जिस रिपोर्ट में कोई गेंद नहीं थी: क्रिकेट डेटा पाइपलाइन का ऑडिट

पुणे की डेस्क पर मेरी एक आदत है — कोई भी फ़ाइल पूरी खोलने से पहले मैं उसकी पहली छह पंक्तियाँ पढ़ता हूँ, क्योंकि डेटा की सच्चाई अक्सर पहले छह खानों में ही दिख जाती है। पिछले हफ़्ते जो फ़ाइल आई, उसमें छह में से पाँच खाने खाली थे। Information Points — खाली सूची। Core Viewpoints — हर उपखाना विरल। Entities Involved — वहाँ टेम्पलेट का एक वाक्य बचा था, “ऊपर दिए गए सूचना बिंदुओं से पहचानें”, जबकि ऊपर कोई सूचना बिंदु था ही नहीं। Time Sensitivity — आँका नहीं गया। Source Quality — स्रोत के फ़ील्ड से तय होगा, पर स्रोत का फ़ील्ड स्वयं N/A था।

एक ही खाना भरा था — Domain Label: cricket_asia। और वह भी उस स्पेसिफ़िकेशन से बाहर, जिसमें Cricket लिखा जाना चाहिए था।

यह वह लेख नहीं था जिसमें जानकारी कम थी। यह वह लेख था जिसमें जानकारी पहुँची ही नहीं — पहुँचा सिर्फ़ उसका पता। क्रिकेट में इस हालत का एक साफ़ नाम है: नो बॉल। गेंद फेंकी गई, अंपायर ने हाथ उठाया, और स्कोरकार्ड में कुछ दर्ज नहीं हुआ। फ़र्क़ बस इतना है कि नो बॉल पर कम से कम एक रन मिलता है; यहाँ एक लेबल मिला और बाक़ी सब बेकार।

इस डेस्क पर मेरी ट्रेनिंग ब्रॉडकास्ट स्कोरिंग से हुई है, और स्कोरिंग का पहला नियम यही है — जो गेंद दर्ज नहीं, वह हुई नहीं। 2026 के आईपीएल फ़ाइनल की रात मैंने हैदराबाद के राजीव गांधी स्टेडियम में मुंबई इंडियंस को 129/8 पर सिमटते देखा और फिर राइजिंग पुणे सुपरजायंट को एक रन से हारते देखा। उस रात मेरी अपनी शीट पर आख़िरी पाँच ओवरों की चौदह डॉट गेंदें दर्ज थीं — यही वह कच्चा आधार था जिससे मैंने प्रेशर इंडेक्स दोबारा खड़ा किया: ज़रूरी रन रेट, विकेट की प्रायिकता, और गेंदबाज़ की मैच-अप। मैंने तब तक जीत-प्रायिकता का कोई भी एकल आंकड़ा प्रकाशित नहीं किया, जब तक साठ मैचों की जाँच पूरी नहीं हुई।

एक साल बाद रूस में यही सबक महँगा पड़ा। 2026 विश्व कप के चौंसठ मैचों पर मैंने xG मॉडल दोबारा खड़ा किया और पाया कि वह लंबी दूरी के शॉट्स को ज़्यादा और सेट-पीस दबाव को कम तौल रहा था। फ़्रांस का क्रोएशिया पर 4-2 का फ़ाइनल साफ़ टेस्ट केस था: खुद का गोल और पेनल्टी का क्रम मॉडल की शॉट-क्वालिटी से समझाया ही नहीं जा सकता था। xG ऑडिट फ़ेल नहीं हुआ था; हमारा वैलिडेशन प्रोटोकॉल गायब था। तब से मेरा नियम सपाट है — कोई भी नया मीट्रिक मेरे कॉलम में तब तक नहीं घुसता, जब तक पचास मैचों का बैकटेस्ट और मैनुअल वीडियो जाँच पूरी न हो जाए।

2026 में खाली स्टेडियमों ने एक और बेसलाइन दी। खाली स्टेडियमों ने मुझे होम एडवांटेज को रस्म से अलग करना सिखाया। यूएई में खेले गए उस आईपीएल में मुंबई इंडियंस ने दिल्ली कैपिटल्स को हराया, और मैंने 2026 बनाम 2026 का वेन्यू-स्प्लिट, टॉस-इफ़ेक्ट और ओस का तुलनात्मक खाता तैयार किया। नतीजा यह निकला कि भीड़ का दबाव हटने से टॉस का फ़ायदा ख़त्म नहीं हुआ — सिर्फ़ रन बनाने का समय बदल गया। मैंने उस टूर्नामेंट को “न्यूट्रल” कहने से तब तक इनकार किया, जब तक वेन्यू, शेड्यूल और टीम-स्ट्रेंथ को अलग-अलग कंट्रोल न किया जाए।

कोई भी क्रिकेट रिपोर्ट दो चरणों से गुज़रती है। पहला चरण कच्चे लेख से सूचना बिंदु, दृष्टिकोण, इकाइयाँ और लेबल निकालता है; दूसरा चरण उन बिंदुओं पर विश्लेषण का ढाँचा बिठाता है। जो फ़ाइल मेरे पास पहुँची, वह पहले चरण का ख़ाली नतीजा थी। और लेबल होता क्या है, यह समझना ज़रूरी है — वह सामग्री के बारे में मेटाडेटा है, सामग्री नहीं। cricket_asia यह बताता है कि तंत्र किस कमरे की ओर देख रहा था; यह नहीं बताता कि कमरे में कौन था।

खाली पेलोड एक साफ़ नतीजा है, कमज़ोर नतीजा नहीं। जब आप प्रेशर इंडेक्स स्कोरर की शीट से दोबारा बनाते हैं, तो पहली जाँच यही होती है कि इनपुट मौजूद है या नहीं। जिस फ़ाइल में एक भी सूचना बिंदु न हो, वहाँ आठ में से आठ आयाम “अपर्याप्त जानकारी, आँका नहीं जा सकता” ही लौटाते हैं। फ़ॉर्मैट तय नहीं — इसलिए टेस्ट की घिसाई, वनडे की दो नई गेंदें और टी20 के पावरप्ले-मिडिल-डेथ चरणों में कोई भी व्याख्या अमान्य है। मैदान नहीं — इसलिए घरेलू बढ़त, पिच-टाइप और डीएलएस की प्रयोज्यता पर चुप रहना ही सही है। खिलाड़ी नहीं — इसलिए भूमिका की पहचान शुरू ही नहीं होती: ओपनर, एंकर, फ़िनिशर, तेज़, स्पिन, ऑलराउंडर, कीपर — इनमें से कुछ भी तय नहीं हो सकता। टीम नहीं — इसलिए रैंकिंग-आंदोलन और घरेलू-विदेशी अंतर का सबसे निर्णायक आयाम खुलता ही नहीं।

यहाँ असली ख़तरा मॉडल का नहीं, विश्लेषक का है। जिसने भी भारतीय क्रिकेट कवरेज में पाँच साल बिताए हैं, वह cricket_asia देखकर अपने-आप भरने लगता है — भारत-पाकिस्तान, आईपीएल नीलामी, एशिया कप, कुछ भी। अगर मैं लेबल से अनुमान लगा लेता, तो मेरा पूरा आउटपुट हॉल्युसिनेशन से अलग पहचाना ही नहीं जा सकता। पाइपलाइन की पुरानी ग़लती यह नहीं है कि वह कम बोलती है; पुरानी ग़लती यह है कि जब वह अनुमान लगाती है, तो उसे डेटा जैसा छाप दे देती है।

मान लीजिए स्रोत असली होता और उसमें वह 2026 का फ़ाइनल होता। मैं क्या माँगता? पहले तीस ओवरों की बॉल-बाय-बॉल शीट — हर गेंद की रन संख्या, बल्लेबाज़, गेंदबाज़, विकेट। फिर लक्ष्य, उपलब्ध विकेट और शेष ओवर। उसके बाद आख़िरी पाँच ओवरों की वे चौदह डॉट गेंदें अलग से चिह्नित, क्योंकि वही इंडेक्स की रीढ़ थीं। उस फ़ाइनल में कृणाल पांड्या के 47 रन ही मुंबई को 129 तक खींच लाए थे — बिना उस पारी की गेंद-दर-गेंद लागत जाने, 129 का कोई अर्थ नहीं निकलता। और अंत में टॉस, ओस, पिच की उम्र। इनमें से एक भी चीज़ न हो, तो इंडेक्स नहीं बनता। प्रॉवेनेंस कहानी है, फ़ुटनोट नहीं। जिस आंकड़े को गेंद तक वापस नहीं खींचा जा सकता, वह दशमलव वाली अफ़वाह है।

लेबल का ग़ैर-मानक होना अपने आप में संकेत है। जब स्पेसिफ़िकेशन Cricket माँगता है और नतीजा cricket_asia आता है, तो सवाल उठता है कि क्लासिफ़ायर किस आधार पर चला — शीर्षक, यूआरएल, कीवर्ड, या किसी पुराने बैच का अवशेष। और अगर उसी रन में दूसरी फ़ाइलें भी ख़ाली हैं, तो यह संपादकीय कमी नहीं, कॉन्फ़िगरेशन की ख़राबी है। एक ख़ाली पेलोड एक घटना है; उसी बैच में तीन ख़ाली पेलोड एक सिस्टम की गवाही हैं।

क्रिकेट कवरेज में जहाँ भी डेटा की कमी आती है, वहाँ नीलामी का पर्स भरने लगता है। यह सबसे पुरानी जगह है। नीलामी का दाम साल भर चलता है, संख्या लुभावनी होती है, और कीमत उत्पादन जैसी दिखने लगती है। इसलिए मेरा नियम सपाट है: ट्रांसफ़र फ़ीस से पहले मैं मिनट्स प्लेड का खाता देखता हूँ — यानी कीमत को तय विंडो के मापे गए आउटपुट के सामने रखता हूँ, भूमिका और उपयोग को कंट्रोल में रखकर, कभी अकेली रैंकिंग के तौर पर नहीं। जिस रिपोर्ट में भूमिका ही तय न हो, वहाँ नीलामी का कोई मूल्यांकन संभव नहीं — और यह फ़ाइल वही थी।

यही बात हीटमैप पर लागू होती है। भारतीय कवरेज में हीटमैप अब पढ़ने का सबसे लोकप्रिय ज़रिया है और सबसे कम जाँचा गया। रंगों का घनत्व बताता है कि खिलाड़ी कहाँ घूमा, यह नहीं बताता कि उससे क्या करने को कहा गया था। हीटमैप खिलाड़ी की भूमिका को सिस्टम के भीतर छिपा देता है; वह ज़ोन दिखाता है, ज़िम्मेदारी नहीं। जब तक ज़ोन के साथ वह टास्क दर्ज न हो जो उस ज़ोन में पूरा करना था, वह चित्र बयान है, माप नहीं।

बोर्ड को बीट की तरह कवर करने की आदत भी यहीं से आती है। पहुँच वाली पत्रकारिता आरामदेह होती है और संस्थागत सम्मान आसानी से मिल जाता है। लेकिन जब फ़ाइल में एक भी स्रोत-दस्तावेज़ न हो — कोई अधिकार-समझौता, कोई सर्कुलर, कोई राजस्व-हिस्से का आँकड़ा — तो बोर्ड पर एक वाक्य भी नहीं लिखा जा सकता। अधिकार-मूल्य, कैलेंडर नियंत्रण, राजस्व बँटवारा: ये तीनों दस्तावेज़ माँगते हैं, फुसफुसाहट नहीं।

जोखिम-मैट्रिक्स में उस रिपोर्ट का एकमात्र उच्च जोखिम खेल का नहीं था — विश्लेषण-प्रक्रिया का था। कोई चोट, कोई वर्कलोड, कोई फ़ॉर्म-ट्रांसफ़र चिह्नित नहीं किया जा सका, क्योंकि खिलाड़ी का नाम ही नहीं था। और यह भी बताना ज़रूरी है कि “जोखिम पहले” का नियम इसका उल्टा नहीं कहता — बिना नाम के चोट बताना उतनी ही बड़ी गढ़त है जितना बिना डेटा के रैंकिंग बताना।

कथा का आयाम भी ख़ाली रहा। जब संस्करण ने इकाइयाँ ख़ाली छोड़ीं, तो कोई भी कथा-लेबल नहीं बाँधा जा सका — न प्रतिद्वंद्वता, न वंश-निरंतरता, न नए सितारे का राजतिलक, न दिग्गज का विदाई-दृश्य। मेरे पेशे की मानक शंका, कि “अगला तेंदुलकर” या “अगला कोहली” वाले फ़्रेम बिना नमूने के बनते हैं, यहाँ लागू ही नहीं होती, क्योंकि परखने के लिए विषय ही नहीं था। जिस रिपोर्ट में कोई नाम न हो, वहाँ कथा-आलोचना भी अनुपस्थित रह जाती है — और यही कमी सबसे साफ़ बताती है कि सामग्री पहुँची ही नहीं थी।

ट्रांसमिशन मैप भी इसीलिए सक्रिय नहीं हुआ। ट्रांसमिशन विश्लेषण घटना-चालित होता है: उसे झटका चाहिए — कोई सौदा, कोई सितारा-विकास, कोई नियामक बदलाव। इनपुट में कोई घटना नहीं थी। इसलिए “दक्षिण एशिया वैश्विक क्रिकेट राजस्व का सबसे बड़ा हिस्सा है” जैसा सच भी मैंने निष्कर्ष में नहीं रखा — वह पृष्ठभूमि है, इस लेख से निकला नतीजा नहीं।

उलटा निष्कर्ष यह है कि यह ख़ाली फ़ाइल मॉडल की हार नहीं, प्रोटोकॉल की जीत है। एक कमज़ोर मॉडल भी ऐसी रिपोर्ट पैदा कर सकता था जो पढ़ने में भरी हुई लगती — साफ़ वाक्य, तीन आँकड़े, एक तस्वीर, और नीचे कोई ऑडिट-ट्रेल नहीं। हमारे उद्योग में ऐसी रिपोर्टें रोज़ बनती हैं। क्रिकेट कवरेज की असली समस्या ख़ाली डेटा नहीं है; असली समस्या वह डेटा है जो भरा हुआ दिखता है और जिसकी जड़ किसी गेंद तक नहीं पहुँचती। ब्रॉडकास्टर का ऑन-स्क्रीन ग्राफ़िक, एग्रीगेटर की तालिका, हीटमैप का रंग-घनत्व — इनमें से कोई भी मूल रिकॉर्ड नहीं देता। मैं ग्राफ़िक को उद्धृत नहीं करता; मैं उस रिकॉर्ड को उद्धृत करता हूँ जिससे ग्राफ़िक बना।

दूसरा उलटा पहलू सांत्वना का है। एक ख़ाली पेलोड कम से कम ईमानदार है। वह दावा नहीं करता। जो रिपोर्ट “अपर्याप्त जानकारी” कह सकती है, वह उस रिपोर्ट से ज़्यादा भरोसेमंद है जो हर खाना भर देती है और पाठक को यह बताने की ज़हमत भी नहीं उठाती कि कौन-सा खाना अनुमान से भरा गया था।

आगे क्या देखना है, यह साफ़ है। पहला संकेत — उसी कच्चे लेख के ख़िलाफ़ पहले चरण का दोबारा चलना, और उसमें सूचना बिंदुओं की सूची ख़ाली न हो। दूसरा — लेबल-टैक्सोनॉमी की जाँच, कि Cricket और cricket_asia का फ़र्क़ कहाँ से आया। तीसरा — उसी बैच की बाक़ी फ़ाइलों की गिनती, क्योंकि एक ख़ाली पेलोड दुर्घटना है और तीन नियम की गड़बड़ी। जिस दिन पहला चरण भरा हुआ लौटेगा, उस दिन आठों आयाम खुल जाएँगे। उस दिन तक सबसे ईमानदार वाक्य यही है: यह रिपोर्ट एक गेंद नहीं दिखा सकती, क्योंकि इसमें कोई गेंद थी ही नहीं।