खाली पेलोड: क्रिकेट का डेटा सिस्टम जब 'जानकारी नहीं है' और 'साफ़ है' में फ़र्क़ नहीं कर पाता

निखिल पटेल | अहमदाबाद | डेटा जर्नलिस्ट, क्रिकेट

रात के दो बजकर चालीस मिनट। अहमदाबाद। टर्मिनल पर एक स्क्रिप्ट चल रही है जिसे मैंने तीन हफ़्ते में बनाया था — आठ डाइमेंशन, इकतालीस फ़ील्ड, हर फ़ील्ड के नीचे कॉन्फ़िडेंस टैग, हर नतीजे के नीचे एविडेंस लाइन। स्क्रिप्ट ख़त्म हुई और जो आया, वैसा मैंने पहले नहीं देखा था। किसी फ़ील्ड में ग़लती नहीं थी। किसी फ़ील्ड में कोई टिप्पणी भी नहीं थी। हर जगह वही दो अक्षर — N/A। सूचना-बिंदुओं की सूची खाली थी, बिलकुल खाली, जैसे किसी मैच की स्कोरकार्ड शीट हो जिसमें किसी ने एक भी नाम न भरा हो।

फ़ॉर्मेट टैग नहीं था। टेस्ट, वनडे, टी20 — कुछ भी नहीं। टीम नहीं थी, खिलाड़ी नहीं था, लीग नहीं थी, वेन्यू नहीं था। सबसे ऊपर आर्टिकल का शीर्षक भी "N/A" था — यानी जिस टेक्स्ट का विश्लेषण होना था, वह टेक्स्ट ही सिस्टम तक नहीं पहुँचा था।

मैंने पैंडेमिक के बाद से हर डेथ ओवर की गेंद निकाली थी। तब स्प्रेडशीट कबूल करने लगी थी। इस बार स्प्रेडशीट ने कुछ नहीं कबूला — उसने सिर्फ़ मना कर दिया। और क्रिकेट डेटा के काम में मना करना भी एक डेटा पॉइंट है, बशर्ते आप उसे डेटा पॉइंट की तरह पढ़ना सीख लें, न कि उसे खाली जगह समझकर अपनी राय से भर दें।

फ़्रेमवर्क क्या माँगता है, और क्यों हर माँग ज़रूरी है

जिस एनालिसिस की बात हो रही है, वह आठ हिस्सों में बँटा है — फ़ॉर्मेट और मैच, खिलाड़ी की तकनीक और आँकड़े, टीम का परिदृश्य और रैंकिंग, लीग और व्यापारिक पारिस्थितिकी, नियम और गवर्नेंस, जोखिम, जन-कथाएँ और अपेक्षाओं का अंतर, और आख़िर में क्रिकेट उद्योग की ट्रांसमिशन चेन। हर हिस्से के नीचे तालिकाएँ हैं, और हर निष्कर्ष के साथ एक शर्त जुड़ी है: यह निष्कर्ष पहले चरण के किस सूचना-बिंदु से निकला है, वह लिखा जाए।

यह शर्त काग़ज़ी नहीं है। क्रिकेट एनालिसिस में फ़ॉर्मेट सबसे भारी वेरिएबल है, और वह इसलिए भारी है कि तीनों फ़ॉर्मेट के आँकड़े एक-दूसरे से तुलनीय ही नहीं हैं। टी20 में 140 का स्ट्राइक रेट एक ठीक-ठाक बल्लेबाज़ी है; टेस्ट में 55 का स्ट्राइक रेट बहुत अच्छी बल्लेबाज़ी है। दोनों संख्याएँ एक ही गेम के दो अलग कौशल-सेट बताती हैं। टेस्ट के लिए बना वर्ल्ड टेस्ट चैंपियनशिप का अंक-तालिका किसी टी20 रिपोर्ट में काम ही नहीं आ सकता। डकवर्थ-लुईस-स्टर्न की गणना वनडे और टी20 की बारिश में ही ट्रिगर होती है। पावरप्ले छह ओवर का होता है, डेथ ओवर 16 से 20 तक। अगर सिस्टम को यही पता नहीं कि मैच किस फ़ॉर्मेट का था, तो उसके पास मापने के लिए कोई पैमाना ही नहीं है।

फ़ॉर्मेट टैग की अनुपस्थिति ख़ूबसूरती की कमी नहीं, बुनियाद की अनुपस्थिति है — इसके बिना नीचे का हर आयाम तकनीकी रूप से असंभव हो जाता है।

पहले चरण का काम था: टेक्स्ट पढ़ो, टीमें-खिलाड़ी-लीग-अधिकारी निकालो, सूचना-बिंदु गिनाओ, लेखक का रुख और लेख का मक़सद लिखो, समय-संवेदनशीलता और स्रोत की गुणवत्ता आँको। इनमें से एक भी काम पूरा नहीं हुआ। सूचना-बिंदु शून्य, एंटिटी शून्य, रुख "N/A", मक़सद "N/A", समय-संवेदनशीलता का आकलन टाल दिया गया। और जब सूचना-बिंदु ही शून्य हों, तो वह निर्देश जो कहता है "ऊपर दिए सूचना-बिंदुओं से एंटिटी पहचानें", एक चक्रीय निर्देश बन जाता है — जवाब देने के लिए जिस चीज़ की ज़रूरत है, वही मौजूद नहीं। सिस्टम ने तब तक काम रोका नहीं, तब तक तालिकाएँ भरता रहा।

खाली पेलोड तीन अलग-अलग चीज़ें बता रहा है

पहला संकेत सबसे सीधा है: सूचना-बिंदुओं की खाली सूची का मतलब है कि लेख का शरीर या तो पढ़ा ही नहीं गया, या पार्स नहीं हुआ, या स्रोत तक पहुँच ही नहीं बनी। यह जानकारी की कमी का मामला नहीं, पाइपलाइन की विफलता का मामला है — और यह फ़र्क़ निर्णायक है, क्योंकि कम जानकारी में सतर्क अनुमान की जगह होती है, पाइपलाइन विफलता में कोई अनुमान बनता ही नहीं।

दूसरा संकेत दिखावटी है लेकिन ज़्यादा परेशान करने वाला। डोमेन लेबल में cricket_world लौटा, जबकि विनिर्देश में "Cricket" लिखा है। यह छोटी-सी चीज़ पूरे सिस्टम के बारे में कुछ बताती है — ऊपर का क्लासिफ़ायर किसी और टैक्सोनॉमी से चल रहा है, या वैलिडेशन स्टेप को पार ही नहीं कर रहा। जब लेबल ही मानक से हटा हुआ है, तो आगे की राउटिंग किस भरोसे पर होगी?

तीसरा संकेत सबसे चालाक है और इसीलिए सबसे ख़तरनाक। शीर्षक N/A, स्रोत N/A, प्रकार "Unclassified", रुख N/A, मक़सद N/A — यह सब एक जैसा N/A है। असली एक्सट्रैक्शन विफलता में हर फ़ील्ड अलग तरीक़े से विफल होती है; कहीं टेक्स्ट कटता है, कहीं एंटिटी बहुत ज़्यादा निकलती है, कहीं एक टीम दो नामों से दर्ज हो जाती है। जब सब कुछ एकसमान रूप से ख़ाली हो, तो सबसे समझ में आने वाली व्याख्या यह है कि टेम्पलेट के डिफ़ॉल्ट मान भर दिए गए, और ऊपर के चरण ने विफलता को विफलता की तरह लॉग ही नहीं किया — यानी सिस्टम ने "सफल" रिपोर्ट किया होगा जबकि हाथ में कुछ भी नहीं था। यही साइलेंट फ़ेल्योर कहलाता है, और स्पोर्ट्स एनालिटिक्स में यह सबसे महँगी ग़लती है, क्योंकि क्रिकेट के बारे में बने हुए वाक्य हमेशा विश्वसनीय सुनाई देते हैं।

यहाँ एक बात साफ़ कर देनी चाहिए, क्योंकि इसी पर पूरा लेख टिका है। इन आठ आयामों के नीचे जो बड़ी तालिकाएँ हैं, उनमें से एक भी सच्चा क्रिकेट निष्कर्ष पैदा नहीं हुआ। कोई टीम ऊपर नहीं उठी, कोई खिलाड़ी आगे नहीं आया, कोई रैंकिंग नहीं बदली। और मुझे यह स्पष्ट लिखना है क्योंकि अगर मैं इसे स्पष्ट न लिखूँ, तो एक पूरी तरह फ़ॉर्मेट की हुई रिपोर्ट अपने आप यह संदेश दे देगी कि विश्लेषण हुआ है। ढाँचे की संपूर्णता यहाँ जोखिम को कम नहीं कर रही, बढ़ा रही है।

जब हर जोखिम "अज्ञात" लौटे, तो उसे "कम" मत पढ़िए

जोखिम-तालिका में छह श्रेणियाँ हैं — खेल-संबंधी, कार्मिक, व्यापारिक, नियम व सत्यनिष्ठा, जन-राय, और प्रणालीगत। छहों का स्तर N/A लौटा। यहाँ एक शब्द-चोरी होती है जिसे हर एनालिस्ट को डरना चाहिए। रिपोर्ट में N/A पढ़कर दिमाग़ अपने आप "कोई जोखिम नहीं" पढ़ लेता है। सत्यनिष्ठा की स्थिति अज्ञात है, इसका मतलब यह कतई नहीं कि वह स्वच्छ है। अज्ञात और शून्य दो अलग संख्याएँ हैं, और जिस दिन एक एनालिस्ट इन दोनों को एक ही खाने में लिख देता है, उस दिन से उसके सारे डैशबोर्ड झूठ बोलना शुरू कर देते हैं।

यही समस्या व्यापारिक आयाम के साथ भी है। कोई लीग नाम नहीं, कोई फ़्रैंचाइज़ी नहीं, कोई रुपये-करोड़ की संख्या नहीं। ऐसे में कोई भी ट्रेंड — बढ़ता, स्थिर या गिरता — कहना बेतुका होगा। और यह वही जगह है जहाँ क्रिकेट कवरेज सबसे ज़्यादा फिसलती है: व्यापारिक कीमत और खेल-मूल्य को एक मान लेना। आईपीएल की 2026 मीडिया राइट्स ₹48,390 करोड़ में बिकीं — यह संख्या असली है, सार्वजनिक है, और इसका इस्तेमाल किसी भी लेख में एक बेंचमार्क की तरह हो सकता है। लेकिन यह संख्या किसी गेंदबाज़ की डेथ-ओवर इकोनॉमी के बारे में एक शब्द भी नहीं कहती। जब तक आपके पास दोनों तरफ़ के आँकड़े न हों, दोनों को जोड़ना कहानी बनाना है, विश्लेषण नहीं।

गवर्नेंस वाला हिस्सा भी इसी तरह खाली लौटा। कोई आईसीसी फ़ैसला नहीं, कोई बोर्ड कार्रवाई नहीं, कोई निलंबन नहीं, कोई विवाद नहीं। गवर्नेंस एनालिसिस के लिए एक ट्रिगर चाहिए — नियम बदला, सज़ा मिली, चुनाव हुआ, राजनीतिक रुकावट आई। बिना ट्रिगर के तीन-परिदृश्य मॉडल (सबसे बुरा, आधार, सबसे अच्छा) बनाना वैसा ही है जैसे बिना टॉस के पिच रिपोर्ट लिखना।

जाल यह है: खाली जगह कहानी माँगती है

मुझे अपने ही काम का सबसे कमज़ोर हिस्सा यहाँ नाम लेकर बताना है। तेरह साल की उम्र से स्कोरकार्ड भरते हुए, छब्बीस की उम्र में मैं यह जानता हूँ कि जब डेटा खाली हो, तो डेटा वाले आदमी के पास दो ही रास्ते होते हैं — या तो वह कहे कि मेरे पास कुछ नहीं है, या वह अपने डोमेन-अनुभव से जगह भर दे। दूसरा रास्ता ज़्यादा आकर्षक है क्योंकि वही पाठकों को अच्छा लगता है। मैं दोनों रास्ते जानता हूँ।

और यहीं एक और चीज़ फिसलती है जिसे मैं अपने पुराने काम से पहचानता हूँ। पैंडेमिक के सालों में मैंने डेथ ओवर का पूरा डेटाबेस बनाया था, और उसमें सबसे साफ़ चीज़ यह थी कि जसप्रीत बुमराह का यॉर्कर प्रतिशत 2026 के 35% से 2026 में 52% पर गया और ओवर 17-20 की इकोनॉमी 8.2 से 6.7 पर आई। लेकिन इस नतीजे के साथ एक शर्त जुड़ी हुई थी जिसे मैंने हर बार लिखा: बीस ओवर के मैच में डेथ ओवर चार होते हैं, चौबीस गेंद। चौबीस गेंदों पर बनी एक इकोनॉमी जब अगली बार देखी जाती है, तो वह आधी बार पलट जाती है। इसलिए मैंने नमूना पहली लाइन में प्रकाशित करने की आदत बनाई और अनुमान को लीग-बेसलाइन की तरफ़ सिकोड़ना सीखा।

अब उसी अनुशासन को उलटी दिशा में लगाइए। अगर एक नमूना इतना छोटा हो सकता है कि उस पर कोई दावा न टिके, तो शून्य नमूना उससे भी कम दावे का हक़ देता है। दोनों का इलाज एक ही है — नमूना लिखो, और जो नहीं पता, उसे नहीं-पता लिखो।

दूसरा जाल कारण और सहसंबंध वाला है, और खाली पेलोड में वह और तेज़ हो जाता है। सामान्य क्रिकेट रिपोर्ट में टॉस जीतना, इम्पैक्ट प्लेयर का इस्तेमाल और नेट रन रेट तीनों एक साथ हिलते दिखते हैं और मन तुरंत एक साफ़-सुथरी कहानी बना लेता है। यहाँ तो तीनों में से कोई मौजूद ही नहीं था। फिर भी एक जगह अपवाद दर्ज है जिसे छिपाना ग़लत होगा — ट्रांसमिशन चेन वाला आयाम, जहाँ अपस्ट्रीम (यूथ डेवलपमेंट और टैलेंट सप्लाई), मिडस्ट्रीम (राष्ट्रीय टीमें और लीग) और डाउनस्ट्रीम (ब्रॉडकास्ट, व्यावसायिक और डेरिवेटिव बाज़ार) — तीनों खाने खाली हैं। यह आयाम सबसे ज़्यादा अनुमान पर निर्भर है, इसलिए वह सबसे ज़्यादा ख़तरनाक भी है। इससे एक बहुत सुंदर, बहुत विश्वसनीय दिखने वाली वैल्यू-चेन कहानी बन सकती थी जिसका लेख से कोई वास्ता न होता। मैंने उसे नहीं बनाया। यही एकमात्र सही फ़ैसला था, और मुझे यह लिखते हुए अच्छा नहीं लग रहा।

असली आँकड़ा: प्रक्रिया का जोखिम

छह जोखिम श्रेणियाँ अज्ञात लौटीं, लेकिन सातवीं श्रेणी साफ़-साफ़ ज़ाहिर हो गई — और वह खेल की नहीं, प्रक्रिया की है। उच्च स्तर, उच्च संभावना, उच्च प्रभाव: पहला चरण खाली होने के बावजूद दूसरा चरण चल पड़ा। यही इस पूरे दस्तावेज़ का एकमात्र ठोस, भरोसेमंद जोखिम-संकेत है।

यहाँ मुझे एक समानांतर खींचना है, और उसे समानांतर ही रहने देना है। जब एक संस्था आँकड़े प्रकाशित नहीं करती — रणजी का वर्कलोड, चोट की निगरानी, चयन के इनपुट — तो उस अंतराल में भी वही प्रक्रिया चलती है जो इस पाइपलाइन में चली। जगह खाली छोड़ी जाती है, और जगह कभी खाली नहीं रहती। उसे भरने वाले हमेशा मिल जाते हैं, और वे हमेशा नरम, आकर्षक और हमेशा किसी के हित में होते हैं। पारदर्शिता की माँग इसलिए नहीं उठती कि किसी पर इल्ज़ाम लगाना है; वह इसलिए उठती है कि खाली खाने को कहानी से भरना सिस्टम की डिफ़ॉल्ट आदत है, और उस आदत को रोकने का एक ही तरीक़ा है — खाना पहले भरो।

लेकिन यहाँ सबसे ज़रूरी बात यह है कि इस दस्तावेज़ का सारा "N/A" मिटाया न जाए। उसे मिटाना सबसे आसान काम है, और सबसे बड़ी ग़लती। अगर इसे किसी मॉडल में, किसी सारांश में, किसी प्रकाशन में क्रिकेट मूल्यांकन की तरह भेज दिया जाए, तो आगे पढ़ने वाला यह मान लेगा कि आठ आयामों पर काम हुआ और नतीजा निकला। सत्य यह है कि नतीजा नहीं निकला। यह विश्लेषण नहीं, विश्लेषण का अभाव है, और उसे अभाव की तरह ही वितरित किया जाना चाहिए।

साथ में, इस तरह की विफलता में एक ख़राबी और है जिस पर ध्यान कम जाता है। लेखक का रुख N/A मिला और लेख का मक़सद N/A मिला। यानी अगर सारे तथ्य भी मौजूद होते, तब भी दूसरा चरण रिपोर्ट किए गए तथ्य और संपादकीय ढाँचे में फ़र्क़ नहीं कर पाता। किसी भी क्रिकेट विश्लेषण का मूल काम यही होता है, और वह काम यहाँ पिछले दरवाज़े से बाहर निकल गया।

ख़ालीपन का भी एक रजिस्टर होना चाहिए

जिस चीज़ ने मुझे सबसे ज़्यादा चौंकाया, वह किसी फ़ील्ड की विफलता नहीं थी। वह यह थी कि ढाँचा टूटा नहीं। आठों आयाम शीर्षक के साथ खड़े हैं, तालिकाओं की पंक्तियाँ और स्तंभ जैसे थे वैसे हैं, हर जगह कॉन्फ़िडेंस टैग टँगे हुए हैं। खाली इनपुट पर भी ढाँचे ने क्रिकेट-विरुद्ध कोई कल्पित वाक्य नहीं उगला। यह पाइपलाइन के डिज़ाइन की एक असली कामयाबी है, और इसे टेस्ट केस की तरह सहेजना चाहिए — किसी भी एनालिटिक्स टीम के लिए "क्या मेरा सिस्टम खाली डेटा पर झूठ बोलता है?" यह सवाल सबसे सस्ता ऑडिट है, और लगभग हर टीम इसे महँगे बैकटेस्ट से पहले कर सकती है।

इस सबके बीच दो चीज़ें भविष्य की तरफ़ इशारा करती हैं। एक, विफलता योग्य है। खाली शीर्षक, खाली स्रोत, अनवर्गीकृत प्रकार, खाली बिंदु — यह पैटर्न किसी तर्क की ग़लती नहीं, अंतर्ग्रहण की ग़लती बताता है, और अंतर्ग्रहण की ग़लती सबसे सस्ती ग़लती होती है। दो, ढाँचे में एक दरवाज़ा ही नहीं जो यह तय करे कि ग़लती और अज्ञात एक ही चीज़ हैं या नहीं। दोनों जगह N/A छप जाता है। जब तक आउटपुट अनुबंध में यह फ़र्क़ नहीं जुड़ेगा — "एक्सट्रैक्शन विफल" और "लागू नहीं" — तब तक हर डैशबोर्ड में कुछ सालों का झूठ नींव में बैठा रहेगा।

जिन संकेतों पर मैं अगले सप्ताह नज़र रखूँगा: क्या सुधारा हुआ पहला चरण Information Points में कम-से-कम एक इकाई और साथ में फ़ॉर्मेट पहचान के साथ लौटता है; क्या मूल स्रोत-टेक्स्ट सीधे पुनःप्राप्त हो पाता है, जिससे पता चले कि दोष अंतर्ग्रहण में था या स्रोत सचमुच ख़ाली आया था; क्या cricket_world लेबल "Cricket" में सामान्यीकृत होता है; और क्या खाली पेलोड की दर समय के साथ शून्य की तरफ़ जाती है या यह भी एक स्थिर, अनदेखा कॉलम बन जाती है।

जब कोई सिस्टम जानकारी न मिलने पर "जानकारी नहीं" कहना सीख लेता है, तो कोई ख़बर समाप्त नहीं होती — उस ख़बर की पहली सच्ची लाइन वहीं लिखी जाती है। पाइपलाइन अपना काम कर रही है। सवाल यही है कि अगली बार जब स्क्रीन पर इकतालीस बार वही अक्षर आएँगे, तो उन्हें पढ़ने वाला उन्हें खुलेआम प्रकाशित करेगा या चुपचाप अपनी भरपाई कर लेगा। मुझे उम्मीद है कि कोई तीसरा चरण वहाँ दरवाज़ा बनाएगा।