F1 का खाली स्प्रेडशीट संकट: 2026 के नियमों से पहले डेटा-अनुशासन ही असली सीट है

पिछले हफ्ते मेरी मेज़ पर एक रिपोर्ट रखी गई। नौ विश्लेषण-खंड, तीन तालिकाएँ, एक जोखिम-मैट्रिक्स। और उनमें एक भी ठोस तथ्य नहीं। शीर्षक खाली था। स्रोत खाली था। सूचना-बिंदुओं की सूची खाली थी। जिस फ़ील्ड में एंटिटीज़ लिखी जानी थीं, वहाँ निर्देश था — ऊपर दिए सूचना-बिंदुओं से पहचानें — और ऊपर कोई बिंदु ही नहीं था। यह रिपोर्ट नहीं थी, यह एक खाली फ़ॉर्म था जिसे किसी ने बड़े आत्मविश्वास से भर दिया था। मेरे इकतीस साल के काम में यह सबसे उपयोगी दस्तावेज़ साबित हुआ, क्योंकि इसने वह चीज़ दिखाई जो हर पैडॉक में छिपी हुई है: हम डेटा की कमी से नहीं, डेटा के दिखावे से हारते हैं।

अगले सीज़न से F1 की तकनीकी नींव बदल रही है। पावर यूनिट में आंतरिक दहन और विद्युत हिस्सा लगभग आधा-आधा हो जाएगा, ईंधन पूरी तरह टिकाऊ होगा, कारें हल्की और संकरी होंगी, और सक्रिय एयरोडायनामिक्स लौट रहा है। साथ में लागत कैप की सीमा और एरोडायनामिक टेस्टिंग की टियर-व्यवस्था। इन तीनों का मिलकर एक ही असर है — ट्रैक पर टेस्ट कम, सिमुलेशन ज़्यादा। जब यह तय हो कि आप एक सीज़न में कितने घंटे विंड टनल में बिता सकते हैं, तो जीत उस टीम के पास जाती है जो अपने ही मॉडल को सबसे तेज़ी से गलत साबित कर सके, न कि उसके पास जो सबसे ज़्यादा डेटा जमा करे।

यहाँ एक बात साफ़ कर दूँ, क्योंकि पैडॉक में इसे लेकर भ्रम है। सिमुलेशन की मात्रा प्रतिस्पर्धात्मक लाभ नहीं है; उसकी ऑडिट-योग्यता है। 2026 की कारें ऐसी होंगी जिनके बारे में किसी के पास पुराना अनुभव नहीं है — न एरो मैपिंग, न टायर डिग्रेशन का इतिहास, न अंडरकट की कोई सिद्ध विंडो। ऐसे में जो टीम कहेगी कि हमारा मॉडल बता रहा है, वह कुछ नहीं कह रही। जो टीम कहेगी कि यह मॉडल किस रन-नंबर पर आधारित है, सैंपल साइज़ क्या है, और यह क्या नहीं देख सकता — वही आगे रहेगी।

पहली विफलता: खाली पेलोड। रिपोर्ट का ढाँचा मौजूद है, सामग्री नहीं। F1 में इसका सीधा रूप वह अपग्रेड-रिपोर्ट है जिसमें फ़्लोर का नया स्पेसिफिकेशन, कार्बन ले-अप, विंड टनल के घंटे — सब लिखा है, पर एक भी लैप-टाइम डेल्टा नहीं। मैंने ऐसी रिपोर्टें देखी हैं जिनमें ग्यारह पेज थे और शून्य संख्या। ढाँचा तथ्य नहीं होता।

दूसरी विफलता: चक्रीय निर्भरता। उस दस्तावेज़ में एंटिटीज़ ऊपर के सूचना-बिंदुओं से निकालने को कहा गया था, और ऊपर कुछ नहीं था। यह सिर्फ़ तकनीकी गड़बड़ नहीं, यह एक जाल है। जब विश्लेषक के पास भरने के लिए खाना होता है और सामग्री नहीं, तो वह सामग्री गढ़ लेता है। स्ट्रैटेजी डीब्रीफ़ में यह रोज़ होता है — डेटा कह रहा है कि अंडरकट काम करेगा, और जब पूछो कौन सा डेटा, तो जवाब आता है डेटा। जिस मॉडल का नाम नहीं, वह मॉडल नहीं, वह राय है।

तीसरी विफलता: स्रोत का खो जाना। उस रिपोर्ट में न आउटलेट था, न तारीख, न रिट्रीवल टाइमस्टैम्प। ड्राइवर मार्केट की रिपोर्टिंग में यह घातक है, क्योंकि वहाँ स्रोत ही मूल्य है — एक स्थापित पैडॉक पत्रकार और एक एग्रीगेटर को एक जैसा नहीं पढ़ा जा सकता। तकनीकी तरफ़ यही बात विंड टनल करिलेशन पर लागू होती है: ट्रैक डेटा से मेल खाता है, यह एक दावा है, और जब तक रन नंबर, तापमान, टायर कंपाउंड और ट्रैक इवोल्यूशन न लिखे हों, वह दावा सत्यापन-योग्य नहीं।

टीम-साथी की तुलना पैडॉक का एकमात्र साफ़ नियंत्रण है, क्योंकि वहाँ कार एक ही होती है। मैक्स वेरस्टैपेन, लैंडो नॉरिस, चार्ल्स लेक्लेर, फ़र्नांडो अलोंसो — इन सबकी बहस में जो चीज़ सबसे कम उठती है, वह यही नियंत्रण है। और जब वह नियंत्रण भी स्रोत-विहीन हो, तो बहस डेटा नहीं, स्वाद बन जाती है।

अब वह हिस्सा जो मुझे सबसे ज़्यादा परेशान करता है — निष्कर्ष की भाषा। उस रिपोर्ट में हर जगह लिखा था, जोखिम नहीं पहचाना गया। यह और जोखिम मौजूद नहीं है, एक ही चीज़ नहीं हैं, और पैडॉक इन दोनों को रोज़ मिला देता है। जब कोई टीम कहती है कि उसके अपग्रेड में कोई जोखिम नहीं मिला, तो सही सवाल यह नहीं है कि जोखिम क्या है — सही सवाल यह है कि उसने देखा क्या था।

यहाँ एक उदाहरण जो मैं बार-बार उठाता हूँ, क्योंकि यह संख्याओं का नहीं, हराज़न के बारे में है। फ़ोर्स इंडिया के चौथे स्थान के फ़िनिश सालों तक ओवरअचीवमेंट कहे गए, जब तक कि आप कर्ज़ की कीमत और उसके बाद आए प्रशासन को जोड़ नहीं लेते। बुद्ध इंटरनेशनल सर्किट को दर्शकों की विफलता कहा गया, जब तक आप 2026 की लगभग 95,000 रेस-डे भीड़ के सामने 2026 तक गिरकर लगभग 60,000 हो गए गेट को और प्रमोटर की बैलेंस शीट को नहीं रख देते। लैप टाइम के पीछे एक बहीखाता होता है, और उसे पढ़े बिना हर नतीजा अधूरा है।

पैडॉक का आम मत यह है कि 2026 में जिसके पास ज़्यादा डेटा होगा, वह जीतेगा। मेरा उलटा पठन है: लागत कैप और टेस्टिंग-सीमा के युग में बाधा डेटा की मात्रा नहीं, उसकी पुनरुत्पाद्यता है। एक टीम जो अपने मॉडल को तेज़ी से झूठा साबित कर सकती है, वह उस टीम से आगे निकल जाएगी जो उसे सही साबित करने में पूरा सीज़न बिता देती है। दूसरा उलटा पठन: मीडिया और फ़ैनडम दोनों प्रीसिज़न को प्रमाण समझते हैं। 0.04 सेकंड का अंतर, तीन रेस का ट्रेंड, दशमलव तक गई संभावना — टूल ये अंक तब भी देते हैं जब डेटा उन्हें कमाता नहीं। मेरे पास एक नियम है: जिस सैंपल साइज़ पर मैं रैंक करने से इनकार करता हूँ, उसे मैं लिखकर बताता हूँ, छुपाता नहीं।

और तीसरा, यह मेरे अपने खिलाफ़ है। उलटा पठन एक ब्रांड बन सकता है। जब डेटा कुछ और कह रहा है आपकी पहचान बन जाए, तो आप डेटा खोलने से पहले ही नतीजा तय कर लेते हैं। इसलिए मैं उन मामलों की सूची रखता हूँ जहाँ पैडॉक की आम राय सही थी। वह सूची सालाना छपती है, चाहे वह मुझे अच्छी न लगे।

एक और बात, जो इस पूरे प्रसंग का असली सबक है। खाली रिपोर्ट का सही पठन जोखिम नहीं मिला नहीं है — सही पठन यह है कि विश्लेषण ही संभव नहीं था। ये दोनों निष्कर्ष धरती और आसमान का अंतर रखते हैं, और जो संगठन इन्हें एक मान लेते हैं, वे अपनी सबसे बड़ी खामी को अपनी सबसे बड़ी ताकत समझ बैठते हैं।

2026 की शुरुआत में जो चीज़ देखनी है वह यह नहीं कि किस टीम ने कितने अपग्रेड लाए, बल्कि यह कि किस टीम ने अपनी रिपोर्ट में यह मॉडल क्या नहीं देख सकता वाली पंक्ति लिखी है। जो टीम वह पंक्ति लिखेगी, वही टीम सबसे तेज़ी से गलती सुधारेगी। और एक सवाल, जिसका जवाब मुझे अगले सीज़न के पहले पाँच रेस देंगे: जब किसी टीम का सिमुलेशन ट्रैक से मेल नहीं खाएगा, तो वह डेटा को गलत मानेगी या ट्रैक को?