पूरी दिखने वाली रिपोर्ट, शून्य तथ्य: क्रिकेट डेटा पाइपलाइन की खाली बैलेंस शीट

बेंगलुरु के ऑक्शन रूम से जो स्प्रेडशीट मैं हर बार खोलता हूँ, उसका पहला नियम सीधा है — हर संख्या के साथ उसका हर (denominator) लिखा जाएगा।

पिछले हफ्ते मेरे सामने एक अलग शीट आई। स्टेज-1 डीकंस्ट्रक्शन की रिपोर्ट। टेबल पूरी बनी हुई थी — फॉर्मेट, मैच फेज़, प्लेयर टेक्नीक, टीम लैंडस्केप, लीग इकोनॉमिक्स, गवर्नेंस, रिस्क मैट्रिक्स, नैरेटिव साइकल। हर पंक्ति में एक ही जवाब लिखा था: N/A — अपर्याप्त जानकारी। और सबसे नीचे, एक ही खाना भरा हुआ था: Domain Label — cricket_asia।

यह दस्तावेज़ पूरा दिखता है। पेशेवर दिखता है। इसमें एक भी तथ्य नहीं है।

समझिए यह मशीन कैसे चलती है। क्रिकेट कवरेज अब दो चरणों में बनती है। पहला चरण कच्चे टेक्स्ट से परमाणु तथ्य निकालता है — शीर्षक, स्रोत, फॉर्मेट, खिलाड़ी, आंकड़े, स्टैंड। दूसरा चरण उन तथ्यों पर विश्लेषण का ढांचा खड़ा करता है।

जब पहला चरण खाली लौटता है, तो दूसरा चरण अपनी गलती नहीं मान सकता। ढांचा तो पहले से तैयार है — आठ डाइमेंशन, हर डाइमेंशन में चेकलिस्ट, हर चेकलिस्ट में खाने। नतीजा यह होता है कि एक ऐसी रिपोर्ट तैयार हो जाती है जिसमें हर पंक्ति भरी हुई लगती है, और हर पंक्ति खाली होती है।

क्रिकेट में यह खतरा बाकी खेलों से ज्यादा है। वजह आकार है। दक्षिण एशिया में क्रिकेट कवरेज का वॉल्यूम इतना बड़ा है कि सेल्फ-मीडिया, एग्रीगेटर और रीपोस्ट पाइपलाइन का बड़ा हिस्सा बन चुके हैं। इनका ओवरहाइप कोएफिशिएंट बोर्ड या वायर-सर्विस कंटेंट से कई गुना ऊपर है। जब स्रोत का नाम ही N/A हो, तो यह कोएफिशिएंट कैलिब्रेट ही नहीं हो सकता। यानी जिस चीज़ के लिए विश्लेषण लिखा गया, उसी की विश्वसनीयता नापने का पैमाना गायब है।

यहाँ असली बात शुरू होती है, और यह क्रिकेट की नहीं, सूचना की है।

खाली दिखने वाली रिपोर्ट से ज्यादा खतरनाक वह रिपोर्ट है जो भरी हुई दिखती है। जो फाइल साफ़ तौर पर फेल हो जाती है, उसे कोई आगे नहीं भेजता। जो फाइल संरचनात्मक रूप से सही दिखती है, उसे कोई रोकता नहीं। और अगर उसे रोका न गया, तो अगला कदम फैब्रिकेशन है — मैच का नैरेटिव, खिलाड़ी का आंकड़ा, टीम की रैंकिंग, सब बनावटी।

इसका सबसे तीखा रूप है सबूत-की-अनुपस्थिति का जाल। रिपोर्ट में इंटीग्रिटी, इंजरी और गवर्नेंस के खाने खाली हैं। पाइपलाइन इसे "कोई जोखिम नहीं" पढ़ लेती है। यह गलत है। खाली खाने का मतलब है "जांच नहीं हुई" — "जांच में साफ़ निकला" नहीं। क्रिकेट में यह फर्क जान का है। ACU (ICC Anti-Corruption Unit) की निगरानी, NOC विवाद, सेंट्रल कॉन्ट्रैक्ट टकराव — इनमें से कोई मुद्दा तब तक मौजूद नहीं माना जा सकता जब तक स्रोत में लिखा न हो। और उसी तर्क से, इन्हें खारिज भी नहीं किया जा सकता।

इलाज तकनीकी है और सस्ता है: तीन-अवस्था वाला स्कीमा। हर खाने को तीन में से एक मान मिले — जांचा और साफ़, जांचा और जोखिम, या जांचा ही नहीं गया। आज की पाइपलाइन दो अवस्थाओं में सोचती है, भरा या खाली। तीसरी अवस्था के बिना खाली खाना अपने आप "क्लियर" बन जाता है।

दूसरी फॉल्ट लाइन है फॉर्मेट गेटिंग। टेस्ट, वनडे और टी20 के आंकड़े एक-दूसरे में बदले नहीं जा सकते। टी20 में सात से नीचे की इकॉनमी शानदार है; 30 ओवर के खेल में वही गेंदबाज लायबिलिटी है। अगर दोबारा एक्सट्रैक्शन की जल्दबाजी में फॉर्मेट का खाना गिर जाए, तो नीचे की हर तुलना चुपचाप गलत हो जाती है — और चुपचाप, क्योंकि रिपोर्ट में कोई एरर मैसेज नहीं आएगा।

तीसरी बात, जिसे आईपीएल के 18 सीज़न बाद भी डेस्क नहीं मानती: कीमत और मूल्य दो अलग चीजें हैं। ऑक्शन में जो चुकाया गया, वह बाज़ार का पाठ है। खिलाड़ी की असली वैल्यू मॉडल का नतीजा है। दोनों को एक ही कॉलम में डाल देना वह आदत है जिससे "करोड़ों का फ्लॉप" जैसी सुर्खियां बनती हैं। हर आंकड़े का हर लिखना ज़रूरी है — प्रति सीज़न, प्रति मैच, प्रति गेंद।

एशिया में एक और बारीकी है। होम/अवे स्प्लिट। इस क्षेत्र में घरेलू लाभ दुनिया में सबसे साफ़ दिखता है। यानी घर के आंकड़े किसी कमजोरी को ढक सकते हैं। जिस रिपोर्ट में वेन्यू ही तय न हो, वह इस छिपाव को पकड़ ही नहीं सकती।

और एक प्रक्रिया-चेतावनी: बैच कंटैमिनेशन। क्लासिफिकेशन चला, एक्सट्रैक्शन खाली लौटा — यह अकेली खराबी नहीं, साझा पार्सिंग घटक की खराबी है। उसी खिड़की में बनी बाकी फाइलें भी उसी बीमारी के साथ पैदा हुई होंगी।

लेबल की सीमा भी देखिए। cricket_asia एक भौगोलिक रूटिंग टैग है, किसी प्रॉपर्टी का नाम नहीं। यह बताता है कि सामग्री एशियाई क्रिकेट की है; यह नहीं बताता कि एशिया कप है, कोई द्विपक्षीय सीरीज़ है, या आईपीएल। इसी फर्क से तय होता है कि विश्लेषण का वजन टूर्नामेंट-फॉर्मेट पर जाएगा या कमर्शियल साइकल पर।

मैं गलत भी हो सकता हूँ, और यह लिखना मेरी आदत है।

पहली संभावना: यह सिर्फ प्लंबिंग की गड़बड़ है। टेक्स्ट इनजेशन फेल हुआ, बस इतना। इसमें मीडिया-आलोचना ढूंढ़ना ज़्यादती हो सकती है। मान लीजिए स्रोत लेख वाकई तटस्थ और तथ्य-रहित था — तब खाली आउटपुट सही आउटपुट है, और मेरी पूरी बेचैनी बेकार है।

दूसरी संभावना ज्यादा असहज है: गड़बड़ मशीन में नहीं, दर्शक में है। हम भरोसेमंद दिखने वाले आउटपुट को इनाम देते हैं। जो रिपोर्ट साफ़-सुथरी टेबल, मजबूत शब्दावली और आठ डाइमेंशन दिखाती है, उसे हम शेयर करते हैं। जो रिपोर्ट कहती है "मुझे नहीं पता", उसे हम स्क्रॉल कर जाते हैं। मैंने भीड़ का शोर म्यूट किया, तब प्रोडक्ट ने खुद को पेश किया — और वह प्रोडक्ट आत्मविश्वास था, जानकारी नहीं।

मेरा अपना निशान यही है। 20 फरवरी 2026 को बेंगलुरु ऑक्शन में बेन स्टोक्स 14.5 करोड़ में राइजिंग पुणे सुपरजायंट के पास गए थे। मैंने मॉडल बनाया कि यह कीमत बाज़ार का सही पाठ है, और पुणे फाइनल तक गई — जहां मुंबई इंडियंस एक रन से जीती। उस पीस को 1,80,000 रीड मिले, और साथ में एक करेक्शन भी — रिटेंशन नियमों पर मेरी गलती। मैं बार्गेन की तारीफ करने आया था, बैलेंस शीट पढ़कर लौटा। उसके बाद मैंने नंबरों के लिए अलग फैक्ट-चेकर रखा।

तो अगली बार जब कोई क्रिकेट एनालिसिस पूरा-पूरा भरा हुआ दिखे, तीन सवाल पूछिए। फॉर्मेट कहाँ लिखा है? हर कहाँ लिखा है? और जो खाना खाली है, वह "साफ़" है या "जांचा ही नहीं गया"?

मेरा अनुमान, 70 फीसदी भरोसे के साथ: अगले बड़े टूर्नामेंट साइकल तक कम से कम एक बड़ा आउटलेट ऐसा वैल्यूएशन मॉडल छापेगा जिसमें कोई हर नहीं होगा। वह मॉडल उस दिन पूरा दिखेगा। बस बैलेंस शीट शून्य पर बैलेंस होगी।