खाली लौटा स्प्रेडशीट: क्रिकेट एनालिटिक्स की सबसे महँगी गलती 'कोई जोखिम नहीं मिला' है

रात के दो बजे थे और स्क्रीन पर एक फ़ाइल खुली थी जिसमें आठ कॉलम थे। हर कॉलम में टेबल थी, हर टेबल में सेल भरे हुए थे, और हर सेल में एक ही वाक्य लिखा था — "अपर्याप्त जानकारी, आकलन संभव नहीं।" ढाँचा पूरा था। हेडिंग, रिस्क-फ़्लैग, कॉन्फ़िडेंस लेवल, रिकवरी नोट — सब मौजूद। बस जिस चीज़ का आकलन होना था, वह मौजूद नहीं थी।

मेरी पहली प्रतिक्रिया वह नहीं थी जो होनी चाहिए थी। मेरा हाथ अपने आप उस खाली जगह की तरफ़ गया। दिमाग़ पहले से ही विकल्प जुगाड़ रहा था — कोई जाना-पहचाना नाम, कोई हालिया सीरीज़, कोई स्कोरलाइन जिसे फ़्रेम में बैठाया जा सके, और फिर आठों कॉलम भर जाते। रिपोर्ट फिर 'कम्प्लीट' दिखती। किसी को शक भी नहीं होता।

उस रात का असली पाठ क्रिकेट के बारे में नहीं था। वह उस पल के बारे में था जब कोई एनालिटिक्स सिस्टम खाली हाथ लौटता है और नीचे बैठा आदमी उसे भरने का फ़ैसला करता है। क्रिकेट में यह प्रलोभन हर हफ़्ते दिखता है — खाली नोटबुक लेकर बैठा रिपोर्टर, जिसके पास 'कैंप का माहौल तनावपूर्ण बताया जा रहा है' के अलावा कोई एंट्री नहीं होती।

बात यहीं नहीं रुकती। भरी हुई रिपोर्ट किसी फ़ैसले की मेज़ तक पहुँचती है, और मेज़ पर बैठा आदमी उसे पढ़कर समझता है कि जोखिम नहीं है। खाली डेटा के अंदर से 'जोखिम नहीं' निकल आता है। यह क्रिकेट एनालिटिक्स की सबसे महँगी गलती है, और यह किसी मॉडल में नहीं, किसी इंसान की आदत में पैदा होती है।

क्रिकेट एनालिटिक्स की जो इमारत आज भारत में खड़ी है — स्काउटिंग, ऑक्शन वैल्यूएशन, वर्कलोड मॉनिटरिंग, ब्रॉडकास्ट ग्राफ़िक्स, फ़ैंटेसी स्कोरिंग — उसकी नींव दो मंज़िला है। पहली मंज़िल खींचती है: स्कोरकार्ड, बॉल-बाय-बॉल लॉग, चोट के रजिस्टर, नीलामी के लेजर, कॉन्ट्रैक्ट की तारीख़ें, वेन्यू रिपोर्ट। इस मंज़िल पर जो निकलता है, टर्मिनोलॉजी में उसे 'इन्फ़ॉर्मेशन पॉइंट' कहते हैं — अलग-अलग, जाँचे जा सकने वाले तथ्य। दूसरी मंज़िल वहाँ से शुरू होती है, और उसका करार साफ़ है: हर निष्कर्ष पहली मंज़िल के तथ्यों से बँधा होगा। तथ्य नहीं, तो निष्कर्ष नहीं।

इस बार पहली मंज़िल खाली लौटी। शीर्षक नहीं, स्रोत नहीं, आर्टिकल टाइप 'अनक्लासिफ़ाइड', डोमेन लेबल cricket_world — जो मानक स्कीमा में Cricket होना चाहिए था। इन्फ़ॉर्मेशन पॉइंट की सूची खाली। कोई कोर व्यूअर नहीं, कोई थीसिस नहीं, कोई एंटिटी नहीं, टाइम-सेंसिटिविटी अनआकलित, सोर्स क्वालिटी अनआकलित। आठ में से आठ डाइमेंशन के पास जाने का रास्ता बंद।

दूसरी मंज़िल के पास दो रास्ते थे। पहला — ऊपर से नीचे तक सब मन से भर देना ताकि टेम्पलेट पूरा दिखे। दूसरा — आठों डाइमेंशन खोलना और हर जगह साफ़ लिखना कि आकलन संभव नहीं। दूसरा रास्ता चुना गया, और अंत में एक रिकवरी प्रोटोकॉल जोड़ा गया: शीर्षक, स्रोत, तारीख़, कम से कम एक इन्फ़ॉर्मेशन पॉइंट, एंटिटी लिस्ट, फ़ॉर्मेट, और रॉ-एचटीएमएल स्नैपशॉट।

यहाँ एक बात साफ़ कर दूँ, क्योंकि पूरी बहस का केंद्र यही है। रिपोर्ट में जो आठ डाइमेंशन खुले थे, वे मनमाने नहीं थे। पहला — फ़ॉर्मेट और मैच का स्वरूप। दूसरा — खिलाड़ी की तकनीक और डेटा। तीसरा — टीम का परिदृश्य और रैंकिंग। चौथा — लीग और कमर्शियल इकोसिस्टम। पाँचवाँ — नियम और गवर्नेंस। छठा — जोखिम। सातवाँ — जन-नैरेटिव और अपेक्षाएँ। आठवाँ — उद्योग में ट्रांसमिशन।

इनमें से एक भी डाइमेंशन ऐसा नहीं है जिसे फ़ॉर्मेट के बिना छुआ जा सके। टेस्ट की बल्लेबाज़ी औसत और सहनशक्ति पर तोली जाती है; टी20 की फ़िनिशिंग स्ट्राइक रेट पर, जहाँ डेथ ओवर का बेंचमार्क लगभग 180 के आसपास माना जाता है; वनडे बीच में पड़ता है। फ़ॉर्मेट का सेल खाली है, तो हर बेंचमार्क ग़लत दरवाज़े पर दस्तक देगा। रिपोर्ट ने इसीलिए मैच-लेवल का कोई निष्कर्ष नहीं दिया — क्रॉस-फ़ॉर्मेट कंटैमिनेशन क्रिकेट एनालिसिस की सबसे आम गलती है, और खाली रिकॉर्ड पर वह गलती लगभग तय हो जाती है।

स्कोरबुक में दो तरह के खाली होते हैं और उनका फ़र्क़ पूरी एनालिटिक्स की बुनियाद है। एक — बल्लेबाज़ ने शून्य रन बनाए। दूसरा — बल्लेबाज़ का नाम स्कोरकार्ड में दर्ज ही नहीं हुआ। पहला एक नतीजा है। दूसरा एक अनुपस्थिति। दोनों को एक ही कॉलम में डाल दीजिए और आपका औसत झूठ बोलने लगेगा।

यही फ़र्क़ उस रिपोर्ट के केंद्र में है। 'कोई जोखिम नहीं मिला' और 'जोखिम आँकने का डेटा ही नहीं मिला' — ये दो अलग वाक्य हैं, और इनके बीच में एक पूरा फ़ैसला बदल जाता है।

यह सबक मैंने सबसे पहले 2026 में सीखा था। सत्रह साल का था, ओवल में चैंपियंस ट्रॉफ़ी का फ़ाइनल देख रहा था, भारत 180 रन से हारा। उस रात के बाद जो हर चैनल पर चला, वह एक ही वाक्य था — बुरा दिन था। मुझे वह वाक्य अंदर तक चुभा। अगले एक महीने मैंने एक स्क्रिप्ट लिखी जो टूर्नामेंट का बॉल-बाय-बॉल डेटा पार्स करती थी। निकला कि भारत के टॉप-थ्री का पावरप्ले स्ट्राइक रेट पाकिस्तान के 95 के मुक़ाबले 78 था, और मिडिल ओवर में डॉट बॉल का प्रतिशत 48। उस ब्लॉग को पचास हज़ार व्यूज़ मिले।

सबक यह नहीं था कि डेटा जादू करता है। सबक यह था कि 'बुरा दिन' एक नैरेटिव है जब तक आप यह न पूछें कि वह रात असल में क्या थी। उसी तरह, 'कोई जोखिम नहीं' एक नैरेटिव है जब तक आप यह न पूछें कि डेटा आया कहाँ से, और न आया तो क्यों।

cricket_world बनाम Cricket — यह बदलाव कॉस्मेटिक नहीं है। आर्टिकल टाइप वह राउटर है जो तय करता है कि कौन-से डाइमेंशन गहराई से खुलेंगे। मैच रिपोर्ट हो, तो पहला और दूसरा डाइमेंशन। ऑक्शन हो, तो चौथा। गवर्नेंस की ख़बर हो, तो पाँचवाँ। टाइप 'अनक्लासिफ़ाइड' है, तो राउटर अंधा है, और सिस्टम आठों डाइमेंशन एक साथ खोलता है — यानी किसी को भी ठीक से नहीं खोलता।

इसका क्रिकेट वाला उदाहरण सीधा है। स्कोरकार्ड में फ़ॉर्मेट का बॉक्स खाली हो जाए, तो 8 का इकोनॉमी टेस्ट में शानदार है और टी20 में लगभग बेकार। आँकड़ा वही रहता है, अर्थ उलट जाता है। लेबल की एक गलती नीचे के हर फ़ील्ड को चुपचाप गिरा सकती है — और गिरी हुई फ़ील्ड कभी एरर नहीं दिखाती, बस खाली दिखती है।

रिपोर्ट का सबसे उपयोगी हिस्सा वह नहीं है जो उसने आकलित किया। सबसे उपयोगी हिस्सा वह है जो उसने आकलित नहीं किया। आठ खाली कॉलम दरअसल एक नक्शा हैं — क्रिकेट में वे कौन-सी जगहें हैं जहाँ सार्वजनिक डेटा या तो है ही नहीं, या इतना कम है कि कोई सिस्टम उसे पहचान न सके।

गवर्नेंस वाला डाइमेंशन लीजिए। रिपोर्ट खुद लिखती है कि गवर्नेंस की ख़बरें अक्सर पार्सर से 'खाली' निकलती हैं, क्योंकि उनमें नंबर कम होते हैं और नाम कम होते हैं। यह तकनीकी संयोग नहीं है। यह उस चीज़ का लक्षण है जिसे मैं क्रिकेट की संस्थागत चुप्पी कहता हूँ।

खिलाड़ी की चोट का रजिस्टर कहाँ है? रणजी का वर्कलोड किस फ़ाइल में दर्ज होता है? सिलेक्शन के इनपुट किस मीटिंग में तय होते हैं और उनका कोई मिनट्स क्यों नहीं छपता? NOC का फ़ैसला किन मानकों पर हुआ? ACU की जाँच कहाँ तक पहुँची और कहाँ रुकी? ICC का रेवेन्यू मॉडल किस आधार पर बँटता है? अंपायर कॉल की गुंजाइश कितनी है, और स्लो-ओवर रेट का पैमाना किसने तय किया?

ये सब मौजूद हैं। किसी फ़ाइल में, किसी कमरे में, किसी अधिकारी के डेस्कटॉप पर। सार्वजनिक रूप में इनका कोई स्कीमा नहीं है। तो जब कोई पाइपलाइन इन विषयों पर ख़बर उठाने की कोशिश करती है, उसे नंबर नहीं मिलते। नंबर न मिलने पर सिस्टम उसे 'खाली' मान लेता है।

नतीजा यह होता है कि सबसे ज़रूरी ख़बरें सबसे कम डेटा-युक्त दिखती हैं, और कम डेटा-युक्त ख़बरें सिस्टम में सबसे पहले गिरती हैं। यह एनालिटिक्स की गलती नहीं, डिज़ाइन की गलती है।

यहाँ एक और परत है जिसे मैं संस्थागत सर्वाइवरशिप बायस कहता हूँ। 2026 का क्रोनje मामला, 2026 का पाकिस्तान स्पॉट-फ़िक्सिंग प्रकरण, 2026 का IPL — ये तीनों सार्वजनिक रिकॉर्ड में इसलिए दर्ज हैं क्योंकि उन पर जाँच हुई और काग़ज़ बाहर निकले। जिन मामलों पर जाँच नहीं हुई, उनका कोई पाइपलाइन-रिकॉर्ड मौजूद ही नहीं है। यानी इंटेग्रिटी डेटा में वही बीमारी है जो ऑक्शन डेटा में है — आप सिर्फ़ उन्हीं को देख पाते हैं जो फ़िल्टर से बच गए।

रिपोर्ट का एक रिस्क फ़्लैग कहता है: एक खाली पेलोड अक्सर फ़ीड-लेवल या स्क्रैपर-लेवल ख़राबी का लक्षण होता है। यानी गलती उस एक आइटम की नहीं, उस पूरे विंडो की हो सकती है। रिपोर्ट ईमानदारी से इसका कॉन्फ़िडेंस 'मीडियम' रखती है, क्योंकि नमूना एक है।

मेरे पास इसका एक पुराना उदाहरण है। 2026 में लॉकडाउन के दौरान मैं हर डेथ ओवर का डेटाबेस बना रहा था। मैंने महामारी के बाद के हर डेथ ओवर निकाले थे और स्प्रेडशीट कबूल करने लगी थी। तभी एक मैच का बॉल-बाय-बॉल लॉग छोटा आया। पहली प्रतिक्रिया यही थी कि उस मैच में कुछ अजीब हुआ होगा — शायद बारिश, शायद कोई डकवर्थ-लुईस-स्टर्न का झटका। जाँच में निकला कि लॉग अधूरा नहीं था, सोर्स का रेंडर अधूरा था। और उसी सोर्स से उस हफ़्ते के चार और मैच उसी तरह टूटे हुए आए थे।

तब मैंने एक नियम बनाया जो आज भी मेरे हर डेटासेट के पहले पन्ने पर लिखा रहता है: एक खाली सेल की जाँच उस सेल से नहीं, उसके पड़ोसियों से शुरू कीजिए।

अब वह हिस्सा जो सबसे कम लिखा जाता है। रिपोर्ट ने साफ़ दर्ज किया — जान-बूझकर कोई लेख नहीं गढ़ा जा रहा। इसे कोई तकनीकी ईमानदारी समझ सकता है। यह उससे बड़ी चीज़ है। यह उस प्रलोभन का इनकार है जो डेटा-पत्रकारिता में सबसे आम है।

क्योंकि भरना आसान है। एक नाम डालिए, एक स्कोरलाइन डालिए, एक बेंचमार्क डालिए, और रिपोर्ट पूरी दिखने लगती है। पाठक को फ़र्क़ नहीं पड़ेगा। एडिटर को फ़र्क़ नहीं पड़ेगा। फ़र्क़ उस आदमी को पड़ेगा जो उस रिपोर्ट के आधार पर किसी खिलाड़ी की क़ीमत लगाता है, या किसी तेज़ गेंदबाज़ को रेस्ट देने का फ़ैसला करता है।

गढ़ा हुआ डेटा और खाली डेटा, दोनों एक जैसे महँगे पड़ते हैं — फ़र्क़ सिर्फ़ इतना है कि गढ़ा हुआ डेटा अपनी गलती कभी नहीं बताता।

इलाज रिपोर्ट में ही मौजूद है और वह सरल है। दूसरी मंज़िल पर एक मिनिमम-एविडेंस गेट लगाइए: शीर्षक नॉन-नल, स्रोत नॉन-नल, और कम से कम एक इन्फ़ॉर्मेशन पॉइंट। तीनों में से एक भी न मिले, तो पेलोड आगे नहीं जाएगा, बल्कि लॉग होकर लौट जाएगा। साथ में रॉ-एचटीएमएल का स्नैपशॉट रखिए, ताकि यह पकड़ा जा सके कि ख़राबी फ़ेच में हुई या पार्स में। ये दो अलग बीमारियाँ हैं और इनका इलाज अलग है — एक में नेटवर्क या पेवॉल से लड़ना है, दूसरे में डोम स्ट्रक्चर से।

यह कोई भारी निवेश नहीं है। एक वैलिडेटर, एक स्नैपशॉट, तीन शर्तें। इसी को मैं असली 'इन्फ़ॉर्मेशन गेन' मानता हूँ — नया तथ्य नहीं, नया गेट।

अब वह हिस्सा जहाँ मुझे अपनी ही थीसिस से झगड़ना है।

साफ़-सुथरी कहानी यह है: पाइपलाइन टूटी, स्क्रैपर ठीक करो, काम ख़त्म। यह आरामदायक है और शायद अधूरी है।

पहला विकल्प — यह आइटम शायद क्रिकेट लेख ही नहीं था। इंडेक्स पेज, रीडायरेक्ट स्टब, या ऐड स्लॉट। रिपोर्ट खुद इस संभावना को 'लो कॉन्फ़िडेंस' के साथ दर्ज करती है। अगर ऐसा है, तो स्क्रैपर ठीक करने से भी कुछ नहीं निकलेगा, क्योंकि निकालने लायक कुछ था ही नहीं।

दूसरा विकल्प — एक्सट्रैक्शन फ़ेल नहीं हुआ। स्रोत ने ही ऐसा आइटम छापा जिसमें कोई नंबर नहीं था, कोई एंटिटी नहीं थी। क्रिकेट में यह होता है। राय, अफ़वाह, और 'सूत्रों के मुताबिक़' पर चलने वाली ख़बरें मीट्रिक-मुक्त होती हैं। अगर ऐसा है, तो समस्या पाइपलाइन की नहीं, उस पत्रकारिता की है जो बिना तथ्य के छप जाती है।

तीसरा विकल्प, और यह सबसे चुभने वाला है — रिपोर्ट ने अपना ओवरऑल रिस्क 'हाई' रखा है। यह जोखिम क्रिकेट का नहीं, सप्लाई चेन का है। रिपोर्ट खुद चेतावनी देती है कि कोई फ़ैसला लेने वाला इसे खेल का जोखिम समझ सकता है। मैं इसे आगे ले जाऊँगा: जोखिम का लेबल तब तक अधूरा है जब तक उसमें यह न लिखा हो कि जोखिम किस चीज़ का है — खेल का, या उस सिस्टम का जो खेल को माप रहा है।

चौथा विकल्प, और सबसे असुविधाजनक — हो सकता है खाली पेलोड ही ईमानदार पेलोड था। रोज़ छपने वाली क्रिकेट 'एनालिसिस' का बड़ा हिस्सा एक भरा हुआ टेम्पलेट है: शीर्षक, एक आँकड़ा, एक निष्कर्ष, और बीच में कोई ज़ंजीर नहीं। खाली फ़ाइल कम से कम अपनी खालीपन कबूल करती है। भरी हुई फ़ाइल वह कभी नहीं करती।

यहाँ मुझे अपनी सीमा भी दर्ज करनी है। यह पूरा विश्लेषण एक आइटम के अवलोकन पर टिका है। नमूना एक है। रिपोर्ट खुद इसे मीडियम कॉन्फ़िडेंस कहती है। मैं इससे आगे नहीं जाऊँगा — सिस्टमिक डिफ़ेक्ट का दावा करने के लिए उसी फ़ेच विंडो के बाक़ी आइटम देखने पड़ेंगे। सहसंबंध और कारण के बीच की लकीर यहीं खींचनी है, वरना मैं वही गलती करूँगा जिसकी मैं आलोचना कर रहा हूँ।

आगे क्या देखना है, यह तीन सिग्नल तय करेंगे।

उसी फ़ेच विंडो के बाक़ी आइटम। अगर एक से ज़्यादा खाली लौटे, तो मामला आइटम-लेवल से स्क्रैपर-लेवल पर चला जाएगा और प्राथमिकता बदल जाएगी।

'अनक्लासिफ़ाइड' की दर। अगर यह बढ़ रही है, तो राउटिंग टूट रही है, और राउटिंग टूटने का मतलब है कि हर ख़बर को वही आठ-डाइमेंशन वाला सांचा मिल रहा है, चाहे वह मैच हो या रेवेन्यू मॉडल।

एंटिटी-एक्सट्रैक्शन कवरेज। अगर बॉडी टेक्स्ट में नाम मौजूद हैं और पहली मंज़िल पर वे ग़ायब हैं, तो नीचे के तीन डाइमेंशन सिस्टमैटिक रूप से कमज़ोर चल रहे हैं — और वह कमज़ोरी किसी एक ख़बर में नहीं, सौ ख़बरों में दिखेगी।

सवाल यह नहीं है कि एक पाइपलाइन टूटी। पाइपलाइन टूटती रहेंगी। सवाल यह है कि क्रिकेट के फ़ैसला-कक्षों में कितनी रिपोर्टें इस वक़्त पड़ी हैं जिनके आख़िरी पन्ने पर 'कोई जोखिम नहीं मिला' लिखा है — और जिनके पीछे का स्प्रेडशीट कभी खुला ही नहीं।