N/A वाला स्कोरकार्ड: क्रिकेट का डेटा सिस्टम जिन सवालों को कभी नहीं पूछता

पिछले हफ्ते एक डेटा पाइपलाइन खाली लौटी। बारह फ़ील्ड थीं — शीर्षक, स्रोत, प्रारूप, टीमें, खिलाड़ी, समय-संवेदनशीलता, स्रोत की गुणवत्ता। बारहों के आगे एक ही जवाब टाइप था: N/A। किसी ने गलती नहीं की थी। स्क्रैपर चला था। पार्सर चला था। सिस्टम ने बस ईमानदारी से बता दिया कि उसके पास कुछ नहीं है।

मुझे यह खालीपन जाना-पहचाना लगा। नौ साल पहले मुंबई के एक डिजिटल स्टार्टअप में मैंने पहली बार एक ऐसी लीग के लिए xG मॉडल बनाया जहाँ बॉल-ट्रैकिंग नाम की कोई चीज़ मौजूद नहीं थी। हमारे पास स्कोरकार्ड था, कुछ मैच रिपोर्टें थीं, और बस। उस वक़्त मुझे लगा था कि हम डेटा इकट्ठा कर रहे हैं। बाद में समझ आया कि हम असल में यह दर्ज कर रहे थे कि सिस्टम ने कौन-से सवाल पूछने की जहमत ही नहीं उठाई। अनुपस्थिति भी डेटा है। बस उसे पढ़ने के लिए सही चश्मा चाहिए।

भारतीय क्रिकेट में यह अनुपस्थिति किसी एक जगह नहीं है। यह एक सीढ़ीनुमा ढाँचा है, और सीढ़ी के हर पायदान पर माप की मोटाई बदल जाती है। सबसे ऊपर वह प्रतियोगिता है जहाँ हर गेंद पर आठ कैमरे टिके हैं। सबसे नीचे वह मैच हैं जहाँ एकमात्र भरोसेमंद आँकड़ा स्कोरकार्ड का जोड़ है। इन दोनों के बीच की खाई कोई तकनीकी दुर्घटना नहीं — वह सीधे पैसे का नक्शा है।

जहाँ ब्रॉडकास्ट का पैसा है, वहीं माप है; और जहाँ माप है, वहीं विश्लेषण संभव है।

सबसे ऊपर आईपीएल है। हॉक-आई, गेंद की रिलीज़ पॉइंट, सीम मूवमेंट, बल्लेबाज़ का फुटवर्क, शॉट की दिशा, कैच की संभावना — यह वह डेटा है जो सवाल पूछने देता है। जब मैं आईपीएल की कोई पारी देखता हूँ, तो मेरे पास यह बताने का आधार होता है कि किस ओवर में गेंदबाज़ ने लाइन बदली और किस ओवर में बल्लेबाज़ ने जोखिम उठाया। यह जानकारी स्कोरकार्ड से कभी नहीं निकलती। स्कोरकार्ड बताता है कि 17वें ओवर में चौदह रन बने। बॉल-ट्रैकिंग बताती है कि वे चौदह रन तीन ग़लत लाइन की गेंदों पर बने, और गेंदबाज़ का असली हुनर यॉर्कर में था जो उस ओवर में एक भी बार नहीं आया।

एक पायदान नीचे भारत की घरेलू अंतरराष्ट्रीय सीरीज़ आती हैं। यहाँ ट्रैकिंग अच्छी है, लेकिन पूरी नहीं। घर पर खेली गई सीरीज़ का डेटा घना होता है; विदेशी दौरों पर वही टीम अचानक पतली हो जाती है, क्योंकि मेज़बान बोर्ड का प्रसारण ढाँचा अलग है। इसका सीधा अर्थ यह है कि जब आप किसी भारतीय बल्लेबाज़ का घर और बाहर का प्रदर्शन तुलना करते हैं, तो आप दो अलग गुणवत्ता वाले डेटासेट की तुलना कर रहे होते हैं — और यह बात लगभग कभी नहीं लिखी जाती।

फिर रणजी ट्रॉफी आती है। अड़तीस टीमें। कई राज्यों के मैदानों पर बॉल-ट्रैकिंग की सुविधा नहीं है। जो बचता है वह स्कोरकार्ड है — रन, विकेट, ओवर, कैच, और कभी-कभी एक-दो स्थानीय रिपोर्ट। मैंने पिछले कुछ सीज़न में रणजी के आँकड़े जुटाने की कोशिश की है, और हर बार वही दीवार मिली: आप यह बता सकते हैं कि किसी स्पिनर ने चौथी पारी में कितने ओवर फेंके, लेकिन यह नहीं बता सकते कि उसने कितनी गेंदें टर्न कराईं, कितनी सीधी रखीं, या बल्लेबाज़ ने कितनी बार ग़लत शॉट खेला।

सबसे नीचे महिला घरेलू क्रिकेट है। महिला प्रीमियर लीग मार्च 2026 में पाँच टीमों के साथ शुरू हुई, और उसने दृश्यता के मामले में बहुत कुछ बदला। लेकिन घरेलू महिला वनडे और टी20 का ऐतिहासिक रिकॉर्ड इतना पतला है कि आप किसी खिलाड़ी के पाँच साल के विकास की कहानी नहीं लिख सकते। जब कोई युवा महिला बल्लेबाज़ एक शानदार सीज़न खेलती है, तो मेरे पास यह कहने का कोई आधार नहीं होता कि यह उसका असली स्तर है या एक अच्छा महीना। यह जानकारी की कमी नहीं, ढाँचे की कमी है।

यह सीढ़ी संयोग से नहीं बनी। आईपीएल के मीडिया अधिकार 2026 से 2027 के चक्र के लिए लगभग 48,390 करोड़ रुपये में बिके थे। यह एक आँकड़ा अकेला ही समझा देता है कि बॉल-ट्रैकिंग आईपीएल में क्यों है और रणजी में क्यों नहीं। ट्रैकिंग तकनीक सस्ती नहीं है, और उसे हर उस मैदान पर लगाना जहाँ अड़तीस टीमों का एक भी मैच प्रसारित नहीं होता, किसी भी व्यावसायिक तर्क में नहीं बैठता।

आईसीसी के 2026-2027 राजस्व मॉडल में भारत का हिस्सा लगभग 38.5 प्रतिशत है। यह पैसा क्रिकेट की वैश्विक व्यवस्था में सबसे बड़ी एकल धारा है। सवाल यह है कि यह धारा नीचे तक कैसे पहुँचती है। मेरा अवलोकन साफ़ है: यह धारा अंतरराष्ट्रीय कैलेंडर, प्रसारण अधिकारों और फ्रैंचाइज़ी मूल्यांकन तक तो पहुँचती है, लेकिन घरेलू मैदानों की माप-व्यवस्था तक उतरने से पहले ही रुक जाती है। रणजी को वह ट्रैकिंग नहीं मिलती जो आईपीएल को मिलती है, और यह अंतर किसी एक सीज़न का नहीं, पूरे ढाँचे का है।

अब वापस उस खाली पाइपलाइन पर। बारह N/A का क्या मतलब है? सबसे सीधा जवाब यह है कि यह एक तकनीकी विफलता है — स्क्रैप या पार्स कहीं टूटा है, और जो लेख असल में मौजूद था, वह सिस्टम तक पहुँच ही नहीं पाया। यह एक गंभीर बात है, क्योंकि उस लेख में चोट, विवाद या पैसे की कोई अहम जानकारी हो सकती थी जो अब अदृश्य है।

लेकिन मेरे लिए दूसरा सवाल ज़्यादा दिलचस्प है। अगर वह लेख रणजी ट्रॉफी के किसी मैच के बारे में होता, तो क्या पाइपलाइन को भरने के लिए पर्याप्त डेटा मिलता? मेरा जवाब है: शायद नहीं। और यही असली खबर है। क्रिकेट की सबसे बड़ी डेटा समस्या यह नहीं कि कुछ स्क्रैपर टूट गया। समस्या यह है कि देश के सबसे पुराने और सबसे बड़े घरेलू टूर्नामेंट के बारे में, साल भर की क्रिकेट के बाद भी, आपके पास ऐसा डेटा ही नहीं जो किसी गहरे विश्लेषण का आधार बन सके।

यहीं से मेरा असली काम शुरू होता है, और वह काम है प्रॉक्सी बनाना। जब सीधा माप न हो, तो आप उस चीज़ को मापते हैं जो उपलब्ध है और जो मूल व्यवहार से जुड़ी है। उदाहरण के लिए, अगर मुझे यह जानना है कि कोई घरेलू स्पिनर चौथी पारी में कितना खतरनाक है, तो मैं टर्न या ड्रिफ्ट नहीं माप सकता। लेकिन मैं यह माप सकता हूँ: चौथी पारी में उसकी गेंदबाज़ी का इकॉनमी, उसके ओवरों का अनुपात टीम के कुल ओवरों में, और उन मैचों में विपक्षी टीम का जीतने का अनुपात। ये तीनों मिलकर एक ऐसी तस्वीर बनाते हैं जो सीधे माप से कम सटीक है, लेकिन पूरी तरह अंधेरे में नहीं छोड़ती।

शर्त एक ही है, और वह गैर-परक्राम्य है: प्रॉक्सी को प्रॉक्सी कहना पड़ता है। जिस पल आप एक अनुमान को सीधे माप की तरह पेश करते हैं, उस पल आपका विश्लेषण भरोसे के लायक नहीं रहता। मैंने अपने करियर में यह गलती खुद की है और दूसरों को करते देखी है। एक बार आपने किसी स्पिनर के इकॉनमी को 'टर्न का सूचक' कह दिया, तो पाठक उसे सच मान लेता है, और फिर आप उस पर और बड़े दावे बनाने लगते हैं। यह एक ऐसा कर्ज़ है जो चक्रवृद्धि ब्याज पर बढ़ता है।

मेट्रिक्स नतीजे नहीं बताते; वे फैसले बताते हैं। यह वाक्य मैंने फुटबॉल के लिए लिखा था, और क्रिकेट में यह उससे भी ज़्यादा सच है। स्ट्राइक रेट ने मुझे कभी नहीं बताया कि कौन जीतेगा। उसने मुझे बताया कि किस टीम ने मध्य ओवरों में साँस लेने का फैसला किया — किसने जोखिम टाला, किसने बल्लेबाज़ को बदला, किसने गेंदबाज़ी में बदलाव किया। जब मैं कोई आईपीएल मैच देखता हूँ, तो मेरी नज़र स्कोरबोर्ड पर कम और टीमों के फैसलों पर ज़्यादा होती है: किस ओवर में किसने अपना सबसे अच्छा गेंदबाज़ बचाया, किसने यॉर्कर को आख़िर तक रोका, किसने आक्रामक फील्ड लगाकर दबाव बनाया।

आईपीएल के 2026 सीज़न में लागू इम्पैक्ट प्लेयर नियम इसका सबसे अच्छा उदाहरण है। यह नियम सिर्फ़ एक अतिरिक्त खिलाड़ी नहीं जोड़ता; यह चयन-आर्किटेक्चर बदल देता है। एक टीम अब छठे गेंदबाज़ को खरीद सकती है, उसे कुछ ओवर फेंकवा सकती है, और फिर उसी स्लॉट में एक बल्लेबाज़ लाकर उसका इस्तेमाल कर सकती है। जब मैं किसी टीम का इम्पैक्ट प्लेयर चयन देखता हूँ, तो मैं उसे एक मैचअप की खरीद मानता हूँ। यह एक आँकड़ा नहीं, एक रणनीतिक निर्णय है — और यही चीज़ है जिसे मैं कवर करना चाहता हूँ।

नीलामी की कीमत इसी जगह फँसती है। महिला प्रीमियर लीग की पहली नीलामी में स्मृति मंधाना को रॉयल चैलेंजर्स बैंगलोर ने 3.4 करोड़ रुपये में लिया था। यह एक बड़ा आँकड़ा है और उसने सुर्खियाँ बटोरीं। लेकिन यह आँकड़ा यह नहीं बताता कि वह कितनी अच्छी बल्लेबाज़ हैं। यह बताता है कि उस समय उस बाज़ार में एक स्थापित, प्रसारण-योग्य भारतीय सलामी बल्लेबाज़ की कितनी कमी थी, और एक नई लीग को एक पहचान बनाने के लिए उसे कितना महत्वपूर्ण माना गया।

ऊँची नीलामी कीमत एक व्यावसायिक संकेत है, खेल-कौशल का प्रमाण नहीं। जब भी कोई नीलामी रिपोर्ट आती है, मैं सबसे पहले यह देखता हूँ कि कीमत दुर्लभता का प्रीमियम है या गुणवत्ता का। बाएँ हाथ के तेज़ गेंदबाज़, विकेटकीपर-बल्लेबाज़, और बाएँ हाथ के स्पिनर — इन तीन श्रेणियों में कीमत लगभग हमेशा ज़्यादा होती है, भले ही उस खिलाड़ी का अंतरराष्ट्रीय रिकॉर्ड इसके लायक हो या न हो। अगर मैं यह अंतर साफ़ नहीं करता, तो मेरा विश्लेषण केवल एक और सुर्खी बन जाता है।

इसी तरह, कॉमेंट्री बॉक्स को मैं डेटा स्रोत मानता हूँ, प्रतिद्वंद्वी नहीं। मैंने 19 साल की उम्र में हैदराबाद से ऑल इंडिया रेडियो के लिए क्रिकेट कॉमेंट्री शुरू की थी। उस दौर ने मुझे सिखाया कि क्षेत्रीय भाषा में बोला गया एक वाक्य कभी-कभी किसी ग्राफ़ से ज़्यादा बताता है, क्योंकि वह उस पल की अनुभूति को पकड़ता है जिसे कोई मॉडल माप नहीं सकता। जब कोई स्थानीय कॉमेंटेटर कहता है कि यह पिच नीचे से धीमी हो रही है, तो मैं उसे एक परिकल्पना की तरह दर्ज करता हूँ, और फिर देखता हूँ कि स्कोरकार्ड उसे सही साबित करता है या नहीं।

इसका उल्टा भी सच है। 2026 विश्व कप में मैंने फ्रांस का PPDA 14.3 निकाला था, जो प्रतियोगिता के दावेदारों में सबसे ऊँचा था, और मैंने कहा था कि वे बहुत कम मौके देंगे। उन्होंने टूर्नामेंट जीता और केवल छह गोल खाए। उस वक़्त एक टीवी कॉमेंटेटर ने ऑन एयर कहा कि मैं खेल को ज़रूरत से ज़्यादा उलझा रही हूँ। यह मुझे याद रहता है क्योंकि उसने सिखाया कि मॉडल को सिर्फ़ निकालना नहीं, उसे बोलना भी पड़ता है — और यह काम अक्सर सबसे कठिन होता है।

2026 में आईएसएल खाली स्टेडियमों में खेला गया था, गोवा में। मैंने तय की गई दूरी देखी: घरेलू टीमों की औसत दूरी 108 किलोमीटर से घटकर 104 किलोमीटर हो गई, और घरेलू जीत का प्रतिशत 45 से 32 पर आ गया। स्टेडियम खाली हो गए, तय की गई दूरी नहीं बदली — लेकिन उस दूरी के पीछे का मनोबल बदल गया। मैंने लिखा कि घरेलू लाभ मनोवैज्ञानिक है, रणनीतिक नहीं। कई कोचों ने पहले इनकार किया, बाद में डेटा टिका रहा।

क्रिकेट में इसका सीधा तुलना-बिंदु है: घरेलू पिच, दर्शकों का शोर, और उस शोर का गेंदबाज़ के रन-अप पर पड़ने वाला असर। हम इन चीज़ों को अक्सर एक ही थैले में डाल देते हैं और उसे 'घरेलू लाभ' कह देते हैं। असल में ये तीन अलग चर हैं, और हमारे पास इन्हें अलग करने का डेटा अक्सर नहीं होता। जब डेटा न हो, तो सबसे बड़ी गलती यह होती है कि हम एक मज़बूत निष्कर्ष निकाल लेते हैं क्योंकि एक कमज़ोर आँकड़ा उपलब्ध है।

अब वह उलटा कोण, जो मैं हर विश्लेषण में खोजता हूँ। यह पूरी बहस का सबसे नाज़ुक हिस्सा है।

अनुपस्थिति कभी गुणवत्ता की अनुपस्थिति नहीं होती। अगर रणजी ट्रॉफी का डेटा नहीं है, तो इसका मतलब यह नहीं कि वहाँ कोई अच्छा खिलाड़ी नहीं है। इसका मतलब सिर्फ़ यह है कि वहाँ कोई मापने वाला नहीं बैठा। यह अंतर इतना साफ़ दिखता है और फिर भी इतनी बार नज़रअंदाज़ किया जाता है कि मुझे लगता है यह हमारी आदत बन गई है। जिस चीज़ को हम नहीं मापते, हम उसे धीरे-धीरे कम महत्वपूर्ण मानने लगते हैं।

इससे जुड़ा एक और खतरा है जिसे मैं 'सैंपल-साइज़ बुलिंग' कहता हूँ। जब कोई महिला प्रीमियर लीग के किसी रुझान पर बहस करता है, तो सबसे आसान जवाब यह होता है: 'सैंपल छोटा है।' यह जवाब तकनीकी रूप से लगभग हमेशा सही होता है, और इसीलिए यह इतना आरामदायक है। यह आपको सोचने की ज़रूरत से बचा देता है। मुझे यह मानना पड़ा है कि कुछ सवाल ऐसे हैं जिन्हें मापा नहीं जा सकता, और उन्हें बहस से ही सुलझाना पड़ता है। सैंपल बताइए कि क्या बता सकता है और क्या नहीं, फिर वह परीक्षण बताइए जो इसे तय करेगा — लेकिन बहस से भागना विश्लेषण नहीं है।

तीसरा खतरा मेरे अपने पेशे से जुड़ा है। मैं ऑस्ट्रेलिया में पैदा हुआ, भारत में रहता हूँ, और भारतीय क्रिकेट पर लिखता हूँ। दूरी कभी-कभी संस्थागत अंधे धब्बों को देखने में मदद करती है, लेकिन वह आसानी से एक ऐसे लहजे में बदल सकती है जो आयातित लगता है। मुझे याद रखना पड़ता है कि घरेलू स्काउटिंग और क्षेत्रीय पारिस्थितिकी तंत्र पहले से बहुत काम कर रहे हैं। मेरा काम उन्हें निदान करना नहीं, उन्हें श्रेय देना और उनसे सीखना है।

चौथा खतरा सबसे चुपचाप घुसता है: जो मॉडल के पास है उसे मापना, न कि जो क्रिकेट है उसे। आईपीएल के प्रसारण डेटा में काम करना आसान है क्योंकि वह साफ़ है। रणजी और महिला क्रिकेट में काम करना मुश्किल है क्योंकि वहाँ डेटा ही नहीं। इसका नतीजा यह होता है कि फ्रैंचाइज़ी क्रिकेट का कवरेज बढ़ता जाता है और बाकी क्रिकेट पतला रह जाता है। मैंने अपने लिए एक नियम बनाया है: हर दावे पर उसका स्रोत लिखना। अगर मेरा सबूत किसी प्रसारण फ़ीड से आया है, तो मैं वह लिखूँगा। और काम का एक तय हिस्सा उन मैचों के लिए रखूँगा जहाँ कोई ट्रैकिंग नहीं कर रहा।

कैलिब्रेशन एक तपस्वी का काम है। यह मैंने अपने मॉडल बनाने के शुरुआती दिनों में सीखा था, जब हमारा xG मॉडल लगातार उन शॉट्स को कम आँकता था जो दूर से लिए गए थे। हमने तीन हफ्ते लगाए, केवल यह देखने में कि मॉडल कहाँ गलत है। कोई सुर्खी नहीं बनी। कोई पाठक नहीं मिला। लेकिन उन तीन हफ्तों ने हमें वह भरोसा दिया जिसके बिना बाकी सब बेकार था। क्रिकेट के डेटा में यही अनुशासन सबसे ज़्यादा गायब है, क्योंकि यहाँ अधिकांश लोग मॉडल बनाने से पहले नतीजा लिख देते हैं।

अब वह सवाल जो मैं सबसे आख़िर में पूछना चाहता हूँ, और जो इस पूरी रिपोर्ट की असली धुरी है। अगर किसी खिलाड़ी या मैच के बारे में हमारे पास केवल स्कोरकार्ड है, तो क्या हमें उस पर लिखना चाहिए या नहीं?

मेरा जवाब है: हाँ, लिखना चाहिए — लेकिन ईमानदारी से। मैं यह नहीं कहूँगा कि स्कोरकार्ड से कोई गहरा विश्लेषण निकलता है। मैं यह कहूँगा कि स्कोरकार्ड से यह ज़रूर निकलता है कि किस टीम ने किन परिस्थितियों में क्या चुना। और फैसलों का इतिहास लिखना भी इतिहास लिखना है। रणजी के किसी मैच में किसी कप्तान ने चौथी पारी में स्पिनर को क्यों गेंद दी, किसी बल्लेबाज़ ने पहली पारी में क्यों तेज़ी दिखाई — ये सवाल स्कोरकार्ड से पूछे जा सकते हैं, भले ही उनके जवाब अधूरे हों।

जो चीज़ मुझे सबसे ज़्यादा चिंतित करती है, वह यह है कि हमारे उद्योग में डेटा की कमी को अक्सर कहानी की कमी समझ लिया जाता है। जब किसी घरेलू खिलाड़ी पर पर्याप्त आँकड़े नहीं होते, तो कवरेज उसे छोड़ देती है, और फिर हम कहते हैं कि उसके बारे में कहने को कुछ नहीं था। यह उलटा तर्क है। कहने को बहुत कुछ था; हमने सुनने की व्यवस्था नहीं बनाई।

एक और बात जो मैं साफ़ कर देना चाहता हूँ, वह नीलामी और चोट की खबरों के बारे में है। इस समय स्थानांतरण और नीलामी की अफ़वाहें हर जगह हैं। इनमें सबसे बड़ी समस्या यह है कि सूचना और शोर का अनुपात लगातार बिगड़ रहा है। मेरे पास इसका एक साधारण फ़िल्टर है: मैं उस खबर को महत्व देता हूँ जिसमें कोई संविदा-संरचना, कोई रिलीज़ क्लॉज़, या कोई वेतन-बिल दिखे। जो खबर केवल 'सूत्रों के हवाले से' कहती है कि कोई खिलाड़ी किसी टीम में जा रहा है, वह मेरे लिए एक अफ़वाह है, खबर नहीं। एजेंट का शोर बाज़ार की असली कीमत को धुँधला कर देता है, और उस शोर को फ़िल्टर करना पाठक का हक़ है।

यह भी याद रखना ज़रूरी है कि क्रिकेट में चोट की सूचना अक्सर सबसे कम भरोसेमंद सूचना होती है। एक टीम कभी नहीं बताती कि उसका तेज़ गेंदबाज़ कितने हफ्ते बाहर है, क्योंकि यह बताने से विपक्षी टीम को फायदा होता है और नीलामी में कीमत गिर सकती है। इसलिए जब मैं चोट की खबर पढ़ता हूँ, तो मैं उसे एक सीमा के भीतर ही सच मानता हूँ, और मैं हमेशा यह लिखता हूँ कि यह जानकारी किस स्रोत से आई है।

अब आगे की ओर। मैं यह नहीं कहूँगा कि अगले कुछ सालों में क्रिकेट का डेटा ढाँचा बदल जाएगा, क्योंकि मुझे इसका कोई सबूत नहीं दिखता। मैं यह कहूँगा कि अगली बार जब आप कोई क्रिकेट विश्लेषण पढ़ें, तो एक सवाल ज़रूर पूछें: इस दावे का डेटा किस मैच से, किस प्रारूप से, और किस मौसम से आया है? अगर लेखक यह नहीं बता सकता, तो आप जो पढ़ रहे हैं वह विश्लेषण नहीं, एक राय है जिसे आँकड़ों की पोशाक पहना दी गई है।

और अगली बार जब कोई सिस्टम आपको N/A लौटाए, तो उसे तुरंत विफलता मत कहिए। कभी-कभी वह सबसे ईमानदार जवाब होता है जो कोई सिस्टम दे सकता है। सवाल यह है कि हम उस खालीपन को भरने के लिए क्या बनाते हैं — एक और अफ़वाह, या एक ऐसा माप जो हमें बताए कि हम क्या नहीं जानते।

मेरे लिए, उत्तर साफ़ है। हम उस अनुपस्थिति को एक प्रॉक्सी में बदलते हैं, उस प्रॉक्सी पर उसका लेबल चिपकाते हैं, और फिर ईमानदारी से लिखते हैं कि हमने क्या देखा और क्या नहीं। क्रिकेट का सबसे बड़ा डेटा संकट यह नहीं कि हमारे पास कम आँकड़े हैं। संकट यह है कि हमने उन सवालों की सूची ही नहीं बनाई जो हम पूछना चाहते थे। जिस दिन हम वह सूची बनाएँगे, उस दिन पाइपलाइन खाली नहीं लौटेगी।