खाली फ़ाइल का ऑडिट: क्रिकेट एनालिटिक्स में सबसे बड़ा ख़तरा खाली सेल नहीं, भरी हुई सेल है

रात 1:40 बजे फ़ाइल आई। नाम था stage_2_input.json। उसमें ग्यारह फ़ील्ड थीं। ग्यारह में से दस खाली थीं। जो एक भरी थी, वह सिर्फ़ एक लेबल थी — cricket_asia। बाक़ी हर जगह वही तीन अक्षर लिखे थे: N/A।

शीर्षक — N/A। स्रोत — N/A। लेख का प्रकार — "अवर्गीकृत"। एक-वाक्य सारांश — खाली। सूचना बिंदु — सूची बनी हुई, अंदर कुछ नहीं। इकाइयाँ — "ऊपर दिए गए सूचना बिंदुओं से निकालें," जबकि ऊपर कोई सूचना बिंदु था ही नहीं। समय-संवेदनशीलता — आँकी नहीं गई। स्रोत-गुणवत्ता — आँकी नहीं गई।

जो चीज़ मेरे पास बची थी, वह एक ढाँचा था: पूरा बना हुआ, साफ़-सुथरा, आठ खंडों में बँटा हुआ, और अंदर से पूरी तरह खाली। फ़ॉर्मैट विश्लेषण, खिलाड़ी तकनीक, टीम परिदृश्य, लीग अर्थव्यवस्था, नियम-शासन, जोखिम मैट्रिक्स, जन-नैरेटिव, उद्योग ट्रांसमिशन। आठ खंड। शून्य सूचना।

यह उस किस्म की विसंगति है जिसे मैं आमतौर पर आँकड़ों में ढूँढता हूँ — सौ प्रतिशत फ़ील्ड भरी हुईं, शून्य प्रतिशत जानकारी मौजूद। और पेशे की सबसे असुविधाजनक सच्चाई यह है कि ऐसी फ़ाइल क्रिकेट जगत में हर हफ़्ते बनती है, बस उसे इतनी ईमानदारी से खाली नहीं छोड़ा जाता।

क्रिकेट डेटा पाइपलाइन में Stage-1 का काम एक ही है: कच्चे लेख से नौ अनिवार्य चीज़ें निकालना — शीर्षक, स्रोत, लेख का प्रकार, एक-वाक्य सारांश, लेखक का रुख, सूचना बिंदुओं की सूची, इकाइयों की सूची, समय-संवेदनशीलता और स्रोत की गुणवत्ता। इसके बाद डोमेन लेबल लगता है। Stage-2 तब उन सूचना बिंदुओं पर आठ आयामों का विश्लेषण खड़ा करता है। पूरा ढाँचा इस एक शर्त पर टिका है कि Stage-1 कुछ लौटाएगा।

यहाँ वह कुछ नहीं लौटाया। आठ फ़ील्ड खाली, नौवें पर ऐसा लेबल जो मेरे मूल डोमेन से मेल भी नहीं खाता — असाइन किया गया लेबल "Cricket" था, मिला "cricket_asia"।

2026 में, सोलह साल की उम्र में, मैं वानखेड़े की गैलरी में बैठा था — मुंबई बनाम तमिलनाडु का रणजी मुक़ाबला। उन दो पारियों के सारे 546 रन मैंने हाथ से कोड किए: डॉट-बॉल का दबाव, स्ट्राइक रोटेशन, गेंदबाज़ की स्पेल की लंबाई, फ़ील्ड बदलाव, शॉट के ज़ोन। पहले नोटबुक में, फिर स्प्रेडशीट में। तीन रातों में उन्नीस घंटे लगे। सूर्यकुमार यादव की 56 रन की पारी उसी फ़ाइल से निकली थी, और मैं उससे यह जाँच रहा था कि स्कोरकार्ड का सपाट स्ट्राइक रेट उनके असली जोखिम-प्रोफ़ाइल से मेल खाता है या नहीं।

पाँच सौ छियालीस रन, हाथ से कोड किए, क्योंकि फ़ाइल खुद को समझा नहीं सकती थी।

अगले साल रूस विश्व कप के बाद मैंने फ़ुटबॉल का अपेक्षित-गोल तर्क टी20 पर उठाया — शॉट लोकेशन, गेंदबाज़ का प्रकार, मैच का चरण और बल्लेबाज़ का हाथ, इन चारों से बना एक्सपेक्टेड-रन मॉडल। मुंबई के 2026-19 सैयद मुश्ताक अली अभियान पर परखा, 1,248 गेंदें कोड कीं, उनमें बड़ौदा के ख़िलाफ़ सूर्यकुमार की 39 गेंदों पर 72 रन की पारी भी। मॉडल ने उनके शॉट-चयन को लापरवाही नहीं, टिकाऊ बताया — जो अकेला स्ट्राइक रेट कभी नहीं बता सकता था।

जो मीट्रिक अनुवाद नहीं हो सकता, वह मीट्रिक इस्तेमाल भी नहीं हो सकता।

यही वजह है कि खाली फ़ाइल मेरे लिए ठहराव है, शर्म नहीं। क्रिकेट का हर मीट्रिक किसी फ़ॉर्मैट, किसी दौर, किसी मंच के अंदर ही अर्थ रखता है। जिस पल फ़ॉर्मैट गायब हो, उस पल हर निष्कर्ष रुक जाता है।

फ़ॉर्मैट एक रुकावट है, सजावट नहीं

145 का स्ट्राइक रेट वनडे के बीच के ओवरों में उम्दा है, टी20 फ़िनिशर के लिए सिर्फ़ स्वीकार्य, और टेस्ट में उसका कोई मतलब नहीं। यही एक वाक्य पूरे विश्लेषण को रोक देता है। अगर मुझे नहीं पता कि मामला टेस्ट है, वनडे है, टी20 है, द हंड्रेड है या फ़्रैंचाइज़ी लीग है, तो मैं कोई भी तुलना करते ही श्रेणी-त्रुटि कर बैठूँगा। क्रिकेट विश्लेषण में यह कॉस्मेटिक कमी नहीं, ढाँचे की विफलता है।

इसी तरह मैच का स्वरूप भी अनुपलब्ध है — द्विपक्षीय सीरीज़, आईसीसी वैश्विक टूर्नामेंट, फ़्रैंचाइज़ी लीग या वॉर्म-अप। नतीजे का भार इसी से तय होता है। और नतीजे और प्रक्रिया की अलग-अलग जाँच भी असंभव है: टॉस, छूटे कैच, डीएलएस संशोधन, डीआरएस का अंपायर-कॉल — इनमें से किसी को भी मैं अलग नहीं कर सकता, क्योंकि मैच ही नहीं है।

बेंचमार्क मौजूद हैं, खिलाड़ी नहीं

उद्योग के सामान्य संदर्भ-स्तर मेरे पास हैं, और मैं उन्हें साफ़ लिखकर रखता हूँ ताकि कोई उन्हें निष्कर्ष समझ न बैठे: टी20 में 8.00 से नीचे इकॉनमी अच्छी मानी जाती है, 7.00 से नीचे उम्दा; टी20 बल्लेबाज़ी में 140 स्ट्राइक रेट पार का स्तर है, 180 से ऊपर एलीट फ़िनिशर; टेस्ट में 38 से 45 का औसत ठोस टॉप-ऑर्डर माना जाता है; टी20 में औसत द्वितीयक मीट्रिक है, प्राथमिक नहीं। ये आँकड़े सत्यापन-लंबित हैं, और मैंने उन्हें किसी भी नामित खिलाड़ी पर लागू नहीं किया, क्योंकि कोई खिलाड़ी नामित ही नहीं है।

इकाइयों की सूची खाली है, इसलिए भूमिका-वर्गीकरण भी खाली है। ओपनर, एंकर, फ़िनिशर, तेज़, स्पिन, ऑलराउंडर, विकेटकीपर — इनमें से कुछ भी तय नहीं हो सकता। और Stage-1 के अपने जोखिम-संकेत भी उसी शून्य पर अटक जाते हैं: छोटे नमूने का सहारा, फ़ॉर्मैट मिलाकर डेटा उठाना, घरेलू आँकड़ों से विदेशी कमज़ोरी छिपाना, उम्र-वक्र का मोड़, चोट का इतिहास। मैं इनमें से एक भी जाँच नहीं कर सकता। ढाँचे का अपना नियम है कि यहाँ "अपर्याप्त सूचना, आँका नहीं जा सकता" लिखा जाए — और यही लिखा गया है, क्योंकि इस खाने को भरने का दूसरा रास्ता गढ़ना होगा।

घरेलू-विदेशी अंतर और टीम की हैसियत

क्रिकेट की सबसे बड़ी व्यवस्थागत ख़ासियत यह है कि घर और बाहर का प्रदर्शन एक जैसा नहीं होता। किसी टीम का स्तर तय करने के लिए मुझे पिच का प्रकार चाहिए — हरा टॉप, सूखा टर्निंग ट्रैक, समतल डेक — और मौसम चाहिए: ओस, बादल, नमी, डीएलएस का दख़ल। इनमें से कुछ भी उपलब्ध नहीं है। टीम नहीं है, इसलिए स्तर-निर्धारण नहीं है। आईसीसी रैंकिंग नहीं है, क्योंकि टेस्ट, वनडे और टी20 की तालिकाएँ अलग-अलग हैं और एक-दूसरे की जगह नहीं ले सकतीं। डब्ल्यूटीसी अंक-तालिका का असर, या टूर्नामेंट-क्वालिफ़िकेशन का गणित, दोनों अनुपलब्ध हैं।

बल्लेबाज़ी की गहराई, गेंदबाज़ी का संयोजन, बेंच की क्षमता, उम्र-संरचना — चारों के आगे खाली खाने हैं। और जिन ढाँचों पर मैं आमतौर पर टीम-विश्लेषण टिकाता हूँ — 2026-13 से जमे भारत-पाकिस्तान द्विपक्षीय संबंध, जहाँ मुक़ाबले केवल आईसीसी आयोजनों और तटस्थ स्थलों पर होते हैं; एशेज़; स्पिन बनाम तेज़ की शैली-टक्कर — उनमें से किसी को यहाँ लागू करने का आधार नहीं है।

पर्स की तुलना-अयोग्यता

लीग की पहचान नहीं है, इसलिए आईपीएल, बीबीएल, द हंड्रेड, पीएसएल, एसए20, सीपीएल, एमएलसी और आईएलटी20 में से किसी का व्यावसायिक स्तर तय नहीं हो सकता। और यहाँ एक ढाँचागत नियम याद रखना ज़रूरी है जो हर सीज़न भुला दिया जाता है: नीलामी की क़ीमतें मेगा-नीलामी और मिनी-नीलामी के बीच तुलनीय नहीं होतीं, क्योंकि पर्स का आकार ही बदल जाता है। जिस साल 90 करोड़ का पर्स था और जिस साल 120 करोड़ का, उन दो सालों के दाम एक ही तराज़ू पर रखना रिपोर्टिंग की गलती है, विश्लेषण की नहीं। राइट-टू-मैच का हिसाब भी इसी पर्स-गणित का हिस्सा है।

ऊँची नीलामी क़ीमत अंतरराष्ट्रीय क्रिकेटिंग ताक़त का प्रमाण नहीं होती। यह अनुशासन यहाँ लागू ही नहीं हो सकता, क्योंकि कोई सौदा और कोई खिलाड़ी नामित नहीं है। और मॉडल के बारे में मेरा पुराना नियम यही है: पहले तंत्र बताओ, फिर वह धारणा जो टूट सकती है, और संख्या सबसे बाद में, अपनी त्रुटि-पट्टी के साथ। ट्रांसफ़र फ़ीस भविष्य की कहानी है, जो भूतकाल में बताई जाती है — और यहाँ न भविष्य है, न भूतकाल, न फ़ीस।

शासन: जो मिसालें लागू होतीं, अगर मामला होता

शासन-स्तर — आईसीसी, राष्ट्रीय बोर्ड या लीग आयोजक — पहचाना नहीं जा सकता। फिर भी मैं वे जाँच-बिंदु दर्ज कर रहा हूँ जो किसी भी शासन-कहानी पर लागू होते, ताकि जब सामग्री आए तो ढाँचा तैयार मिले: राजस्व-वितरण (आईसीसी का "बिग थ्री" मॉडल, जिसमें बीसीसीआई का हिस्सा करीब 38–40 प्रतिशत बताया जाता है — सत्यापन-लंबित), खेल-नियम विवाद (पावरप्ले नियम, धीमी ओवर-रेट पर कार्रवाई, टी20 में डीएलएस की प्रयोज्यता), सत्यनिष्ठा (2026 का क्रोन्ये मामला, 2026 का पाकिस्तान स्पॉट-फ़िक्सिंग, 2026 का आईपीएल स्पॉट-फ़िक्सिंग, एसीयू की निगरानी), पात्रता और चयन (नागरिकता बदलाव, एनओसी प्रतिबंध, केंद्रीय अनुबंध का अनुशासन), और राजनीतिक कारक (सरकारी दख़ल पर आईसीसी की लाल रेखा, जो ऐतिहासिक रूप से सदस्यता निलंबन तक बढ़ी है)।

इनमें से एक भी मद यहाँ लागू नहीं होती, क्योंकि कोई नियम, कोई फ़ैसला, कोई बोर्ड निर्णय, कोई प्रतिबंध उपलब्ध नहीं है। और ढाँचे का एक नियम साफ़ है: सत्यनिष्ठा-जोखिम तब भी दर्ज होना चाहिए जब लेख का सुर नकारात्मक न हो। यहाँ दोनों तरफ़ कुछ भी दर्ज करने को नहीं है — न सकारात्मक, न नकारात्मक।

जोखिम मैट्रिक्स का सबसे ऊँचा खाना

खेल-जोखिम, कार्मिक-जोखिम, व्यावसायिक-जोखिम, नियम-जोखिम, जनमत-जोखिम, प्रणालीगत जोखिम — छहों श्रेणियाँ अनुपलब्ध हैं, क्योंकि कोई विषय ही नहीं है। लेकिन मैट्रिक्स में एक खाना ऐसा है जो भरा हुआ है, और वह सबसे ऊपर है: विश्लेषणात्मक जोखिम — साक्ष्य-रहित इनपुट पर विश्लेषण तैयार करना। स्तर ऊँचा, संभावना ऊँची, असर ऊँचा।

यह क्रिकेट का जोखिम नहीं है; यह तरीक़े का जोखिम है। एक पूरी भरी हुई तालिका पढ़ने वाले को लग सकती है कि विश्लेषण हो चुका। इसीलिए हर "अपर्याप्त सूचना" वाला निशान भार-वाहक है — उसे हटाया नहीं जा सकता, क्योंकि उसे हटाते ही ढाँचा दावा बन जाता है। जिस सुबह मैंने यह फ़ाइल खोली, उस सुबह मेरा असली काम यह तय करना था कि मैं विश्लेषण कर रहा हूँ या गढ़ रहा हूँ।

नैरेटिव और अपेक्षा का अंतराल

कोई नैरेटिव-लेबल नहीं चिपकाया जा सकता — न प्रतिद्वंद्विता का मुक़ाबला, न वंश-निरंतरता, न नए सितारे का राज्याभिषेक, न दिग्गज का विदाई-अभियान, न पुनर्प्राप्ति की कथा। ढाँचे का सबसे तेज़ औज़ार — डेटा और जन-धारणा के बीच का विरोधाभास पकड़ना, जैसे किसी सुपरस्टार का धीरे-धीरे गिरता स्ट्राइक रेट जिसे प्रतिष्ठा ढक लेती है — उसके लिए एक नामित खिलाड़ी और उसका डेटा, दोनों चाहिए। दोनों नहीं हैं।

अपेक्षा और वास्तविकता का अंतराल तब नापा जाता है जब दोनों तरफ़ संख्या हो। यहाँ न अपेक्षा है, न वास्तविकता। ऑड्स को मैं सिर्फ़ अपेक्षा-संकेत मानता हूँ, भविष्यवाणी नहीं, और यहाँ वह संकेत भी उपलब्ध नहीं। "अगला तेंदुलकर" जैसे ढाँचों की पूर्ति-दर ऐतिहासिक रूप से कम रही है — यह एक टिकाऊ पैटर्न है, पर यह पैटर्न किसी लेख का निष्कर्ष नहीं बन सकता।

जो लेख मैं लिख सकता था, और नहीं लिखा

cricket_asia। एक लेबल। मेरे पास इस लेबल से एशिया कप की मेज़बानी, एसीसी की मतदान-राजनीति, बीसीसीआई-पीसीबी की गतिरोध-कथा, या आईपीएल-पीएसएल की आर्थिक खाई पर एक पठनीय टुकड़ा लिखने का पूरा अवसर था। एडिटर उसे छाप भी लेते। समस्या यह है कि एक लेबल किसी वाक्य का साक्ष्य नहीं होता; वह वर्गीकरण का अवशेष हो सकता है, पाइपलाइन की गड़बड़ी, या सिर्फ़ टैक्सोनॉमी की बेमेलता।

और यहीं मेरे पेशे की सबसे पुरानी आदत सामने आती है। खाली सेल छापी नहीं जा सकती; विशेषण छप जाता है। तीन दशमलव वाली सटीकता बीस बार देखी गई गेंदों के नमूने पर भी विश्वसनीय दिखती है — और पढ़ने में भी विश्वसनीय लगती है। जबकि ईमानदार रास्ता यह है कि दशमलव से पहले नमूने का आकार और अंतराल बताया जाए, और जितना डेटा सहन कर सके उतना ही गोल किया जाए।

मुझे वह संख्या डेटासेट में मिली। जिसने उसे बनाया, वह नहीं मिला। इस बार मुझे संख्या भी नहीं मिली। सिर्फ़ एक लेबल मिला, जिसने मुझे दो कैंपों में बाँटे जाने का पूरा रास्ता दिखाया — जन्म से पाकिस्तान, काम से भारत, विषय से सीमा-पार। उस जाल से निकलने का एक ही तरीक़ा मैं जानता हूँ: तरीक़े को पूरा सार्वजनिक करना, बोर्ड और प्रसारक के दस्तावेज़ सीधे उद्धृत करना, और वह भाषा हटा देना जो वफ़ादारी की परीक्षा बुलाती है।

खाली फ़ाइल इस महीने मेरे पास आया सबसे सच्चा दस्तावेज़ है। उसने मुझे वह काम नहीं करने दिया जो मैं बहुत अच्छी तरह कर सकता था।

Stage-1 का दोबारा चलना ज़रूरी है — शीर्षक, स्रोत, टाइमस्टैम्प, पाँच से पंद्रह सूचना बिंदु और इकाइयों की सूची के साथ। तब तक यह फ़ाइल एक विफल अंतर्ग्रहण है, कम-सूचना वाला लेख नहीं। हमने पूर्वानुमान पहले मैच से पहले छाप दिया था, ताकि सीज़न हमें ग्रेड कर सके — और आज का पूर्वानुमान यह है कि दोबारा चलाया गया Stage-1 कम से कम पाँच सूचना बिंदु और कम से कम एक नामित इकाई लौटाएगा; अगर नहीं लौटाता, तो समस्या लेख में नहीं, पाइपलाइन में है, और उसे लेख की तरह छापना ठीक वही गलती होगी जिसकी मैं जाँच करता हूँ।

फ़ॉर्मैट को बाध्यकारी फ़ील्ड बनाना होगा — जब तक वह भरे नहीं, Stage-2 चले ही नहीं। स्रोत-श्रेणी भी अनिवार्य हो: बोर्ड या आईसीसी का आधिकारिक बयान सबसे ऊपर, फिर वायर सेवा, फिर मुख्यधारा क्रिकेट मीडिया, सबसे नीचे एग्रीगेशन वाला ट्रैफ़िक-चालित आउटलेट। और डोमेन लेबल की बेमेलता दोबारा चलाने से पहले सुलझनी चाहिए, वरना ग़लत उप-डोमेन का ढाँचा लागू होता रहेगा।

अगली बार जब कोई साफ़-सुथरी एनालिटिक्स शीट आपके सामने रखे — हर खाना भरा हुआ, हर संख्या तीन दशमलव तक — तो एक सवाल पूछिए। उस फ़ाइल में सूचना बिंदुओं की सूची कहाँ है, और उसे किसने भरा? टेडलाइन काम की दुश्मन नहीं है; डेडलाइन ही काम है — पर डेडलाइन के दबाव में भरा गया खाली खाना काम नहीं, कर्ज़ है, जो अगली सुबह आपके नाम पर वसूला जाएगा।