खाली कोशिका और हरी बत्ती: क्रिकेट डेटा में एक गायब कॉलम 'शून्य जोखिम' कैसे बन जाता है

सोमवार की सुबह मेरी मेज़ पर 47 पंक्तियों वाली एक फ़ाइल खुली थी। आठ खंड, हर खंड में तीन-चार उप-तालिकाएँ, और लगभग हर कोशिका में एक ही वाक्य ठसा हुआ था — "N/A – अपर्याप्त जानकारी, आकलन संभव नहीं।" शीर्षक के खाने में "N/A" था। स्रोत के खाने में "N/A / अपरिभाषित"। सूचना बिंदुओं की सूची खाली। और इकाइयों वाले खाने में एक हिदायत छपी थी: "ऊपर दिए गए सूचना बिंदुओं से पहचानें" — जबकि ऊपर कुछ भी नहीं था।

इक्कीस साल की उम्र में मैंने आईएसएल के एक पूरे सीज़न के 1,842 शॉट हाथ से कोड किए थे, ब्रॉडकास्ट रीप्ले फ़्रीज़-फ़्रेम करके, क्योंकि भारतीय फ़ुटबॉल के लिए कोई सार्वजनिक एक्सपेक्टेड-गोल्स मॉडल मौजूद नहीं था। उस वक़्त मुझे लगा था कि डेटा का सबसे बड़ा दुश्मन अभाव है। ग़लत। सबसे बड़ा दुश्मन वह खाली खाना है जिसे सिस्टम पढ़कर घोषित कर देता है: यहाँ कोई जोखिम नहीं।

यह दस्तावेज़ किसी मैच की रिपोर्ट नहीं था। यह दो-चरणीय विश्लेषण पाइपलाइन का दूसरा चरण था। पहला चरण किसी लेख को तोड़कर उसमें से "सूचना बिंदु" निकालता है — यानी वे दावे जिन्हें जाकर जाँचा जा सके। साथ में इकाइयाँ (कौन-सा खिलाड़ी, कौन-सी टीम, कौन-सा बोर्ड), कोर दृष्टिकोण, समय-संवेदनशीलता और स्रोत-गुणवत्ता की श्रेणी। दूसरा चरण उसी पैकेट पर आठ आयामों का विश्लेषण खड़ा करता है — प्रारूप और मैच, खिलाड़ी तकनीक, टीम परिदृश्य, लीग अर्थव्यवस्था, नियम-शासन, जोखिम, सार्वजनिक कथा, और उद्योग संचरण।

स्रोत-गुणवत्ता श्रेणी का मतलब सीधा है: दावा कहाँ से आया — बोर्ड की विज्ञप्ति, बाइलाइन वाले पत्रकार, सामान्य मीडिया, या एग्रीगेटर। यह श्रेणी तय करती है कि उस दावे को कितना भार दिया जाए। और यही श्रेणी इस पैकेट में कभी भरी ही नहीं गई।

अब भारतीय क्रिकेट की डेटा-सप्लाई चेन देखिए, क्योंकि यह पूरी घटना उसी की छोटी तस्वीर है। पिरामिड के सबसे ऊपर आईपीएल बैठता है — 2026 से लेकर अब तक की लगभग 11 लाख डिलीवरीज़, हर गेंद दर्ज, हर गेंद पर टिप्पणी, हर गेंद साल भर बाद भी खोजी जा सकती है। मैंने वह आर्काइव 2026 के लॉकडाउन में खुद स्क्रैप और साफ़ किया था, ग्यारह सीज़न, एक-एक डिलीवरी। नीचे रणजी ट्रॉफी है, विजय हजारे है, सैयद मुश्ताक अली है — तीनों में रिकॉर्ड आंशिक है, टुकड़ों में है, और अक्सर स्कोरकार्ड से आगे कुछ नहीं।

यही असमानता पैदा करती है वह आदत जिसकी तरफ़ कोई ध्यान नहीं देता। जहाँ डेटा पूरा है, वहाँ मॉडल बनते हैं। जहाँ डेटा अधूरा है, वहाँ मॉडल नहीं बनते — वहाँ खाली खाने बनते हैं, और खाली खानों को चुपचाप शून्य पढ़ लिया जाता है। खाली डिब्बा और "जोखिम नहीं" — ये दो अलग-अलग चीज़ें हैं, और भारतीय क्रिकेट की हर बेंच-स्ट्रेंथ बहस इन दोनों को एक ही समझकर लड़ी जाती है।

पैकेट को अंदर से पढ़िए। आठों आयाम खाली हैं — लेकिन खाली होने का ढंग एक जैसा है। यह संयोग नहीं है। "N/A" के साथ जो कारण-वाक्य छपे हैं, वे लेख-विशिष्ट नहीं, टेम्पलेट हैं। कहीं लिखा है "टेस्ट / वनडे / टी20 / द हंड्रेड तय नहीं किया जा सकता।" कहीं लिखा है "कोई ओवर, सत्र या पारी-डेटा नहीं दिया गया।" कहीं लिखा है "कोई खिलाड़ी कहीं नामित नहीं है।" एक असली लेख के खाली विश्लेषण में ऐसे वाक्य नहीं आते। असली लेख के खाली विश्लेषण में यह आता है कि लेख किस बारे में था पर उसमें दावे कम थे। यहाँ वह भी नहीं है।

यह पैकेट एक विफलता का फ़िंगरप्रिंट है, और विफलता कहीं ऊपर हुई है। शीर्षक खाली, स्रोत खाली, सूचना बिंदु शून्य। इन तीनों के एक साथ खाली होने का सबसे सरल और सबसे संभावित कारण यह है कि मूल लेख को कभी पढ़ा ही नहीं गया — एक्सट्रैक्शन का चरण चला ही नहीं, या चला और बिना नतीजे के लौट आया। लेख शायद वजूद में था। उसे देखने वाला कोई नहीं था।

पूरे दस्तावेज़ में एक ही खाना भरा हुआ था — एक मशीन-लेबल: cricket_asia। यह क्षेत्रीय बकेट है, विश्लेषणात्मक सामग्री नहीं। यह कहता है कि लेख संभवतः एशियाई क्रिकेट बाज़ार या एशियाई राष्ट्रीय टीम से जुड़ा था। लेकिन यह जानकारी लेबल की संपत्ति है, लेख की नहीं। और यहीं सबसे ख़तरनाक आदत शुरू होती है: एक भूगोल-लेबल से निष्कर्ष निकाल लेना। "एशियाई परिस्थितियाँ।" "उपमहाद्वीपीय स्पिनर।" "एशिया में टॉप-ऑर्डर का दबाव।" ये तीनों वाक्य उस लेबल से निकल नहीं सकते, और क्रिकेट की हर चर्चा में ये तीनों रोज़ निकाले जाते हैं।

अब वह हिस्सा, जिसकी वजह से मैं यह लिख रहा हूँ। दस्तावेज़ में एक जोखिम-मैट्रिक्स है। छह पंक्तियाँ — खेल-संबंधी, कार्मिक, वाणिज्यिक, नियम-सत्यनिष्ठा, जनमत, प्रणालीगत। छहों में स्तर "N/A"। छहों में संभावना "N/A"। छहों में प्रभाव "N/A"। और नीचे एक पंक्ति: "समग्र जोखिम रेटिंग: N/A – रेट नहीं की जा सकती।"

यह ईमानदार जवाब है, और यह बिल्कुल सही ईमानदार जवाब है। लेकिन उसी दस्तावेज़ में आगाह भी किया गया है — और वह चेतावनी इस पूरे प्रकरण का सबसे उपयोगी वाक्य है — कि अगर यह खाली पैकेट किसी स्वचालित डाउनस्ट्रीम पाइपलाइन में चला गया, तो झूठी "सब ठीक" बत्ती जलने का जोखिम ठोस है। मैं इसे दोहराऊँगा क्योंकि यही असली ख़बर है: छह खाली पंक्तियाँ डैशबोर्ड पर हरी बत्ती बन जाती हैं।

क्रिकेट में इसका एक साफ़ उदाहरण है, और वह रोज़ का है। एक घरेलू तेज़ गेंदबाज़ का डेथ-ओवर स्पेल लीजिए जो रणजी के स्कोरकार्ड में दर्ज ही नहीं है क्योंकि उस मैच का बॉल-बाय-बॉल कभी दर्ज नहीं हुआ। उसका डेथ इकॉनमी रेट शून्य नहीं है। उसका डेथ इकॉनमी रेट अज्ञात है। लेकिन जब नीलामी की मेज़ तैयार होती है, तो यह अंतर मिट जाता है — दोनों एक ही कॉलम में बैठ जाते हैं, और कॉलम का शीर्षक होता है "डेथ ओवर्स"। जिस खिलाड़ी के पास आंकड़ा है, वह उस आंकड़े से मापा जाता है। जिसके पास आंकड़ा नहीं है, वह उस आंकड़े से भी मापा जाता है। यह भेदभाव नहीं, डेटा-संरचना की ग़लती है — और डेटा-संरचना की ग़लती हर बार उसी के ख़िलाफ़ जाती है जिसके पास कोई रिकॉर्ड रखने वाला नहीं था।

2026 में जब मैं ग्यारह आईपीएल सीज़न की लगभग 11 लाख डिलीवरीज़ पर काम कर रहा था, तब मेरी पहली स्क्रैप में हज़ारों ऐसी पंक्तियाँ थीं जिनमें कुछ खाने खाली थे — गेंदबाज़ी का कोण, शॉट की दिशा, फ़ील्डर का नाम। उस वक़्त का सबसे आसान रास्ता यह था कि उन खाली खानों को शून्य से भर दिया जाए और तालिका पूरी दिखे। मैंने वह नहीं किया, और उसका कारण तकनीकी नहीं, अनुशासन का था। जिस पंक्ति में कोण दर्ज नहीं है, वह पंक्ति उस मॉडल में नहीं गिनी जा सकती जो कोण पर चलता है। आप उसे शून्य नहीं कह सकते, क्योंकि शून्य एक माप है और खाली जगह एक अनुपस्थिति। जो ट्रेंड लगता है, वह अक्सर एक गायब कॉलम का भेस होता है।

यह import क्रिकेट के हर स्तर पर दोहराया जाता है। आईपीएल में यह लगभग कभी नहीं दिखता, क्योंकि वहाँ कॉलम भरे हुए हैं। रणजी में यह हर हफ़्ते दिखता है। भारत की बेंच-स्ट्रेंथ पर हर सीज़न वही बहस चलती है — कौन तैयार है, कौन नहीं, किसे ऑस्ट्रेलिया भेजा जाए, किसे घरेलू क्रिकेट में छोड़ दिया जाए। बहस के दोनों तरफ़ के लोग अपने-अपने आंकड़े लहराते हैं। लेकिन उन आंकड़ों का एक बड़ा हिस्सा आईपीएल से आता है, और जो खिलाड़ी आईपीएल नहीं खेलते उनका कोई तुलनीय आंकड़ा मौजूद ही नहीं है। तो तुलना वास्तव में दो खिलाड़ियों के बीच नहीं होती; वह एक भरे हुए कॉलम और एक खाली कॉलम के बीच होती है। और खाली कॉलम हमेशा हारता है।

इसका मतलब यह नहीं कि चयनकर्ता ग़लत हैं। इसका मतलब यह है कि जिस सवाल को हम खेल-कौशल का सवाल समझ रहे हैं, वह असल में डेटा-संग्रह का सवाल है, चयन का नहीं। भारत की बेंच-स्ट्रेंथ बहस एक सेलेक्शन समस्या के भेस में छिपी हुई डेटा-संग्रह समस्या है। जिस दिन विजय हजारे और सैयद मुश्ताक अली का बॉल-बाय-बॉल रिकॉर्ड उसी तरह सार्वजनिक हो जाएगा जिस तरह आईपीएल का है, उस दिन आधी बहसें अपने आप ख़त्म हो जाएँगी — क्योंकि उनका ईंधन ही ख़त्म हो जाएगा।

यहाँ एक और बात जोड़नी ज़रूरी है, क्योंकि इसी जगह मॉडल बनाने वाले फिसलते हैं। छोटे नमूने पर मॉडल चलाना तकनीकी रूप से मुमकिन है — 40 गेंदों का एक फ़ेज़-स्प्लिट आप आज दोपहर तक बना सकते हैं, टूल आपकी मेज़ पर खुले हैं। सवाल यह है कि क्या वह नमूना उस निष्कर्ष को उठा सकता है जो आप उससे निकालना चाहते हैं। मेरी अपनी शर्त साफ़ है: नतीजा लिखने से पहले नमूने का आकार और भरोसे का स्तर लिखो, और जहाँ n बहुत पतला है वहाँ मॉडल से इनकार कर दो। यही शर्त 47 पंक्तियों वाली उस फ़ाइल पर भी लागू होती है। वहाँ n शून्य है। वहाँ मॉडल बनाना सिर्फ़ ग़लत नहीं, बेतुका होगा।

तो अब उस पल की तरफ़ लौटिए जब एक विश्लेषक के सामने पूरी तरह खाली पैकेट आता है। दो रास्ते हैं। पहला: यह कहना कि मॉडल विफल रहा, एआई कमज़ोर है, पाइपलाइन टूटी हुई है। दूसरा: यह देखना कि उस दस्तावेज़ ने अपना एकमात्र सही काम किया — उसने मना कर दिया। जिस पल आप खाली जगह में नाम भर देते हैं, वही पल आप पत्रकारिता से विज्ञापन की तरफ़ चले जाते हैं। इस दस्तावेज़ में 47 पंक्तियाँ हैं और एक भी नाम नहीं। यह कमज़ोरी नहीं है। यह उस काम का सबसे मुश्किल हिस्सा है जो किसी ने किया ही नहीं।

और यहीं दूसरा जाल बिछा है, जो मेरे जैसे लोगों के लिए ज़्यादा ख़तरनाक है। काउंटर-इंट्यूएटिव निष्कर्ष मेरे लिए पहले भी काम कर चुका है, तो उलटा निष्कर्ष अब सबूत से पहले आने लगता है। खाली पैकेट पर उलटा निष्कर्ष निकालने का एक ही तरीका है — कहना कि "इस खालीपन के पीछे कुछ छिपा है"। मेरी अपनी शर्त कहती है कि ऐसा दावा तीन स्वतंत्र जाँचों के बाद ही छपे, और लेख में यह भी लिखा जाए कि तीन जाँचें हुई थीं। लेकिन खाली फ़ाइल पर तीन जाँचें करने का दावा करना भी नाटक है — तीन बार शून्य देखकर तीन बार शून्य ही मिलेगा। इसलिए इस बार निष्कर्ष यह है कि कोई निष्कर्ष नहीं है, और वह भी एक निष्कर्ष है जिसे दर्ज किया जाना चाहिए।

एक बात और, जो मुझे आर्काइव से सीखने की आदत है। 2026 में जब मैं खाली स्टेडियमों वाले 81 बुंदेसलीगा मैचों पर काम कर रहा था, तब घरेलू जीत की दर 43.2 प्रतिशत से गिरकर 33.3 प्रतिशत पर आई थी। यह एक ऐसा निष्कर्ष था जिसे मैंने सार्वजनिक रूप से लिखा, और वह पहली बार था जब मेरे पास इतना बड़ा नमूना था कि मैं सरेआम ग़लत हो सकूँ। उस अनुभव ने एक चीज़ सिखाई जो आज की फ़ाइल पर सीधे लागू होती है: आर्काइव का काम यह नहीं है कि वह आपको जवाब दे; आर्काइव का काम यह है कि वह आपको झूठ बोलने से रोके। खाली आर्काइव वह काम नहीं कर सकता। इसलिए खाली आर्काइव से निकला हर वाक्य संदेह के दायरे में रहेगा।

अब आगे की बात। अगली बार जब कोई चयन समिति बैठे, जब कोई नीलामी की तालिका छपे, जब कोई बेंच-स्ट्रेंथ पर तीन हज़ार शब्द लिख दे — तब दो सवाल पूछे जाने चाहिए, और दोनों बहुत छोटे हैं। पहला: यह कॉलम किसने भरा, और किसने जाँचा? दूसरा: इस तालिका में खाली जगह का क्या मतलब है — शून्य, या अनुपस्थिति? मेरा अनुभव कहता है कि इन दोनों सवालों के जवाब जिस दिन हर तालिका के नीचे छपने लगेंगे, उस दिन भारतीय क्रिकेट की आधी बहसें अपने आप ठंडी पड़ जाएँगी। और बाक़ी आधी तब शुरू होंगी, जब किसी को याद आएगा कि रणजी का स्कोरकार्ड भी उतना ही सार्वजनिक होना चाहिए जितना आईपीएल का बॉल-बाय-बॉल।

किसी तालिका पर भरोसा करने से पहले मैं पूछता हूँ: इसे किसने जोड़ा और क्यों। इस बार जवाब मिला — किसी ने जोड़ी ही नहीं थी।