खाली डेटा, भरा हुआ शोर: क्रिकेट विश्लेषण का सबसे बड़ा संकट एनालिटिक्स नहीं, एक्सट्रैक्शन है

मेरे पास एक डेटा सेट है। उसमें बत्तीस फ़ील्ड हैं। सभी खाली हैं। यह कोई क्रिकेट मैच का स्कोरकार्ड नहीं है — यह स्टेज-1 डीकंस्ट्रक्शन का आउटपुट है, जो एक एशियाई क्रिकेट लेख को तोड़ने के बाद मेरे डेस्क तक पहुँचा। डोमेन लेबल cricket_asia सही सलामत है, बाकी सब कुछ शून्य। शीर्षक N/A, स्रोत N/A, सूचना बिंदु खाली सूची। यह पहली बार नहीं है जब मैंने ऐसा देखा है — और यही इस रिपोर्ट की असली कहानी है।

पिछले चार दशकों में मैंने क्रिकेट को तीन अलग-अलग तरीक़ों से कवर किया है: प्रिंट डेस्क पर जहाँ बॉल-बाय-बॉल शीट हाथ से लिखी जाती थी, सैटेलाइट युग के ब्यूरो में जहाँ ब्रॉडकास्ट फीड देर से आती थी, और अब उस दौर में जहाँ हर फ्रेंचाइज़ी के पास अपना डेटा विभाग है। तीनों दौर में एक चीज़ स्थिर रही है: क्रिकेट का विश्लेषण उतना ही अच्छा होता है जितना उसका इनपुट। आज जब हम एशियाई क्रिकेट की बात करते हैं — भारत का दौरा, एशिया कप, आईपीएल की नीलामी — तो हम अक्सर आउटपुट की चमक पर बहस करते हैं और इनपुट की सड़ांध को नज़रअंदाज़ कर देते हैं।

यह रिपोर्ट उसी सड़ांध का पोस्टमॉर्टम है। और मैं इसे स्पष्ट कहूँगा: यह क्रिकेट पर लेख नहीं है। यह क्रिकेट-विश्लेषण उद्योग की उस परत पर लेख है जिसे कोई नहीं देखता — डेटा पाइपलाइन।

संदर्भ: जब स्टेज-1 खुद ही आउट हो जाता है

स्टेज-1 डीकंस्ट्रक्शन का काम है लेख को तोड़कर उसके तथ्य, खिलाड़ी, फ़ॉर्मेट और समय-संवेदनशीलता निकालना। इस बार वह पूरी तरह विफल रहा। मेरे सामने जो तालिका है उसमें हर फ़ील्ड पर N/A लिखा है। एंटिटीज़ वाले कॉलम में लिखा है "ऊपर के सूचना बिंदुओं से पहचानें" — जबकि सूचना बिंदुओं की सूची ही खाली है। यह वही तार्किक गोलमोल है जो किसी क्रिकेट बोर्ड की प्रेस विज्ञप्ति में मिलता है: सवाल का जवाब देने के बजाय सवाल को ही दोहरा देना।

मुझे यह स्पष्ट करना चाहिए कि यह डेटा-विफलता का पैटर्न परिचित है। जब एक साथ सभी फ़ील्ड शून्य हो जाएँ — शीर्षक, स्रोत, प्रकार, दृष्टिकोण, उद्देश्य — तो यह सामग्री की विफलता नहीं, प्लंबिंग की विफलता है। यानी मूल लेख शायद मौजूद था, शायद अच्छा भी था, लेकिन उसे पकड़ने वाली मशीन ने उसे गिरा दिया। क्रिकेट में हम इसे कैच ड्रॉप कहते हैं। और कैच ड्रॉप के बाद गेंदबाज़ को दोष देना बेमानी है।

डोमेन लेबल बताता है कि विषय एशियाई क्रिकेट से जुड़ा था। एशियाई क्रिकेट मीडिया में सबसे अधिक मात्रा में क्या आता है? भारत की द्विपक्षीय सीरीज़, एशिया कप, आईपीएल/फ्रेंचाइज़ी समाचार, या बांग्लादेश-श्रीलंका-अफ़ग़ानिस्तान के घटनाक्रम। यह एक सांख्यिकीय पूर्वानुमान है, कोई निष्कर्ष नहीं। लेकिन यह पूर्वानुमान ही बताता है कि इस रिपोर्ट में आगे क्या नहीं लिखा जा सकता।

मूल विश्लेषण: जो सबसे खतरनाक आँकड़ा है वह खाली कोष्ठक है

हम खेल-पत्रकारिता में एक अजीब सी आदत से ग्रस्त हैं। जब डेटा नहीं होता, तो हम अनुमान लगा लेते हैं। जब अनुमान नहीं लगता, तो हम माहौल बना देते हैं। और जब माहौल भी नहीं बनता, तो हम "सूत्रों के हवाले से" लिख देते हैं। इस रिपोर्ट के स्टेज-2 निष्कर्ष ने इस आदत को तोड़ने का फ़ैसला किया है। जहाँ डेटा नहीं, वहाँ साफ़ लिखा है: अपर्याप्त सूचना, आकलन असंभव।

यह कायरता नहीं, अनुशासन है। क्रिकेट विश्लेषण में सबसे बड़ा झूठ वह नहीं होता जो ग़लत आँकड़े पर बोला जाए; सबसे बड़ा झूठ वह होता है जो खाली जगह को भरने के लिए गढ़ा जाए। मैंने 2026 में मैच-फिक्सिंग की जाँच के दौरान यह सबक महँगा सीखा था। उस समय कई सहकर्मी काग़ज़ात का इंतज़ार किए बिना नाम छाप रहे थे। बाद में जो नाम ग़लत निकले, उनका नुक़सान सिर्फ़ उन पत्रकारों का नहीं था — पूरे ब्यूरो की विश्वसनीयता का था।

इसीलिए यह रिपोर्ट आठ-आयामी ढाँचे को इस तरह प्रस्तुत करती है कि हर आयाम पर स्पष्ट रूप से लिखा हो: डेटा अपर्याप्त। मैच विश्लेषण नहीं हो सकता क्योंकि फ़ॉर्मेट अज्ञात है। खिलाड़ी विश्लेषण नहीं हो सकता क्योंकि खिलाड़ी अज्ञात है। टीम रैंकिंग नहीं हो सकती क्योंकि टीम अज्ञात है। नीलामी/व्यापार विश्लेषण नहीं हो सकता क्योंकि लीग अज्ञात है। नियम-शासन विश्लेषण नहीं हो सकता क्योंकि घटना अज्ञात है।

यहाँ एक बात साफ़ कर दूँ जो क्रिकेट-डेटा की दुनिया में अक्सर दबा दी जाती है: टेस्ट, वनडे और टी20 के आँकड़े आपस में विनिमेय नहीं हैं। एक बल्लेबाज़ की टेस्ट औसत और टी20 स्ट्राइक रेट को एक ही तालिका में रखना वैसा ही है जैसे एक तेज़ गेंदबाज़ की इकॉनमी रेट को स्पिनर की इकॉनमी रेट से बिना संदर्भ तुलना करना। अगर स्टेज-1 ने फ़ॉर्मेट टैग ही नहीं भरा, तो स्टेज-2 का कोई भी खिलाड़ी-निष्कर्ष संदूषित होगा। यही कारण है कि मैंने इस रिपोर्ट में खिलाड़ी-स्तर का कोई दावा नहीं किया है।

इसी तरह, एशियाई क्रिकेट में व्यावसायिक विश्लेषण का एक सुनहरा नियम है जिसे हम भूल जाते हैं: ऊँची आईपीएल कीमत और अंतर्राष्ट्रीय क्रिकेट की मज़बूती दो अलग-अलग चीज़ें हैं। नीलामी की बोली खेल-प्रदर्शन का प्रमाणपत्र नहीं, बाज़ार-ट्रैफ़िक का दस्तावेज़ है। लेकिन इस लेख में न लीग का नाम है, न नीलामी, न फ्रेंचाइज़ी — तो इस नियम को लागू करने का कोई आधार ही नहीं। नियम तैयार है, मामला गायब है।

विरोधाभासी कोण: शायद खाली डेटा ही सबसे ईमानदार डेटा है

अब वह हिस्सा जहाँ मुझे खुद से बहस करनी है। मैं यह दलील दे सकता हूँ कि खाली फ़ील्ड वाली यह रिपोर्ट बेकार है — और मुझे यह मानना चाहिए कि इसमें दम है। अगर मक़सद सिर्फ़ पाठक को क्रिकेट की खबर देना है, तो शून्य डेटा वाली रिपोर्ट उस मक़सद में पूरी तरह विफल है। इस दृष्टि से मेरी यह पूरी कवायद एक खाली डिब्बे पर लिखा हुआ लंबा लेबल है।

लेकिन मैं यह भी देखता हूँ कि खाली डिब्बे का अपना उपयोग है। अगर हम क्रिकेट-एनालिटिक्स के पाइपलाइन को एक मैच की तरह देखें, तो स्टेज-1 वह ओपनर है जिसने पहली ही गेंद पर विकेट गँवा दिया। स्टेज-2 का काम यह नहीं कि वह ओपनर की जगह बल्लेबाज़ी करे और नाटकीय पारी खेल दे। स्टेज-2 का काम यह है कि वह स्कोरकार्ड में दर्ज करे: पहला विकेट, शून्य रन, चार गेंद। जो रिपोर्टिंग ईमानदार होती है, वह खराब शुरुआत को छुपाती नहीं, दर्ज करती है।

यहीं मुझे अपनी सबसे बड़ी कमज़ोरी दिखती है — दूरी। मैं मैनचेस्टर से बैठकर एशियाई क्रिकेट का विश्लेषण कर रहा हूँ। मेरे पास स्प्रेडशीट है, अभिलेख हैं, लेकिन ड्रेसिंग रूम तक पहुँच नहीं है। जब दूरी को निष्पक्षता समझ लिया जाए, तो काग़ज़ ही एकमात्र गवाह बन जाता है — और फिर यह भ्रम पाल लिया जाता है कि काग़ज़ काफ़ी है। इस रिपोर्ट में मैं यह स्वीकार कर रहा हूँ कि जब काग़ज़ ही खाली हो, तो दूरी और भी महँगी पड़ती है।

दूसरा विरोधाभास: क्या हो अगर मूल लेख वाक़ई किसी ऐसी चीज़ के बारे में था जिसे मैंने खो दिया — जैसे किसी घरेलू टूर्नामेंट का रिकॉर्ड, या किसी एसोसिएट देश की पहली जीत? तब यह रिपोर्ट उस कहानी को कभी नहीं पकड़ पाएगी। और यही डेटा-स्टबर्ननेस की सीमा है: जो मापा नहीं गया, वह मेरे लिए मौजूद नहीं है। भीड़ का शोर, क्षेत्रीय भाषा की कमेंट्री की पहुँच, ड्रेसिंग रूम की खटास — ये सब डेटा हैं, बशर्ते इन्हें मापा जाए। इस रिपोर्ट में ये सब अनुपस्थित हैं क्योंकि स्टेज-1 ने इन्हें उठाया ही नहीं।

निष्कर्ष: अगली बार जब स्कोरकार्ड खाली दिखे

मेरी भविष्यवाणी सरल है: एशियाई क्रिकेट की अगली बड़ी डेटा-कहानी टूर्नामेंट के मैदान पर नहीं, डेटा-पाइपलाइन की मरम्मत में लिखी जाएगी। जिस फ्रेंचाइज़ी या बोर्ड के पास साफ़, टैग किया हुआ, फ़ॉर्मेट-वार अलग किया हुआ डेटा होगा, वही अगले पाँच वर्षों में नीलामी की मेज़ पर और प्रसारण अधिकारों की बोली में आगे रहेगा। बाकी सब एनालिटिक्स की चमक बेचते रहेंगे।

और जब अगली बार कोई क्रिकेट रिपोर्ट आपके सामने आए जिसमें हर आँकड़ा चमचमाता हो, तो एक सवाल ज़रूर पूछें: इसका स्टेज-1 कहाँ है? अगर जवाब खाली हो, तो चमक को नमस्ते कहें और काग़ज़ माँगें।