जब मॉडल खाली लौटा: क्रिकेट डेटा की उस चुप्पी का ऑडिट जो पूरी रिपोर्ट से ज़्यादा खतरनाक है

फ़रवरी की एक सुबह, पुणे के उस बिना खिड़की वाले कमरे में जहाँ मैंने मुंबई का डेस्क छोड़कर मॉडल को ख़ामोशी दी थी, स्क्रीन पर एक क्रिकेट रिपोर्ट खुली। आठ हेडिंग। हर हेडिंग के नीचे टेबल। हर टेबल में पंक्तियाँ। हर पंक्ति में एक जवाब। मैच फ़ॉर्मेट से लेकर ब्रॉडकास्ट राइट्स तक, गेंदबाज़ी की इकोनॉमी से लेकर बोर्ड की गवर्नेंस तक — पूरा ढाँचा मौजूद था। हर जवाब एक ही था: "लागू नहीं — अपर्याप्त जानकारी।" जवाब जितनी बार दोहराया गया, उतनी बार दिमाग़ में एक ही सवाल उठा। दस्तावेज़ का वज़न शून्य था और उसका आकार पूरा। डर आकार से लगता है, वज़न से नहीं।

क्रिकेट के आँकड़ों पर पैंतीस साल की नज़र रखने के बाद एक बात साफ़ हो गई है। सबसे महँगी गलती वह नहीं होती जो बेतुकी दिखती है — बेतुकी गलती पकड़ी जाती है, मज़ाक बनती है, और किसी की कॉपी में दोबारा नहीं आती। सबसे महँगी गलती वह होती है जो पूरी दिखती है। जिसके हेडिंग सधे हुए हैं, जिसकी टेबलें भरी हुई लगती हैं, जिसे कोई उप-संपादक स्कैन करके आगे भेज देता है।

क्रिकेट की डेटा पाइपलाइन दो चरणों में चलती है, और यह समझना ज़रूरी है क्योंकि पूरा हादसा इन्हीं दो चरणों के बीच हुआ। पहला चरण किसी लेख के भीतर से तथ्य निकालता है — वे परमाणु इकाइयाँ जिन पर हर निष्कर्ष टिकता है: फ़ॉर्मेट का नाम, खिलाड़ी और उसकी भूमिका, टीम, वेन्यू, टॉस, मौसम, और हर वह संख्या जो लेख में शब्दशः लिखी हो। दूसरा चरण उन तथ्यों पर आठ आयामों की इमारत खड़ी करता है — फ़ॉर्मेट एनालिसिस, खिलाड़ी की तकनीक, टीम का परिदृश्य, लीग का कारोबार, नियम और गवर्नेंस, जोखिम, जन-नैरेटिव, और उद्योग तक का संचरण। पूरी इमारत पहले चरण के तथ्यों पर टिकी है।

मेरे पास जो दस्तावेज़ आया, उसका पहला चरण खाली लौटा — शून्य तथ्य, खाली शीर्षक, अनिश्चित स्रोत, बिना तारीख़। दूसरा चरण बिना रुके आगे बढ़ गया और आठों आयाम भर दिए, सब में एक ही जवाब। यही वह जगह है जहाँ क्रिकेट पत्रकारिता का पुराना बहस छिपा है। लेकिन इससे पहले कि हम उस बहस में घुसें, यह पूछना पड़ेगा कि पहला चरण खाली क्यों लौटा।

तीन संभावनाएँ हैं और तीनों की अपनी कीमत है। सबसे संभावित वजह तकनीकी है — लेख का मूल पाठ पकड़ में ही नहीं आया। पेवॉल, जावास्क्रिप्ट से बना पेज, बॉट-ब्लॉक, या आधा-अधूरा एचटीएमएल। दूसरी वजह स्कीमा की है — तथ्य बने भी हों तो वे उस फ़ील्ड में नहीं पहुँचे जहाँ से दूसरा चरण उन्हें पढ़ता है। तीसरी वजह सबसे कम संभावित है और सबसे ज़्यादा निराशाजनक: स्रोत में कुछ था ही नहीं — कोई प्लेसहोल्डर पेज, कोई फ़ोटो कैप्शन, किसी लाइव-ब्लॉग का खोखला स्टब।

स्कीमा में एक ख़राबी साफ़ दिखती है, और वह इस पूरे मामले का सबसे शिक्षाप्रद हिस्सा है। "एंटिटीज़ इन्वॉल्व्ड" फ़ील्ड में लिखा है — "ऊपर दिए इन्फॉर्मेशन पॉइंट्स से पहचानें।" जब इन्फॉर्मेशन पॉइंट्स ही शून्य हैं, तो यह निर्देश अपने ही आप पर लौटता है। यह स्पष्ट रूप से स्कीमा स्तर का दोष है, और खतरनाक इसलिए है क्योंकि यह हर खाली एक्सट्रैक्शन पर चुपचाप दोहराएगा। साथ में एक छोटी-सी विसंगति — डोमेन लेबल "क्रिकेट_वर्ल्ड" और घोषित लेबल "Cricket" — जो पहली नज़र में मामूली लगती है, पर डाउनस्ट्रीम रूटिंग में खाली जगहों से भी ज़्यादा नुकसान कर सकती है। गलत लेबल वाला दस्तावेज़ गलत डिब्बे में चला जाता है।

क्रिकेट में यह बात इसलिए मायने रखती है क्योंकि यहाँ हर वाक्य संख्या से बनता है। बल्लेबाज़ी औसत बिना फ़ॉर्मेट के अधूरा है, स्ट्राइक रेट बिना फ़ेज़ के झूठ है, गेंदबाज़ी इकोनॉमी बिना वेन्यू और इनिंग्स की स्थिति के बेमानी है। जिस पाइपलाइन की नींव खाली हो, वहाँ भरने का दबाव सबसे तेज़ होता है। और क्रिकेट में भरने का दबाव सबसे महँगा पड़ता है, क्योंकि यहाँ हर संख्या सत्यापन-योग्य होती है।

मेरे पास जो दस्तावेज़ आया, उसका सबसे चुभने वाला हिस्सा उसकी ईमानदारी थी। उसने मना नहीं किया, एरर भी नहीं दिया। उसने "लागू नहीं" लिखा — एक वैध, व्याकरणिक रूप से सही, संरचनात्मक रूप से सुसंगत जवाब। इंजीनियरिंग की भाषा में इसे फेल-ओपन कहते हैं: सिस्टम विफल होता है, लेकिन विफलता को विफलता की तरह नहीं दिखाता। इसके उलट फेल-लाउड है, जहाँ सिस्टम चीखकर रुक जाता है और कहता है — मैं पढ़ नहीं पाया। फेल-ओपन ज़्यादा खतरनाक है, क्योंकि डाउनस्ट्रीम के पास "कुछ नहीं मिला" और "कुछ है ही नहीं" के बीच फ़र्क़ करने का कोई ज़रिया नहीं बचता। दोनों एक ही आकार में आते हैं।

अगली कड़ी का असली सवाल यह नहीं है कि खाली रिपोर्ट ग़लत है; सवाल यह है कि खाली रिपोर्ट पूरी रिपोर्ट जैसी दिखती है। जो उप-संपादक सिर्फ़ हेडिंग स्कैन करता है, वह आठ आयामों वाला एक तैयार विश्लेषण देखता है और उसे आगे भेज देता है। लेखक हो या मॉडल, दोनों के भीतर एक मशीन बैठी है जो खाली जगह देखकर कहानी भर देती है। और क्रिकेट में यह दबाव सबसे भारी है, क्योंकि यहाँ संख्याएँ इतनी यादगार होती हैं कि एक बार छाप दी जाएँ तो सालों तक उद्धरण में घूमती रहती हैं।

मैंने इसी दबाव से दूरी बनाने के लिए एक आदत बनाई थी। मार्च 2026 में मैंने अपने ग्राहकों को बताया था कि जर्मनी ग्रुप स्टेज से आगे नहीं जाएगा। उस दावे के पीछे कोई मिज़ाज-कथा नहीं थी, एक संख्या थी — जर्मनी का प्रेसिंग मीट्रिक 2026 विश्व कप के 8.7 से बढ़कर 2026 क्वालिफ़ायर में 12.4 हो गया था। दबाव कम, बैक फ़ोर के आगे जगह ज़्यादा। 27 जून को कज़ान में दक्षिण कोरिया ने उन्हें 2-0 से हराया और वे ग्रुप F में सबसे नीचे रहे। अगली सुबह मैंने अपना टाइमस्टैम्प वाला नोट बिना किसी संपादन के दोबारा छापा।

उस आदत ने लिखने को सीधा बना दिया: विशेषण कम, एरर बार ज़्यादा, और हर बार उन चरों की सूची जो मॉडल नहीं देख सकता। यही आदत इस दस्तावेज़ पर भी लागू होती है। विश्लेषण ने साफ़-साफ़ लिखा है: इसकी रेटिंग खेल मूल्य में एक तारा, उद्योग मूल्य में एक तारा, समय-प्रासंगिकता में एक तारा। जो एक चीज़ दो तारे पाती है वह संदर्भ मूल्य है — यह दस्तावेज़ एक फेल्योर मोड का नमूना है। यह मापदंड भरोसेमंद है, क्योंकि यह अपनी ही कमज़ोरी को नाम देता है और खुद को "विश्लेषित" नहीं, "एक्सट्रैक्शन विफल" टैग करने की सलाह देता है।

2026 में जब कोविड के बाद खेल बंद हुआ तो मेरी आमदनी भी रुक गई। मैंने तीन विश्लेषकों को आधे वेतन पर रखा और उनसे 2026 से दर्शकों के बिना या तटस्थ वेन्यू पर खेले गए 410 मैच जुटाने को कहा। बुंडेसलीगा के मई में शुरू हुए मैचों ने जीवित प्रमाण दे दिया: पहले 55 मैचों में घरेलू जीत की दर 43% से गिरकर 26% हो गई। जून में मैंने संदर्भ-समायोजित मॉडल भेज दिया और फिर यूएई में हुए आईपीएल में घरेलू लाभ के बजाय ओस की कीमत तय की — उस सीज़न के 60 में से क़रीब 62% मैच पीछा करने वाली टीमों ने जीते।

यह संख्या — 43 से 26 तक — अपने आप में कुछ नहीं है। यह तब अर्थ पाती है जब उसके साथ नमूना, वेन्यू-संदर्भ और समय-सीमा घोषित हो। बिना उन तीन के यह एक बहुत ही आकर्षक झूठ है। क्रिकेट में यही समस्या सबसे तेज़ी से फैलती है — संख्या सही, संदर्भ ग़ायब। और जिस पाइपलाइन ने अभी-अभी शून्य तथ्यों पर आठ आयाम भर दिए, उसमें संदर्भ-गुणांक की उम्मीद करना बेमानी है।

फरवरी 2026 में आईपीएल मेगा नीलामी के लिए मैं बेंगलुरु गया था, एक ऐसे बोर्ड के साथ जो खिलाड़ियों का दाम प्रति-करोड़ प्रभाव से तय करता था, प्रतिष्ठा से नहीं। उस बोर्ड ने ईशान किशन की मुंबई को 15.25 करोड़ की बोली को 35% अधिक भुगतान करार दिया, और लियाम लिविंगस्टोन की पंजाब को 11.5 करोड़ की बोली को दिन की सबसे बेहतर खरीद बताया; उस सीज़न लिविंगस्टोन ने 182 की स्ट्राइक रेट से रन बनाए। मैंने वह बोर्ड एक फ़्रैंचाइज़ी के बैकरूम को इस शर्त पर लाइसेंस किया कि मेरा नाम नहीं आएगा — और अधिक-भुगतान वाली सूची फिर भी छाप दी। यह सब इसलिए लिख रहा हूँ क्योंकि इस दस्तावेज़ का असली पाठ उसी परंपरा से आता है। जो आदमी अपनी खुद की ग़लतियों की मासिक सूची छापता है, वही यह माँग कर सकता है कि पाइपलाइन खाली लौटने पर चीखे, चुप न रहे।

अब ठोस सुधार की बात, क्योंकि शिकायत के बाद कुछ न करना भी उसी फेल-ओपन संस्कृति का हिस्सा है। दस्तावेज़ ने जो सबसे सस्ता और सबसे असरदार कदम सुझाया है, वह यह है: अगर तथ्य तीन से कम हैं या शीर्षक शून्य है, तो पाइपलाइन आगे न बढ़े — मैनुअल ट्रायाज में जाए। यह एक लाइन का नियम है, लेकिन यह पूरे आठ-आयामी ढाँचे को बचाता है। इसके साथ एंटिटीज़ को पहले चरण का आउटपुट बनाया जाए, दूसरे चरण का अनुमान नहीं। और डोमेन लेबल की विसंगति को सामान्यीकृत किया जाए।

भारतीय क्रिकेट की कवरेज पर इसका असर सीधा है। बोर्ड का पैसा वैश्विक कैलेंडर तय करता है और कवरेज उसी पैसे का पीछा करती है — फ़्रैंचाइज़ी बीट, नीलामी चक्र, राइट्स डील। डेटा डेस्क ने टैक्टिकल बहस सालों पहले जीत ली थी; कमेंट्री बॉक्स आख़िरी पड़ाव है जो अब भी आँख के तजुर्बे और माइलस्टोन पर बहस करता है। लेकिन अगली लड़ाई बाहर नहीं, अंदर है। जिस देश के क्रिकेट में टेस्ट मैच हाउसफुल होते हैं, वहाँ रणजी की प्रासंगिकता और उसकी कवरेज मर चुकी है — यानी राष्ट्रीय टीम के नीचे का डेटा-फ़र्श ही खोखला है। भारत की दूसरी पसंद की टीम बनना दुनिया के खेलों में सबसे मुश्किल काम है, और यह चयन की समस्या है, प्रतिभा की नहीं। अगर उस फ़र्श पर चलने वाली पाइपलाइन खाली लौटकर भी पूरी दिखती है, तो सेकंड इलेवन की बहस हमेशा अधूरी रहेगी — क्योंकि जिस आदमी को आँकड़े नहीं मिले, वह कहानी लिख देगा।

यहाँ उलटा तर्क यह है कि मॉडल के ग़लत होने का डर पुराना है, और उस डर से उद्योग ने बहुत सी अच्छी चीज़ें सीखीं — क्रॉस-वैलिडेशन, नमूना आकार, संदर्भ गुणांक। असली खतरा ग़लत मॉडल नहीं है। असली खतरा खाली मॉडल है जो भरा हुआ दिखता है। ग़लत नतीजा बहस को जन्म देता है; खाली नतीजा बहस को ख़त्म कर देता है, क्योंकि बहस करने के लिए कोई दावा ही नहीं बचता।

दूसरा उलटा कोण इस दस्तावेज़ की अपनी चेतावनी में छिपा है। जब टेम्पलेट खाली दिखे तो उसे भरने की जो प्रवृत्ति है, वही प्रवृत्ति सौ साल से क्रिकेट लेखन को माइलस्टोन-केंद्रित बनाए हुए है। रिक्त स्थान कभी खाली नहीं रहता — उसमें कहानी भर जाती है। "दबाव में लड़खड़ा गया," "बड़े मौकों का खिलाड़ी है," "टीम की मानसिकता कमज़ोर है" — ये सब खाली जगह के भराव हैं, आँकड़े नहीं। इन वाक्यों में कोई तंत्र नहीं होता, इसलिए इन्हें ग़लत साबित भी नहीं किया जा सकता। यही इनकी ताक़त है और यही इनका खतरा।

मेरे जैसे लोगों का अपना जाल अलग है और उसे नाम देना ज़रूरी है। पैंतीस साल की साख और फ़िट होता हुआ एक रिग्रेशन इंसान को ज़्यादा भरोसेमंद बना देता है, और फिर वह उन चरों की सूची लिखना भूल जाता है जो मॉडल नहीं देख सकता। इसलिए मैं हर टुकड़े में कॉन्फ़िडेंस इंटरवल छापता हूँ और हर विरोधाभासी दावे के साथ उसका बेस रेट भी। जर्मनी 2026 के बाद हर टूर्नामेंट में "अब किसका पतन होगा" ढूँढ़ना आसान है; बेस रेट के बिना वह विश्लेषण नहीं, आदत है। और तिमाही में एक रिपोर्टिंग दौरा मैंने अपने लिए अनिवार्य रखा है, ताकि बिना खिड़की वाला कमरा कभी किला न बन जाए।

अगली बार जब कोई क्रिकेट रिपोर्ट आपके सामने आए, तो हेडिंग मत गिनिए — पहले यह देखिए कि उसमें कितने तथ्य शब्दशः लिखे हैं और उनकी तारीख़ क्या है। जिस दिन उद्योग "एक्सट्रैक्शन विफल" को "विश्लेषण पूर्ण" से अलग टैग करना सीख जाएगा, उस दिन क्रिकेट का डेटा भरोसे लायक हो जाएगा। तब तक एक सवाल लटका रहेगा, और वह सवाल किसी एक पाइपलाइन का नहीं है: अभी जो संख्याएँ छप रही हैं, उनमें से कितनी ऐसी हैं जो असल में "लागू नहीं" थीं, और जिन्हें डेटा का लिबास पहना दिया गया?