शून्य इनपुट, आठ आयाम: क्रिकेट डेटा पाइपलाइन की उस विफलता का सार्वजनिक ऑडिट

मंगलवार की दोपहर स्क्रीन पर एक फ़ाइल खुली। आठ आयाम, आठ तालिकाएँ, और हर तालिका के हर सेल में एक ही वाक्यांश टाइप था — "N/A — अपर्याप्त जानकारी।" तेरह साल कोलकाता के एक अख़बार की स्पोर्ट्स डेस्क पर, और उसके बाद साल्ट लेक की उस बारह-सदस्यीय प्राइसिंग डेस्क पर, मैंने बहुत सी अजीब रिपोर्टें देखी थीं। ऐसी रिपोर्ट पहली बार देखी जिसका सबसे ईमानदार वाक्य उसका सबसे खाली वाक्य निकला।

मेरी पहली प्रतिक्रिया यह पता लगाना थी कि गड़बड़ कहाँ है। क्या लेखक ने लिखना बीच में छोड़ दिया? क्या संपादक ने आधी फ़ाइल भेज दी? या वह चीज़, जो एक ऑडिटर को सबसे पहले जाँचनी चाहिए — क्या पाइपलाइन का पहला चरण ही कुछ भेजने में नाकाम रहा? दस्तावेज़ में शीर्षक की जगह N/A था, स्रोत की जगह N/A, लेख का प्रकार "अवर्गीकृत", और सबसे ऊपर, सूचना-बिंदुओं की सूची पूरी तरह खाली।

आंकड़ों की दुनिया में सबसे महँगी गलती गलत संख्या नहीं होती। सबसे महँगी गलती खाली जगह को संख्या से भर देना है।

मार्च 2026 में मैंने एक अख़बार की डेस्क छोड़ी थी, क्योंकि उसने अपना अलग स्टैट्स पेज बंद कर दिया था। उसके बाद मैंने एक मैच को कीमतों के क्रम के रूप में पढ़ना सीखा। मेरा पहला बिल्ड एक "ट्रू रन वैल्यू" मॉडल था, जो 812 आईपीएल पारियों पर प्रशिक्षित था। 21 मई 2026 को हैदराबाद में फाइनल के इनिंग्स ब्रेक पर उसने मुंबई इंडियंस को राइजिंग पुणे सुपरजायंट के खिलाफ सिर्फ़ 34% जीत की संभावना दी थी — स्कोर था 129/8। क्रुनाल पांड्या की 38 गेंदों पर 47 रन की पारी और एक रन के अंतर ने वह मॉडल तोड़ दिया। मैंने तीन हफ्ते डेथ-ओवर विकेट-वैल्यू टर्म दोबारा बनाने में लगाए।

उस सीज़न के बाद से हर फ़ाइल के साथ एक "शो द वर्क" बॉक्स चलता है — मॉडल, डेटा विंडो, कॉन्फिडेंस बैंड, और वे शर्तें जिनमें नतीजा गलत होगा।

अब सामने जो दस्तावेज़ था, वह इसी अनुशासन का उल्टा पक्ष था। यह एक दो-चरणीय पाइपलाइन है। पहला चरण कच्चे लेख से ढाँचा निकालता है: शीर्षक, स्रोत, लेख का प्रकार, मुख्य दृष्टिकोण, लेखक का रुख, उद्देश्य, सूचना-बिंदुओं की सूची, इसमें शामिल इकाइयाँ, समय-संवेदनशीलता, स्रोत की गुणवत्ता और डोमेन लेबल। दूसरा चरण उन सूचना-बिंदुओं को आठ आयामों में लगाता है — प्रारूप और मैच, खिलाड़ी तकनीक और डेटा, टीम परिदृश्य और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम और शासन, जोखिम, सार्वजनिक कथा और अपेक्षा, और उद्योग संचरण।

इस फ़ाइल में पहला चरण खाली लौटा। सूचना-बिंदुओं की सूची में एक भी प्रविष्टि नहीं थी। "इसमें शामिल इकाइयाँ" वाले कॉलम में लिखा था — "ऊपर दिए सूचना-बिंदुओं से पहचानें" — यानी एक खाली समुच्चय का गोलाकार संदर्भ। स्रोत की गुणवत्ता का आकलन उसी तरह लौटाया गया: "सूचना-बिंदुओं के स्रोत फ़ील्ड से अनुमान लगाएँ," जबकि कोई स्रोत फ़ील्ड मौजूद ही नहीं थी। समय-संवेदनशीलता का आकलन नहीं हुआ था। पूरे पैकेट में एकमात्र प्रयोग योग्य फ़ील्ड डोमेन लेबल था — cricket_world — जो इतना सामान्य है कि टेस्ट, वनडे, टी20 और लीग में फ़र्क़ भी नहीं कर सकता।

यहाँ ठहरना ज़रूरी है, क्योंकि आगे का पूरा बहस इसी पर टिका है। रिपोर्ट में हर जगह N/A लिखना विश्लेषण की विफलता नहीं है; यह विश्लेषण का काम करना है। जो विफल हुआ, वह विश्लेषण नहीं — डेटा की आपूर्ति थी। और दोनों चीज़ों को एक मान लेना उसी तरह की भूल है जैसे 2026 में बंद दरवाज़ों के मैचों को भरे स्टेडियमों वाले मैचों के साथ एक ही वाक्य में तौलना।

आइए आठों आयामों को एक-एक करके खोलें, क्योंकि इस रिपोर्ट की असली कीमत उसके जवाबों में नहीं, उसके दरवाज़ों में है।

पहला दरवाज़ा — प्रारूप। टेस्ट, वनडे और टी20 के सांख्यिकीय पैमाने आपस में विनिमेय नहीं हैं। पावरप्ले में फील्डिंग प्रतिबंधों के छह ओवरों की रन-रेट एक चीज़ नापती है; नई गेंद के पंद्रह ओवर कुछ और; और डेथ ओवरों में यॉर्कर की सटीकता कुछ और। जब प्रारूप ही तय न हो, तो हर तुलना में एक सांख्यिकीय गंदगी घुल जाती है जिसे बाद में किसी भी निष्कर्ष से अलग करना असंभव हो जाता है। वेन्यू का ज़िक्र नहीं, पिच की उम्र का ज़िक्र नहीं, मौसम, ओस या बारिश से जुड़े DLS हस्तक्षेप का ज़िक्र नहीं। इस हालत में "टॉस का असर" या "मध्य ओवरों में रन-रेट" जैसा कोई भी वाक्य लिखना अनुमान नहीं, निर्माण होता।

दूसरा दरवाज़ा — खिलाड़ी। इनपुट में किसी खिलाड़ी का नाम नहीं था। नाम के बिना भूमिका तय नहीं होती — सलामी बल्लेबाज़, एंकर, फिनिशर, तेज़ गेंदबाज़, स्पिनर, ऑलराउंडर, विकेटकीपर-बल्लेबाज़। भूमिका के बिना स्थितिगत विभाजन (situational splits) का कोई मतलब नहीं। औसत, स्ट्राइक रेट, इकॉनमी रेट, हाल का रुझान, आयु-वक्र का मोड़, चोट का इतिहास — इनमें से एक भी चीज़ बिना नाम के नहीं टिकती। छोटे नमूने पर संयम बरतने का नियम तो तब लागू होता है जब नमूना मौजूद हो। यहाँ नमूना शून्य था, इसलिए संयम बरतने का सवाल ही नहीं — सवाल आधार की अनुपस्थिति का था।

तीसरा दरवाज़ा — टीम और रैंकिंग। कोई राष्ट्रीय टीम, फ्रैंचाइज़ी या सहयोगी देश नामित नहीं था, इसलिए आईसीसी की कौन-सी तालिका उठाई जाए, यह भी तय नहीं हो सकता था। यह तकनीकी अड़चन से बड़ी बात है। आईसीसी रैंकिंग हर महीने हिलती है, इसलिए बिना तारीख़ के दिया गया कोई भी रैंकिंग-दावा रचना से ही अविश्वसनीय होता है। बल्लेबाज़ी की गहराई, गेंदबाज़ी का संयोजन, बेंच की गहराई, आयु-संरचना — इन सबके लिए नामित स्क्वाड या चयन-निर्णय चाहिए। एफ़टीपी का घनत्व और लीग-विंडो का दबाव भी बिना तारीख़ के नापा नहीं जा सकता।

चौथा दरवाज़ा — लीग और वाणिज्यिक तंत्र। आईपीएल, बीबीएल, द हंड्रेड, पीएसएल, एसए20, सीपीएल, एमएलसी या आईएलटी20 — कोई लीग नामित नहीं। ब्रॉडकास्ट अधिकारों का मूल्य, फ्रैंचाइज़ी का मूल्यांकन, खिलाड़ी वेतन, नीलामी का आरटीएम तंत्र, प्रीमियम का प्रकार — स्थानीय युवा स्टार का प्रीमियम, ऑलराउंडर का प्रीमियम, दुर्लभ स्थिति का प्रीमियम (बाएँ हाथ का तेज़ गेंदबाज़, विकेटकीपर-बल्लेबाज़) या घबराहट की बोली — इनमें से कुछ भी बिना लेन-देन के नहीं पढ़ा जा सकता। यहाँ मेरा वह पुराना सिद्धांत काम आता है जो मैं हर नीलामी रिपोर्ट में दोहराता हूँ: वाणिज्यिक मूल्य और खेल-मूल्य दो अलग लेजर हैं, और ऊँची बोली अंतरराष्ट्रीय प्रभुत्व का प्रमाण नहीं होती। जब लेन-देन ही न हो, तो यह अंतर समझाने का कोई मौक़ा नहीं बचता।

पाँचवाँ दरवाज़ा — नियम और शासन। कोई नियम-परिवर्तन, DRS विवाद, DLS बहस या अनुशासनात्मक कार्रवाई इनपुट में नहीं थी। बिग थ्री (बीसीसीआई, ईसीबी, सीए) के राजस्व-हिस्से के विवाद, 2026 का क्रोंजे मामला, 2026 का पाकिस्तान स्पॉट-फिक्सिंग प्रकरण, 2026 का आईपीएल सट्टा मामला, एनओसी विवाद या केंद्रीय अनुबंध की अवज्ञा — इनमें से कोई भी संदर्भ सक्रिय नहीं हुआ। यहाँ एक बारीक बात दर्ज करनी ज़रूरी है, क्योंकि इसी पर सबसे ज़्यादा चूक होती है: इनपुट में सत्यनिष्ठा का कोई आरोप न होना, सत्यनिष्ठा की क्लीन चिट नहीं है। इसका मतलब सिर्फ़ इतना है कि स्रोत ने कोई आरोप नहीं उठाया, और इस चुप्पी से किसी भी दिशा में अनुमान निकालना ग़लत होगा।

छठा दरवाज़ा — जोखिम। खेल-संबंधी, कार्मिक, वाणिज्यिक, सत्यनिष्ठा, जनमत और प्रणालीगत — छहों श्रेणियाँ खुलीं और छहों लौटीं। जोखिम का अंकन कम से कम एक विषय (टीम, खिलाड़ी, लीग या मैच) और एक समय-एंकर माँगता है। इस पैकेट में पहचानने योग्य एकमात्र जोखिम पाठक का विश्लेषणात्मक जोखिम था — यानी खाली आउटपुट पर भरोसा कर लेना। जब डेटा आएगा, तब जो चार हॉट-स्पॉट सबसे पहले देखने होंगे वे ये हैं: तेज़ गेंदबाज़ों की स्ट्रेस इंजरी, तीन प्रारूपों का कैलेंडर-स्टैकिंग, लीग बनाम देश की उपलब्धता का टकराव, और निचली श्रेणी की लीगों में सत्यनिष्ठा का जोखिम।

सातवाँ दरवाज़ा — सार्वजनिक कथा। अपेक्षा-अंतराल (expectation gap) विधि दोनों तरफ़ माँगती है: बाज़ार-संकेत और मूल-तथ्यों का आकलन। दोनों में से एक भी न हो तो अंतराल शून्य नहीं होता — वह अपरिभाषित होता है। लेखक का रुख दर्ज नहीं था, इसलिए लेख का संभावित पूर्वाग्रह (प्रचारक, आलोचक या तटस्थ) पूरी तरह अज्ञात था। इस हालत में कथा-वाचन शुद्ध आविष्कार होता।

आठवाँ दरवाज़ा — उद्योग संचरण। भारत वैश्विक क्रिकेट के वाणिज्यिक राजस्व का सत्तर प्रतिशत से अधिक हिस्सा माना जाता है — यह आम तौर पर उद्धृत आँकड़ा है, और मैं इसे सत्यापन-लंबित के रूप में ही छापता हूँ। लेकिन इस लेख में ऐसा कोई झटका मौजूद नहीं था जिसे इस बाज़ार से जोड़ा जा सके। ब्रॉडकास्ट, दक्षिण एशियाई हृदय-बाज़ार, प्रतिभा-आपूर्ति श्रृंखला, पूँजी नेटवर्क, सट्टा-फ़ैंटेसी बाज़ार और व्युत्पन्न बाज़ार — छहों चैनल निष्क्रिय रहे।

अब वह सवाल, जो हर ऑडिट के अंत में पूछा जाना चाहिए: अगर इस रिपोर्ट को किसी लापरवाह डेस्क पर भेज दिया जाता, तो क्या होता? मुझे उत्तर पता है, क्योंकि मैंने वे रिपोर्टें पढ़ी हैं। कोई एक 51.3% लिख देता — दशमलव के साथ, क्योंकि दशमलव अधिकार जैसा पढ़ता है। कोई बिना विंडो, बिना फ़िल्टर, बिना स्रोत के स्ट्राइक रेट उद्धृत कर देता। कोई टॉस का असर बता देता जिसका कोई डेटा ही नहीं था। यही असली जोखिम है — खाली जगह की जगह एक ऐसा अंक भर देना जिसे बाद में कोई दोबारा नहीं बना सके।

और यहीं इस पूरे प्रकरण का उल्टा पक्ष शुरू होता है। हर कोई इस रिपोर्ट को विफलता कह रहा है। मैं इसे सिस्टम का काम करना कहता हूँ। एक विश्लेषक जिसके पास आठ आयामों का ढाँचा है और आठों में शून्य डेटा है, उसके पास दो रास्ते होते हैं: ढाँचे को भरने के लिए कहानी गढ़ लेना, या ढाँचे को खुला छोड़कर यह घोषित कर देना कि आपूर्ति विफल हुई। दूसरा रास्ता प्रकाशक के लिए असुविधाजनक है, पाठक के लिए उबाऊ है, और तीन साल बाद ऑडिट करने पर एकमात्र रास्ता है जो टिकता है।

इस साफ़-सुथरे नतीजे में भी तीन चेतावनियाँ छिपी हैं। पहली, चुप्पी को मंज़ूरी मत समझिए — जैसा सत्यनिष्ठा के मामले में कहा, वैसा ही रैंकिंग, चोट और वर्कलोड पर भी लागू है। दूसरी, डेटा-उपलब्धता का पूर्वाग्रह। आईपीएल का बॉल-बाय-बॉल डेटा मुफ़्त और समृद्ध है; रणजी, क्षेत्रीय भाषा की कवरेज और 2026 से पहले का महिला क्रिकेट पतला है। खाली जगह भरने की जल्दबाज़ी में कॉर्पस चुपचाप बीट बन जाता है — यानी जो आसानी से मिलता है, वही विषय बन जाता है। तीसरी, "किसी ने ध्यान नहीं दिया" वाली शिकायत। 2026 में मैंने पजेशन प्रतिशत को रिटायर कर दिया, और डेस्क पर किसी ने ध्यान नहीं दिया। उस चुप्पी पर लिखना आसान था और ग़लत। ऑडिट ही नायक होना चाहिए; अगर सुधार मायने रखता था, तो सुधार ही कहानी है, उसका स्वागत करने वाली ख़ामोशी नहीं।

तो आगे क्या देखना है? मैं पाँच संकेत अपने लेजर में दर्ज कर रहा हूँ, और हर संकेत के साथ उसकी ट्रिगर-शर्त भी, क्योंकि बिना शर्त वाला संकेत सिर्फ़ उम्मीद होता है। पहला, पाइपलाइन की बहाली — कच्चा लेख जुड़ा हो और सूचना-बिंदुओं की सूची में कम से कम तीन प्रयोग योग्य प्रविष्टियाँ हों। दूसरा, प्रारूप की टैगिंग — डोमेन लेबल टेस्ट, वनडे, टी20 या किसी लीग तक पहुँचे। तीसरा, इकाई-समाधान — कम से कम एक खिलाड़ी और एक टीम नामित हो। चौथा, तारीख़ और टूर्नामेंट एंकर — स्पष्ट प्रकाशन तिथि और सीरीज़ विंडो। पाँचवाँ, स्रोत की ग्रेडिंग — आधिकारिक बोर्ड या आईसीसी बनाम एजेंसी बनाम सेल्फ-मीडिया, ताकि विश्वास की ऊपरी सीमा सही तय हो सके।

इस खेल का एक संस्करण है जिसे सिर्फ़ आंकड़ों ने देखा, और उसका पक्ष सुनना मेरा दायित्व है — लेकिन उस संस्करण को सुनने के लिए पहले यह तय करना होगा कि आंकड़े आए कहाँ से। जिस दिन यह पाइपलाइन ठीक होगी, उस दिन आठ आयाम फिर से खुलेंगे और शायद पहली बार कुछ कहेंगे। सवाल यह नहीं कि उस दिन हम क्या लिखेंगे। सवाल यह है — क्या हमारे पास उस दिन तक वह अनुशासन बचा रहेगा जो खाली फ़ाइल के सामने "N/A" लिखकर रुक जाता है?