जब एनालिसिस का इनपुट ही खाली हो: क्रिकेट डेटा पाइपलाइन की चुप्पी और उसका सबक

मेरी बाउंड लेजर में एक पन्ना ऐसा है जिसमें स्कोर नहीं लिखा। सिर्फ एक तारीख़ है, एक वेन्यू का नाम, और उसके नीचे खाली लाइनें — जितनी जगह एक पूरी पारी को चाहिए थी। जनवरी 2026 में बेंगलुरु के मेगा ऑक्शन में मैं चौथी कतार में बैठा था, चेन्नई की ₹80 करोड़ की पर्स स्प्रेडशीट पर खुली थी, और मेरे सामने एक ऐसा दस्तावेज़ था जिसमें सब कुछ था — नाम, कीमत, ओवर, बैटिंग पोज़िशन — सिवाय उस एक चीज़ के जो पूरी कहानी बताती है: नतीजा। चार करोड़ वह आंकड़ा था जिसे सबने कोट किया; 117 नॉट आउट वह आंकड़ा था जिसने जवाब दिया। लेकिन उस जवाब तक पहुंचने से पहले चार महीने का इंतज़ार था, और उन चार महीनों में लेजर में सिर्फ सवाल थे।

पिछले हफ़्ते मेरे पास एक स्टेज-2 क्रिकेट एनालिसिस रिपोर्ट आई। आठ डाइमेंशन, हर डाइमेंशन में टेबल, बेंचमार्क, रिस्क-फ़्लैग, प्रीसिडेंट रेफ़रेंस — पूरा ढांचा खड़ा था, हर कॉलम अपनी जगह पर। और हर सब्स्टैंटिव सेल में एक ही शब्द लिखा था: N/A। इंफ़ॉर्मेशन पॉइंट्स की लिस्ट खाली थी। एंटिटीज़ इन्वॉल्व्ड में नाम की जगह एक इंस्ट्रक्शन लिखा था — "ऊपर दिए गए इंफ़ॉर्मेशन पॉइंट्स से पहचानें" — जबकि ऊपर कोई पॉइंट ही नहीं था। डोमेन लेबल सिर्फ़ एक था: cricket_asia। यानी भूगोल। फ़ॉर्मैट नहीं, टीम नहीं, मैच नहीं, तारीख़ नहीं।

चेपौक में सितंबर की दोपहर मैंने ऐसी खाली जगहें बहुत देखी हैं। 2026 की TNPL में मैंने 26 मैच कवर किए, 41 नेट सेशन बैठा, और हर सुबह की पहली एंट्री यही थी — कौन पहले आया, किसने कितनी थ्रोडाउन लीं, किसके साथ वॉर्म-अप किया। कोई मुझे CSK असेस नहीं कर रहा था उस साल; फ़्रैंचाइज़ मौजूद ही नहीं थी। तो मैंने वह सीज़न उस चीज़ को रिकॉर्ड करने में लगाया जो स्कोरकार्ड में कभी नहीं आती। उस लेजर का सबक साफ़ था: जब डेटा गायब हो, तो सबसे ख़तरनाक काम है उसे भरने की कोशिश करना। दूसरा सबसे ख़तरनाक काम है उसे नज़रअंदाज़ करना। सही काम है — गैप को गैप की तरह दर्ज करना, और यह लिखना कि उसे भरने के लिए क्या चाहिए।

यही उस रिपोर्ट ने किया। हर डाइमेंशन में उसने N/A लिखा, और साथ में यह भी लिखा कि इस डाइमेंशन को चलाने के लिए स्टेज-1 से क्या-क्या चाहिए। फ़ॉर्मैट और मैच एनालिसिस के लिए: फ़ॉर्मैट टैग, मैच की प्रकृति, फ़िक्स्चर और तारीख़, इनिंग्स की हालत और स्कोर, वेन्यू और पिच, मौसम या DLS का कोई ज़िक्र, टॉस का नतीजा। प्लेयर टेक्नीक के लिए: नाम, रोल, फ़ॉर्मैट, और वे आंकड़े जिनका ज़िक्र लेख में है। टीम लैंडस्केप के लिए: टीमें, प्रतियोगिता, रैंकिंग या पॉइंट्स-टेबल का कोई रेफ़रेंस। लीग और कमर्शियल इकोसिस्टम के लिए: लीग का नाम, फ़्रैंचाइज़, ट्रांज़ैक्शन और उसका आंकड़ा। गवर्नेंस के लिए: नियम, फ़ैसला, या विवाद। और रिस्क सेक्शन के लिए — कोई विषय ही नहीं था, इसलिए छह में से छह रिस्क कैटेगरी अंधेरी पड़ी थीं।

यह वह हिस्सा है जिसे मैं अपनी बीट पर सबसे ज़रूरी मानता हूं, और जिसे सबसे ज़्यादा नज़रअंदाज़ किया जाता है। एक एनालिसिस रिपोर्ट की कीमत उसके ढांचे से नहीं, उसके एविडेंस टैग से तय होती है। जब मैंने वॉटसन की रिटेंशन पर कॉलम लिखा, तो हर दावे के साथ एक पेज नंबर था — कौन सा नेट सेशन, कौन सी तारीख़, कौन सा ऑक्शन पेज। अगर एडिटर पूछता कि यह आंकड़ा कहां से आया, तो जवाब लेजर में मौजूद होता था। अगर वह नहीं होता, तो सबसे ईमानदार जवाब यही होता कि मुझे नहीं पता — और उस जवाब को लिखने में जो हिम्मत लगती है, वह किसी भी हॉट टेक को लिखने में नहीं लगती।

क्रिकेट एनालिसिस में सबसे बड़ा silent failure यह नहीं है कि एनालिस्ट गलत निष्कर्ष निकाले। सबसे बड़ा silent failure यह है कि वह ऐसे निष्कर्ष निकाल दे जिनका कोई एविडेंस बेस ही न हो, और फिर उस पर "स्टेज-2 पास" की मोहर लग जाए। क्रिकेट इस मामले में ख़ास तौर पर ख़तरनाक खेल है। यहां दावे बेहद चेक-एबल होते हैं — करियर औसत, ICC टेबल की पोज़िशन, ऑक्शन प्राइस, स्ट्राइक रेट। एक गढ़ा हुआ आंकड़ा दो काम करता है: वह दस्तावेज़ को भरोसेमंद दिखाता है, और वह डाउनस्ट्रीम हर फ़ैसले को चुपचाप खराब करता है। मुझे यह बताने की ज़रूरत नहीं कि दो पारियों से ट्रेंड नहीं बनता — मुझे यह बताने की ज़रूरत है कि शून्य पारियों से तो बिल्कुल नहीं बनता। और शून्य पारियों से बना ट्रेंड सबसे ज़्यादा विश्वसनीय लगता है, क्योंकि उसमें कोई आंकड़ा होता ही नहीं जिसे कोई चुनौती दे सके।

उस रिपोर्ट में एक बात थी जिसने मुझे रोका। उसने लिखा कि छह में से दो रिस्क कैटेगरी क्रिकेट कवरेज में सबसे ज़्यादा चुपचाप ख़तरनाक होती हैं — इंटीग्रिटी/एंटी-करप्शन, और इंजरी/शेड्यूल ओवरलोड — और यही दो ऐसी हैं जिन्हें इस इनपुट से स्क्रीन ही नहीं किया जा सकता। यह बात सही है, और यही असली ख़तरा है। अगर किसी आर्टिकल में स्पॉट-फ़िक्सिंग का ज़िक्र हो और पाइपलाइन उसे N/A में बदल दे, तो नुकसान यह नहीं कि एनालिसिस अधूरा है; नुकसान यह है कि रिपोर्ट पर "कोई इंटीग्रिटी रिस्क नहीं मिला" की मोहर लग जाती है। और जब कोई चीज़ N/A की वजह से क्लियर हो जाए, तो वह क्लियरेंस असली नहीं होती — वह सिर्फ़ तकनीकी होती है।

मैंने 2026 में यह सबक दूसरी तरफ़ से सीखा। चेन्नई से IPL कवर कर रहा था, आउटलेट का ट्रैवल बजट UAE बायो-बबल तक नहीं पहुंचा, और शेख़ ज़ायद के खाली स्टैंड्स ने स्टंप माइक्स को काम लायक बना दिया। मैंने CSK के 14 मैचों में 22 घंटे का ऑन-फ़ील्ड ऑडियो लॉग किया — वह सीज़न जिसमें टीम सातवें नंबर पर रही, 12 पॉइंट्स, पहली बार प्लेऑफ़ से बाहर, और सुरेश रैना एक गेंद फेंके बिना हट गए। दिसंबर में मैंने वही तरीक़ा एडिलेड के 36 ऑल आउट पर चलाया, बॉल-बाय-बॉल लॉग्स से, रात 4 बजे चेन्नई के टाइम पर। उस सीज़न का मेरा सबसे मज़बूत पीस वह नहीं था जो स्कोर के बारे में था; वह था जो आवाज़ के बारे में था। पर उसके लिए मुझे पहले यह मानना पड़ा कि जो मैं सुन नहीं पा रहा, वह भी डेटा है।

उस स्टेज-2 रिपोर्ट की सबसे उपयोगी लाइन वह नहीं थी जिसमें N/A लिखा था। सबसे उपयोगी लाइन यह थी कि गायब होने का पैटर्न ख़ुद एक सबूत है। जब ढांचे वाले सारे फ़ील्ड भरे हों और कंटेंट वाले सारे फ़ील्ड खाली हों, तो सबसे संभावित वजह यह नहीं कि लेख में कुछ था ही नहीं; सबसे संभावित वजह यह है कि एक्सट्रैक्शन लेयर में कुछ टूटा — पेवॉल, वीडियो-ओनली पेज, JavaScript से रेंडर होता पेज, या कोई ग़ैर-अंग्रेज़ी लेख जिसने पार्सर को फेंक दिया। मध्यम कॉन्फ़िडेंस के साथ। यह इनफ़रेंस मैं मानता हूं, क्योंकि यह क्रिकेट के बारे में नहीं, प्रोसेस के बारे में है — और प्रोसेस की चुप्पी पर मैं दावा कर सकता हूं।

अब मेरे लेजर के उस खाली पन्ने पर वापस आते हैं। जनवरी 2026 में उस पेज पर सिर्फ़ चार करोड़ लिखा था। मई 2026 में उसी पेज पर 117 नॉट आउट जुड़ा — 57 गेंदों में, वानखेड़े में, 179 का पीछा, आठ विकेट से जीत। दोनों आंकड़े आज भी वहीं हैं, एक-दूसरे के नीचे। फ़र्क़ यह है कि चार महीने तक मेरे पास सिर्फ़ पहला था, और मैंने उसे कभी नतीजा नहीं कहा। मैंने उसे हमेशा खुली एंट्री कहा। क्रिकेट डेटा पाइपलाइन के लिए यही सबक है, और यही वजह है कि मैं गायब इनपुट पर लिखे गए रिपोर्ट को हल्के में नहीं लेता। जो दस्तावेज़ यह बता सके कि उसे क्या नहीं पता, वह उस दस्तावेज़ से ज़्यादा भरोसेमंद है जो हर सेल भर देता है।

आने वाले महीनों में ऑक्शन, रिटेंशन, NOC, और वर्कलोड मैनेजमेंट — ये चार चीज़ें ऐसी हैं जहां हर पाइपलाइन पर सबसे ज़्यादा दबाव पड़ेगा, क्योंकि हर कोई जल्दी जवाब चाहता है। मेरा सुझाव सीधा है: जब इनपुट खाली हो, तो उसे BLOCKED लिखो, N/A नहीं। N/A दिखता है अधूरा; BLOCKED दिखता है ज़रूरी। और जो रिपोर्ट ख़ुद को BLOCKED कह सके, वह अकेली ऐसी रिपोर्ट है जिस पर मैं अगली सुबह भरोसा करके अपना कॉफ़ी कप उठा सकता हूं। मेरी बाउंड लेजर में जो पन्ने खाली हैं, वे भरे हुए पन्नों से कम कीमती नहीं हैं। वे सिर्फ़ उस काम का इंतज़ार कर रहे हैं जो अभी हुआ नहीं।

अगली बार जब कोई आपको बताए कि उसका मॉडल हर आर्टिकल पर एनालिसिस दे सकता है, तो एक सवाल पूछिए: जब इनपुट खाली हो, तो वह क्या लिखता है? अगर जवाब "कुछ नहीं, मैं ब्लॉक कर देता हूं" है, तो उस पर भरोसा कीजिए। और अगर जवाब में आठ डाइमेंशन भरे हुए आते हैं, तो उस रिपोर्ट को पढ़ने से पहले पूछिए कि आंकड़े कहां से आए। क्रिकेट में हमने यह सबक एक सदी से सीखा है: स्कोरकार्ड झूठ नहीं बोलता। पर स्कोरकार्ड तभी सच बोलता है जब कोई उसे भरता है — और भरने से पहले यह मानता है कि कुछ एंट्री अभी बाक़ी है।