चीज़ है जो नाम कभी नहीं हो सका: एक स्थायी, अद्वितीय, क्रम-आधारित पहचान।

इस क्रमिक व्यवस्था से एक बहुत मज़बूत संरचनात्मक निष्कर्ष निकलता है — और यही इस पूरे लेख का सबसे भरोसेमंद अनुमान है। कैप 217 और 218, दोनों लगभग निश्चित रूप से एक ही टेस्ट में डेब्यूट हुए होंगे, या एक-दूसरे से सटे दो टेस्ट में। क्रमिक नंबरिंग इसके अलावा कुछ होने ही नहीं देती। इसका मतलब यह है कि जवाब की खोज का दायरा बहुत छोटा है — एक डेब्यूट मैच, दो नाम।

और यहीं पर मुझे वह चीज़ कहनी है जो एक डेटा-विश्लेषक के तौर पर मैं कहूँगी और एक ब्रॉडकास्ट पैनलिस्ट नहीं कहेगा: मैं जवाब नहीं दूँगी।

लाइव xG ने मुझे दूसरी स्क्रीन और कमरे को देखना सिखाया। मॉडल उतना ही ईमानदार होता है जितने सवाल वह मना करता है। मेरे पास कैप 217 और 218 का सत्यापित जवाब नहीं है, और सत्यापन के बिना अनुमान लगाना ठीक वही गलती है जिस पर यह पूरा लेख लिखा जा रहा है — नाम सही लग रहा है, इसलिए आगे बढ़ जाओ। जिस दिन जवाब छपेगा, उस दिन असली सवाल यह होगा कि जिस रिकॉर्ड ने वह जवाब बनाया, वह रिकॉर्ड साफ़ है या नहीं।

क्विज़ की संरचना पर लौटते हैं। इसमें तीन काम किए गए उदाहरण हैं, और तीनों अलग-अलग दुनिया से हैं। पहला — दो ओली रॉबिन्सन, जिनमें एक ने इंग्लैंड के लिए टेस्ट खेला। दूसरा — न्यूज़ीलैंड के डेरिल मिशेल, जिनके बारे में मिचेल सैंटनर का चुटकुला है कि वह वॉर्सेस्टरशायर के कप्तान वाले डेरिल मिशेल को फ़ोन करते थे। तीसरा — ज़हीर अब्बास और सैयद किरमानी, जिनके नाम एक-दूसरे में इस तरह घुसे हुए हैं कि सुनने में लगता है कि किसी ने मज़ाक में दो खिलाड़ी बना दिए हों।

और चौथा, जो सबसे ज़रूरी है — नियम। नाम हूबहू नहीं, तो जोड़ी बाहर।

यह नियम खेल का नहीं है, यह डेटा-वर्गीकरण का नियम है। और यह इस पूरे क्विज़ की सबसे ज़्यादा इस्तेमाल होने लायक चीज़ है, इस तथ्य के बावजूद कि यह एक मनोरंजन प्रोडक्ट में छिपा बैठा है।

क्रिकेट में नाम-वर्गीकरण एक असली समस्या है, और वह समस्या नई नहीं है। ऑस्ट्रेलिया में 2026 के दशक से स्कोरबुक में यह समस्या दर्ज है, इंग्लैंड की काउंटी क्रिकेट में 2026 के दशक से, और उपमहाद्वीप में उस क्षण से जबसे मोहम्मद, मुहम्मद और मोहम्मद अली एक ही रजिस्टर में आने लगे। जो बदला है वह यह है कि अब गलती की गति बदल गई है। पहले एक ग़लत नाम एक अख़बार के एक कॉलम में रहता था। अब वह पंद्रह मिनट में तीन हज़ार फ़ैंटेसी टीमों में फैल जाता है।

साठ-चार मैच, एक फ़ीड, और बढ़ती शंकाओं की सूची — यह मेरी स्थिति तब होती थी जब मैं सिर्फ़ मैच देख रही होती थी। जब मैं डेटा भी संभाल रही होती हूँ, तो शंकाओं की सूची में एक नया आइटम जुड़ जाता है: क्या यह पंक्ति उसी आदमी की है जिसका नाम उस पर लिखा है?

कोर: छह जोड़ियाँ, एक इकॉनमी रेट, और वह सवाल जो कोई नहीं पूछता

रज़्ज़ाक़ और रज़्ज़ाक: जब गेंदबाज़ी का प्रकार एक फ़ील्ड होता है, विशेषण नहीं

अब्दुल रज़्ज़ाक़ पाकिस्तान के लिए दाएँ हाथ से मध्यम-तेज़ गेंदबाज़ी करते थे और निचले क्रम में बल्लेबाज़ी। अब्दुर रज़्ज़ाक बांग्लादेश के लिए बाएँ हाथ की धीमी गेंदबाज़ी करते थे। नाम में एक स्वर का फ़र्क़। काम में पूरा फ़र्क़।

यही वह जगह है जहाँ डेटा-विश्लेषण शुरू होता है, क्योंकि यहाँ गलती सिर्फ़ नाम की नहीं है — यह गेंदबाज़ी के प्रकार की है। और गेंदबाज़ी का प्रकार क्रिकेट में एक संरचित फ़ील्ड है, किसी टिप्पणीकार का विशेषण नहीं। अगर आप किसी भी मॉडल में इन दोनों को एक पंक्ति में मिला दें, तो आप जो चीज़ बर्बाद करते हैं वह बल्लेबाज़ी का एक टुकड़ा नहीं है, बल्कि पूरा मैच-अप आधार है।

ठोस उदाहरण लीजिए। दाएँ हाथ के सलामी बल्लेबाज़ के ख़िलाफ़ बाएँ हाथ के स्पिनर का इकॉनमी रेट और दाएँ हाथ के मध्यम-तेज़ गेंदबाज़ का इकॉनमी रेट दो अलग दुनिया हैं। क्रिकेट के आँकड़ों में यह अंतर इतना बड़ा है कि सामान्य परिस्थितियों में एक ओवर में तीन-चार गेंदों का अंतर बन जाता है। अगर आपके पास दो सौ मैचों का एक ऐसा पूल है जिसमें चालीस मैच ग़लत तरह के गेंदबाज़ के हैं, तो आपका बेसलाइन चुपचाप खिसक जाता है। किसी को शक नहीं होता, क्योंकि नाम तो सही दिख रहा है।

क्रिकेट का सबसे ख़तरनाक डेटा-दोष वह है जिसकी पुष्टि नाम कर देता है।

मुझे यह बात चेन्नई में महँगी पड़ी थी। 2026 के उस डेटाबेस में जब मैंने डेथ ओवर्स का एक्सपोज़र मेट्रिक बनाया, तो सबसे पहला सवाल यह नहीं था कि मेट्रिक सही है या नहीं। सबसे पहला सवाल यह था कि क्या हर गेंद सही गेंदबाज़ के नाम पर है। जब मैंने हाथ से चेक किया, तो पाया कि ग़लतियाँ इक्का-दुक्का नहीं थीं। वे उन जगहों पर थीं जहाँ नाम एक जैसे लगते थे — और वे जगहें वही थीं जहाँ कोई जाँचने नहीं आता।

क्लेयर और क्लेयर: वह जोड़ी जिसे कोई फ़िल्टर नहीं तोड़ सकता

क्विज़ की चार बहिष्कृत जोड़ियों में सबसे ज़्यादा महत्वपूर्ण कौन है, यह तय करना आसान नहीं है। लेकिन सबसे कठिन कौन है, यह पक्का है — क्लेयर टेलर और क्लेयर टेलर।

दोनों इंग्लैंड की महिला अंतरराष्ट्रीय क्रिकेटर। दोनों एक ही देश। दोनों एक ही लिंग। एक ही दशकों में खेलीं, आंशिक रूप से ओवरलैप करती हुई। एक अक्षर का फ़र्क़ — Claire और Clare — और वह भी ऐसा जो उच्चारण में सुनाई ही नहीं देता।

क्लेयर टेलर (जन्म 2026) इंग्लैंड के लिए 2026 से 2026 तक खेलीं और तेज़-मध्यम गेंदबाज़ी करती थीं; उन्होंने फ़ुटबॉल में भी इंग्लैंड का प्रतिनिधित्व किया। क्लेयर टेलर (जन्म 2026) 2026 से 2026 तक इंग्लैंड के लिए खेलीं, बल्लेबाज़ रहीं, और 2026 में विस्डन के पाँच सर्वश्रेष्ठ क्रिकेटरों में चुनी जाने वाली पहली महिला बनीं।

अब ध्यान दीजिए कि यहाँ कौन-कौन से फ़िल्टर काम नहीं करते। देश से फ़िल्टर करें? दोनों इंग्लैंड। लिंग से फ़िल्टर करें? दोनों महिला। फ़ॉर्मैट से फ़िल्टर करें? दोनों ने वनडे खेला। युग से फ़िल्टर करें? दोनों 2026 के दशक में सक्रिय। भूमिका से फ़िल्टर करें? यहाँ थोड़ा काम बनता है — एक गेंदबाज़, एक बल्लेबाज़ — लेकिन यह फ़िल्टर उसी हद तक भरोसेमंद है जितना किसी कमेंट्री बॉक्स में दिया गया एक विशेषण।

बचता है सिर्फ़ दो चीज़ें: जन्मतिथि और नाम की सटीक स्पेलिंग। और यही इस पूरे मामले का सार है। जब दो पहचानें जनसांख्यिकीय रूप से अलग न हों, तो पहचान का एकमात्र भरोसेमंद आधार जन्मतिथि है — यानी एक ऐसा फ़ील्ड जिसे कमेंट्री में कभी नहीं बोला जाता।

इसीलिए महिला क्रिकेट में यह समस्या पुरुष क्रिकेट से बड़ी है, और यह बात कम लोग कहते हैं। पुरुष क्रिकेट के डेटाबेस में जहाँ एक ही देश के दो समान नाम वाले खिलाड़ी होते हैं, वहाँ अक्सर दशकों का फ़ासला होता है। महिला क्रिकेट में जनसंख्या छोटी है, सक्रिय अवधि सीमित है, और एक ही देश की एक ही पीढ़ी में समान नामों का टकराव ज़्यादा संभावित है। कवरेज पहले से पतली है। जब कवरेज पतली होती है, तो ग़लती को पकड़ने वाला कोई नहीं होता।

मैंने चेपॉक के तीस-सीट वाले प्रेस बॉक्स में एक सीज़न बिताया, और उस साल मैं वहाँ अकेली महिला थी। उस बॉक्स से मैंने जो सबसे बड़ी चीज़ सीखी वह क्रिकेट के बारे में नहीं थी। वह यह थी कि कमरे में जो चीज़ें सबको पता हैं, वही वे चीज़ें होती हैं जिन्हें कोई जाँचता नहीं।

सामी और शमी: सबसे ज़्यादा ट्रैफ़िक वाला भ्रम

मोहम्मद सामी पाकिस्तान के दाएँ हाथ के तेज़ गेंदबाज़, जन्म 2026, करियर लगभग 2026 से 2026 तक। मोहम्मद शमी भारत के दाएँ हाथ के तेज़ गेंदबाज़, जन्म 2026, टेस्ट डेब्यू 2026।

यह इस पूरी सूची की सबसे ज़्यादा ट्रैफ़िक पाने वाली जोड़ी है, और उसकी वजह साफ़ है — यह गलती नाम की स्पेलिंग से शुरू नहीं होती, एक नाम से शुरू होती है जो सुनने में लगभग एक ही है और पेशे में भी लगभग एक ही है। दोनों तेज़ गेंदबाज़। दोनों नई गेंद संभालते हैं। दोनों निचले क्रम में सहज बल्लेबाज़। अगर आप एक साधारण खोज करते हैं — 'Mohammad Sami fast bowler' — तो आपको ऐसे परिणाम मिलते हैं जिनमें से आधे दूसरे आदमी के हैं और आधे पहले के।

अब इस जोड़ी को मिलाने का असर देखिए। सामी का अंतरराष्ट्रीय करियर 2026 में शुरू होता है। शमी का 2026 में शुरू होता है और आज तक चलता है। अगर इन दोनों की पंक्तियाँ आपके डेटाबेस में एक हो जाएँ, तो आपको एक ऐसा करियर मिलता है जो 2026 से 2026 तक चलता है — तेईस साल, एक तेज़ गेंदबाज़ के लिए। यह जैविक रूप से असंभव है। और फिर भी यह गलती टिकी रहती है, क्योंकि कोई भी एनालिस्ट 'यह करियर बहुत लंबा है' इसलिए नहीं जाँचता कि नाम ठीक दिख रहा है।

इस जोड़ी का एक और पहलू है जो और भी ज़्यादा परेशान करने वाला है: यह गलती दोनों देशों के प्रशंसकों के बीच उसी समय होती है जब उनके बीच मैच चल रहा होता है। यानी सबसे ज़्यादा नज़र रखे जाने वाले घंटों में, सबसे कम जाँच वाली जगह पर।

मेहदी और महदी: जब देश और भूमिका दोनों फ़ेल हो जाएँ

मेहदी हसन मिराज़ बांग्लादेश के ऑफ़-स्पिनर, जन्म 2026, टेस्ट डेब्यू 2026। महदी हसन बांग्लादेश के ऑफ़-ब्रेक गेंदबाज़ और ऑलराउंडर, जन्म 2026, अंतरराष्ट्रीय क्रिकेट में 2026 से।

एक ही देश। एक ही गेंदबाज़ी का प्रकार — ऑफ़-स्पिन। एक ही लगभग-युग। एक ही फ़ॉर्मैट का ओवरलैप। नाम में एक ही अक्षर का अंतर, और वह भी स्वर में।

यहाँ तक कि देश-फ़िल्टर और गेंदबाज़ी-प्रकार-फ़िल्टर भी अलग करने में नाकाम रहते हैं। अगर आपके पास एक ऐसा प्रश्न है जिसमें 'बांग्लादेश के ऑफ़-स्पिनर' कहा गया हो, तो आपके पास दो जवाब हैं, और दोनों की टेस्ट गेंदबाज़ी का औसत जानने से काम नहीं चलेगा।

मेरे लिए यह जोड़ी इसलिए भी अहम है क्योंकि यहीं भाषांतरण का काम शुरू होता है। मेरा पिछला काम फ़ुटबॉल एनालिटिक्स में था — लाइव xG पर। फ़ुटबॉल से आए उपकरण क्रिकेट में बहुत आकर्षक लगते हैं। लेकिन फ़ुटबॉल का तर्क सजातीय दोषों को करीब-करीब माफ़ कर देता है, क्योंकि वहाँ हजारों पास और दर्जनों प्रतिस्पर्धी एक आंकड़े को सामूहिक रूप से सही दिशा में धकेल देते हैं। क्रिकेट में ऐसा नहीं होता। कम स्कोरिंग वाले खेल में चालीस ग़लत तरह के गेंदबाज़ की गेंदें आपके गेंदबाज़ी-चरण मॉडल को वापस रोल नहीं करतीं — वे उस पर स्थायी निशान छोड़ देती हैं, और कुछ मामलों में दिशा ही बदल देती हैं।

क्रिकेट का मॉडल छोटे नमूनों और बड़ी धारणाओं पर चलता है; इसलिए उसमें तथ्य-पहचान की ग़लती कोई बारीकी नहीं, कोई आधारभूत भूल है।

दो ओली, दो डेरिल: ओवरलैप ही चुटकुला बनाता है

ओली रॉबिन्सन (जन्म 2026) ससेक्स के दाएँ हाथ के तेज़ गेंदबाज़, टेस्ट डेब्यू जून 2026 में लॉर्ड्स में न्यूज़ीलैंड के ख़िलाफ़। ओली रॉबिन्सन (जन्म 2026) — डरहम और बाद में केंट के विकेटकीपर-बल्लेबाज़, घरेलू क्रिकेट।

क्विज़ कहता है कि इनमें से सिर्फ़ एक ने टेस्ट खेला है। यह सही हो सकता है और फिर भी यह एक ऐसा कथन है जिसकी एक्सपायरी डेट होती है। यही तथ्य-कथनों की असली समस्या है। 'एक ही खिलाड़ी ने टेस्ट खेला' — यह आज सच हो सकता है, दो साल बाद झूठ, और चार साल बाद फिर सच, जब पहला रिटायर हो जाए और दूसरा डेब्यू कर दे।

मेरे तीन xG वाले बयानों में एक यही सीख है: किसी डेटाबेस में वह पंक्ति सबसे ख़तरनाक होती है जिसके साथ 'अभी तक सही है' लिखा हो।

दो डेरिल मिशेल की कहानी में यह समस्या इसलिए नहीं है क्योंकि दोनों का फ़ॉर्मैट अलग है। डेरिल मिशेल (जन्म 2026) वॉर्सेस्टरशायर के कप्तान, काउंटी चैंपियनशिप, 2026 से 2026 तक। डेरिल मिशेल (जन्म 2026) न्यूज़ीलैंड के मध्यक्रम के बल्लेबाज़, 2026 से।

मिचेल सैंटनर का चुटकुला — जिसमें वे वॉर्सेस्टरशायर के कप्तान वाले डेरिल मिशेल के बारे में बात कर रहे थे — इसलिए काम करता है क्योंकि दोनों एक ही पेशेवर पारिस्थितिकी में लगभग समकालीन थे। अगर इनके बीच चार दशक का फ़ासला होता, तो कोई चुटकुला नहीं बनता।

यहाँ से एक संरचनात्मक नियम निकलता है जो मेरे हिसाब से पूरे विषय का सबसे उपयोगी नियम है: ख़तरनाक नाम-टकराव वे नहीं होते जो समय में दूर हैं; ख़तरनाक वे हैं जो समय में ओवरलैप करते हैं। दूर वाले खिलाड़ी को आप तारीख़ से अलग कर लेंगे। समकालीन को नहीं, क्योंकि उनके बीच तारीख़ का भी कोई साफ़ बंटवारा नहीं दिखता।

ज़हीर अब्बास और किरमानी: जब खिलाड़ी ख़ुद अपनी पहचान बदल ले

यह जोड़ी सबसे अनोखी है और सबसे ज़्यादा सिखाने वाली।

पाकिस्तान के ज़हीर अब्बास का पूरा नाम था सैयद ज़हीर अब्बास किरमानी। उन्होंने मध्य नामों का इस्तेमाल करना चुना — यानी ज़हीर अब्बास। उसी दौर के भारतीय विकेटकीपर सैयद किरमानी थे। नतीजा: दो अंतरराष्ट्रीय क्रिकेटर, दो अलग देश, और एक ऐसा नाम जो सुनने में लगता है कि दोनों एक ही आदमी के नाम का आधा-आधा हिस्सा हैं।

यह मामला बाक़ी सबसे अलग है क्योंकि यहाँ गलती डेटाबेस ने नहीं की। यहाँ गलती खिलाड़ी ने ख़ुद की — और यह उसका पूरा हक़ है। यही वजह है कि ऐतिहासिक रिकॉर्ड में एक नाम-स्ट्रिंग काफ़ी नहीं है; उसमें उपनाम या वैकल्पिक-नाम का फ़ील्ड होना चाहिए, क्योंकि कुछ पहचानें खिलाड़ी ख़ुद बनाता है, कुछ स्कोरबुक बनाता है, और कुछ मीडिया बनाता है।

मैंने एक बार एक ऐसा छोटा-सा अभ्यास किया था जिसमें मैंने एक घरेलू टूर्नामेंट की मैच-शीट पर लिखे हुए नामों को मूल स्कोरबुक से मिलाया। उन्नीस नामों में से चार अलग स्पेलिंग में थे। इनमें से दो सिर्फ़ वर्तनी की ग़लती थीं। दो पूरी तरह से अलग नाम थे जो किसी स्रोत से किसी और स्रोत तक पहुँचते-पहुँचते बदल गए थे। उस दिन मैंने अपनी टीम को बताया कि हमारा डेटाबेस जितना बड़ा हो रहा है, उतनी तेज़ी से हमारा इतिहास बदल रहा है — और वह तेज़ी किसी के नियंत्रण में नहीं है।

कैप नंबर: वह चीज़ जो नाम नहीं कर सका

यहाँ पर एक तुलना करना ज़रूरी है, क्योंकि यह तुलना इस लेख की सबसे ज़रूरी बात है।

भारत का टेस्ट कैप नंबर एक ऐसा पहचान-तंत्र है जो लगभग सौ साल से काम कर रहा है। कैप एक — लाला अमरनाथ, 2026। इसके बाद हर नए टेस्ट खिलाड़ी को अगला नंबर। यह प्रणाली अद्वितीय है, स्थायी है, क्रमिक है, और अपरिवर्तनीय है। जब तक भारतीय क्रिकेट का रिकॉर्ड मौजूद है, कैप 217 हमेशा एक ही आदमी होगा।

अब इसकी तुलना करें उस तंत्र से जो हम वास्तव में रोज़ इस्तेमाल करते हैं — नाम। नाम अद्वितीय नहीं है, स्थायी नहीं है, और क्रमिक तो बिल्कुल नहीं है। नाम बदल सकता है। नाम की स्पेलिंग बदल सकती है। नाम का अनुवाद हो सकता है। नाम एक ही समय में दो लोगों का हो सकता है और वह तथ्य किसी रजिस्टर में दर्ज नहीं होता।

तो सवाल यह है कि अगर हमारे पास काम करने वाली व्यवस्था मौजूद है, तो हम उसे इस्तेमाल क्यों नहीं करते?

जवाब यह है: क्योंकि वह व्यवस्था सिर्फ़ एक देश, एक लिंग, और एक फ़ॉर्मैट के लिए बनी है। कैप नंबर बताता है कि कोई भारत के लिए टेस्ट खेला — बस इतना। वह नहीं बताता कि वही खिलाड़ी आईपीएल में किस टीम के लिए खेला, या घरेलू क्रिकेट में किस राज्य के लिए, या महिला क्रिकेट में कौन उसका समकक्ष है। जिस क्षण आप एक फ़ॉर्मैट से बाहर निकलते हैं, आपको नाम पर लौटना पड़ता है। और इसीलिए क्रिकेट में हर फ़ॉर्मैट-पार जानकारी नाम की सड़क से गुज़रती है।

क्रिकेट के पास पहचान का सही मॉडल इक्कीसवीं सदी में भी मौजूद है — लेकिन केवल एक छोटे से कोने में, और बाक़ी पूरा खेल नामों पर चल रहा है।

कॉन्ट्रेरियन: और यही वह जगह है जहाँ मैं अपनी ही बात से सहमत नहीं हूँ

अब मेरी अपनी दलील के ख़िलाफ़ सबसे मज़बूत तर्क रखता हूँ, क्योंकि अगर मैं इसे ख़ुद नहीं रखूँगी तो कोई और रखेगा और मुझे जवाब देने का मौक़ा नहीं मिलेगा।

तर्क यह है: क्या मैं एक मनोरंजन क्विज़ को डेटा-इंफ्रास्ट्रक्चर की समस्या बनाकर बढ़ा-चढ़ा नहीं रही हूँ? क्या यह ठीक वही पल नहीं है जब एक एनालिस्ट अपने उपकरण को ख़बर समझ लेता है?

जवाब: आधा हाँ।

बेसलाइन पहले रख लेते हैं। अधिकांश समय, अधिकांश डेटाबेस, अधिकांश नाम सही तरीक़े से संभाले जाते हैं। जो लोग क्रिकेट का डेटा बनाते हैं, वे मूर्ख नहीं हैं। वे जानते हैं कि मोहम्मद सामी और मोहम्मद शमी अलग हैं। यह अल्पसंख्यक मामलों की समस्या है — लेकिन अल्पसंख्यक मामले ही वे हैं जो किसी सार्वजनिक डेटाबेस की साख तय करते हैं, ठीक वैसे ही जैसे एक अच्छी तरह चलने वाली ट्रेन सेवा की प्रतिष्ठा दो देर से चलने वाली ट्रेनें तय करती हैं।

लेकिन यहाँ मेरी असली बात शुरू होती है, और यह मेरे शुरुआती तर्क से ज़्यादा कठोर है।

पहली बात: सीरियस एनालिसिस इस समस्या को कभी नहीं पकड़ता, क्योंकि सीरियस एनालिसिस कभी पंक्ति-स्तर पर काम नहीं करता। जब मैं डेथ ओवर्स का विश्लेषण करती हूँ, तो मैं समूहों पर काम करती हूँ — पचास गेंदबाज़ों का औसत, बीस टीमों का रन रेट। एक ग़लत पंक्ति उस औसत में डूब जाती है। मुझे उसकी खबर नहीं होती, और मुझे होती भी नहीं तो मेरे नतीजे पर असर कम होता।

लेकिन क्विज़ को पंक्ति-स्तर पर काम करना पड़ता है। क्विज़ को यह तय करना होता है कि यह नाम इस आदमी का है या उस आदमी का। और यही काम है जो कोई एनालिस्ट नहीं करता। यानी वह प्रोडक्ट, जिसे हम सबसे कम गंभीर मानते हैं, वह असल में सबसे सख़्त ऑडिट कर रहा है। क्रिकेट में पहचान की सबसे कड़ी जाँच ट्रिविया में होती है, और सबसे ढीली एनालिसिस में।

दूसरी बात, और यह मेरे पहले तर्क से भी ज़्यादा असहज है: समस्या डेटाबेस में नहीं है। समस्या डिलीवरी लेयर में है।

कमेंट्री बॉक्स को कोई बुरा नहीं बनाता। उसे उसकी स्थिति बुरी बनाती है। लाइव। बिना फ़ीड। एक गेंद पर प्रतिक्रिया देने का मौक़ा। और उस एक गेंद में उसे एक नाम बोलना है, जो अक्सर उसने किसी स्क्रीन से पढ़ा है जिसे उसने तीन सेकंड पहले देखा है। मैंने उस कुर्सी से दूर बैठकर बहुत आसानी से कहा था कि वे ग़लतियाँ करते हैं। कमरे में बैठकर मुझे समझ आया कि उनके पास केवल एक गेंद है, और मेरे पास छह महीने थे।

अगर आप उस कुर्सी पर किसी भी तरह की मदद देना चाहते हैं, तो आपको वह मदद उसी क्षण देनी होगी जिस क्षण गेंद फेंकी जाती है। एक ऐसा स्क्रीन-लेयर जो नाम के साथ जन्मतिथि, टीम, गेंदबाज़ी का हाथ, और कैप नंबर एक साथ दिखा दे — यह तकनीकी रूप से आज मुमकिन है और आर्थिक रूप से उतना महंगा नहीं जितना एक अतिरिक्त कैमरा। जिस दिन यह होगा, उस दिन पहचान की गलती पचास फ़ीसदी कम हो जाएगी, और वह कटौती किसी विश्लेषण से नहीं, एक इंटरफ़ेस से आएगी।

तीसरी बात, और यह सबसे बड़ी है: क्रिकेट की सुधार-संस्कृति संख्याओं के लिए बनी है, पहचान के लिए नहीं।

अगर किसी अख़बार में किसी बल्लेबाज़ का स्कोर सौ की जगह नब्बे छप जाए, तो अगले दिन सुधार छपेगा। अगर किसी अख़बार में किसी खिलाड़ी का नाम किसी और खिलाड़ी के नाम से बदल जाए, तो सुधार छपने की संभावना बहुत कम है, क्योंकि उस ग़लती का कोई स्पष्ट मालिक नहीं होता। स्कोर ग़लत हो तो मैच हारा हुआ लगता है। नाम ग़लत हो तो सिर्फ़ एक इंसान का अस्तित्व ग़लत लगता है — और किसी भी डेटा-सिस्टम में इस तरह की ग़लती की कोई कीमत तय नहीं की गई है।

इसीलिए यह समस्या बनी रहेगी। इसकी कीमत किसी को नहीं दिखती। कोई स्पॉन्सर इसके लिए पैसा नहीं देगा। कोई फ़्रैंचाइज़ इसके लिए एनालिस्ट नहीं रखेगी। और इसीलिए, आठ साल बाद भी, जब मैं अपने पहले डेटाबेस को देखती हूँ, उसमें वही कमी मिलती है जो उस दिन थी — नाम सही दिख रहे हैं, इसलिए किसी ने उन्हें जाँचा नहीं।

टेकअवे: अगला कदम क्विज़ का जवाब नहीं है

कैप 217 और 218 का जवाब क्या है, यह मैं नहीं बताऊँगी। मेरे पास इसका सत्यापित उत्तर नहीं है, और मेरी समस्या कीमत जितनी हो सकती है, उससे ज़्यादा उस मोर्चे पर है। कैप नंबरिंग की संरचना एक ही भरोसेमंद बात बताती है: दोनों लगभग निश्चित रूप से एक ही टेस्ट में या सटे हुए टेस्ट में डेब्यूट हुए। बाक़ी सब अनुमान है, और अनुमान इस लेख का विषय नहीं है — यह लेख उस चीज़ के बारे में है कि जिस पल जवाब छपेगा, उस पल कितने लोग यह पूछेंगे कि जिस रिकॉर्ड से जवाब निकला, वह रिकॉर्ड साफ़ है या नहीं।

मैंने ट्रॉफ़ियाँ गिनना छोड़ दिया और आदतें गिनना शुरू किया, तो पहला आँकड़ा यह निकला: मेरे अपने डेटाबेस में पहचान विसंगतियों की दर उस दर से तीन गुना थी जितनी मैंने अनुमान लगाई थी। यह कोई बड़ा सर्वे नहीं है। यह एक छोटे से काम का सौहार्दपूर्ण नतीजा है जो मैंने अपने ही सिस्टम पर लागू किया। लेकिन जब आप अपने ही सिस्टम में यह पाते हैं, तो आप दूसरों के सिस्टम के बारे में एक अलग तरह के सवाल पूछने लगते हैं — कम गुस्से वाले और ज़्यादा सटीक।

अगली बार जब आप किसी स्कोरकार्ड को देखें और किसी नाम पर रुक जाएँ, तो एक चीज़ ज़रूर देखिए — क्या उस नाम के साथ जन्मतिथि, टीम, और फ़ॉर्मैट लिखा है। अगर तीनों में से एक भी नहीं है, तो आप जो पढ़ रहे हैं वह आंकड़ा नहीं है। वह एक दावा है।

और जब अगली बार कोई आपसे कहे कि क्रिकेट के आँकड़े बेहतर हो गए हैं, तो पूछिए कि किस हिसाब से। क्योंकि इस देश में आँकड़े बेहतर हुए हैं, डेटा नहीं। और इन दोनों के बीच का फ़ासला ठीक उतना ही है जितना उन दो ओली रॉबिन्सन के बीच — जिनमें से एक ने टेस्ट खेला और दूसरा आज भी उसी स्कोरकार्ड में खड़ा है, किसी और का नाम ओढ़े हुए।