आठ खंड तैयार, साक्ष्य शून्य: क्रिकेट डेटा पाइपलाइन का नल रिटर्न

मंगलवार की दोपहर स्क्रीन पर जो दस्तावेज़ खुला, वह देखने में किसी भी मैच-रिपोर्ट से कम नहीं था। आठ खंड, हर खंड में तीन-चार तालिकाएँ, हर तालिका में साफ़-सुथरी पंक्तियाँ। पहली नज़र में लगा कि किसी बड़े टूर्नामेंट का पूरा पोस्ट-मॉर्टम सामने है। फिर मैंने पहली पंक्ति पढ़ी — 'N/A — अपर्याप्त जानकारी'। दूसरी पंक्ति वही। तीसरी वही। तालिका के नीचे एक पंक्ति थी जिसने पूरे दस्तावेज़ का मूल्य तय कर दिया: Information Points — खाली सेट।

न कोई स्कोरलाइन। न कोई गेंद। न कोई नाम। न कोई प्रारूप — टेस्ट, वनडे, टी20 या द हंड्रेड, कुछ भी दर्ज नहीं। मेरे पास चेपौक की वे स्कोरशीट्स रखी हैं जो बारिश के बाद अधूरी छोड़ दी जाती हैं; उनमें भी यह पता चलता है कि खेल कब रुका और किस ओवर में। इस दस्तावेज़ में इतनी जानकारी भी नहीं थी। ग्रिड पहले से मौजूद था — बस इस बार उसमें कोई गेंद दर्ज नहीं हुई थी, और किसी ने यह बताना ज़रूरी नहीं समझा कि ग्रिड खाली है।

इस लेख का विषय कोई मैच, कोई सीरीज़ या कोई खिलाड़ी नहीं है। विषय वह प्रक्रिया है जिसने तेईस सौ शब्दों का आत्मविश्वासी ढाँचा शून्य साक्ष्य पर खड़ा कर दिया — और उस प्रक्रिया से क्रिकेट विश्लेषण को क्या सीखना चाहिए।

संदर्भ: दो चरणों वाली पाइपलाइन कैसे काम करती है

पाइपलाइन दो हिस्सों में चलती है। पहला चरण स्रोत सामग्री को तोड़ता है — शीर्षक, स्रोत, लेख का प्रकार, सारांश, लेखक का रुख, सूचना-बिंदु, इकाइयाँ (टीम, खिलाड़ी, बोर्ड), समय-संवेदनशीलता। दूसरा चरण उन बिंदुओं पर क्रिकेट का ढाँचा बिठाता है: प्रारूप और मैच की प्रकृति, खिलाड़ी की तकनीक और डेटा, टीम का परिदृश्य और रैंकिंग, लीग और व्यावसायिक पारिस्थितिकी, नियम-शासन, जोखिम, सार्वजनिक कथा, और उद्योग-संचरण। सबसे बुनियादी नियम यही है कि दूसरा चरण वह साक्ष्य नहीं रच सकता जो पहले चरण ने नहीं निकाला।

इस बार पहला चरण संरचनात्मक रूप से सही लौटा, विषयवस्तु के स्तर पर पूरी तरह खाली। शीर्षक अनुपलब्ध, स्रोत अनुपलब्ध, सारांश खाली, सूचना-बिंदु शून्य, इकाइयाँ अपहचाना गया, समय-संवेदनशीलता का आकलन नहीं हुआ। जो एक चीज़ मिली, वह थी डोमेन लेबल — cricket_asia। यही वह बिंदु है जहाँ से पूरी गड़बड़ी शुरू होती है।

प्रारूप पहले तय होना कोई औपचारिकता नहीं है। टी20 का पावरप्ले छह ओवर का होता है जिसमें दो फ़ील्डर बाहर होते हैं; वनडे का पावरप्ले दस ओवर का; टेस्ट में नई गेंद का दौर एक बिल्कुल अलग समस्या है जिसमें मूवमेंट, लेंथ और दूसरी स्लिप की स्थिति मायने रखती है। बीच के ओवरों में 6.8 की इकॉनमी टी20 में किसी स्पिनर के लिए उत्कृष्ट आँकड़ा है, वनडे में स्वीकार्य, और टेस्ट में उस वाक्य का कोई अर्थ ही नहीं बनता। आँकड़ा वही, अर्थ तीन अलग।

2026 में चेन्नई के एक एनालिटिक्स विक्रेता के साथ इंटर्नशिप के दौरान मैंने चेपौक पर चेन्नई सुपर किंग्स के सात होम मैच कोड किए थे। स्पिनरों ने बीच के ओवरों का 44 प्रतिशत फेंका और 6.8 रन प्रति ओवर दिए। वह आँकड़ा तभी कुछ कहता है जब उसके साथ यह भी दर्ज हो कि यह टी20 था, चेपौक था, ओस का असर मैच-दर-मैच बदल रहा था, पिच की उम्र बढ़ रही थी और बल्लेबाज़ का हाथ कौन-सा था। मेरे सुपरवाइज़र को 'होम फोर्ट्रेस' की कहानी चाहिए थी। मैं नमूने को इन तीन चरों में बाँटे बिना लिखने को तैयार नहीं थी, क्योंकि बिना प्रारूप-टैग के वह 6.8 सिर्फ़ एक संख्या है, विश्लेषण नहीं।

मूल विश्लेषण: चार जगहें जहाँ ढाँचा खोखला निकला

cricket_asia एक भूगोल-टैग है, प्रतियोगिता-टैग नहीं — और यही वह जगह है जहाँ मनगढ़ंत शुरू होती है। कोई भी विश्लेषक 'एशिया' देखकर भारत-पाकिस्तान की ओर हाथ बढ़ा सकता है, एशिया कप का अनुमान लगा सकता है, या किसी एशियाई लीग की कल्पना कर सकता है। तीनों अनुमान बिल्कुल मुफ़्त हैं और तीनों तथ्य नहीं हैं। 2026 के टीएनपीएल फाइनल में, सत्रह साल की उम्र में, मैंने चेपौक पर 96 गेंदें चार्ट की थीं — आर. साई किशोर के बाएँ हाथ के स्पिन रिलीज़ पॉइंट और हर बल्लेबाज़ के ट्रिगर मूवमेंट और कवर के बीच का फ़ासला। चेपौक सुपर गिलीज़ और टूटी पैट्रियट्स के बीच वह मैच छह रन से तय हुआ। एक स्थानीय कोच ने उस शीट को 'स्कूलगर्ल ज्यामिति' कहकर ख़ारिज किया। शीट बच गई, क्योंकि उसमें हर निशान के पीछे एक निर्देशांक था जिसे टीवी रिप्ले से तीन हफ़्ते तक मिलाया जा सकता था। टैग के पीछे कोई निर्देशांक नहीं होता।

सबसे बड़ा ख़तरा क्रिकेट का नहीं, प्रारूप का है — पूरा दिखने वाला टेम्पलेट सत्यापित विश्लेषण की तरह पढ़ा जाता है। दस्तावेज़ खुद यह मान लेता है कि आठों खंडों को पूरा रेंडर करना, शून्य इनपुट पर भी, तकनीकी रूप से वैध विकल्प है। वह वैध है भी। समस्या नीचे की मेज़ पर है, जहाँ कोई इसे पढ़कर मान लेगा कि आठ खंड भरे हुए हैं इसलिए आठ जाँचें हो चुकी हैं। फ़ॉर्मेट पूरा होना, विश्लेषण पूरा होना नहीं है।

'N/A' का मतलब 'जोखिम नहीं' कभी नहीं होता। यह इस पूरे दस्तावेज़ की सबसे संवेदनशील पंक्ति है और यह खंड छह में छिपी बैठी है। चोट, शेड्यूल ओवरलोड, फ़िक्सिंग का संदेह और वित्तीय संकट — इन चारों की जाँच नहीं की गई, क्योंकि इनपुट मौजूद नहीं था। यह वही चीज़ नहीं है जैसे जाँच की गई हो और सब साफ़ निकला हो।

2026 में यूएई में हुए आईपीएल पर मैंने ब्रॉडकास्ट एनालिटिक्स डेस्क के लिए रिमोट काम किया — साठ मैच, 7,200 गेंदें, खाली स्टैंड, और ओस पर अलग से नोट्स। मुंबई इंडियंस ने फाइनल में दिल्ली कैपिटल्स को पाँच विकेट से हराया। बारह पृष्ठ की उस आंतरिक रिपोर्ट में सबसे ऊपर जो चीज़ लिखी थी, वह यह थी कि डेटा क्या साबित नहीं कर सकता। होम टीमों का जीत प्रतिशत 52 रहा — यह उतना छोटा बदलाव है कि इसे 'होम-एडवांटेज की क्रांति' कहना सांख्यिकीय रूप से खोखला होता। स्टैंड खाली थे, तो बोलने वाला सिर्फ़ कोड बचा था, और उसी कोड ने कहा कि भीड़ की अनुपस्थिति ने टॉस का पूर्वाग्रह नहीं हटाया। यही अनुशासन यहाँ लागू होता है: जिस जोखिम की जाँच नहीं हुई, वह साफ़ नहीं है, वह अनजाना है।

गड़बड़ी नियतात्मक है और सस्ते में ठीक हो सकती है। यह विश्लेषण की असफलता नहीं, स्कीमा की अपूर्णता है। छह फ़ील्ड अनिवार्य रूप से चाहिए: प्रारूप; प्रतियोगिता और मैच की प्रकृति; तीन से पाँच ठोस सूचना-बिंदु; नामित इकाइयाँ; स्रोत और प्रकाशन तिथि; और लेखक का मूल दृष्टिकोण। इनके बिना दूसरा चरण बंद ही रहना चाहिए, आधा खुला नहीं।

एक ठोस सूचना-बिंदु कैसा दिखता है, यह 2026 के आईपीएल फाइनल से समझिए: शेन वॉटसन की 57 गेंदों पर नाबाद 117 रन की पारी, और चेन्नई सुपर किंग्स की सनराइज़र्स हैदराबाद पर आठ विकेट से जीत। यह एक नग्न तथ्य है जिसे सत्यापित किया जा सकता है। उससे अगला कदम पूछना है कि यह पारी किस चरण में, किस गेंदबाज़ी-संयोजन के ख़िलाफ़ और किस फ़ील्ड-सेटिंग में बनी।Stage-1 के खाली सेट के साथ यह दूसरा कदम उठाया ही नहीं जा सकता, क्योंकि पूछने के लिए संदर्भ ही नहीं है।

विपरीत पक्ष: खाली लौटना विफलता नहीं, पाइपलाइन का इकलौता चालू हिस्सा है

इस पूरे प्रकरण को आईटी की समस्या की तरह पढ़ा जाएगा — स्कीमा में फ़ील्ड जोड़िए, पहला चरण दोबारा चलाइए, काम हो गया। मेरी आपत्ति यहीं से शुरू होती है। ऐसी पाइपलाइन, जो आठों खानों में 'N/A' छाप सकती है, उस पाइपलाइन से कहीं ज़्यादा स्वस्थ है जो हर बार कोई न कोई ट्रेंड खोज ही लेती है।

क्रिकेट कवरेज में खाली इनपुट खाली नहीं रहता। उसमें विशेषण भर दिए जाते हैं। 'मोमेंटम टीम के साथ है'। 'यह खिलाड़ी ड्यू है'। 'बल्लेबाज़ दिख रहा था कन्फ्यूज़्ड'। ये तीनों वही नल रिटर्न हैं, बस टाइपोग्राफ़ी बेहतर है और कोई उन्हें कोई बाइट-बाइट जाँचने नहीं जाता। जिस दिन पाइपलाइन ने आठों खानों में 'अपर्याप्त जानकारी' छापा, उस दिन उसने वह किया जो टिप्पणी-कक्ष में सबसे कम होता है — उसने अपनी सीमा घोषित की।

यह पाठ एक शर्त पर टिकता है: नल को नल कहकर लिखा गया हो। बिना लेबल वाला नल किसी गढ़ी हुई ट्रेंड से ज़्यादा ख़तरनाक है, क्योंकि गढ़ी हुई ट्रेंड को कोई पकड़ सकता है और अनलेबल नल को कोई नहीं ढूँढता। मेरी बात कब गिरती है, यह भी साफ़ है: अगर भरे हुए पहले चरण के साथ दोबारा चलाने पर भी वही आठ 'N/A' लौटें — वहाँ भी जहाँ स्कोर, गेंद और नाम मौजूद हैं — तो समस्या नीचे के चरण की है, ऊपर के चरण की नहीं, और यह पूरा पाठ बेकार है।

अगली कसौटी

अगली बार जब कोई डीकंस्ट्रक्शन मेज़ पर आए, मैं एक ही चीज़ पहले देखूँगी: पहला दावा आने से पहले सूचना-बिंदुओं की संख्या और प्रारूप-टैग उसी वाक्य में लिखा है या नहीं। मैं हाइलाइट के पीछे नहीं भागती — जिस दोहराव ने उसे बनाया, वही दर्ज करती हूँ। अगर दावा पहले आए और गिनती बाद में, तो ग्रिड सजावट है।

क्रिकेट में सबसे खतरनाक चीज़ खाली ग्रिड नहीं है। सबसे खतरनाक वह ग्रिड है जो भरी हुई दिखती है, और जिसे उलटने की ज़रूरत किसी को महसूस ही नहीं होती। सवाल यह नहीं है कि पाइपलाइन खाली लौटी। सवाल यह है कि अगली बार जब वह खाली लौटे, तो क्या पढ़ने वाला उसे पहचान पाएगा?