खाली सेल, भरा हुआ कमेंट्री बॉक्स: क्रिकेट डेटा में वह गलती जो रिपोर्ट से पहले हो जाती है

मैनचेस्टर डेस्क पर उस सुबह एक रिपोर्ट आई जिसमें आठ अध्याय थे, हर अध्याय में उपशीर्षक, हर उपशीर्षक में तालिका, और हर तालिका की हर कोशिका में एक ही वाक्य लिखा था — "अपर्याप्त जानकारी।" शीर्षक खाली। स्रोत खाली। एक-वाक्य सारांश खाली। सूचना-बिंदुओं की सूची खाली। लेकिन ढाँचा पूरा था: आठ आयाम, जोखिम-मैट्रिक्स, संचरण-मानचित्र, पेशेवर शब्दावली की टिप्पणियाँ, और अंत में एक अस्वीकरण। काग़ज़ पर वह दस्तावेज़ तीन हज़ार शब्दों का था। सामग्री के हिसाब से वह शून्य था।

ग्यारह हज़ार चार सौ पंक्तियाँ पढ़ने के बाद मुझे कभी ऐसा दस्तावेज़ नहीं मिला जो इतना संपूर्ण दिखे और इतना खोखला हो। यह कोई क्रिकेट खबर नहीं थी। यह उस पाइपलाइन की रिपोर्ट थी जो क्रिकेट खबरें बनाती है, और उस पाइपलाइन ने अपनी ही विफलता को सलीके से सजाकर लौटा दिया था।

यह लेख उसी खाली सेल के बारे में है।

क्रिकेट पत्रकारिता का असली काम मैदान पर नहीं, हैंडऑफ़ के बिंदु पर तय होता है। एक मैच रिपोर्ट तीन चरणों में बनती है: पहले कच्चा टेक्स्ट इकट्ठा होता है, फिर उसमें से तथ्य निकाले जाते हैं, फिर उन तथ्यों पर विश्लेषण टिकता है। जिस दस्तावेज़ ने मुझे परेशान किया, वह दूसरे और तीसरे चरण के बीच का पुल था। पहला चरण लौटा — लेकिन खाली हाथ। न शीर्षक, न स्रोत, न एक भी सूचना-बिंदु। और तीसरे चरण ने, बजाय रुकने के, पूरी विश्लेषण-रिपोर्ट लिख दी।

आप कहेंगे कि यह तकनीकी खराबी है, खेल पत्रकारिता से इसका क्या वास्तविक लेना-देना। मेरा जवाब है: पूरा लेना-देना है। जिस दिन किसी समाचार संगठन का डेटा-डेस्क ऐसी खाली रिपोर्ट को "विश्लेषण" कहकर आगे भेज देता है, उस दिन क्रिकेट की कवरेज में एक और ऐसा टुकड़ा जुड़ जाता है जो आत्मविश्वास से भरा है और तथ्य से खाली।

खालीपन का निदान

रिपोर्ट में एक बात ईमानदारी से लिखी थी, और वही उस दस्तावेज़ का सबसे मूल्यवान हिस्सा था। निष्कर्ष यह निकला कि विफलता सामग्री की नहीं, निष्कर्षण की थी। तर्क सीधा है: किसी भी दस्तावेज़ में शीर्षक और स्रोत वे दो चीज़ें हैं जो सबसे यांत्रिक रूप से, सबसे आसानी से निकाली जा सकती हैं। अगर किसी लेख का शरीर पाइपलाइन तक पहुँचा ही होता, तो शीर्षक तो निकल आता। शीर्षक का खाली होना बताता है कि लेख का शरीर कभी पहुँचा ही नहीं — पेपरवॉल, जावास्क्रिप्ट से बना पेज, पीडीएफ़, या सिर्फ़ तस्वीर वाली सामग्री।

जब सबसे आसान सवाल का जवाब न मिले, तो समस्या मुश्किल सवालों में नहीं, सवाल पूछने की जगह में है।

इसी रिपोर्ट में दूसरा संकेत भी छिपा था: डोमेन लेबल "क्रिकेट_वर्ल्ड" था, जो इस पाइपलाइन का मानक लेबल नहीं है। मानक लेबल "क्रिकेट" है, और उसके साथ अनिवार्य रूप से प्रारूप-उपलेबल चाहिए — टेस्ट, वनडे, टी20, लीग, या गवर्नेंस। वह उपलेबल नहीं था।

यह छोटी-सी चूक पूरे क्रिकेट विश्लेषण की नींव हिला देती है। क्रिकेट में मापदंड प्रारूपों के बीच हस्तांतरित नहीं होते। टी20 का स्ट्राइक रेट और टेस्ट का औसत दो अलग कौशल नापते हैं। एक ओपनर की क्षमता टेस्ट के पहले दस ओवर की स्विंग में तय होती है, और उसी खिलाड़ी की उपयोगिता आईपीएल के आख़िरी चार ओवर में। अगर आपको पता ही नहीं कि सामने कौन-सा प्रारूप है, तो आप किसी भी निष्कर्ष पर नहीं पहुँच सकते। आप सिर्फ़ निष्कर्ष जैसा दिखने वाला कुछ लिख सकते हैं।

काउंटी स्कोरकार्ड और रणजी का खाली कॉलम

मैंने सत्रह में लंकाशायर के हर मैच की गेंद दर्ज करते हुए एक चीज़ सीखी थी जो किसी कमेंट्री बॉक्स में नहीं मिलती: सीम गति और दबाव वाली गेंदों की टैगिंग। उस काम में नौ सौ शब्दों का एक टुकड़ा निकला था, जिसमें दिखा था कि विकेट गिरने के बाद के बीस ओवरों में उस आक्रमण की इकॉनमी 1.4 रन प्रति ओवर बेहतर हो जाती थी। यह कोई जादुई आँकड़ा नहीं था। यह इसलिए दिखा क्योंकि किसी ने उन गेंदों को एक-एक करके टैग किया था।

काउंटी क्रिकेट इस देश का असली प्रयोगशाला है, और उसकी कवरेज उतनी ही पतली है जितनी रणजी की। यह संयोग नहीं है। दोनों जगह एक ही संरचनात्मक विफलता है — घरेलू क्रिकेट का डेटा मौजूद है, लेकिन उसे पढ़ने वाला कोई नहीं है, क्योंकि पाठक की नज़र अंतरराष्ट्रीय मैचों पर टिकी है।

और यहीं पर वह खाली रिपोर्ट मायने रखती है। अगर एक डेटा-डेस्क यह नहीं पकड़ सकता कि उसके पास सामग्री ही नहीं आई, तो वह डेस्क यह भी नहीं पकड़ेगा कि रणजी के स्कोरकार्ड में चार मैचों का डेटा गायब है, या कि किसी गेंदबाज़ की चोट के बाद की इकॉनमी उसके करियर के औसत से बीस प्रतिशत ख़राब है।

मुझे यह लिखने में कोई झिझक नहीं कि मैंने खुद यह गलती की है। 2026 में रूस में लाइव xG मॉडल चलाते हुए मैंने सेमीफ़ाइनल से पहले वह संख्या छापी थी जो किसी को पसंद नहीं आई: इंग्लैंड के बारह गोलों में से नौ सेट-पीस से आए थे, और उनका ओपन-प्ले xG प्रति शॉट अंतिम आठ टीमों में सबसे कम था। इंग्लैंड 2-1 से हारा। लेकिन उसी टूर्नामेंट में मैं रूस के क्वार्टरफ़ाइनल के बारे में स्पष्ट रूप से ग़लत था। चार लाख पाठ, दो राष्ट्रीय डेस्क के हवाले, और एक ग़लती। उस दिन मैंने तय किया कि हर लेख के साथ एक रिग्रेशन-क्लॉज़ जाएगा — वह एक संख्या जो सही रहनी चाहिए, वरना पूरी कहानी गिर जाएगी।

आठ आयाम, आठ खाली जवाब

उस रिपोर्ट का ढाँचा देखिए। क्रिकेट विश्लेषण के आठ आयाम तय किए गए थे: प्रारूप और मैच, खिलाड़ी तकनीक, टीम परिदृश्य, लीग और वाणिज्यिक पारिस्थितिकी, नियम और शासन, जोखिम-पक्ष, सार्वजनिक कथा, और उद्योग-संचरण। यह एक सुस्पष्ट ढाँचा है। मैं इसे पहचानता हूँ, क्योंकि मेरा अपना काम भी इसी तरह चलता है।

लेकिन आठों आयाम खाली लौटे, और हर खालीपन के साथ एक तर्क था। प्रारूप अज्ञात, इसलिए कोई सामरिक व्याख्या नहीं। खिलाड़ी अज्ञात, इसलिए भूमिका-वर्गीकरण नहीं और नमूना-आकार की जाँच नहीं। टीम अज्ञात, इसलिए घरेलू-विदेशी अंतर — क्रिकेट का सबसे बड़ा संरचनात्मक चर — पूरी तरह अनुपलब्ध। लीग अज्ञात, इसलिए नीलामी की प्रीमियम-किस्मों का निदान लागू नहीं।

जोखिम-मैट्रिक्स में सिर्फ़ एक पंक्ति भरी गई थी, और वह खेल की नहीं थी। वह पाइपलाइन की थी, और उसका स्तर "उच्च" था, क्योंकि जोखिम पहले ही साकार हो चुका था। यही उस दस्तावेज़ का सबसे ईमानदार वाक्य था।

अब वह हिस्सा, जो मुझे सबसे ज़्यादा चुभा। रिपोर्ट ने सुझाया कि पहले और दूसरे चरण के बीच एक कठोर द्वार लगाया जाए: अगर सूचना-बिंदुओं की सूची खाली है या शीर्षक अनुपलब्ध है, तो विश्लेषण न लिखकर "रिक्त इनपुट" की स्थिति लौटाई जाए। यह सुझाव तकनीकी है, लेकिन इसका मतलब साफ़ है — एक प्रणाली को यह अधिकार होना चाहिए कि वह कह सके, "मैं नहीं जानता।"

क्रिकेट कवरेज में यह अधिकार लगभग कभी इस्तेमाल नहीं होता।

जो दिखता है और जो गिना जाता है

यहाँ मुझे अपने ही पेशे की सबसे पुरानी आदत से लड़ना है। काउंटी और आईपीएल का गेंद-दर-गेंद डेटा भरपूर है, साफ़ है, और मुफ़्त है। फ़ील्ड प्लेसमेंट, चोट की स्थिति, पिच की तैयारी — ये नहीं हैं। इसलिए विश्लेषण अपने आप उसी ओर बहक जाता है जो गिना जा सकता है। यह उस रिपोर्ट की गलती नहीं थी; यह हम सबकी गलती है।

वह रिपोर्ट कम से कम ईमानदार थी। उसने लिख दिया कि जो डेटा नहीं है, उसके बारे में वह कुछ नहीं कह सकती। बीस हज़ार शब्दों की एक और रिपोर्ट, जो उसी खाली इनपुट पर आत्मविश्वास से भरे निष्कर्ष लिख देती, कहीं ज़्यादा ख़तरनाक होती।

यहाँ एक चीज़ माननी पड़ेगी, और मैं इसे बिना घुमाए लिखूँगा: आँख का परीक्षण कुछ चीज़ें पकड़ता है जो स्प्रेडशीट नहीं पकड़ सकती। पिच का व्यवहार बदलना, किसी गेंदबाज़ के रन-अप में आधा कदम की कमी, विकेटकीपर का खड़ा होने का कोण — ये संकेत डेटा में देर से आते हैं, अगर आते हैं। जो लोग मैदान पर हैं, वे कभी-कभी पहले जान जाते हैं। मैं इससे इनकार नहीं करता।

लेकिन आँख का परीक्षण यह नहीं बता सकता कि उसका देखा हुआ नमूना कितना बड़ा है। और यहीं पर मेरा असली मतभेद है। आँख कहती है, "वह अच्छी गेंदबाज़ी कर रहा है।" स्प्रेडशीट पूछती है, "कितनी गेंदों पर, किस बल्लेबाज़ के खिलाफ़, किस पारी में।" दोनों सवाल ज़रूरी हैं, लेकिन दूसरे सवाल के बिना पहला सवाल एक राय है, विश्लेषण नहीं।

सबसे बड़ा ख़तरा खाली रिपोर्ट नहीं है

यहाँ वह मोड़ आता है जिस पर मुझे सबसे ज़्यादा देर लगी।

जब मैंने वह दस्तावेज़ पहली बार पढ़ा, तो मेरी पहली प्रतिक्रिया यह थी कि यह एक विफलता है। लेकिन दूसरी बार पढ़ने पर समझ आया कि असली ख़तरा उस दस्तावेज़ में नहीं, उसके आगे की प्रक्रिया में है। एक खाली रिपोर्ट जिस पर "अपर्याप्त जानकारी" लिखा है, पढ़ने वाले को रोक देती है। लेकिन उसी इनपुट पर लिखी गई एक भरी हुई रिपोर्ट — जिसमें आठ आयाम भरे हुए हैं, तालिकाएँ भरी हुई हैं, और हर वाक्य आत्मविश्वास से गूँजता है — वह पाठक को नहीं रोकती। वह पाठक को भरोसा देती है।

और क्रिकेट कवरेज में सबसे ज़्यादा नुकसान वह कहानियाँ नहीं करतीं जो स्पष्ट रूप से ग़लत हैं; वह करती हैं जो स्पष्ट रूप से ठीक लगती हैं।

यही कारण है कि मैं इस खाली रिपोर्ट को एक अच्छे दिन का संकेत मानता हूँ। किसी प्रणाली ने यह मान लिया कि वह कुछ नहीं जानती, और उसने यह छिपाया नहीं। क्रिकेट के डेटा-डेस्क पर यह दुर्लभ है। हम में से ज़्यादातर लोग एक छोटे नमूने पर चमकदार निष्कर्ष निकालने के लोभ से हार जाते हैं, क्योंकि चमकदार निष्कर्ष वही है जो सुबह की बैठक में सबसे ज़्यादा सराहा जाता है।

मेरे पास एक नियम है, और मैं उसे हर लेख में दोहराता हूँ: नमूना-सीमा पहले तय करो। अगर कोई प्रभाव कुछ सौ गेंदों से कम पर टिका है, तो उसे निष्कर्ष के रूप में मत छापो — सवाल के रूप में छापो। उस रिपोर्ट ने यही किया था, बस उल्टी दिशा से। उसने पहले ही मान लिया कि उसके पास कुछ नहीं है, इसलिए उसने कुछ नहीं कहा।

जो कॉलम खाली रहता है

मेरी हर स्प्रेडशीट में एक कॉलम ऐसा है जो हमेशा खाली रहता है। उसका शीर्षक है: "जो डेटा नहीं देख सकता।" वह कॉलम कभी खाली नहीं रहता, यह बात मुझे हर बार हँसाती है।

उस रिपोर्ट ने मुझे याद दिलाया कि वह कॉलम पूरे दस्तावेज़ में फैल सकता है। आठ आयाम, आठ खाली जवाब, और एक बहुत साफ़ संदेश: जब आपके पास सामग्री न हो, तो सबसे अच्छा विश्लेषण वह है जो यह बताए कि सामग्री क्यों नहीं है।

अब आगे क्या। मैं तीन चीज़ें देखूँगा। पहली, क्या अगले बैच में खाली शीर्षकों की दर पाँच प्रतिशत से ऊपर जाती है — अगर हाँ, तो समस्या एक लेख की नहीं, पूरे फ़ेच-सिस्टम की है। दूसरी, क्या प्रारूप-उपलेबल अनिवार्य होता है — अगर दस प्रतिशत से ज़्यादा आइटम बिना उपलेबल के आते हैं, तो प्रारूपों के बीच डेटा मिलाने का जोखिम बढ़ जाता है। तीसरी, क्या किसी गैर-खाली लेख से शून्य इकाइयाँ निकलती हैं — वह निष्कर्षण की विफलता है, फ़ेच की नहीं, और उसका इलाज अलग है।

मॉडल मैच नहीं है। और खाली मॉडल तो मैच के बारे में कुछ भी नहीं कहता — सिवाय इसके कि उसने कुछ नहीं देखा।

उस सुबह मैंने उस दस्तावेज़ को संग्रह में नहीं डाला। मैंने उसे एक अलग फ़ोल्डर में रखा, जिसका नाम मैंने "रिक्त" रखा है। उस फ़ोल्डर में अभी तीन फ़ाइलें हैं। मुझे लगता है कि अगले कुछ महीनों में यह संख्या बढ़ेगी, और मुझे यह भी लगता है कि यह अच्छी खबर है। जिस दिन क्रिकेट का डेटा-डेस्क अपने खाली कॉलमों की गिनती शुरू कर देगा, उस दिन उसके भरे हुए कॉलमों पर भरोसा करना सुरक्षित हो जाएगा।

सवाल यह नहीं है कि हमारे पास कितना डेटा है। सवाल यह है कि हम उस डेटा के न होने को कितनी ईमानदारी से लिख सकते हैं।