एक खाली डेटासेट की पड़ताल: जब क्रिकेट एनालिसिस का 'इनपुट' ही गायब हो

स्कोरर की कुर्सी पर बैठकर मैंने पहली बार जो सबक सीखा, वह यह था कि मैच से पहले स्कोरकार्ड खाली होता है। रन, विकेट, ओवर — सब कुछ तब तक गायब है जब तक गेंद नहीं फेंकी जाती। इस हफ़्ते मेरे सामने एक ऐसा ही रिक्त पन्ना आया, लेकिन थोड़े अलग संदर्भ में: एक क्रिकेट विश्लेषण फ़ाइल जिसका 'इनपुट' ही मौजूद नहीं था। न कोई मैच, न कोई खिलाड़ी, न कोई टीम — सिर्फ़ एक टैग, cricket_asia। यह उस दस्तावेज़ का नतीजा है जिसे हम 'स्टेज-वन डीकंस्ट्रक्शन' कहते हैं, और उसने शून्य सूचना-बिंदु लौटाए।

मैं 2026 से स्कोरर के काम में हूँ — उस जून से, जब मैंने उप्पल के राजीव गांधी स्टेडियम में रणजी ट्रॉफ़ी के मैचों की बॉल-बाय-बॉल फ़ीड भरी थी। उस सीज़न मैंने 1,140 ओवर दर्ज किए और 640 ग्राफ़-पेपर फ़ील्ड मैप बनाए। मेरी एक ही शर्त रही है: किसी भी दावे को सौ गेंदों से कम के सैंपल पर नहीं छापना। जब मेरे सामने शून्य गेंद, शून्य ओवर और शून्य खिलाड़ी रखे गए, तो मेरा पहला सवाल यही था — भाई, सैंपल कहाँ है? और जवाब था: कहीं नहीं। यह लेख इसी खाली डेटासेट की पड़ताल है — यह किसी टीम, खिलाड़ी या टूर्नामेंट के बारे में कोई फ़ैसला नहीं है, बल्कि उस प्रक्रिया का ऑडिट है जिसने इतना बड़ा सूचना-रिक्त स्थान पैदा किया।

सबसे पहले, इस बात को साफ़ करना ज़रूरी है कि टैग क्या है और क्या नहीं है। cricket_asia एक भौगोलिक दायरा बताता है — दक्षिण एशियाई बोर्ड और/या एशियाई क्रिकेट परिषद (ACC) की प्रतियोगिताएँ। यह भौगोलिक टैग है, प्रतिस्पर्धी ताकत या सामग्री का टैग नहीं। यानी इससे यह नहीं निकलता कि लेख में कोई भारतीय, पाकिस्तानी या बांग्लादेशी खिलाड़ी है, कोई मैच है, या कोई विवाद है। मुझे यह बात बार-बार दोहरानी पड़ती है क्योंकि मेरे अनुभव में टैग देखकर निष्कर्ष निकालने की आदत खतरनाक है — मैंने आईपीएल के शुरुआती दौर में देखा है कि एक फ़्रैंचाइज़ी के 'होम ग्राउंड' टैग से कैसे पूरी रणनीति गढ़ दी जाती है, जबकि असल स्कोरकार्ड कुछ और कहता है। इस फ़ाइल में मूलपाठ का हर अनिवार्य खंड खाली है: लेख का शीर्षक, स्रोत, लेखक का रुख, उद्देश्य, सूचना-बिंदु, और स्रोत-गुणवत्ता — सब बिना भरा हुआ।

बात सिर्फ़ इतनी नहीं है कि जानकारी कम है; बात यह है कि यहाँ जानकारी की जगह कोई ढाँचा ही नहीं भरा गया। मेरे पास क्रिकेट के लिए तैयार आठ-आयामी जाँच-सूची है — प्रारूप और मैच, खिलाड़ी की तकनीक और आँकड़े, टीम का परिदृश्य, लीग का वाणिज्यिक तंत्र, नियम-कानून, जोखिम, जन-कथाएँ, और उद्योग-प्रसारण। इनमें से हर खंड में 'एन/ए — अपर्याप्त जानकारी' लिखकर उसे खाली छोड़ दिया गया है। और यही इस विश्लेषण का सबसे ईमानदार हिस्सा है। खाली जगह को किसी भी काल्पनिक कहानी से भरने के बजाय उसे खाली स्वीकार करना, क्रिकेट डेटा के काम में सबसे बड़ी पेशेवराना मर्यादा है। मैंने अपने करियर में कई बार देखा है कि जब एनालिस्ट के पास सैंपल नहीं होता, तो वह अंतर्ज्ञान या 'माहौल' की भाषा में अपनी कमी छिपा लेता है। इस फ़ाइल ने ऐसा नहीं किया — उसने साफ़ लिख दिया: "इस इनपुट में कोई विश्लेषण-योग्य सामग्री नहीं है।"

अब ज़रा उन पहलुओं पर आइए जो इस रिक्त स्थान से ज़्यादा महत्वपूर्ण साबित होते हैं: हमें क्यों चिंता होनी चाहिए जब किसी प्रक्रिया का पहला चरण शून्य लौटाता है? यहाँ असली जोखिम खेल का नहीं, सूचना-प्रबंधन का है। रिपोर्ट में इसे 'डाउनस्ट्रीम फ़ैब्रिकेशन रिस्क' कहा गया है — यानी अगर आगे की प्रणाली इस खाली जगह को अपने हिसाब से भर दे, तो जनता तक ऐसे नाम और आँकड़े पहुँच सकते हैं जिनका अस्तित्व ही नहीं है। मुझे 2026 की वह गर्मी याद आती है, जब एस. श्रीसंत और दो अन्य खिलाड़ियों को आईपीएल स्पॉट-फिक्सिंग मामले में गिरफ़्तार किया गया था। उस वक़्त मैं एक हैदराबादी फर्म में लाइव स्कोरिंग फ़ीड के आँकड़ों पर काम कर रहा था, और जब बाकी डेस्क प्रतिक्रिया में लगी थी, मैंने छह हफ़्ते हमारे खुद के एक्सेस लॉग का ऑडिट किया — कौन टॉस से पहले प्लेइंग इलेवन देख सकता था और कब। बत्तीस पन्नों की वह रिपोर्ट यह बताती है कि भरोसा कहाँ टूटता है, यह प्रक्रिया की ऑडिट से ही पता चलता है। आज यही लेंस जब मैं इस खाली फ़ाइल पर लगाता हूँ, तो साफ़ दिखता है: पाइपलाइन का पहला चरण ही विफल रहा, और अगर हम उसे सुधारने से पहले दूसरे चरण पर आगे बढ़ते हैं, तो हम क्रिकेट की सबसे बड़ी समस्या — मौके की भाषा से तथ्य की जगह भरना — को दोहरा रहे हैं।

विश्लेषण में एक और खास जगह है जिसे मैं आमतौर पर सबसे पहले देखता हूँ: प्रारूप। टेस्ट, वनडे और टी20 के आँकड़े और रणनीतियाँ एक-दूसरे पर लागू नहीं होतीं। पावरप्ले की कुशलता, मिडिल ओवरों में स्पिन नियंत्रण, डेथ ओवरों का निष्पादन, टेस्ट में नई गेंद के पहले घंटे का संघर्ष — सब अलग जगहें हैं। इस फ़ाइल में कोई प्रारूप तय नहीं किया गया। मैं अपने 640 हाथ से बनाए फ़ील्ड मैप्स से जानता हूँ कि मैदान की बनावट और क्षेत्र-विभाजन को समझने से पहले सबसे ज़रूरी है यह जानना कि खेल किस प्रारूप का है; उप्पल में पावरप्ले का फ़ील्ड कभी पचास ओवर के मिडिल-ओवर से मेल नहीं खाता। बिना प्रारूप के, हम न तो किसी बल्लेबाज़ के आँकड़े के मानक तय कर सकते हैं, न गेंदबाज़ी इकॉनमी का, न ही टीम की बल्लेबाज़ी-गहराई का। यह उस सीमा की तरह है जिसे मैं हर लेख में लिखता हूँ: हर नंबर के साथ उसका सैंपल भी छापना चाहिए — और यहाँ सैंपल शून्य है।

यहाँ एक दिलचस्प बात यह है कि रिपोर्ट ने विश्लेषण का ढाँचा पूरा रखा है, केवल निष्कर्षों की जगह 'एन/ए' भर दिया है। यह किसी ढाँचे की कमज़ोरी नहीं, बल्कि उसकी ताकत है। जिस ASSERTION (दावे) को सबूत से नहीं बाँधा जा सकता, उसे स्पष्ट रूप से अस्वीकार करने की क्षमता ही एक सख्त विश्लेषक की पहचान है। मैं इस सिद्धांत को 2026 से मानता हूँ, जब दक्षिण अफ़्रीका में हुए आईपीएल में डेक्कन चार्जर्स ने ख़िताब जीता। उस साल के काम के बारे में एक बात मैंने कभी नहीं बढ़ा-चढ़ाकर कही: मैंने किसी प्री-मैच डोज़ियर के लिए बिल नहीं भेजा, क्योंकि उसका श्रेय मेरे पास बिक्री-योग्य रूप में मौजूद नहीं था। थर्टी-फ़ोर पन्नों की विफलताओं की ऑडिट रिपोर्ट एक नक्शा होती है, यह बताने का कि भरोसा कहाँ टूटा।

इस पूरी कवायद का सबसे दिलचस्प पहलू यह है कि यह खुद एक सबक़ है — सिर्फ़ मुझ जैसे एनालिस्ट के लिए नहीं, बल्कि उन लोगों के लिए जो क्रिकेट की खबरें पढ़ते हैं और उन्हें आँकड़ों से जोड़कर देखते हैं। जब मैं देखता हूँ कि कोई लेख बिना नाम, बिना तारीख़, बिना आँकड़ों के भी 'विश्लेषण' का ठप्पा लेकर प्रकाशित हो जाता है, तो मुझे याद आता है कि स्कोरकार्ड में कभी-कभी खाली कॉलम जानबूझकर छोड़े जाते हैं — और हर एनालिस्ट का पहला फ़र्ज़ होता है उन खाली कॉलम को भरने की जल्दबाज़ी न करना। यह फ़ाइल इस मामले में बाक़ी सबसे अलग है: उसने खाली कॉलम को उन्हीं के जैसा छोड़ दिया। यह बात आम दर्शक जानता है कि मैच का नतीजा किसी अकेली 'चमत्कारी' पारी से तय नहीं होता, बल्कि उन ढेरों छोटी घटनाओं से तय होता है जो दोहराई जाती हैं। उसी तरह, क्रिकेट विश्लेषण का वज़न भी उसके दोहराव और ढाँचे से तय होता है, न कि किसी एक बड़े शीर्षक से।

एक आख़िरी बात, जिसे मैं आम तौर पर सबसे अंत में रखता हूँ क्योंकि यह सबसे ज़्यादा कष्टप्रद होती है: जब प्रणाली खाली इनपुट लौटाती है, तो यह गलती ग्रंथ की कोई कमी नहीं, स्रोत की समस्या है। यह फ़ाइल संभवतः एक बहुत छोटी ख़बर, हेडलाइन-सिर्फ़, या एक पेड टीज़र का हिस्सा थी, जिससे कोई भी इकाई-निष्कर्षण नहीं निकाला जा सका। इसके अलावा, स्रोत-गुणवत्ता का दर्जा तक नहीं दिया गया है — न ही यह पता चलता है कि यह कोई बोर्ड की प्रेस रिलीज़ है, कोई पत्रकार का लेख है, या कोई सोशल-मीडिया सामग्री। इस अंतर का गवर्नेंस या वाणिज्यिक विषयों में निर्णायक महत्व होता है। मैं हमेशा कहता हूँ: किसी भी ऑडिट की शुरुआत वहाँ होती है जहाँ हाइलाइट रील खत्म होती है। यहाँ हाइलाइट रील ही शून्य है।

अब आगे क्या? रिपोर्ट ने खुद ही दोबारा-चलाने के लिए एक साफ़ 'न्यूनतम जानकारी सेट' तैयार किया है: शीर्षक, स्रोत, प्रकाशन तिथि और स्रोत-ग्रेड; प्रारूप और प्रतियोगिता; कम से कम एक नामित टीम या खिलाड़ी; कम से कम तीन मात्रात्मक या उद्धरण-योग्य सूचना-बिंदु; लेखक का रुख; और समय-संवेदनशीलता का दर्जा। यह सूची पूरी होते ही वही आठ-आयामी ढाँचा तुरंत भरा जा सकता है, क्योंकि ढाँचा पहले ही बन चुका है। अगले कुछ दिनों में जब कोई भी नई क्रिकेट फ़ाइल सामने आए, तो मैं यही देखूँगा कि उसमें ये छह बिंदु मौजूद हैं या नहीं — और अगर नहीं हैं, तो सबसे पहले उसी खालीपन की पड़ताल करूँगा, न कि किसी ऐसे निष्कर्ष की जिसका कोई आधार ही न हो। यह खाली डेटासेट मुझे एक बात सिखा गया, और वह यही है जो मैं हर नए मैच, हर नई रिपोर्ट पर लागू करूँगा: जब आँकड़े न हों, तो ईमानदारी से यह कहो कि आँकड़े नहीं हैं — क्योंकि क्रिकेट में असली ऑडिट वहीं शुरू होता है।