शून्य सूचना बिंदु: क्रिकेट की डेटा-पाइपलाइन जब खाली लौटती है

गुरुवार की दोपहर मेरे डेस्क पर एक फाइल आई। शीर्षक: N/A। स्रोत: N/A। प्रकाशन तिथि: N/A। लेख का प्रकार: अवर्गीकृत। और उस खाने में, जहाँ सामान्यतः पंद्रह से बीस ठोस तथ्य बिंदु बैठते हैं, सिर्फ एक शब्द लिखा था — शून्य।

इक्कीस फील्ड में से बीस खाली थीं। जो एक भरी थी, वह डोमेन लेबल थी: cricket_asia।

क्रिकेट डेस्क पर सत्रह साल में मैंने ऐसा कुछ नहीं देखा। किसी मैच रिपोर्ट में एक भी आँकड़ा न हो, यह व्यावहारिक रूप से असंभव है — स्कोरकार्ड से एक पंक्ति तो उठती ही है। किसी प्रकाशित क्रिकेट सामग्री से शून्य सूचना बिंदु निकलना सांख्यिकीय रूप से लगभग अविश्वसनीय है। इसलिए मैंने वही किया जो मैं हमेशा करता हूँ: स्मृति से नहीं, टाइमस्टैम्प से इनिंग दोबारा खड़ी की। इस बार जो मिला, वह क्रिकेट के बारे में नहीं था। वह उस मशीनरी के बारे में था जो क्रिकेट को पढ़ती है।

मैं पैटर्न की तलाश में निकला था और वापस उसकी अनुपस्थिति लेकर आया हूँ।

जिस दिन रैंक टर्नर वाला वाक्य काम नहीं कर गया

फरवरी 2026, पुणे का एमसीए स्टेडियम। भारत ऑस्ट्रेलिया के खिलाफ पहला टेस्ट 333 रन से हार गया, दोनों पारियाँ 105 और 107 पर सिमट गईं। स्टीव ओ'कीफ ने 12/70 लिए। उस वक्त हर रिपोर्ट में एक ही वाक्य था: रैंक टर्नर। मैंने वह वाक्य नहीं लिखा। मैंने हर गेंद लॉग की — स्पिन डिविएशन, बैट-पैड कैच, शॉट टाइप, रिलीज़ पॉइंट। शीट ने दिखाया कि भारत के बीस में से चौदह विकेट स्पिन या बैट-पैड दबाव से गिरे। कच्ची टेबल प्रकाशित की, साथ में छोटा-सा मेथडोलॉजी नोट। उस दिन से मेरी एक ही शर्त रही: दावे से पहले लॉग।

इसी शर्त ने 2026 में रूस में मेरा बचाव किया। बेल्जियम ने जापान को रोस्तोव में 3-2 से हराया, जापान 52वें मिनट तक 2-0 से आगे था और चाडली का काउंटर 94वें मिनट में आया। मेरे डैशबोर्ड पर जापान का PPDA साठ मिनट तक 8.9 था, उसके बाद 15.2, स्प्रिंट काउंट 18 फीसदी नीचे। एक ब्रॉडकास्टर ग्राफिक ने xG का आंकड़ा गलत लेबल कर दिया था। मैंने सुधार प्रकाशित किया, सोर्स टेबल के साथ। गति गई, भरोसा बचा।

और 2026 में, खाली स्टेडियमों वाले यूएई आईपीएल की सभी साठ मैचों की ऑडिट में, मैं यह बताने निकला था कि मेज़बान टीमों को फायदा मिला या नहीं। मेज़बान टीमों ने साठ में से सत्ताईस मैच जीते — मेरे पहले से तय किए गए शोर-बैंड के अंदर। मुंबई इंडियंस ने दिल्ली कैपिटल्स को फाइनल में 5 विकेट से हराया, और मैंने शून्य परिणाम प्रकाशित किया, कॉन्फिडेंस इंटरवल के साथ। संपादकों को हेडलाइन पसंद नहीं आई। कोचों ने टेबल पढ़ी।

यह सारा पुराना हिसाब इसलिए याद आ रहा है क्योंकि इस हफ्ते की फाइल ने मुझे वही सवाल सौंपा, बिल्कुल उल्टी दिशा से। पहले मैं खाली टेबल से पैटर्न निकालता था। अब टेबल ही खाली लौट आई थी — और सवाल यह था कि क्या यह अनुपस्थिति खबर है, या सिर्फ मेरी मशीन का दोष।

खाली एक्सट्रैक्शन का शव-परीक्षण

जब आठ विश्लेषण आयामों में से आठों 'N/A — अपर्याप्त सूचना' लौटाएँ, तो वह विश्लेषण की विफलता नहीं, इनपुट की विफलता है। यह पहला और सबसे पक्का निष्कर्ष है। फॉर्मेट पहचाना नहीं जा सका, इसलिए टेस्ट का औसत टी20 की स्ट्राइक रेट से तुलना नहीं कर सका — यह गेट बंद था। कोई खिलाड़ी नामित नहीं था, इसलिए भूमिका तय नहीं हुई, और भूमिका तय न हो तो मीट्रिक का चुनाव ही असंभव है। कोई टीम नहीं थी, इसलिए घर-बाहर का वह लिटमस टेस्ट नहीं चल सका जो असली ताकत और घरेलू परिस्थिति की फुलाई हुई ताकत में फर्क करता है।

मैंने चार चीजें जाँचीं, और चारों एक ही दिशा में इशारा करती हैं।

पहली, असंभाव्यता। एक प्रकाशित क्रिकेट लेख से शून्य सूचना बिंदु निकलना लगभग वैसा ही है जैसे पूरी इनिंग में एक भी लीगल डिलीवरी दर्ज न हो। ऐसा मैच में नहीं होता; ऐसा स्कोरिंग टेबल में होता है। यानी गड़बड़ लेख में नहीं, पढ़ने की प्रक्रिया में है — रॉ निकालना, भाषा पहचानना, HTML टेक्स्ट पार्स करना, इनमें से कहीं। यह इनजेशन फॉल्ट की परिकल्पना है, और मेरे पास इसका समर्थन करने वाला ठोस आधार है: खाली आउटपुट।

दूसरी, लेबल। जो एक फील्ड भरी थी, वह थी cricket_asia। यह उप-डोमेन टैग भूगोल बताता है, खेल-श्रेणी की अनुपालन नहीं। फ्रेमवर्क जिस लेबल की मांग करता है वह Cricket है। एक शब्द का यह अंतर छोटा दिखता है, लेकिन डाउनस्ट्रीम रूटिंग बदल देता है — किस मीट्रिक-बेंचमार्क बैठेंगे, कौन-सा रेगुलेशन-चेकलिस्ट सक्रिय होगा। मेरा अनुमान है कि जिस क्लासिफायर ने यह लेबल दिया, वह टैक्सोनॉमी के पुराने संस्करण पर चल रहा था। यह स्कीमा-मिसमैच है, और यह अकेले ही समझा देता है कि इक्कीस में से बीस फील्ड खाली क्यों रहीं। पर यह अनुमान है, निष्कर्ष नहीं, और मैं इसे मध्यम-भरोसे के खाने में ही रखूँगा।

तीसरी, और यहीं सबसे बड़ा जाल है — शून्य को साफ-सुथरा पढ़ लेना। जोखिम मैट्रिक्स की छहों श्रेणियाँ खाली लौटीं: खेल-प्रदर्शन, कार्मिक, वाणिज्यिक, नियम-अखंडता, जनमत, प्रणालीगत। 'जोखिम नहीं मिला' और 'जोखिम का आकलन ही नहीं हो सका' में जमीन-आसमान का फर्क है। पहला एक नतीजा है; दूसरा एक अधूरी प्रक्रिया। अगर यह आउटपुट किसी ऑटोमेटेड पाइपलाइन में आगे बढ़ता है, तो सबसे संभावित विफलता यही है — खाली शीट को हरा झंडा समझ लिया जाए। रणजी की रिकॉर्ड-गरीबी पर मैं सालों से यही लिखता आया हूँ, दूसरे रूप में: मौजूद न होना, मौजूद न होने का सबूत है; मौजूद न होना, कुछ और होने का सबूत नहीं।

चौथी, फैलाव। एक खाली आउटपुट दुर्घटना हो सकती है। दो खाली आउटपुट, एक ही इनजेशन रास्ते पर, दुर्घटना नहीं — प्रणालीगत अंधा धब्बा है। इसलिए मैंने विश्लेषण शुरू करने से पहले ही एक दहलीज तय कर ली थी: यदि लगातार आउटपुट में खाली नतीजों की दर एक निश्चित निम्न स्तर से ऊपर जाती है, तो पाइपलाइन रोक दी जाए, आगे न बढ़ाई जाए। दहलीज पहले, विश्लेषण बाद में। यह वही अनुशासन है जो मैं नए बॉलिंग एक्शन पर बीस गेंद देखकर राय बनाने से रोकता है।

और इन चारों के ऊपर एक पाँचवाँ, जो इस पूरे अभ्यास का सबसे भरोसेमंद जोखिम है: गढ़ंत। खाली इनपुट से धाराप्रवाह, सुगठित, आत्मविश्वास से भरा क्रिकेट-विश्लेषण लिख देना तकनीकी रूप से आसान है। फॉर्मेट-निष्कर्ष, स्ट्राइक-रेट बेंचमार्क, टीम-टियर, ऑक्शन-प्रीमियम, DRS विवाद — सब कुछ साफ-सुथरे ढाँचे में ठीक उसी तरह भरा जा सकता है जैसे कोई कमेंट्री-बॉक्स में बैठकर भरता है। यही वह चीज है जिसके खिलाफ मेरी पूरी विधि बनी थी। लॉग पूरा होने से पहले राय प्रकाशित करना — मेरे पेशे का सबसे आम पाप है और मेरे अपने नियम का सबसे सीधा उल्लंघन।

उल्टी तरफ: समस्या डेटा की कमी नहीं, ऑडिट की कमी है

यहाँ एक असुविधाजनक बात लिखनी है। क्रिकेट उद्योग खुद को डेटा-समृद्ध बताता है, और दावा गलत नहीं है — स्कोरकार्ड, वैगन व्हील, पिच मैप, ब्रॉडकास्ट ग्राफिक्स, फैंटेसी प्लेटफॉर्म। पर सारा प्रकाशित डेटा एक ही चीज का डेटा है: नतीजे का। जिस परत का कोई सार्वजनिक लेखा-जोखा नहीं है, वह परत है रीडिंग की परत — कौन-सी सामग्री कैसे पढ़ी गई, किस भाषा में, किस टैक्सोनॉमी पर, किस समय। मेरे पास खाली शीट इसी बात का सबूत है: मैं बता सकता हूँ कि बीस फील्ड खाली थीं, यह नहीं बता सकता कि क्यों।

तुलना कीजिए उस मॉडल से जिसे मैंने 2026 में बनाया था। वहाँ PPDA की परिभाषा सार्वजनिक थी, सैंपल सार्वजनिक था, सोर्स टेबल सार्वजनिक था। इसीलिए जब ब्रॉडकास्टर का xG ग्राफिक गलत था, तो सुधार संभव था — मेरे पास तुलना का आधार था। क्रिकेट में वह आधार अक्सर अनुपस्थित है। रणजी की बॉल-बाय-बॉल और फील्डिंग डेटा पतली है, इसलिए चयन-बहसें आँकड़ों की जगह प्रतिष्ठा पर टिक जाती हैं। और जब चयन प्रतिष्ठा पर टिकता है, तो सार्वजनिक बहस का पैमाना भी प्रतिष्ठा बन जाता है।

यहाँ एक और छोटी, पर असली बात है जिसे मैं कम नहीं आँकता। क्रिकेट_एशिया जैसा लेबल सुविधाजनक होता है, क्योंकि वह एक दिशा देता है। भारतीय बाजार वैश्विक क्रिकेट राजस्व का स्पष्ट बहुमत रखता है — उद्योग में यह अनुमान सत्तर फीसदी से ऊपर का है, और यह वह संदर्भ है जो एशिया टैग के साथ अपने-आप चिपक जाता है। लेकिन एक भरे हुए लेबल से उस लेख का कोई भी निष्कर्ष निकालना, एक फील्ड के सैंपल से बीस फील्ड का दावा करना है। मैंने खुद को वहाँ रोका। छोटे सैंपल का अहंकार यहीं शुरू होता है — और वह उसी क्षण शुरू होता है जब आपने खुद लॉग किया है, इसलिए वह सही लगता है।

आगे क्या देखना है

अगली बार जब ऐसी खाली शीट लौटे, मेरा पहला सवाल क्रिकेट का नहीं होगा। मेरा पहला सवाल होगा: उसी इनजेशन रास्ते पर दूसरा खाली आउटपुट आया या नहीं? अगर आया, तो यह लेख की समस्या नहीं, ढाँचे की समस्या है, और उसे उसी खाते में दर्ज होना चाहिए।

दूसरा सवाल होगा: क्या दोबारा निकाले गए इनपुट में फॉर्मेट, मैच की प्रकृति, इनिंग की स्थिति, मैदान, पिच, मौसम या डीएलएस की भूमिका, और नतीजे का अंतर — ये सात चीजें दर्ज हैं? ये सात न हों, तो आठ में से कोई भी आयाम खुलेगा नहीं। और तीसरा सवाल: स्रोत और तारीख भरी है या नहीं? बिना स्रोत के, प्रायोजित सामग्री बाद में निष्पक्ष रिपोर्टिंग बनकर पढ़ी जाती है। मैंने प्रेस-बुलेटिन और स्कोरकार्ड के टाइमस्टैम्प का फर्क सालों पहले सीख लिया था — बुलेटिन दस मिनट पहले आ जाता है, और वह दस मिनट किसी काम का नहीं अगर आँकड़ा गलत है।

खाली शीट ने आज वही याद दिलाया, उल्टी तरफ से। लॉग वह याद रखता है जो हाइलाइट रील काट देती है — लेकिन सिर्फ तब, जब लॉग असल में लिखा गया हो। जिस शाम शून्य सूचना बिंदु वाली फाइल आई, मैं यह जानकर उठा कि वहाँ एक भी आँकड़ा नहीं था, और यह जानकर भी कि सबसे खतरनाक चीज वह आँकड़ा नहीं है जो गलत था। सबसे खतरनाक वह आँकड़ा है जो कभी लिखा ही नहीं गया, और फिर भी किसी रिपोर्ट में शामिल हो गया।

रे-रन की प्रतीक्षा में है।