खाली डेटा, भरी हुई रिपोर्ट: क्रिकेट एनालिटिक्स में इनपुट विफलता की असली कीमत

हुक

आठ सेक्शन। हर सेक्शन में टेबल, हर टेबल में बेंचमार्क कॉलम, और हर सेल में एक ही जवाब — N/A। 2026 के टूर्नामेंट साइकल के बीच मेरे डेस्क पर आई उस क्रिकेट एनालिसिस रिपोर्ट में एक भी गलत आंकड़ा नहीं था, क्योंकि उसमें कोई आंकड़ा ही नहीं था। शीर्षक N/A, स्रोत N/A, सूचना-बिंदु शून्य। जो चीज़ सबसे ज़्यादा चुभी, वह थी "Additional Notes" फ़ील्ड में छपा हुआ निर्देश — "ऊपर दिए गए सूचना-बिंदुओं से पहचानें।" यानी जिस स्टेज को सामग्री निकालनी थी, उसने अपना ही टेम्पलेट आउटपुट मानकर छाप दिया।

इसे पढ़ने के दो तरीक़े हैं। पहला — "इस मैच में कुछ ख़ास नहीं हुआ।" दूसरा — "इस मैच की ख़बर हम तक पहुँची ही नहीं।" रिपोर्ट इन दोनों में फ़र्क़ नहीं कर पाती, और यही पूरे मामले का सबसे बड़ा जोखिम है। एक खाली आउटपुट, जो देखने में पूरा लगता है, नतीजे का दर्जा पा जाता है।

संदर्भ

क्रिकेट में डेटा अब सजावट नहीं, फ़ैसला है। नेट रन रेट किसे प्लेऑफ़ में भेजेगा, यह किसी कमेंट्री-बॉक्स की भावना से तय नहीं होता; ऑक्शन पर्स में पैसा किस पोज़िशन पर जाएगा, यह पिछले तीन सीज़न की डेथ-ओवर इकॉनमी और मिडिल-ओवर स्ट्राइक रेट से तय होता है; डीआरएस में रिव्यू जलाने का फ़ैसला बॉल-ट्रैकिंग के त्रुटि-मार्जिन पर टिका है; इम्पैक्ट प्लेयर की इस्तेमाल-नीति पहले से गिनी हुई मैच-अप टेबल से आती है। ये चारों फ़ैसले अब एनालिटिक्स रूम में लिए जाते हैं और स्टूडियो में दोबारा, अंदाज़े से, बहस में डाले जाते हैं।

मेरा खुद का रास्ता इसी दरवाज़े से गुज़रा। 2026 में तीसरी घुटने की सर्जरी ने मुंबई की महिला वनडे करियर 27 की उम्र में रोक दिया, और मैं आंधेरी ईस्ट के एक फ़ैंटेसी-स्पोर्ट्स स्टार्टअप की चार-लोगों की एनालिटिक्स डेस्क पर पहुँच गई — फ़्लोर पर अकेली औरत। 21 मई 2026, हैदराबाद का आईपीएल फ़ाइनल: मेरा डेथ-ओवर विकेट-प्रोबेबिलिटी मॉडल इनिंग्स ब्रेक पर मुंबई इंडियंस को 58% दे रहा था, जब वे राइज़िंग पुणे सुपरजायंट के सामने 129 बचा रहे थे; डेस्क 44% पर बैठा था। मुंबई एक रन से जीता। मेरे इनाम में एक सीनियर सहकर्मी ने पूर्व रणजी खिलाड़ी से कहा कि "लड़की के नंबर एक बार सैनिटी-चेक कर दे।"

उस रात मैंने नैरेटिव से बहस करना बंद कर दिया और लेजर खोल दिया — एक निजी स्प्रेडशीट, जिसमें हर मॉडल-कॉल, उसका नतीजा और ग़लती की वजह दर्ज होती है। उसके बाद जो भी तर्क मैंने छापा, वह लेजर की किसी एंट्री का नंबर लेकर छपा।

कोर

अब उस ढाँचे में एक खाली पेलोड तटस्थ नहीं रहता। मान लीजिए किसी फ़्रैंचाइज़ी की पोस्ट-मैच समीक्षा में लिखा आता है कि डेथ ओवरों में "कोई उल्लेखनीय समस्या नहीं मिली" — जबकि असल में एक्सट्रैक्शन स्टेज ने उस मैच की गेंद-दर-गेंद सारणी कभी उठाई ही नहीं। अगले ऑक्शन में वही फ़्रैंचाइज़ी पर्स का एक बड़ा हिस्सा बल्लेबाज़ी पर लगा देती है, क्योंकि डेटा ने "गेंदबाज़ी ठीक है" कह दिया था। खाली डेटा ने झूठ नहीं बोला; उसने चुप्पी बेची, और बाज़ार ने चुप्पी को हरी झंडी समझ लिया।

डेटा पाइपलाइन की विफलता तीन शक्लों में आती है, और तीनों की उँगली-छाप अलग है। पहली — स्रोत लाने की कोशिश विफल हुई, एचटीटीपी या पार्स एरर आया, और उसे चुपचाप N/A में बदल दिया गया। दूसरी — कोई ऐसा दस्तावेज़, जो क्रिकेट का ही नहीं था या अंग्रेज़ी का ही नहीं था, फ़ॉलबैक क्लासिफ़ायर ने cricket_asia जैसा क्षेत्रीय टैग देकर आगे भेज दिया। तीसरी, और सबसे साफ़ — फ़ील्ड में मान की जगह निर्देश छप गया। जहाँ स्कीमा कहे कि निकाली हुई जानकारी लिखो, वहाँ टेम्पलेट का निर्देश बैठ गया। यह कोई सामग्री-संकट नहीं, स्कीमा-वैलिडेशन का अभाव है। एक शर्त — "यदि सूचना-बिंदु सूची खाली हो, पेलोड अस्वीकार करो" — यह पूरा मामला इनजेस्ट पर ही रोक देती।

मेरे सालों के मैच देखने के अनुभव से एक बात साफ़ हो गई है: क्रिकेट में सबसे महँगी ग़लती ग़लत नंबर नहीं होती, अनुपस्थित नंबर होती है। ग़लत नंबर बहस में पकड़ा जाता है; अनुपस्थित नंबर बहस में कभी नहीं आता, क्योंकि उसकी जगह कहानी बैठ जाती है। क्रिकेट का जो ढाँचा आज फ़ैसले लेता है, वह फ़ॉर्मेट-एंकर पर खड़ा है — टेस्ट, वनडे, टी20, द हंड्रेड। एंकर के बिना हर आगे की गणना अर्थहीन है, क्योंकि टेस्ट की नई गेंद और टी20 के पावरप्ले को एक ही कॉलम में डालना वही ग़लती है जो पूरे विश्लेषण को ज़मीन पर ले आती है। इसलिए जब किसी पेलोड में न फ़ॉर्मेट हो, न मैच की प्रकृति, न कोई नामित खिलाड़ी या टीम, तब जो एकमात्र बचाव है वह है रिपोर्ट पर साफ़ शब्दों में "विश्लेषण के लिए अमान्य" लिख देना।

और यही वह जगह है जहाँ लेजर काम आता है। मैंने ग्यारह साल लेजर रखा; फ़ाइनल फिर भी एक रन पर आकर टिका। 2026 में जब खेल रुका, मेरे पास 1,300 बैक-टेस्टेड मैच और घरेलू मैदान का फ़ायदा मापने वाला गुणांक था — विन-प्रोबेबिलिटी में +4.2 प्रतिशत अंक। आईपीएल यूएई में 19 सितंबर से 10 नवंबर 2026 तक खेला गया, मुंबई इंडियंस ने जीता, और वह गुणांक शून्य पर चला गया। मैंने मॉडल ओस, टॉस और सफ़र के इर्द-गिर्द दोबारा बनाया, और पाया कि दुबई में रात को चेज़ करना करीब +8% का फ़ायदा देता है। हर गुणांक का एक मौसम होता है; मेरा रेगिस्तान में मर गया, और मैंने बैकटेस्ट पर भरोसा करना छोड़ दिया। उस निबंध में एक और सबक़ छिपा था जो नंबरों से नहीं, कैलेंडर से निकला: वह टुकड़ा तीन हफ़्ते देर से छपा और डेस्क को एक क्लाइंट प्राइसिंग विंडो की क़ीमत चुकानी पड़ी। ग़लती की क़ीमत और देरी की क़ीमत अलग-अलग चीज़ें हैं, बिल्कुल वैसे ही जैसे बुरा दांव और बुरा नतीजा अलग प्रजातियाँ हैं; लेजर फ़र्क़ जानता है।

तब से मेरे हर टुकड़े का पहला पैराग्राफ़ एक अनुमान-ऑडिट है: इस बात को ग़लत होने के लिए क्या-क्या सच होना पड़ेगा। खाली पेलोड के मामले में वह ऑडिट सीधा है — मान लीजिए कि स्रोत दस्तावेज़ वाकई मौजूद था और रिट्रीवल टूटा। अगर यह मान सच है, तो "कुछ ख़ास नहीं हुआ" वाला पाठ पूरी तरह ग़लत है। और अगर यह मान ग़लत है — यानी दस्तावेज़ था ही नहीं — तो रिपोर्ट का अस्तित्व ही बेमानी है। दोनों सूरतों में नतीजा एक ही निकलता है: इस पेलोड से कोई क्रिकेट-निर्णय नहीं निकाला जा सकता।

व्यावहारिक स्तर पर इसका मतलब यह है कि आगे की हर रिपोर्ट के लिए न्यूनतम शर्तें तय हों: शीर्षक, प्रकाशक और तारीख़; कम से कम पाँच सूचना-बिंदु, हर एक में कोई नामित इकाई; स्पष्ट फ़ॉर्मेट-एंकर; और मूल लेख में उद्धृत हर आंकड़ा, अपने फ़ॉर्मेट के टैग के साथ। 'अज्ञात' और 'शून्य' को एक ही फ़ील्ड में मत रखिए — क्रिकेट में यही फ़र्क़ मैच हारने और मैच रद्द होने का है, और स्कोरबुक दोनों को अलग-अलग लिखती है।

कंट्रेरियन

स्वाभाविक प्रतिक्रिया यह होगी कि पाइपलाइन में वैलिडेशन गेट लगा दिए जाएँ और बात ख़त्म। मेरा आपत्ति इससे आगे है। हमारे जो भी गेट मौजूद हैं, वे ग़लत नंबर पकड़ने के लिए बने हैं — रेंज चेक, आउटलायर फ़्लैग, यूनिट मिसमैच। गुमशुदा नंबर को पकड़ने वाला कोई गेट हमने कभी डिज़ाइन ही नहीं किया, क्योंकि टेम्पलेट भरा हुआ दिखता है और भरा हुआ टेम्पलेट हमारी आँख में सबूत बन जाता है। यह क्रिकेट-पाइपलाइन की समस्या नहीं, क्रिकेट-संस्कृति की समस्या है।

दूसरी बात जिस पर मुझसे कोई सहमत नहीं होगा: इस लड़ाई में चुप्पी हारती है। कमेंट्री-बॉक्स कभी N/A नहीं लौटाता। वह हमेशा एक पूरा, आत्मविश्वास से भरा वाक्य लौटाता है — चाहे उसके पीछे एक भी गेंद का डेटा न हो। डेटा डेस्क की विफलता का तरीक़ा ख़ामोशी है, स्टूडियो की विफलता का तरीक़ा अति-आत्मविश्वास। और भारतीय बाज़ार में अति-आत्मविश्वास ख़ामोशी से हमेशा जीतता है, क्योंकि वह देखने में कहानी है और ख़ामोशी देखने में ख़राबी। इसीलिए सुधार का रास्ता "और डैशबोर्ड" नहीं है; रास्ता यह है कि हर रिपोर्ट के सबसे ऊपर वह शर्त लिखी जाए जिसके टूटने पर नतीजा ग़लत हो जाएगा। जो रिपोर्ट अपनी शर्तें नहीं छापती, वह अनुमान नहीं बेच रही — वह भरोसा बेच रही है।

और एक चेतावनी अपने लिए भी। पिछले कुछ सालों में क्रिकेट-एनालिटिक्स में सबसे ज़्यादा नुक़सान उन मॉडलों ने किया जिन्होंने अपना ऐतिहासिक फ़िट पेश किया, उन शर्तों का ज़िक्र किए बग़ैर जिनमें वे फ़िट हुए थे। डब्ल्यूपीएल 2026 से है — तीन साल का नमूना। नॉकआउट क्रिकेट तीन मैच का नमूना देता है। इन पर बने किसी भी निष्कर्ष को उसी तरह लेबल करना चाहिए जैसे हम खाली पेलोड को लेबल करते हैं — शर्तों के साथ, और विनम्रता के साथ। मेरा अपना मॉडल भी इस दलील में ग़लत हो सकता है: यह पूरा ढाँचा मान लेता है कि स्रोत दस्तावेज़ कभी था। अगर वह था ही नहीं, तो मैं एक ऐसी विफलता का पोस्टमार्टम कर रही हूँ जो हुई ही नहीं।

टेकअवे

अगली बार जब स्क्रीन पर कोई साफ़-सुथरी "कोई उल्लेखनीय रुझान नहीं" वाली लाइन दिखे, तो एक सवाल पूछिए — यह नतीजा किसी भरे हुए ख़ाने से आया है या खाली ख़ाने से? यह सवाल पूछना सस्ता है; न पूछना एक ऑक्शन पर्स, एक प्लेऑफ़ बर्थ और एक रिव्यू की क़ीमत है। और अगर किसी रिपोर्ट में अगली बार N/A दिखे और उसे "कुछ ख़ास नहीं हुआ" पढ़ा जाए, तो मान लीजिए पाइपलाइन ने एक और मैच जीत लिया है — बिना एक भी गेंद फेंके।