खाली सेल सबसे महंगा आंकड़ा है: क्रिकेट एनालिटिक्स में N/A को 'शून्य जोखिम' पढ़ने की भूल

2026 की सर्दियों में दिल्ली की एक स्पोर्ट्स-साइंस लैब में मैं भुवनेश्वर कुमार की हर स्पेल हाथ से लिख रहा था — ओवर, डिलीवरी संख्या, डेथ ओवर में फेंकी गई गेंदों का हिसाब। मैंने एक वर्कलोड लेजर रखा था; बायलाइन ने मुझे उसी के अंदर पा लिया। सीज़न खत्म होने पर शीट में एक कॉलम खाली मिला। मैंने उसे शून्य पढ़ लिया, क्योंकि स्क्रीन पर वह शून्य जैसा ही दिख रहा था। दो हफ्ते बाद पता चला कि उस मैच का डेटा कभी कैप्चर ही नहीं हुआ था — न कोई गेंद, न कोई ओवर, न कोई ओस का नोट। उस दिन के बाद मेरे हर लेजर में एक नियम जुड़ गया: खाली सेल और शून्य दो अलग चीज़ें हैं, और इनमें से एक झूठ बोलती है।

यह बात आज सिर्फ गेंदबाजी लोड पर लागू नहीं होती। यह पूरी क्रिकेट कवरेज पर लागू होती है।

पिछले कुछ दिनों में एक डेटा-विश्लेषण रन का नतीजा मेरे सामने आया, जिसमें पहले चरण यानी स्टेज-1 का पूरा आर्टिफैक्ट खाली लौटा। शीर्षक नहीं, स्रोत नहीं, लेख का प्रकार 'अनक्लासिफाइड', और सूचना-बिंदुओं की सूची बिल्कुल सुनसान। इकाइयों वाला कॉलम भी उन्हीं सूचना-बिंदुओं का हवाला दे रहा था जो मौजूद ही नहीं थे। ऐसे आर्टिफैक्ट पर आठ-आयामी क्रिकेट विश्लेषण खड़ा करना सबसे आसान काम है — हर खाने में 'एन/ए – अपर्याप्त सूचना' लिख दीजिए और फ़ाइल बंद कर दीजिए। सबसे मुश्किल काम यह कहना है कि यह विश्लेषण नहीं, पाइपलाइन की खराबी है।

असली सवाल यह नहीं कि लेख में कुछ था या नहीं; असली सवाल यह है कि खाली आर्टिफैक्ट किस बिंदु पर बना। शीर्षक, स्रोत, प्रकार और सूचना-बिंदु — चारों का एक साथ खाली होना सामग्री की विशेषता नहीं, कैप्चर की विफलता है। एक सचमुच खाली लेख का भी शीर्षक होता है और बायलाइन भी। पेपरवॉल, जावास्क्रिप्ट से रेंडर होता पेज, एन्कोडिंग की गड़बड़ी, या अधूरा फेच — ये चारों ठीक इसी हस्ताक्षर के साथ लौटते हैं। भारतीय क्रिकेट में यह जोखिम सबसे ऊंचा है, क्योंकि यहां दस्तावेज़ों का बहाव सबसे तेज़ है। नीलामी सूचियां, रिटेंशन नियम, ब्रॉडकास्ट साइकिल, बोर्ड के वित्तीय प्रस्ताव — जहां पैसा सबसे घना है, वहीं एक्सट्रैक्शन लेयर सबसे ज्यादा काम करती है और सबसे चुपचाप टूटती है।

पहली गड़बड़ी सबसे सीधी है। जोखिम मैट्रिक्स का हर खाना जब एन/ए लौटे, तो उसे 'कोई जोखिम नहीं' नहीं पढ़ा जाता — उसे 'जोखिम अज्ञात' पढ़ा जाता है, यानी उच्चतम रेटिंग। फरवरी 2026 के बेंगलुरु मेगा ऑक्शन में हमने 600 से अधिक खिलाड़ियों पर लागत-प्रति-जीत-अतिरिक्त-प्रतिस्थापन का मॉडल बनाया था। उस मॉडल में इशान किशन का ₹15.25 करोड़ महंगा और दीपक चाहर का ₹14 करोड़ लगभग उचित दिखा था। ट्रांसफर मार्केट एक स्प्रेडशीट है जो सोप ओपेरा होने का नाटक कर रही है। मान लीजिए उसी शीट में किसी एक खिलाड़ी की कीमत वाला कॉलम खाली आ जाए — मॉडल उसे सस्ता नहीं, अनुपस्थित बताएगा। लेकिन शीट पढ़ने वाला अगर उसे शून्य समझ ले, तो वह सबसे महंगी भूल होगी।

दूसरी गड़बड़ी फॉर्मेट की है। T20 का स्ट्राइक रेट और टेस्ट की बल्लेबाजी क्षमता एक ही कॉलम में नहीं बैठतीं। इकॉनमी रेट का अर्थ बदल जाता है जैसे ही फॉर्मेट बदलता है, और 'फॉर्म' जैसी चीज़ तीनों में अलग-अलग तरीके से मापी जाती है। बिना फॉर्मेट टैग के कोई भी आंकड़ा सिर्फ एक संख्या नहीं, एक संभावित भ्रष्टाचार है। मेरे लेजर में हर पंक्ति के साथ फॉर्मेट लिखा जाता है — टेस्ट, वनडे, T20 — क्योंकि एक बार यह टैग छूटा कि तीनों सीरीज़ एक ही कहानी में घुल जाती हैं और कहानी सुनने में बेहतर लगने लगती है।

तीसरी गड़बड़ी लेबल की है। जब पाइपलाइन सिर्फ 'क्रिकेट_एशिया' जैसा क्षेत्रीय टैग लौटाती है, तो लिखने वाले के सामने एक लुभावना रास्ता खुलता है: भारत-पाकिस्तान की पुरानी कहानी जोड़ दो, एशिया कप का फ्रेम खड़ा कर दो, और बिना एक भी तारीख के तीन सौ शब्द तैयार। क्षेत्रीय टैग कवरेज का दायरा बताता है, तथ्य नहीं। यही वह जगह है जहां नोस्टाल्जिया विश्लेषण का भेष बदल लेती है।

चौथी गड़बड़ी सबसे महंगी है और सबसे कम दिखती है — बैच में फैलाव। अगर स्टेज-1 किसी बैच जॉब में चला था, तो उसी सत्र के बाकी रिकॉर्ड भी इसी खाली हस्ताक्षर के साथ आ सकते हैं। एक टूटा हुआ स्क्रैपर पूरे सीज़न का मॉडल ज़हर बना सकता है, और किसी को पता भी नहीं चलेगा क्योंकि हर पंक्ति साफ-सुथरी दिखेगी।

इसके उलट, 2026 में जब यूएई में 60 मैच बिना दर्शकों के खेले गए, तो मैंने उसे एक नियंत्रित प्रयोग की तरह लॉग किया था — दूसरी पारी की रन-रेट, शारजाह में 16वें ओवर के बाद का बदलाव, और ओस एकमात्र ईमानदार चर। वह डेटासेट इसलिए काम का था क्योंकि हर पंक्ति में शर्तें दर्ज थीं। जहां शर्तें दर्ज नहीं होतीं, वहां विश्लेषण नहीं बचता, सिर्फ अनुमान बचता है।

अब एक पैराग्राफ बिना किसी संख्या के। भुवनेश्वर की यॉर्कर याद कीजिए — गेंद हाथ से निकलते वक्त सीम बिल्कुल सीधी नहीं रहती, हल्की सी घूम जाती है, और पिच पर गिरने के बाद आवाज़ थोड़ी भारी होती है, जैसे कोई चीज़ टकराकर रगड़ी गई हो। बल्लेबाज का बैकलिफ्ट उस पल में थोड़ा ऊंचा उठ जाता है, और कीपर के दस्ताने थोड़ा नीचे आ जाते हैं। इस विवरण में कोई कॉलम नहीं है, और फिर भी यही वह चीज़ है जो बताती है कि हमारा डेटा असल में किस बारे में है।

उद्योग का डर गलत जगह बैठा है। सबको 'हॉट टेक' से डर लगता है — बिना आधार का बड़ा दावा। किसी को खाली सेल से नहीं डर लगता, जबकि झूठा भरोसा बड़े दावे से ज्यादा महंगा पड़ता है। एक बड़ा दावा बहस पैदा करता है और बहस में पकड़ा जाता है; एक साफ-सुथरी खाली तालिका किसी को बहस के लिए नहीं बुलाती, वह बस अगली फ़ाइल तक बढ़ जाती है। और जहां आम राय सही है, वहां उसे एक साफ वाक्य में मान लेना चाहिए और आगे बढ़ जाना चाहिए — हर मोर्चे पर बहस करना विश्लेषण नहीं, आदत है।

समाधान विश्लेषण में नहीं, प्रक्रिया में है। न्यूनतम इनपुट निर्दिष्टि तय कीजिए: शीर्षक और नामांकित स्रोत; लेख का प्रकार; फॉर्मेट स्पष्ट रूप से; कम से कम पांच सूचना-बिंदु, हर एक के साथ तारीख और फॉर्मेट टैग; इकाइयां; और समय-संवेदनशीलता। इनके बिना आठ-आयामी विश्लेषण निकालना उसी तरह है जैसे खाली स्कोरबुक से मैच की कहानी लिखना। मेरे सबसे अच्छे निष्कर्ष फुटनोट के रूप में आए थे, फिर उन्होंने मुख्य पाठ मांगा — लेकिन फुटनोट तभी बनता है जब ऊपर का पाठ मौजूद हो।

अगली बार जब कोई रिपोर्ट कहे कि कोई जोखिम नहीं मिला, तो पूछिए कि जोखिम मैट्रिक्स सचमुच भरा था या सिर्फ एन/ए से भरा दिख रहा था। मेरा अगला परीक्षण तीन सवालों का है: एक नामित इकाई, एक तारीख वाला तथ्य, एक फॉर्मेट टैग। अगर इनमें से एक भी न मिले, तो लेख नहीं लिखा जाता — री-रन का अनुरोध भेजा जाता है। जो लेजर खाली लौटे, उसे हिसाब मान लेना क्रिकेट पत्रकारिता की सबसे चुपचाप की जाने वाली गलती है।