खाली डेटासेट, भरा भरोसा: क्रिकेट एनालिसिस में सबसे बड़ा जोखिम गलत नंबर नहीं, गायब नंबर है

अहमदाबाद के एक न्यूज़रूम में मंगलवार की दोपहर। स्क्रीन पर डैशबोर्ड खुला है और सबसे ऊपर हरा टिक टिमटिमा रहा है — "डेटा सिंक पूरा"। नीचे टेबल में इनफॉर्मेशन पॉइंट की गिनती शून्य है। कोई मैच नहीं, कोई फॉर्मेट नहीं, कोई खिलाड़ी नहीं, कोई मैदान नहीं। और फिर भी टैग बॉक्स में साफ अक्षरों में लिखा है: cricket_asia। सिस्टम के हिसाब से रिपोर्ट तैयार है।

उसी डैशबोर्ड से अगली स्क्रीन पर एनालिसिस निकलती है — टेस्ट, वनडे और टी20 के मेट्रिक्स एक ही तालिका में, एक ही भरोसे के साथ। पाइपलाइन चली। आउटपुट आया। यह दृश्य मुझे 2026 की उस शाम पर ले जाता है जब भुवनेश्वर से लौटकर मैंने बारह मिनट का कट देखा था और चैनल ने उसमें से नब्बे सेकंड निकाल दिए थे। कहानी चलती रही, बस मेरे बिना।

भारतीय क्रिकेट का डेटा-कारोबार 2026 में अपने सबसे मोटे दौर में है। आईपीएल नीलामी की बेस प्राइस से लेकर NRR की दशमलव गणना, इम्पैक्ट प्लेयर के इस्तेमाल के पैटर्न से लेकर DRS की अपील-टाइमिंग तक — हर फैसले के पीछे अब एक स्प्रेडशीट है। रीजनल कमेंट्री बूथ से निकलने वाला डेटा स्टूडियो पहुँचता है, और स्टूडियो से सीधे उस कमरे तक जहाँ बोर्ड के अधिकारी बैठते हैं।

संख्या का यह विस्तार असली उपलब्धि है। संख्या के साथ जो चीज़ नहीं बढ़ी, वह है ऑडिट ट्रेल — यह बताने की आदत कि आंकड़ा कहाँ से आया, किस तारीख का है और किस फॉर्मेट का है। मेरे पास 900 से ज्यादा भारतीय एथलीट्स की तकनीकी एंट्रीज़ का निजी डेटाबेस है, और सच कहूँ तो उसका सबसे कीमती हिस्सा वे पंक्तियाँ हैं जिनमें मैंने लिखा है "डेटा अपुष्ट"। एडिटर उन्हें देखकर नाराज़ होते हैं। वही पंक्तियाँ हैं जिन्होंने मुझे गलत सुर्खी से बचाया।

इस पूरी घटना में एक तकनीकी तथ्य सबसे ज्यादा चुभता है: खाली पेलोड के साथ वैध डोमेन लेबल। स्कीमा के सारे खाने मौजूद, टैक्सोनॉमी का टैग भरा हुआ, और अंदर सामग्री शून्य। डेटा इंजीनियरिंग की भाषा में यह schema-valid, content-empty फेलियर है। पत्रकारिता की भाषा में यह वह रिपोर्ट है जो देखने में पूरी और पढ़ने में खोखली है।

दूसरा तथ्य संरचना का है। एंटिटी की सूची बनाने का निर्देश खुद उन इनफॉर्मेशन पॉइंट्स का हवाला देता है जो मौजूद नहीं हैं — "ऊपर दिए बिंदुओं से पहचानें"। जब ऊपर कुछ है ही नहीं, तो निर्देश खुद को घेरकर शून्य लौटाता है। यह सर्कुलर फील्ड की समस्या है, और क्रिकेट डेटा की उस पुरानी बीमारी का डिजिटल रूप है जिसमें हर आंकड़ा किसी दूसरे आंकड़े का हवाला देता है और अंत में कोई प्राथमिक स्रोत नहीं मिलता।

तीसरा और सबसे भारी तथ्य फॉर्मेट का है। फॉर्मेट तय होने से पहले कोई भी प्रदर्शन-दावा अमान्य है, क्योंकि टेस्ट, वनडे और टी20 के मेट्रिक्स आपस में तुलनीय ही नहीं हैं। फिनिशर को 180+ स्ट्राइक रेट पर आँका जाता है, टेस्ट ओपनर को औसत और खेली गई गेंदों पर। एक ही तालिका में दोनों डाल देना गणित से ज्यादा सजावट है। रिपोर्ट में वेन्यू, पिच, ओस और DLS का कोई जिक्र नहीं — यानी संशोधित लक्ष्य और टॉस का असर, वे दो चीज़ें जो हर सीमित ओवर के नतीजे को सबसे ज्यादा मोड़ती हैं, बिल्कुल अनआँका हैं।

चौथा तथ्य स्रोत-गुणवत्ता का है। समय-संवेदनशीलता "आँकी नहीं गई" और स्रोत-गुणवत्ता "अनुपलब्ध" — यानी मूल लेख आज का भी हो सकता है और तीन साल पुराना भी। क्रिकेट में यह अंतर भारी पड़ता है; पूर्व-टूर्नामेंट प्रीव्यू जिसे नतीजे पीछे छोड़ चुके हैं, अगर बिना तारीख के आगे बढ़ जाए तो वह एनालिसिस से ज्यादा पुरातत्व बन जाता है।

पाँचवाँ तथ्य सबसे चालाक है। जोखिम-रेटिंग "उच्च" रखी गई, और वजह साफ लिखी है — सबसे बड़ा जोखिम क्रिकेट का नहीं, रिसर्च-इंटीग्रिटी का है। खाली इनपुट भरा हुआ दिखता है, इसलिए वह मॉडल को सबसे आसानी से भरोसेमंद-दिखने वाली मनगढ़ंत रिपोर्ट लिखने पर मजबूर करता है। इसीलिए तीन गेट ज़रूरी हैं: कम से कम तीन इनफॉर्मेशन पॉइंट, कम से कम एक नामित एंटिटी, और स्पष्ट फॉर्मेट फील्ड। इनमें से एक भी गायब हो तो सही पेशेवर आउटपुट N/A है — और N/A लिखना भी एक नतीजा है, पेशेवर अनुशासन का नतीजा।

उद्योग का सहज रिफ्लेक्स यही है: और डेटा, और डैशबोर्ड, और ग्राफ। मेरा उलटा दावा है। क्रिकेट डेटा में इस वक्त दुर्लभ कौशल विश्लेषण नहीं, इनकार है — यह कहने की क्षमता कि यह संख्या सत्यापित नहीं है।

यहाँ मैं ट्रैक का उधार लिया उपमान इस्तेमाल कर रहा हूँ, और साफ कर दूँ कि यह उपमान है। स्प्लिट टाइम कभी नहीं बताता कि बंदूक चलने पर कौन डरा हुआ था। उसी तरह क्रिकेट में फाइनल मार्जिन कभी नहीं बताता कि 16वें ओवर में रिक्वायर्ड रेट कितना दबाव बना रहा था। अब उपमान खत्म; मैदान पर लौटते हैं। NRR की गणना, इम्पैक्ट प्लेयर की टाइमिंग, DRS में अंपायर्स कॉल — इन तीनों में जो दिखता है और जो फैसला करता है, वह एक ही चीज़ नहीं है। खाली स्टैंड भी डेटा है; 2026 में मैंने खाली स्टैंड की आवाज़ रिकॉर्ड करके यही सीखा था। भीड़ न हो तो बल्ले की आवाज़ बदल जाती है, और वह बदलाव स्कोरकार्ड में कहीं दर्ज नहीं होता। कैमरा स्प्रिंट पर था, असली दौड़ तो दर्शक दीर्घा कर रही थी।

अगली नीलामी, अगली सीरीज़, अगली सेलेक्शन मीटिंग — तीनों में जीत उस डेस्क की होगी जो सबसे ज्यादा ग्राफ दिखा सके, यह मानना आसान है। मेरा अनुमान उलटा है। 2026 का सीज़न यह तय करेगा कि भरोसा उनके पास जाएगा जो यह कह सकते हैं: "यह आंकड़ा अपुष्ट है, इसे अभी नहीं छापेंगे।" बंदूक और दौड़ के बीच जो कमरा है, उसके बारे में कोई नहीं लिखता। वही कमरा अब क्रिकेट का सबसे महत्वपूर्ण कमरा है।