जब मॉडल खत्म हो जाता है: एक डेटा-ऑडिट, मुकाबले का नहीं

मेरे पास एक स्प्रेडशीट है जिसे मैं दिल्ली से लिवरपूल तक लेकर आया हूँ। 2026 में, जब मैंने कक्षा 12 की परीक्षा दी, तो मैंने 736 मैचों का एक Elo-प्लस-पॉइसन शीट बनाया और एक नई मीडिया साइट के लिए 1,500 रुपये प्रति पूर्वावलोकन के हिसाब से फाइल किया। मेरे मॉडल ने क्रोएशिया को फाइनल में पहुंचने की 14% संभावना दी, बाजार ने 7% कहा था। वे पहुंच गए। मैं यह इसलिए बता रहा हूँ क्योंकि पिछले हफ्ते मेरे लैपटॉप पर एक और स्प्रेडशीट खुली थी। वह पूरी तरह से खाली थी। शीर्षक था, बस शीर्षक। और नीचे हर सेल में एक ही शब्द लिखा था — 'N/A — अपर्याप्त जानकारी'। मेरे सामने जो स्टेज-1 डीकंस्ट्रक्शन का रिजल्ट था, वह एक टेक्स्ट-एक्सट्रैक्शन पाइपलाइन का फेलियर था। किसी गोल्फर का नाम नहीं, किसी टूर्नामेंट का नाम नहीं, कोई स्ट्रोक-गेन्ड डेटा नहीं, कोई कोर्स नहीं, कोई स्कोरकार्ड नहीं। सिर्फ एक डोमेन लेबल था — 'golf' — और शेष सब खाली। मेरे लिए, एक खेल-पत्रकार के रूप में, यह स्थिति नई नहीं है। 2026 में, लॉकडाउन के दौरान, जब बुंदेसलीगा 16 मई को बंद दरवाजों के बीच शुरू हुआ, तो मैंने 218 बंद-दरवाजे वाले मैचों को 1,142 दर्शकों वाले मैचों के सामने रखा। घरेलू जीत की दर 43.1% से गिरकर 33.5% हो गई; घरेलू गोल प्रति मैच 0.31 कम हो गए। मैंने 4,000 शब्द लिखे और तर्क दिया कि प्रभाव वास्तविक है लेकिन छोटा है और फिक्स्चर-भीड़ से गंभीर रूप से भ्रमित है। यह मेरी प्रक्रिया है: पहले नमूना, फिर उसकी सीमाएँ, फिर निष्कर्ष। और अगर नमूना शून्य है, तो निष्कर्ष भी शून्य होना चाहिए। पेशेवर गोल्फ में, डेटा की कमी एक सुविधा है, न कि बग। महिला टूर में, शॉटलिंक या स्ट्रोक्स-गेन्ड डेटा अक्सर उपलब्ध नहीं होता है। टोक्यो 2026 में, जब अदिति अशोक ने कासुमीगासेकी में 54 होल तक बढ़त बनाई, तो मेरे पास 60 खिलाड़ियों के होल-बाय-होल स्कोरकार्ड थे, बस इतना ही। मैंने एक प्रॉक्सी बनाया और दस फीट के अंदर उनकी पटिंग को एक ऐसे किनारे के रूप में चिह्नित किया जिसे बाजार ने 200/1 पर नजरअंदाज कर दिया था। उन्होंने 15-अंडर पर चौथा स्थान हासिल किया, कांस्य से एक शॉट पीछे। लेकिन मैं यहाँ जो जोर दे रहा हूँ, वह यह है कि अगर मेरे पास अदिति के स्कोरकार्ड नहीं होते — सिर्फ एक खाली फाइल होती जिसमें 'अपर्याप्त जानकारी' लिखा होता — तो मैं वह कहानी कभी नहीं लिख पाता। और अगर मैंने लिखी होती, तो वह कल्पना होती। गोल्फ में डेटा की गुणवत्ता के बारे में बात करना मुश्किल है क्योंकि यह खेल सूचना-विषमता से ग्रस्त है। PGA Tour के पास ShotLink है, जो हर शॉट को ट्रैक करता है। लेकिन यूरोपीय टूर, LPGA, और विशेष रूप से भारतीय और एशियाई टूर में, डेटा का स्तर बहुत असमान है। एक खिलाड़ी के पास स्ट्रोक-गेन्ड का पूरा सेट हो सकता है, दूसरे के पास सिर्फ स्कोरकार्ड। मेरे अनुभव में, यह असमानता एक निष्पक्षता का मुद्दा है। यदि आप डेटा-संचालित पत्रकारिता करते हैं, तो आपको यह स्वीकार करना होगा कि आपका मॉडल उन खिलाड़ियों पर बेहतर काम करेगा जिनका डेटा बेहतर है। यह एक ऐसा पूर्वाग्रह है जिसे मैं हर बार अपने काम में शामिल करता हूँ, लेकिन जिसे दूर नहीं कर सकता। जब एक स्टेज-1 पाइपलाइन विफल हो जाती है, तो मेरे लिए यह एक अनुस्मारक है कि मेरे पास जो डेटा है वह किसी और के प्रयास का परिणाम है। कोई स्कोरकार्ड भरता है, कोई ShotLink चलाता है, कोई स्टेट्स API बनाता है। अगर वह श्रृंखला टूट जाती है, तो मेरा पूरा विश्लेषण ढह जाता है। इसलिए, जब मैं इस खाली स्प्रेडशीट को देखता हूँ, तो मुझे गोल्फ के बारे में कुछ नहीं कहना है। लेकिन मैं यह कह सकता हूँ: एक डेटा विश्लेषक के रूप में, मेरी सबसे बड़ी ताकत यह जानना है कि मेरा मॉडल कब काम नहीं कर रहा है। और आज, यह नहीं है। मेरे पास आगे की ओर देखने के लिए कुछ नहीं है, सिवाय एक सवाल के: अगर हम गोल्फ में डेटा की गुणवत्ता को गंभीरता से नहीं लेते हैं, तो कितने 'अदिति अशोक' हमारे रडार से बाहर रह जाते हैं?