खाली कॉलम वाली रिपोर्ट: टेनिस एनालिटिक्स की असली कमी मॉडल में नहीं, डेटा में है

रात के ग्यारह बजे स्क्रीन पर एक फ़ाइल खुली थी और उसका हर कॉलम खाली था। शीर्षक, स्रोत, मैच, खिलाड़ी, सांख्यिकी, तारीख़ — सब जगह शून्य। इसी फ़ाइल पर अगले दिन का पूरा विश्लेषण खड़ा होना था। दस साल पहले मैं ऐसी फ़ाइल देखकर घबरा जाता। पाँच साल पहले मैं उसे भरने की कोशिश करता — अनुमान से, स्मृति से, "क़रीब-क़रीब" से। आज मैंने फ़ाइल बंद की और चाय बनाई। खाली कॉलम भी एक निष्कर्ष है; बस वह टेनिस के बारे में नहीं, उस ढाँचे के बारे में है जो टेनिस को मापता है।

यह बात मुझे पहली बार 2026 में समझ आई, जब चेन्नई ओपन के आख़िरी संस्करण का हॉक-आई डेटा मेरे लैपटॉप पर था। बारह मैच, चौदह कॉलम, और उनमें लिएंडर पाएस और रोहन बोपाना की जोड़ी। सर्व प्लेसमेंट चार्ट साफ़ दिख रहा था — जब तक हमने वह कॉलम नहीं खोला जहाँ डबल्स कोर्ट चुप हो जाता है। ड्यूस कोर्ट पर दूसरे सर्व पर जीत का प्रतिशत 48 था, जबकि एटीपी टूर का औसत 54 था। वही जोड़ी अपना क्वार्टरफ़ाइनल जीत रही थी। जीत और मज़बूती एक ही चीज़ नहीं हैं, और स्कोरबोर्ड दोनों को एक ही रंग में रंग देता है।

संदर्भ

टेनिस का डेटा सप्लाई चेन तीन मंज़िलों में बँटा है और हर मंज़िल का किराया अलग है। सबसे ऊपर ग्रैंड स्लैम और मास्टर्स 1000 हैं, जहाँ हॉक-आई, सर्व स्पीड, रैली लंबाई और रिटर्न डेप्थ सब सार्वजनिक है। बीच में एटीपी चैलेंजर टूर है, जहाँ पॉइंट-बाय-पॉइंट डेटा आधा-अधूरा मिलता है और कई हफ़्ते तो सिर्फ़ स्कोरशीट। सबसे नीचे आईटीएफ और जूनियर सर्किट, जहाँ खिलाड़ी की कहानी उसके कोच के व्हाट्सएप ग्रुप से आगे नहीं जाती।

चेन्नई ओपन का 2026 संस्करण उस टूर्नामेंट का आख़िरी संस्करण था; 2026 से यह इवेंट पुणे में महाराष्ट्र ओपन बन गया। उसी साल मैंने सैन फ़्रांसिस्को की एक स्पोर्ट्स डेटा कंपनी के साथ काम किया, जिसका महाराष्ट्र ओपन से अनुबंध था। वहाँ मैंने भारतीय वाइल्डकार्ड खिलाड़ियों के पहले दौर के मैचों पर PPDA लगाया। PPDA यानी पासेस पर डिफ़ेंसिव एक्शन — फ़ुटबॉल का मीट्रिक, जिसे मैंने टेनिस के लिए दोबारा परिभाषित किया: दूसरे सर्व पर प्रति डिफ़ेंसिव रिटर्न कितनी गेंदें खेली गईं। वाइल्डकार्ड्स का औसत 12.3 निकला, क्वालिफ़ायर्स का 8.7। स्थानीय अख़बार ने उस रिपोर्ट को उद्धृत किया और मुझे पूर्णकालिक प्रस्ताव मिला।

यहीं टेनिस का पैसा और टेनिस का ध्यान अलग रास्ते पकड़ लेते हैं। एनालिटिक्स का बजट स्लैम और सिंगल्स की ओर बहता है; पेशेवर खिलाड़ियों का सबसे बड़ा हिस्सा चैलेंजर और आईटीएफ में रहता है। एक चैलेंजर हफ़्ते का ख़र्च — उड़ान, होटल, कोच, गेंद — अकादमी में हुई बातचीत के आधार पर डेढ़ से ढाई हज़ार डॉलर के बीच बैठता है, और उसके बदले मिलने वाले रैंकिंग अंक गिने-चुने होते हैं। इस लागत-प्रति-अंक का कोई सार्वजनिक डेटाबेस नहीं है। टेनिस में सबसे महँगी जानकारी वह है जो स्कोरबोर्ड पर कभी दर्ज ही नहीं होती।

स्रोत की गुणवत्ता का सवाल यहाँ सबसे तेज़ी से उठता है। टूर की आधिकारिक सांख्यिकी, टियर-1 मीडिया की रिपोर्ट, और सोशल मीडिया का क्लिप — तीनों की विश्वसनीयता अलग है, और तीनों को एक ही तालिका में डाल देना सबसे आम ग़लती है। मैं हर दावे के साथ यह लिखता हूँ कि वह किस स्तर के स्रोत से आया है, क्योंकि एक क्लिप से बना निष्कर्ष किसी भी मॉडल से ज़्यादा नुकसान कर सकता है।

कोर

पहला सबक़ हर में छिपा है। चेन्नई के उस 48 प्रतिशत के पीछे ड्यूस कोर्ट के दूसरे सर्व पर कुल इकतालीस अंक थे। बारह मैच, इकतालीस अंक — यह दिशा बताता है, फ़ैसला नहीं। टूर औसत से पाँच अंकों का अंतर चौंकाने वाला लगता है, पर इतने छोटे नमूने पर एक-दो अंक का उतार-चढ़ाव सामान्य है। तब से मेरा नियम है: हर दर के साथ उसका हर लिखो, और जहाँ नमूना तीस अंकों से कम हो वहाँ "सांकेतिक" लिखो, "निर्णायक" नहीं। ब्लॉग पर हीट मैप चिपकाना आसान है; उसके नीचे "n=41" लिखना मुश्किल है, और वही मुश्किल हिस्सा विश्लेषक को पत्रकार से अलग करता है।

दूसरा सबक़ लोड कर्व से आया। 2026 में टेनिस ठप था और मैं बेंगलुरु की एक अकादमी के लिए दूर से काम कर रहा था। एक बीस साल के खिलाड़ी के 2026 चैलेंजर मैचों का जीपीएस डेटा मेरे पास आया। प्रति पॉइंट औसत कवरेज 12.4 मीटर था, जो उसकी शैली वाले खिलाड़ियों के चैलेंजर औसत से 18 प्रतिशत अधिक था। मैंने उसे इंजरी जोखिम के रूप में चिह्नित किया। छह महीने बाद उसके बाएँ पैर में स्ट्रेस फ्रैक्चर आया। डिस्टेंस कवर करना बहादुरी लग सकता है, जब तक लोड कर्व इंजरी की भविष्यवाणी करना शुरू न कर दे। और यह भी सच है कि स्ट्रेस फ्रैक्चर कोई चमत्कारिक चेतावनी नहीं थी; वह एक डेटा पॉइंट था जो निदान से पहले पहुँच गया।

यहाँ मुझे अपनी सबसे बड़ी सावधानी भी दर्ज करनी है। एक खिलाड़ी, एक सीज़न, एक मीट्रिक — यह सहसंबंध है, कारण नहीं। उस रिपोर्ट में मैंने "डेटा की सीमाएँ" वाला पैराग्राफ़ जोड़ा था और आज भी जोड़ता हूँ, क्योंकि इंजरी की कहानी सबसे आसानी से चरित्र की कहानी बन जाती है। कवरेज का आँकड़ा यह नहीं बताता कि खिलाड़ी ने कितनी मेहनत की; वह सिर्फ़ यह बताता है कि उससे कितनी दूरी माँगी गई।

तीसरा सबक़ मीट्रिक के अनुवाद का है। फ़ुटबॉल की शब्दावली टेनिस में उतारना आसान है और ज़्यादातर मामलों में बेईमान। "एक्सपेक्टेड गोल्स" जैसा कोई सीधा टेनिस समकक्ष नहीं है, क्योंकि टेनिस का यूनिट पॉइंट है, पज़ेशन नहीं। जब मैंने PPDA इस्तेमाल किया, तो पहले यह परिभाषित किया कि यहाँ "डिफ़ेंसिव एक्शन" क्या है — दूसरे सर्व पर रिटर्न की गई गेंद — और फिर उसे क्वालिफ़ायर के मुक़ाबले वाइल्डकार्ड पर लगाया। परिभाषा पहले, आँकड़ा बाद में। उलटा करने पर जो निकलता है वह विश्लेषण नहीं, सजावट होती है।

चौथा सबक़ ढाँचे का है। भारतीय टेनिस का हर बड़ा खिताब डबल्स या मिक्स्ड ड्रॉ में है, लेकिन डबल्स का एनालिटिकल ढाँचा किसी ने नहीं बनाया। डबल्स में सर्व प्लेसमेंट का अर्थ सिंगल्स से बिल्कुल अलग है: ड्यूस कोर्ट से वाइड सर्व का मतलब है कि नेट मैन को पहले ही क़दम पर फ़ैसला लेना है। अगर वह दूसरे सर्व पर 48 प्रतिशत जीत रहा है, तो असली सवाल यह नहीं कि सर्व ख़राब था; असली सवाल यह है कि पोज़िशनिंग का ढाँचा किसके लिए बना था। वाइल्डकार्ड, डेविस कप का रबर ऑर्डर, ओलंपिक में पार्टनर का चुनाव — इन तीनों को मैं सिलेक्शन की भावना नहीं, सिलेक्शन का ढाँचा मानकर पढ़ता हूँ। पहले तय करो कि चयन किस मक़सद के लिए हुआ था, फिर उसी मक़सद के पैमाने पर नापो।

पाँचवाँ सबक़ वह है जिसने मेरी खाली फ़ाइल पैदा की। टेनिस की सबसे ज़रूरी ख़बरें अक्सर आँकड़े की शक्ल में नहीं आतीं। रैंकिंग अंक 52 हफ़्ते के चक्र पर घूमते हैं, यानी पिछले साल इसी हफ़्ते में कमाए अंक इस साल इसी हफ़्ते समाप्त हो जाते हैं और दोबारा बचाने पड़ते हैं। इसे मैं पॉइंट्स-डिफ़ेंस क्लिफ़ कहता हूँ, और यह क्लिफ़ कैलेंडर पर दिखती है, कमेंट्री में नहीं। लंबी इंजरी से लौटने वाले खिलाड़ी को प्रोटेक्टेड रैंकिंग मिलती है, यानी चोट के समय की रैंकिंग से एंट्री। मेडिकल टाइम-आउट मैच के बीच इलाज का ब्रेक है, जिसका रणनीतिक इस्तेमाल आज भी गवर्नेंस बहस है। सतह बदलने की गति भी ऐसा ही मामला है — मिट्टी से घास पर पाँच हफ़्तों में पहुँचना शरीर के लिए अलग तरह का बोझ है, और चैलेंजर स्तर पर इस बोझ को मापने वाला डेटा ही नहीं है। ये सब पैराग्राफ़ में चलते हैं, तालिका में नहीं — और इसीलिए डेटा-आधारित पाइपलाइन में सबसे पहले यही ग़ायब होते हैं।

उलटा नज़रिया

मेरा पहले से एक पूर्वाग्रह था: वाइल्डकार्ड चयन में रिटर्न प्रेशर का कोई ढाँचा नहीं है। PPDA के आँकड़े उसी पूर्वाग्रह की पुष्टि कर रहे थे — 12.3 बनाम 8.7। ख़तरा यही है कि जब डेटा आपकी पहले से तय राय से सहमत हो जाए, तो आप जाँच करना बंद कर देते हैं। इसलिए मैं वही लिखूँगा जो तब लिखा था: PPDA ने वाइल्डकार्ड को ग़लती नहीं कहा; उसने सिर्फ़ दिखाया कि चयन के पीछे कोई रिटर्न-प्रेशर ढाँचा नहीं था। हो सकता है वह ढाँचा कुछ और रहा हो — स्थानीय दर्शक, प्रायोजक की शर्त, या किसी युवा खिलाड़ी को बड़ा कोर्ट देना। जब तक इरादा बोलकर न कहा जाए, चयन को न तोहफ़ा कहा जा सकता है, न भूल।

दूसरा उलटा निष्कर्ष उस खाली फ़ाइल से निकलता है। खाली डेटा आरोप नहीं होता। किसी फ़ाइल में डोपिंग, मैच-फ़िक्सिंग या अनुशासनहीनता का ज़िक्र न मिले, इसका मतलब यह नहीं कि वहाँ कुछ था। अनुपस्थिति को सबूत बनाना विश्लेषण की सबसे बड़ी ग़लती है, और मैंने उस ग़लती से बचने के लिए ही फ़ाइल को खाली घोषित किया।

तीसरी बात मेरी अपनी पहचान के ख़िलाफ़ जाती है। जब पुरानी राय डेटा के सामने टिक जाए, तो उसे भी उसी गंभीरता से लिखो जिस गंभीरता से खंडन लिखते हो। टेनिस का सबसे पुराना सच — टॉप-100 में बने रहने के लिए चैलेंजर में हर हफ़्ते अंक जुटाना पड़ता है — आज भी डेटा के सामने टिकता है। उसे "पुरानी बात" कहकर छोड़ देना विश्लेषण नहीं, आलस है।

आगे की तरफ़

अगले कुछ महीनों में मैं दो चीज़ें देखूँगा। पहली, चैलेंजर स्तर पर पॉइंट-बाय-पॉइंट डेटा किस कीमत पर खुलता है; अगर कम लागत वाले वीडियो-ट्रैकिंग सिस्टम अकादमियों तक पहुँचते हैं, तो तीन साल में चैलेंजर का डेटा घनत्व बदल जाएगा। दूसरी, एशियाई हार्ड-कोर्ट स्विंग में 52 हफ़्ते का रोलओवर किस खिलाड़ी की रैंकिंग पर सबसे पहले चोट करता है। जिस दिन कोई कमेंटेटर 48 प्रतिशत का आँकड़ा दिखाकर खिलाड़ी को कोसेगा, उस दिन पहला सवाल यह नहीं होना चाहिए कि "कितना बुरा था" — पहला सवाल यह होना चाहिए कि "हर में कितने अंक थे।"