ग्यारह हज़ार पंक्तियाँ, एक सीम आक्रमण: काउंटी क्रिकेट का वह डेटा जो टेस्ट चयन तय करता है

हुक

पिछले सीज़न में ओल्ड ट्रैफर्ड की पिच पर लंकाशायर के तेज़ गेंदबाज़ों ने एक विकेट गिरने के बाद के बीस ओवरों में प्रति ओवर औसतन 1.4 रन कम दिए। यह संख्या किसी कमेंट्री बॉक्स से नहीं आई। यह मेरी उस स्प्रेडशीट से आई जिसमें मैंने उस सीज़न की हर गेंद दर्ज की थी — ग्यारह हज़ार चार सौ पंक्तियाँ, सीम की पोज़िशन, प्रेशर डिलीवरी, और वह ठीक वाला क्षण जब पारी का तापमान बदलता है। इन पंक्तियों को दूसरी बार क्रमबद्ध करने के बाद लंकाशायर का सीम आक्रमण शोर जैसा दिखना बंद हो गया।

मैं आपको यह नहीं बताने जा रहा हूँ कि कौन सा गेंदबाज़ कितना महान है। मैं यह बताने जा रहा हूँ कि टेस्ट चयन का असली सबूत कहाँ पड़ा है — और वह जगह वह नहीं है जहाँ ज़्यादातर लोग देखते हैं।

संदर्भ

अंतरराष्ट्रीय क्रिकेट का कवरेज एक अजीब तरह की गुरुत्वाकर्षण-शक्ति से चलता है। जिस खिलाड़ी ने कल रात एक शतक ठोका, वह सुबह की सुर्खियों में होता है; जिस गेंदबाज़ ने काउंटी चैम्पियनशिप के तीन मैचों में लगातार चौथी पारी में गेंद को सीवन पर टिकाया, उसका नाम किसी फ़ीड में नहीं आता। समस्या यह नहीं है कि लोग सितारों को पसंद करते हैं — समस्या यह है कि जिस डेटा से चयन समितियाँ असल में काम करती हैं, वह ऐसे स्कोरकार्ड में है जिन्हें कोई नहीं पढ़ता।

इंग्लैंड में मैंने जो सबसे साफ़ चीज़ देखी, वह यह है कि ड्यूक्स बॉल की हरकत को समझने के लिए आपको मई-जून की ठंडी सुबह में खेले गए मैचों की गेंद-दर-गेंद रिकॉर्ड चाहिए। दक्षिण एशिया में जहाँ घरेलू क्रिकेट की बात होती है, वहाँ रणजी ट्रॉफी का हाल उसी विफलता का दूसरा चेहरा है। आपके पास एक स्पिनर ऐसा है जिसने पाँच मैचों में चालीस विकेट लिए, लेकिन जिसकी गेंद की गति, उछाल और ड्रिफ्ट का कोई डेटा-लॉग मौजूद ही नहीं है। चयन तब अनिवार्य रूप से 'आँख' के भरोसे हो जाता है — और आँख के पास हमेशा एक पसंदीदा होता है।

यह पूरा बहस का ढाँचा इसलिए टूट जाता है क्योंकि हमारे पास अलग-अलग देशों में डेटा की अलग-अलग सघनता है। इंग्लैंड में काउंटी मैचों में प्रति गेंद लेबलिंग की परंपरा है, ऑप्टा और अन्य प्रदाताओं के माध्यम से। भारत में रणजी का सार्वजनिक डेटा घना नहीं है। नतीजा यह है कि हम एक ही खेल के दो अलग-अलग डेटा-ब्रह्मांडों में रहते हैं, और दोनों को एक ही अंतरराष्ट्रीय चयन बहस में घसीट लाते हैं। जो डेटा उपलब्ध है, वह ज़रूरी सवाल नहीं है — और जो ज़रूरी सवाल है, उसका डेटा उपलब्ध नहीं है।

मूल

मैंने ओल्ड ट्रैफर्ड में उस सीज़न की हर गेंद इसलिए दर्ज नहीं की कि मुझे लंकाशायर से कोई ख़ास लगाव था। मैंने इसलिए दर्ज की कि मेरे डेस्क पर एक असाइनमेंट आया था — एक लीग वन क्लब का शॉट-क्वालिटी मॉडल फिर से बनाना — और उसी काम में मैंने सोचा कि जो विधि फ़ुटबॉल के शॉट्स पर लागू होती है, वही क्रिकेट की गेंदों पर क्यों नहीं। मैंने एक बुनियादी सवाल तय किया डेटा इकट्ठा करने से पहले, क्योंकि उपलब्ध डेटा हमेशा सबसे ज़्यादा लुभाता है और सबसे ज़्यादा भटकाता भी। सवाल यह था: विकेट गिरने के बाद के बीस ओवरों में एक सीम आक्रमण की अर्थव्यवस्था क्यों बदलती है?

जवाब एक जगह नहीं मिला। जवाब सत्रह अलग-अलग हिस्सों में बिखरा था।

पहला हिस्सा: नई गेंद का पहला ओवर। मुझे किसी एक गेंदबाज़ के आँकड़े नहीं देखने थे, मुझे यह देखना था कि विकेट गिरने के बाद बल्लेबाज़ी करने आए नए खिलाड़ी के खिलाफ पहली तीन गेंदों पर सीम मूवमेंट कैसे व्यवहार करती है। पंक्तियों में एक पैटर्न उभरा: ताज़ा बल्लेबाज़ के सामने गेंदबाज़ अपनी सामान्य लाइन से लगभग एक स्टंप बाहर चला जाता था, और वह डिलीवरी जिसे मैंने 'प्रेशर डिलीवरी' का नाम दिया — वह गेंद जिसमें सीम सीधी नहीं, बल्कि तिरछी होती थी — उसका अनुपात सामान्य ओवरों से दोगुना था।

दूसरा हिस्सा: उसके बाद के दस ओवर। यहाँ तस्वीर उलट जाती है। विकेट गिरने के बाद का पहला उत्साह ख़त्म होता है, कप्तान क्षेत्ररक्षण बदलता है, और गेंदबाज़ वापस अपनी नियमित लाइन पर लौट आता है। इन दस ओवरों में अर्थव्यवस्था सबसे ज़्यादा गिरती है — मेरे लॉग में यह गिरावट औसतन 1.9 रन प्रति ओवर की थी। यह वह चरण है जहाँ 'मोमेंटम' शब्द का कोई मतलब नहीं रह जाता, क्योंकि यहाँ गेंदबाज़ कमज़ोर नहीं होता, वह अनुशासित होता है — और अनुशासन कोई मीट्रिक नहीं होता जिसे कमेंट्री कवर कर सके।

तीसरा हिस्सा, जो सबसे ज़्यादा चौंकाने वाला था: बीसवें ओवर के बाद। यहाँ अर्थव्यवस्था वापस बढ़ती है, औसतन 0.8 रन प्रति ओवर। इसका कारण तकनीकी है। सीम गेंदबाज़ का वह 'प्रेशर' वाला स्पेल जिसने बल्लेबाज़ को सँभाल कर रखा था, अब ख़त्म हो चुका है; शरीर थक रहा है, सीम की पोज़िशन स्थिर नहीं रहती, और बल्लेबाज़ ने अपनी आँखें सेट कर ली हैं। इस विंडो में बल्लेबाज़ी का स्कोरिंग-शॉट चयन बदल जाता है — मेरे लॉग में इस चरण में सीम के खिलाफ 'छोड़ने' का अनुपात सबसे कम था, यानी बल्लेबाज़ अब खेलने का फ़ैसला ले रहा था, न कि बचने का।

यही वह जगह है जहाँ से चयन-समितियों का असली सवाल शुरू होना चाहिए। आपको यह नहीं देखना है कि गेंदबाज़ ने कितने विकेट लिए। आपको यह देखना है कि विकेट गिरने के बाद के पहले तीन ओवरों में उसकी सीम पोज़िशन कितनी स्थिर रही, और उसके बाद के दस ओवरों में उसकी अर्थव्यवस्था कितनी गिरी। एक तेज़ गेंदबाज़ जिसकी यह गिरावट बड़ी है, वह 'विकेट-टेकर' है; जिसकी यह गिरावट छोटी है, वह 'प्रेशर-बिल्डर' है। टेस्ट क्रिकेट में दूसरा पहले से कहीं ज़्यादा मूल्यवान है, क्योंकि टेस्ट में आपको एक सत्र में बीस ओवर नहीं, सौ ओवर झेलने होते हैं।

चौथा हिस्सा, जिसने मेरा पूरा निष्कर्ष हिला दिया: घरेलू मैदान। जब मैंने वही विश्लेषण ओल्ड ट्रैफर्ड से बाहर के मैचों पर लागू किया, तो वह 1.4 रन की गिरावट 0.7 पर आ गई। यानी आधा असर पिच का था, गेंदबाज़ का नहीं। यह वह क्षण था जब मुझे अपने ही मॉडल को तोड़ना पड़ा। अगर मैं यह नहीं बताता कि मेरा निष्कर्ष किस शर्त पर गिरता है, तो मैं वही कर रहा हूँ जो मुझे कमेंट्री बॉक्स में दिखता है।

इंग्लैंड में काउंटी चैम्पियनशिप की एक ख़ासियत है जिसे अक्सर अनदेखा किया जाता है: आपको एक ही गेंदबाज़ दो बहुत अलग परिस्थितियों में दिखता है — अप्रैल-मई की नमी वाली पिच पर, जहाँ ड्यूक्स बॉल हवा में झूलती है, और जुलाई-अगस्त की सूखी पिच पर, जहाँ वही गेंद सीधी आती है। जो गेंदबाज़ सिर्फ़ पहली परिस्थिति में अच्छा है, वह काउंटी आँकड़ों में शानदार दिखेगा और एजबेस्टन में औसत। चयन समिति को यह फ़र्क़ उसी स्प्रेडशीट से दिखेगा जिसमें हर गेंद पर पिच-नमी का एक कॉलम भरा हो। मेरे पास वह कॉलम है। ज़्यादातर चयन समितियों के पास नहीं।

यही समस्या भारत में रणजी ट्रॉफी के साथ है, बस उलटे तरीके से। रणजी में एक स्पिनर के तीन अलग-अलग राज्यों की पिचों पर आँकड़े होते हैं, लेकिन उन पिचों की मिट्टी, उछाल और घास का कोई मानकीकृत रिकॉर्ड नहीं होता। आप 'भारतीय परिस्थितियों में स्पिनर' की बात करते हैं, जबकि भारतीय परिस्थितियाँ कोई एक चीज़ नहीं हैं। एक तमिलनाडु की पिच और एक पंजाब की पिच के बीच का फ़र्क़ उतना ही बड़ा है जितना ड्यूक्स और कूकाबुरा के बीच। जब तक हम इन पिचों को अलग-अलग मानकों पर लेबल नहीं करते, हम रणजी के आँकड़ों से कोई अंतरराष्ट्रीय निष्कर्ष नहीं निकाल सकते। मुझे जो मापना था वह उपलब्ध नहीं है, इसलिए मैंने मापना बंद नहीं किया — मैंने लिख दिया कि मैं क्या नहीं माप सकता।

विपरीत

अब वह हिस्सा जहाँ मुझे अपने ही तर्क के खिलाफ़ खड़ा होना है।

काउंटी डेटा का यह पूरा ढाँचा एक बड़ी मान्यता पर टिका है: कि काउंटी क्रिकेट और टेस्ट क्रिकेट में गेंदबाज़ी की माँगें एक जैसी हैं। वे नहीं हैं। काउंटी चैम्पियनशिप में आपको सप्ताह में एक मैच मिलता है, चार दिन, और आपको एक ही स्पेल में तीस ओवर फेंकने की ज़रूरत कभी नहीं पड़ती। टेस्ट में आपको एक पारी में तीन स्पेल फेंकने पड़ सकते हैं, जिसमें आपकी चौथी पारी की गेंदबाज़ी — जब पिच टूट चुकी है और बल्लेबाज़ सेट हैं — वह चीज़ है जो आपके करियर का फ़ैसला करती है। मेरे ग्यारह हज़ार पंक्तियों के डेटा में यह 'चौथी पारी की थकान' बहुत कम दर्ज है, क्योंकि काउंटी में ऐसी स्थितियाँ कम बनती हैं।

यही मेरे पूरे मॉडल की सबसे बड़ी सीमा है, और मैं इसे छिपाने नहीं जा रहा: उपलब्ध डेटासेट हमेशा ज़रूरी सवाल नहीं होता। काउंटी की गेंद-दर-गेंद साफ़ है, सस्ती है, और मुझे अपने डेस्क से सुलभ है। लेकिन चोट की स्थिति, कप्तान का क्षेत्ररक्षण-दर्शन, और पिच तैयार करने वाले क्यूरेटर का मूड — ये कहीं दर्ज नहीं होते। और टेस्ट चयन में यही तत्व अक्सर निर्णायक होते हैं।

दूसरी ओर, मैं उस आँख-परीक्षण को पूरी तरह ख़ारिज नहीं कर सकता जो कहता है कि कुछ गेंदबाज़ों की 'गेंद में कुछ है' जो डेटा में नहीं दिखता। मैंने खुद ऐसे स्पेल देखे हैं जहाँ गेंदबाज़ का कोई विकेट नहीं गिरा, अर्थव्यवस्था बुरी नहीं थी, लेकिन पिच पर गेंद जिस तरह 'रुक रही' थी, वह किसी भी आँकड़े में नहीं आती। आँख वह पकड़ लेती है जो स्प्रेडशीट में उतरने से पहले ही गायब हो जाता है। मेरी शर्त यह है कि आँख का इस्तेमाल प्रश्न तैयार करने के लिए हो, फ़ैसला देने के लिए नहीं।

और तीसरा विपरीत बिंदु, जो मेरे लिए सबसे असुविधाजनक है: जब मैंने पिछले साल मुंबई में एक स्थानीय क्रिकेट प्रशंसक से रणजी मैच में मौजूद माहौल के बारे में बात की, तो उसने मुझे वह बात बताई जो मेरी ग्यारह हज़ार पंक्तियों में कहीं नहीं थी — कि उपनगरीय मैदानों में दर्शक नहीं हैं, और इसलिए 'कौन दबाव में है' का जो अंदाज़ा दर्शक की आवाज़ से मिलता है, वह भारतीय घरेलू क्रिकेट में मौजूद ही नहीं है। यह एक ऐसा संदर्भ है जिसे मैं लंदन से बैठकर कभी नहीं माप सकता। मेरी नज़र से दिखी संरचना वहाँ की बनावट को मिटा देती है — एक मंगलवार की दोपहर का रणजी मैच का जो स्थानीय ताल है, वह मेरे स्प्रेडशीट में एक ख़ाली कॉलम है। मैं इसे स्वीकार करता हूँ, क्योंकि अधूरा डेटा ईमानदार होता है, आत्मविश्वासी ग़लती नहीं।

निष्कर्ष

सवाल यह नहीं है कि डेटा कमेंट्री से बेहतर है। सवाल यह है कि आप किस डेटा को किस सवाल का जवाब मानते हैं। अगले चयन चक्र में, जब आप किसी तेज़ गेंदबाज़ का नाम सुनें — चाहे वह इंग्लैंड का हो या भारत का — तो पहला सवाल विकेटों की संख्या नहीं होना चाहिए। पहला सवाल यह होना चाहिए: उसके विकेट गिरने के बाद के बीस ओवरों का डेटा किसने देखा है? अगर किसी ने नहीं देखा, तो हम अभी भी सितारों को चुन रहे हैं, सीम को नहीं।