ख़ाली फ़ील्ड भी स्कोरबोर्ड है: जब क्रिकेट डेटा पाइपलाइन ने N/A लिखा

इस हफ़्ते मेरे डेस्क पर जो क्रिकेट विश्लेषण रिपोर्ट आई, उसमें एक भी स्ट्राइक रेट दर्ज नहीं था। आठ सेक्शन, चालीस से ऊपर टेबल सेल, और हर सेल में वही दो अक्षर — N/A। न फ़ॉर्मेट, न मैच की प्रकृति, न गेंदबाज़ी का इकॉनमी, न आईसीसी रैंकिंग, न ब्रॉडकास्ट राइट्स का कोई आँकड़ा। बल्लेबाज़ी की गहराई से लेकर बेंच डेप्थ तक हर जगह लिखा था: अपर्याप्त जानकारी।

ग्यारह साल से मैं आँकड़ों के पीछे भाग रही हूँ। दिसंबर 2026 में गुजरात यूनिवर्सिटी की पहली वर्ष की छात्रा के तौर पर मैंने 42 रणजी मैचों का बॉल-बाय-बॉल डेटा खींचा था और एक लॉजिस्टिक रिग्रेशन मॉडल बनाया था, जिसमें जलज सक्सेना की आर्म-बॉल 34% मौक़ों पर फ़ॉल्स शॉट निकाल रही थी, जबकि उनकी ऑफ़-ब्रेक 19% पर। उस पोस्ट के नीचे एक कमेंट आया — स्प्रेडशीट वाली लड़की। नंबर टिक गए।

आज वही डेस्क मुझसे एक अलग सवाल पूछ रहा था। डेटा तीन सीज़न से कह रहा था, पर इस बार डेटा चुप था — और उस चुप्पी की भी एक कीमत थी।

मॉडल का लेजर, पहले बेसलाइन

क्रिकेट एनालिटिक्स की पाइपलाइन दिखने में सीधी है। स्कोरर गेंद दर गेंद दर्ज करता है, फ़ीड डेटाबेस में जाती है, एंटिटी टैगिंग होती है — कौन बल्लेबाज़, कौन गेंदबाज़, कौन फ़ॉर्मेट — फिर मॉडल बनता है, और उस मॉडल से प्रीव्यू, फ़ैंटेसी रैंकिंग, बेटिंग लाइन और न्यूज़रूम की हेडलाइन निकलती है। CricSultan जैसी डेटा-फ़र्स्ट डायरेक्टरी इसी ज़ंजीर की मध्य-कड़ी है। ज़ंजीर की एक कड़ी टूटे, तो नीचे सब कुछ टूटता है।

पाइपलाइन का पहला नियम यही है: जो एंटिटी टैग नहीं हुई, वह विश्लेषण में मौजूद नहीं है। 2026 में जब मैंने IPL के 60 मैचों का यूएई डेटा देखा था, तो सबसे मज़ेदार चर एक ख़ाली स्टैंड था। भीड़ शून्य थी, फिर भी स्कोरबोर्ड पर निशान छूटा — DRS ओवरटर्न दर 34% से घटकर 28% रह गई, और चेज़ करने वाली टीमों की जीत 52% से 58% पर चली गई। मेरे सुपरवाइज़र ने सैंपल साइज़ पर सवाल उठाया; मैंने 120 मैचों का रोबस्टनेस चेक जोड़कर जवाब दिया। सबक साफ़ था — अनुपस्थिति भी मापी जा सकती है, बशर्ते उसे अनुपस्थिति कहा जाए, इम्प्यूट न किया जाए।

उसी सबक की परीक्षा इस हफ़्ते हुई।

आठ डाइमेंशन, एक ही जवाब

सामने रखी रिपोर्ट में आठ डाइमेंशन थे। फ़ॉर्मेट और मैच का विश्लेषण, खिलाड़ी की तकनीक और डेटा, टीम का लैंडस्केप और रैंकिंग, लीग और कमर्शियल इकोसिस्टम, नियम और गवर्नेंस, जोखिम मैट्रिक्स, पब्लिक नैरेटिव, और इंडस्ट्री ट्रांसमिशन। हर डाइमेंशन का जवाब एक ही था। फ़ॉर्मेट तय नहीं हो सकता, क्योंकि मैच ही नहीं मिला। खिलाड़ी का औसत, स्ट्राइक रेट, इकॉनमी कुछ भी दर्ज नहीं, क्योंकि खिलाड़ी ही नहीं मिला।

यहाँ एक पल रुकना ज़रूरी है, क्योंकि यही रिपोर्ट की सबसे ईमानदार लाइन है। फ़ॉर्मेट-कॉन्टेक्स्ट क्रिकेट एनालिटिक्स में सजावट नहीं, शर्त है। टेस्ट का इकॉनमी नंबर T20 के इकॉनमी नंबर के साथ रखना वही ग़लती है जो किसी तेज़ गेंदबाज़ का आँकड़ा स्पिनर पर थोपना है। जब फ़ॉर्मेट ही तय न हो, तो हर तुलना झूठी है — और झूठी तुलना किसी भी N/A से ज़्यादा महँगी पड़ती है।

रिपोर्ट ने दो इन्फ़रेंस फ्लैग किए, और वे विश्लेषण से ज़्यादा क़ीमती हैं। पहला, कॉन्फ़िडेंस हाई: स्टेज-1 पाइपलाइन फेल हुई — टाइटल, सोर्स और आर्टिकल टाइप तीनों अनसुलझे रहे। दूसरा, कॉन्फ़िडेंस लो: सिर्फ़ cricket_world टैग बचा, जो बताता है कि सोर्स क्रिकेट से जुड़ा था, पर इतना मोटा है कि फ़ॉर्मेट या विषय तय नहीं कर सकता।

मेरे पेशे में इस आउटपुट का नाम है — नल-रिज़ल्ट रिपोर्ट। यह दावा नहीं करती कि कोई टीम कमज़ोर है या कोई खिलाड़ी फ़ॉर्म में नहीं; यह दावा करती है कि प्रक्रिया ने डेटा नहीं दिया। इसे एनालिसिस की तरह पेश करना फ़ैब्रिकेशन की तरफ़ पहला क़दम है।

जाली आँकड़े कहाँ से आते हैं

ख़ाली टेम्पलेट और प्रकाशन के दबाव के बीच एक जगह होती है, जहाँ आँकड़े बनाए जाते हैं। मॉडलिंग में उसे इम्प्यूटेशन कहते हैं — ख़ाली ख़ाने को औसत या अनुमान से भर देना। न्यूज़रूम में उसी काम का दूसरा नाम है: विश्लेषण। और बेटिंग-फ़ैंटेसी बाज़ार में उसका तीसरा नाम है: लाइन।

रिपोर्ट ने जोखिम मैट्रिक्स में छह श्रेणियाँ रखी थीं — खेल, कार्मिक, कमर्शियल, नियम, जनमत और सिस्टमिक — और छहों को रेट नहीं कर पाई। साथ में एक मेटा-रिस्क दर्ज किया, लेवल हाई: फ़ैब्रिकेशन रिस्क, यानी वह जोखिम कि कोई विश्लेषक इन ख़ाली ख़ानों को काल्पनिक तथ्यों से भर दे। यह रिपोर्ट का सबसे स्पष्ट फ़ैसला है। इन्फ़ॉर्मेशन-वैल्यू रेटिंग चारों डाइमेंशन पर एक स्टार है: खेल मूल्य, इंडस्ट्री मूल्य, टाइमलाइन मूल्य, संदर्भ मूल्य। यानी इस सामग्री से क्रिकेट के बारे में कोई निष्कर्ष नहीं निकलता।

पर एक लाइन है जिसे मैं हल्के में नहीं लेती। लीग और कमर्शियल सेक्शन में दर्ज है कि अगर मूल लेख IPL या नीलामी से जुड़ा था, तो वह विषय स्टेज-1 में पूरी तरह खो गया। मेरे लिए यह चेतावनी है। नीलामी और ब्रॉडकास्ट के आँकड़े वह इलाक़ा है जहाँ सबसे ज़्यादा शोर है और सबसे कम ऑडिट। ट्रांसफ़र फ़ीस एक अफ़वाह है जिसके साथ स्प्रेडशीट जुड़ी होती है — और इस इंडस्ट्री में स्प्रेडशीट सच नहीं बनाती, सिर्फ़ सच जैसा दिखने लगती है।

टेल पढ़ने वाली आदत

इस मुक़ाम पर मेरी पुरानी आदत मुझे टोकती है। मैंने टॉप ऑर्डर देखना बंद कर दिया और टेल पढ़ना शुरू किया था, क्योंकि नंबर सात से ग्यारह के बीच वह जानकारी छिपी होती है जिसे बाज़ार कीमत नहीं देता। यह रिपोर्ट भी टेल है। फ़ैसले वाला हिस्सा फ़ॉर्मेट और रैंकिंग में नहीं, आख़िरी मेटा-सेक्शन में है।

नवंबर 2026 में एडिलेड में टी20 विश्व कप का सेमीफ़ाइनल था। लंदन की फ़र्म में जूनियर एनालिस्ट के तौर पर मैंने नोट लिखा: इंग्लैंड के निचले क्रम यानी पोज़िशन 6 से 8 का टूर्नामेंट स्ट्राइक रेट 152 था, भारत का 118। मैंने इंग्लैंड की छह विकेट से जीत की भविष्यवाणी की, और इंग्लैंड दस विकेट से जीता। सीनियर सहकर्मी ने नोट को बहुत बोल्ड कहकर रख दिया था। बोल्ड होना समस्या नहीं थी; बिना सैंपल के बोल्ड होना समस्या होती।

अनुशासन बस एक ऐसा मॉडल है जिसे आप ओवरफ़िट करने से इनकार करते हैं। मैं पहले बैकटेस्ट को हारने देती हूँ, तभी उसे सच मानती हूँ। और आँकड़ों का एक इलाक़ा ऐसा है जहाँ बैकटेस्ट हमेशा पीछे रहेगा — पिच पढ़ना, गेंदबाज़ की इंजरी की भाषा, ड्रेसिंग रूम की केमिस्ट्री। ट्रांसफ़र-मार्केट के मॉडल ड्रेसिंग रूम की केमिस्ट्री को कम आँकते हैं और युवा पोटेंशियल को ज़्यादा; यह पूरी इंडस्ट्री की मूल्यांकन ख़ामी है, और इसका कोई इम्प्यूटेड नंबर इलाज नहीं है।

उलटी सोच, जिसे मैं ख़ुद पर भी लगाती हूँ

आम राय यह होगी कि ख़ाली रिपोर्ट कचरा है — फेंक दो, अगला मैच उठाओ। मैं उलटा दावा करती हूँ। इस पूरे सैंपल में जो एक चीज़ असली है, वह यही है कि पाइपलाइन फेल हुई। एक ग़लत फ़ॉर्मेट-तुलना या एक जाली नीलामी आँकड़ा बाज़ार में जो नुक़सान करता है, वह पाइपलाइन की विफलता से कहीं बड़ा है। विफलता को दर्ज करना मुफ़्त है; विफलता को छिपाना महँगा है।

साथ ही नल को रोमांटिक बनाने से बचना ज़रूरी है। बिना डायग्नोसिस वाला N/A आलस है, ईमानदारी नहीं। फ़र्क़ यहाँ साफ़ दिखता है: रिपोर्ट ने केवल ख़ाली ख़ाने नहीं छोड़े, उसने दो इन्फ़रेंस कॉन्फ़िडेंस लेवल के साथ दर्ज किए, एक वजह बताई, तीन ट्रैकिंग सिग्नल और उनकी ट्रिगर कंडीशन तय कीं।

दूसरी उलटी बात इंसेंटिव की है। बेटिंग और फ़ैंटेसी इकॉनमी आत्मविश्वास बेचती है। N/A किसी थंबनेल पर नहीं चलता। यही दबाव वह फ़ैक्ट्री है जहाँ ख़ाली डेटा से भरे हुए नंबर बनते हैं। जो फ़र्म N/A लिखने की हिम्मत करती है, वह अल्पावधि में पाठक हारती है और दीर्घावधि में बाज़ार जीतती है।

आगे क्या देखना है

रिपोर्ट तीन सिग्नल ट्रैक करने को कहती है, और तीनों का ट्रिगर साफ़ है। पहला, स्टेज-1 का री-रन — ट्रिगर: कम से कम तीन ठोस इन्फ़ॉर्मेशन पॉइंट दिखें। दूसरा, सोर्स की रिकवरी — ट्रिगर: टाइटल, कड़ी और तारीख़ तय हो जाएँ। तीसरा, फ़ॉर्मेट और एंटिटी टैगिंग — ट्रिगर: टेस्ट, ODI या T20 में से कोई एक फ़ॉर्मेट और कम से कम एक टीम या खिलाड़ी की पहचान। इन तीनों के बिना कोई भी डीप एनालिसिस काल्पनिक होगी।

सवाल यह नहीं है कि इस हफ़्ते हमने क्या जाना। सवाल यह है कि जब पाइपलाइन दोबारा ख़ाली लौटे, तो हमारे पास यह लिखने की हिम्मत बची रहेगी कि हम नहीं जानते?