खाली सेल, तैयार कहानी: क्रिकेट एनालिसिस की डेटा-अखंडता पर सवाल

ग्यारह में से ग्यारह। पिछले हफ़्ते डेस्क पर आई उस रिपोर्ट में अपेक्षित ग्यारह फ़ील्ड थे और ग्यारहों खाली थे। शीर्षक N/A, स्रोत N/A, आर्टिकल का प्रकार N/A, लेखक का रुख़ N/A, समय-संवेदनशीलता 'Stage 1 में आँकी नहीं गई'। और सबसे ऊपर — इंफॉर्मेशन पॉइंट्स की सूची, जिस पर आठों विश्लेषण-आयाम टिकते हैं, शून्य लंबी थी। भरी हुई एक ही चीज़ थी: डोमेन लेबल, cricket_world। क्रिकेट की दुनिया — बस इतना। न प्रारूप, न मैच, न खिलाड़ी, न एक भी गेंद।

ऐसी फ़ाइल पर दो रास्ते खुलते हैं। पहला — टेम्पलेट भर दो। आईपीएल की आम इकोनॉमिक्स, DLS पर आम शिकायत, 'बूढ़ा होता कोर' वाला तैयार पैराग्राफ़, और रिपोर्ट फाइल। दूसरा — लिख दो कि इनपुट आया ही नहीं। पहला रास्ता तेज़ है; दूसरा पेशेवर। यह लेख दूसरे रास्ते से शुरू होता है, क्योंकि क्रिकेट एनालिटिक्स की सबसे महँगी ग़लती आज ग़लत मॉडल नहीं है — खाली सेल को कहानी से भर देना है। खाली इनपुट पर भरा हुआ टेम्पलेट विश्लेषण नहीं होता, मिसइन्फॉर्मेशन होता है।

क्रिकेट का आज का कोई भी गंभीर विश्लेषण तीन मंज़िलों पर खड़ा होता है। ज़मीन पर Stage 0 — स्रोत से पाठ खींचना: URL, प्रकाशन तिथि, बॉडी टेक्स्ट। उसके ऊपर Stage 1 — उस पाठ को परमाणु तथ्यों में तोड़ना, जिन्हें इंफॉर्मेशन पॉइंट कहते हैं: कौन-सा दावा, किस स्रोत से, किस तारीख़ का। और सबसे ऊपर Stage 2 — आठ आयामों वाला मॉडल: प्रारूप और मैच की प्रकृति, खिलाड़ी की तकनीक और डेटा, टीम का परिदृश्य और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम और शासन, जोखिम-मैट्रिक्स, जन-नैरेटिव और अपेक्षा-अंतराल, और उद्योग-ट्रांसमिशन।

इस ढाँचे में एक नियम कठोर है: हर नतीजे को कम-से-कम एक इंफॉर्मेशन पॉइंट उद्धृत करना होगा। नहीं तो नतीजा लिखा ही नहीं जाता — N/A लिखा जाता है। नियम कठोर इसलिए है क्योंकि क्रिकेट में प्रारूप ही सबसे भारी चर है। टेस्ट का औसत, ODI का स्ट्राइक रेट और T20 का इकॉनमी रेट तीन अलग भाषाएँ हैं; इन्हें मिलाकर बोलना वही ग़लती है जो स्कोरबुक में दो अलग पारियों के आँकड़े जोड़ देने जैसी है। जब तक प्रारूप तय न हो, कोई भी संख्या अर्थहीन है।

उस रिपोर्ट का ऑडिट साफ़ था: ग्यारह में से ग्यारह फ़ील्ड विश्लेषण के लिए अनुपयोगी। डोमेन लेबल केवल इतना बताता था कि विषय क्रिकेट है — प्रारूप नहीं, लिंग नहीं, प्रतियोगिता का स्तर नहीं। समय-संवेदनशीलता आँकी ही नहीं गई थी, इसलिए ख़बर के बासी होने की दर भी नहीं मापी जा सकती थी। स्रोत की गुणवत्ता तय करने के लिए जो फ़ील्ड चाहिए थे, वे भी खाली थे।

अब वह हिस्सा जो मायने रखता है — और यहीं ज़्यादातर डेस्क चूकती हैं।

N/A का मतलब 'साफ़' नहीं होता। N/A का मतलब 'जाँचा नहीं गया' होता है।

जोखिम-मैट्रिक्स में हर पंक्ति N/A थी — खेल-जोखिम, कार्मिक, वाणिज्यिक, नियम, जनमत, प्रणालीगत। अगर नीचे 'कुल जोखिम: कम' लिख दिया जाता, तो वह एक सकारात्मक दावा बन जाता — यह दावा कि लेख पढ़ा गया, जाँचा गया और सुरक्षित पाया गया। सच यह था कि लेख पढ़ा ही नहीं गया। इसलिए सही रेटिंग 'आँकी नहीं जा सकती' है। यह शब्दों का खेल नहीं है; यही अंतर है एक ऐसे डैशबोर्ड के बीच जो बताता है कि कुछ नहीं मिला, और उस डैशबोर्ड के बीच जो बताता है कि सब ठीक है। क्रिकेट में इस अंतर की क़ीमत होती है, क्योंकि यहाँ 'कुछ नहीं मिला' और 'जोखिम कम है' दोनों को एक ही हरे रंग में रंग दिया जाता है।

यह समझने के लिए तीन उदाहरण देखिए, जहाँ मैट्रिक्स चला — सिर्फ़ इसलिए कि डेटा पहले आया था।

2026, चेपौक। मैंने 1,284 गेंदें कोड कीं — रिलीज़ एंगल, सीम पोज़िशन, फ़ील्ड-प्लेसमेंट का नतीजा, स्कोरिंग ज़ोन। पाँच-भाग की सीरीज़ 'Geometry of the Chepauk Turn' को 42,000 रीड्स मिले, और डेस्क ने सामान्य मैच रिपोर्ट की जगह एनोटेटेड पिच मैप छापना शुरू किया। चेपौक का नक्शा लंबाई के सवाल से शुरू हुआ था, ख़त्म दबाव के नक्शे पर हुआ। उस प्रोजेक्ट का असली फ़ायदा डैशबोर्ड नहीं, शब्दावली थी: 'दबाव' अब मनोदशा नहीं, एक टैग था — फ़ील्ड बदलाव, गेंदबाज़-मैचअप या स्कोरिंग-विंडो की संख्या। उस दिन के बाद मैंने 'दबाव में बिखर गया' जैसे वाक्य लिखना बंद कर दिया, क्योंकि मेरे पास उसे मापने का शब्द हो गया था।

2026, इंग्लैंड। भारत 1-4 से हारा और हर डेस्क पर 'टेम्परामेंट' वाला अनुच्छेद छप रहा था। मैंने 1,147 गेंदें दोबारा कोड कीं — इस बार हर टॉप-सिक्स विकेट के बाद के 18 गेंदों को अलग टैग करके। नतीजा तालिका में था: 63% ढहाव एक विकेट के तीन ओवर के भीतर शुरू हुए। चौथी स्टंप लाइन और स्थिर क्रीज़ — यही ट्रिगर था। सोशियोलॉजी की ट्रेनिंग ने यहाँ काम किया: ढहाव को चरित्र-दोष नहीं, संगठनात्मक आदत की तरह पढ़ा। चरित्र पर बहस करने से कोई ट्रिगर-इवेंट टेबल नहीं बनती, और टेबल के बिना अगली सीरीज़ में वही ढहाव दोबारा आता है।

2026, खाली स्टेडियम, UAE। 13,906 वैध गेंदें, साठ मैच, और हर गेंद पर ओस, वेन्यू, पारी का फ़ेज़ और चेज़ का नतीजा दर्ज। वेन्यू-विशिष्ट थ्रेशोल्ड पार होने पर शाम के चेज़ 63% मैच जीते। नतीजा यह हुआ कि मेरा वाक्य-ढाँचा ही बदल गया: 'यह टीम जीतेगी' की जगह 'if dew by over 14, then चेज़ बढ़त में' लिखा जाने लगा। संपादक पहले नाराज़ हुए, फिर वेन्यू-विशिष्ट मॉडल माँगने लगे। एक ब्रॉडकास्ट डेटा प्रोड्यूसर के साथ यह काम इसलिए हुआ कि बॉल-ट्रैकिंग इनपुट मेरे अकेले के बूते की चीज़ नहीं थी — और अच्छा विश्लेषक वही है जो बताए कि कौन-सी परत वह अकेले नहीं उठा सकता।

तीनों उदाहरणों में एक बात समान है, और वह यह नहीं कि मॉडल सही निकला। समान बात यह है कि तीनों में एक भी सेल 'सूत्रों के मुताबिक' नहीं भरी गई थी।

अब उलटा मामला — नीलामी और रिटेंशन का दौर, यानी वही मौसम जो अभी चल रहा है। यह वह समय है जब डेटा सबसे पतला और आवाज़ सबसे तेज़ होती है। कॉन्ट्रैक्ट, रिलीज़-क्लॉज़, वेज-बिल और एजेंट की चाल — इनमें जो असली जानकारी है, वह शायद ही किसी हेडलाइन में आती है; और जो हेडलाइन में आता है, वह अक्सर उसी एजेंट की ओर से आता है जिसका हित उसे फैलाने में है।

2026 की मेगा नीलामी में मैंने 600 खिलाड़ियों का मॉडल बनाया — 47 मेट्रिक्स: पावरप्ले स्ट्राइक रेट, स्पिन मैचअप, डेथ इकॉनमी, फ़ील्डिंग-ज़ोन डेटा। रैंकिंग प्रतिष्ठा से नहीं, रोल-स्कार्सिटी से तय हुई। तिलक वर्मा को खरीद से पहले टॉप-फ़ाइव वैल्यू बाय के रूप में चिह्नित किया गया; मुंबई इंडियंस ने उन्हें 1.7 करोड़ में लिया और उन्होंने उस सीज़न 397 रन 131.02 की स्ट्राइक रेट से बनाए। आज इस नतीजे को सफलता का तमग़ा मानकर लिखना आसान है। असली सबक़ यह है कि उन 47 कॉलमों में से किसी में भी 'नज़दीकी सूत्र' नहीं भरा गया था।

यहीं एजेंट-इकोसिस्टम घुसता है। खिलाड़ी एजेंट किसी भी खेल बाज़ार की सबसे बड़ी छिपी लागत हैं — उनका शोर पूरे बाज़ार को विकृत कर देता है, क्योंकि वह जानकारी और प्रचार के बीच की रेखा मिटा देता है। क्रिकेट में वही भूमिका मैनेजर और 'करीबी सूत्र' निभाते हैं। जब डेस्क के पास एक भी इंफॉर्मेशन पॉइंट न हो, तो एजेंट की लाइन ही इंफॉर्मेशन पॉइंट बन जाती है। खाली सेल कभी खाली नहीं रहती; उसे कोई भर देता है — और भरने वाला अक्सर वही होता है जिसका हित उसे भरने में है।

यहीं से टेम्परामेंट की भाषा घुसती है। 'कैरेक्टर', 'बॉटल', 'दबाव झेलने की क्षमता' — ये शब्द तब आते हैं जब तालिका खाली हो। मैं इनसे चिड़ता नहीं क्योंकि ये भावुक हैं; मैं चिड़ता हूँ क्योंकि ये अप्रमाणित हैं और इन्हें प्रमाण की जगह रख दिया जाता है। दबाव कोई भावना नहीं, फ़ील्ड बदलाव है — स्लिप से मिड-ऑफ़ हटना, एक ओवर पहले स्पिन आना, तीसरे आदमी का ऊपर चले जाना। जो दिखता है, वही लिखा जाना चाहिए।

उद्योग-ट्रांसमिशन वाला आयाम भी इसी नियम पर टिका है। ट्रांसमिशन मैप किसी झटके को वैल्यू-चेन में ट्रेस करता है — कोई साइनिंग, कोई राइट्स डील, कोई नियम-बदलाव, कोई चोट। झटका ही न हो तो ट्रेस करने का रास्ता नहीं बनता। मान लीजिए इनपुट में बीसीसीआई के कैलेंडर पर एक ठोस तथ्य होता — तब मैं दिखा सकता था कि एक वेंडर-डील से लेकर रणजी की दृश्यता तक कौन-सी कड़ी हिलती है, और आईपीएल का असली शिकार टेस्ट क्रिकेट नहीं बल्कि घरेलू क्रिकेट का कवरेज-फ़ुटप्रिंट है। लेकिन झटका अनुपस्थित है, तो हर सेल N/A रहेगा। और ख़ाली मैप को भरने का लालच सबसे ख़तरनाक होता है, क्योंकि तब पुरानी यादें तथ्य बनकर बैठ जाती हैं।

यही बात चयन पर भी लागू होती है। 'भारत की बेंच स्ट्रेंथ' पर हर सीज़न एक लंबा अनुच्छेद छपता है, और लगभग हर बार वह प्रतिभा की कहानी बन जाता है। मेरे टैगिंग में वह चयन की समस्या है: किस रोल में कितने विकल्प उपलब्ध हैं, किस फ़ॉर्मेट में, किस परिस्थिति में। पहले बयान को एक इंफॉर्मेशन पॉइंट चाहिए — नाम, मैच, तारीख़, आँकड़ा। बिना उसके वह बयान ख़बर नहीं, मौसम है।

अब उलटा सवाल, जो मुझे सबसे ज़्यादा परेशान करता है। हम सब मिलकर गढ़ने से डरते हैं — और सही भी है। लेकिन ख़तरा उससे बड़ा उस शांत, बेशोर विफलता में है जिसमें N/A चुपचाप आगे बढ़ जाता है।

सोचिए: एक एग्रीगेटेड फ़ीड, एक एडिटोरियल क्यू, एक ट्रायाज डैशबोर्ड। उसमें एक रिकॉर्ड दाख़िल होता है जिसकी हर सेल N/A है। डाउनस्ट्रीम सिस्टम रिकॉर्ड के होने को सामग्री के होने से अलग नहीं कर पाता। अगले महीने वही रिकॉर्ड किसी सेंटिमेंट इंडेक्स या कवरेज-गिनती में 'विश्लेषण' गिना जाता है। किसी ने झूठ नहीं बोला; किसी ने कुछ भरा भी नहीं। फिर भी एक ख़ाली लेख अपनी जगह बना लेता है। यही असली लीक है — और वह गढ़ने से पकड़ में नहीं आती, क्योंकि उसमें कोई दावा ही नहीं होता जिसे झूठ कहा जाए।

कमेंट्री बॉक्स मेरे लिए पंचलाइन नहीं, प्राथमिक साक्ष्य है। जब पैनल बहस करता है कि 'इस टीम में दम नहीं', और डेटा डेस्क अब भी प्रारूप-क्वालिफ़ायर का इंतज़ार कर रही है, तो हम उस पल में इकोसिस्टम की सोच देख रहे हैं — नतीजे की जगह स्वभाव, तालिका की जगह मिज़ाज। भारत में बैटर या गेंदबाज़ लगभग हमेशा एक चर के रूप में दाख़िल होना चाहिए, एक संख्या के साथ; नाम तब तक नहीं, जब तक उसके साथ मापी जा सकने वाली भूमिका न हो। इसी अनुशासन से मैंने अपनी कॉपी में मार्की नामों की खपत घटाई।

डायग्नोसिस भी यहीं है। पूरी तरह शून्य आउटपुट आम तौर पर लेख के ख़ालीपन की नहीं, ऊपरी पाइपलाइन की ख़राबी की कहानी होती है — फ़ेच विफलता, पेवॉल, या जावास्क्रिप्ट से बना वह पेज जिसकी बॉडी टेक्स्ट-एक्सट्रैक्शन में ख़ाली लौटती है। आंशिक खालीपन अर्थपूर्ण होता है; कुल खालीपन नहीं। [Confidence: Medium]

सुधार महँगा नहीं है। Stage 1 और Stage 2 के बीच एक हार्ड गेट चाहिए — Information Points की लंबाई कम-से-कम एक, शीर्षक भरा हुआ, प्रारूप-क्वालिफ़ायर मौजूद। जो रिकॉर्ड यह गेट पार न करे, वह क्वारंटीन में जाए, डैशबोर्ड में नहीं। साथ में स्रोत URL और फ़ेच का टाइमस्टैम्प Stage 0 पर ही स्थायी रूप से सेव हो, ताकि खाली रिकॉर्ड आने पर यह भी पता चले कि कहाँ से आया था।

पचास साल स्कोरबुक देखने के बाद, और 2026 में हैदराबाद से ऑल इंडिया रेडियो पर माइक पकड़ने के बाद, मैं एक बात पर पक्का हूँ: क्रिकेट में चेपौक से लेकर वानखेड़े तक हर सतह ने यही सिखाया है कि तालिका पहले बनती है, कहानी बाद में आती है। सवाल आगे का यह है — अगली नीलामी के शोर में, जब रिटेंशन लिस्टों के इर्द-गिर्द हर हेडलाइन दौड़ रही होगी, किस डेस्क की शीट में ख़ाली सेल बचेगी? और उसे भरेगा कौन — मॉडल, या वही आदमी जिसने सुबह फ़ोन किया था? एक अच्छे विश्लेषक का काम इंतज़ार को नाम देना है, चाहे वह घड़ी भर लंबा ही क्यों न हो।