खाली लेजर का पोस्टमॉर्टम: क्रिकेट एनालिटिक्स में जब टेम्पलेट, एनालिसिस बनकर आया

सोमवार की दोपहर, दिल्ली डेस्क। फ़ोल्डर में आठ सेक्शन वाला एक डॉक्यूमेंट खुला — फ़ॉर्मैट और मैच एनालिसिस, प्लेयर टेक्नीक और डेटा, टीम लैंडस्केप, लीग इकोसिस्टम, गवर्नेंस, रिस्क मैट्रिक्स, पब्लिक नैरेटिव, इंडस्ट्री ट्रांसमिशन। हर सेक्शन में टेबल। हर टेबल में कॉलम हेडर। कॉन्फ़िडेंस लेवल, ट्रिगर कंडीशन, स्टार रेटिंग। और हर सेल में एक ही एंट्री: N/A। पिछले कुछ सालों में डेटा डेस्क पर जो डॉक्यूमेंट मैंने पढ़े, उनमें यह सबसे ईमानदार था। जो पता नहीं था, उसके बारे में उसने कुछ नहीं कहा। बात यहीं ख़त्म हो सकती थी। लेकिन उसी टेम्पलेट का एक दूसरा संस्करण भी मुमकिन था — वही आठ सेक्शन, वही टेबल, बस हर खाली जगह पर किसी खिलाड़ी का नाम, एक औसत, एक स्ट्राइक रेट और एक आत्मविश्वास भरा वाक्य। उस संस्करण को पढ़कर मुझे कभी पता न चलता कि नंबर कहाँ से आया। पहला संस्करण नाकाम है। दूसरा संस्करण ख़तरनाक है। क्रिकेट कंटेंट की हमारी पाइपलाइन दो चरणों में चलती है। पहला चरण सोर्स आर्टिकल को तोड़ता है — फ़ॉर्मैट, एंटिटी, नंबर, दावे, लेखक का रुख। दूसरा चरण उन तत्वों पर आठ आयामों का ढाँचा चढ़ाता है: टैक्टिक्स, प्लेयर डेटा, टीम रैंकिंग, लीग इकोनॉमिक्स, गवर्नेंस, रिस्क, नैरेटिव, इंडस्ट्री ट्रांसमिशन। यह ढाँचा मेरी अपनी ज़रूरत से निकला था, किसी प्रेज़ेंटेशन से नहीं। 2026 में जब मैंने क्रिकबज़ के दिल्ली डेटा डेस्क पर आईपीएल के साठ मैचों का बॉल-बाय-बॉल लेजर बनाया, तो पहला काम स्कोरकार्ड पढ़ना नहीं था। पहला काम चौदह हज़ार से ज़्यादा डिलीवरीज़ को ब्रॉडकास्ट रिकॉर्ड से मिलाना था। बायज़, लेग-बायज़, वाइड, छूटे कैच, "इंटेंट" — हर गेंद किसी स्कोरर का फ़ैसला है, और हर फ़ैसला दोबारा जाँचे जाने लायक है। उस मिलान में जो फ़र्क़ निकले, वही बाद के हर मॉडल का बेस बने। उसी लेजर ने दिखाया था कि मुंबई इंडियंस का ख़िताब सिर्फ़ रोहित शर्मा की स्ट्राइक रेट से नहीं, डेथ-ओवर इकॉनमी से टिका था। डेस्क तुरंत टेक चाहता था। मैंने पहले बारह पेज का मेथडोलॉजी नोट सौंपा। उस नोट ने दो आदतें डालीं जो आज तक चलती हैं: कोई दावा बॉल-काउंट या वेन्यू स्प्लिट के बिना पब्लिश नहीं होता, और अकेले काम करने की परफ़ेक्शनिस्ट आदत पब्लिशिंग को धीमा करती है — इसलिए एक वीडियो एनालिस्ट साथ बैठाया गया, जो मेरी कोडिंग गलतियों पर सवाल उठा सके। इसीलिए वह खाली रिपोर्ट मुझे सिर्फ़ एक बुरा दिन नहीं लगी। वह मेरे ही ढाँचे का टेस्ट केस थी: जब पहला चरण कुछ नहीं लौटाता, तो दूसरा चरण क्या करता है? Information Points पूरी तरह खाली थे, और Core Viewpoints भी। सोर्स से कोई तथ्य नहीं निकला, कोई दावा रिकॉर्ड नहीं हुआ। इससे ज़्यादा बोलने वाला Entities Involved का खाना था। वहाँ जो टेक्स्ट बैठा था, वह था: "identify from the information points above"। यह किसी खिलाड़ी, बोर्ड या लीग का नाम नहीं है। यह प्रॉम्प्ट टेम्पलेट का एक इंस्ट्रक्शन है जो आउटपुट में लीक हो गया। फ़ेलियर का इससे साफ़ फ़िंगरप्रिंट नहीं मिलता — जब सिस्टम के पास भरने को कुछ नहीं होता, तो वह अपना ही सवाल लौटा देता है। Domain Label की गड़बड़ भी उसी तरफ़ इशारा करती है। वहाँ "cricket_world" आया, जबकि स्पेसिफिकेशन में "Cricket" लिखा है। क्लासिफ़ायर ने डिफ़ॉल्ट ब्रांच पकड़ी — वही जो एक बल्लेबाज़ करता है जब पिच पढ़ी नहीं जा रही। सेफ़ खेलना कभी-कभी बुद्धिमानी है, लेकिन उसका मतलब यही होता है कि पिच नहीं पढ़ी गई। सबसे बारीक़ और सबसे महँगी गड़बड़ Author Stance और Article Purpose में है, जहाँ दोनों N/A हैं। फ़र्क़ समझिए। अगर तथ्य निकल आते और लेखक का रुख नहीं, तो एनालिसिस हो सकती थी। अगर रुख निकल आता और तथ्य नहीं, तो कम से कम यह पता होता कि सोर्स किस तरफ़ झुका है और उसकी मंशा रिपोर्टिंग की है या ओपिनियन की। यहाँ दोनों गए। यानी यह खाली एक्सट्रैक्शन नहीं, मिसिंग क्लासिफ़िकेशन लेयर है। दोष तीन जगहों पर हो सकता है। सोर्स आर्टिकल में तथ्य थे और एक्सट्रैक्टर ने गिरा दिए। एक्सट्रैक्टर ने स्कैफ़ोल्डिंग लौटाई, यानी जनरेशन ही फेल हुआ। या सोर्स आर्टिकल सचमुच कंटेंट-फ़्री था। आख़िरी संभावना सबसे कमज़ोर है। क्रिकेट का कोई भी आर्टिकल — गवर्नेंस पर हो, ब्रॉडकास्ट इकोनॉमिक्स पर हो, या शेड्यूलिंग पर — कम से कम दो एंटिटी तो छोड़ता ही है। बोर्ड का नाम, लीग का नाम, ब्रॉडकास्टर का नाम, या किसी अधिकारी का। शून्य एंटिटी वाला क्रिकेट आर्टिकल उतना ही दुर्लभ है जितना शून्य डॉट-बॉल वाला टी20 पावरप्ले। संभव है, आम नहीं। फ़ैसला तीन जाँचों से होता है, और तीनों अलग सवाल पूछती हैं। उसी सोर्स को दोबारा उसी चरण से गुज़ारिए — दूसरी बार भी खाली आया, तो लक या ट्रांज़िएंट एरर का सवाल नहीं रहता। एक ज्ञात-अच्छे आर्टिकल को उसी पाइपलाइन से गुज़ारिए — वह भी खाली आया, तो दोष सोर्स का नहीं, एक्सट्रैक्टर का है। और पूरे बैच में "identify from", "judge from" जैसे टेम्पलेट-स्ट्रिंग स्कैन कीजिए — दो या ज़्यादा आर्टिकल में वही सिग्नेचर मिला, तो यह सिंगल-आर्टिकल रीट्राई नहीं, पाइपलाइन-लेवल फ़िक्स का मामला है। ग़ायब होने का आकार भी डेटा होता है। यही 2026 का सबक़ है। उस लेजर में सबसे उपयोगी जानकारी वह नहीं थी जो भरी हुई थी; वह थी जो मिसिंग थी, और मिसिंग किस पैटर्न में थी। उस रात मैंने बॉल-बाय-बॉल लेजर खोला और मुझे स्कोरकार्ड मिला — सिवाय इसके कि इस बार लेजर खाली था और स्कोरकार्ड ही टेम्पलेट निकला। मिसिंग पैटर्न पढ़ने का तरीका सीधा है। मान लीजिए एक्सट्रैक्टर नैरेटिव टेक्स्ट के लिए कॉन्फ़िगर था और सोर्स में टेबल थी — स्कोरकार्ड, ऑक्शन लिस्ट, रैंकिंग चार्ट। ऐसे में आम फ़ेलियर यह होता है कि नंबर गिर जाते हैं, नाम बच जाते हैं। यहाँ नाम भी नहीं बचे। यानी यह टेबल-कॉन्फ़िगरेशन वाली ग़लती नहीं है। यह हार्ड स्टॉप है, और हार्ड स्टॉप का इलाज कॉन्फ़िगरेशन बदलने से नहीं होता। फिर सवाल यह आता है कि खाली होने के बावजूद आठ सेक्शन का ढाँचा बना क्यों रहा? जवाब फ़ॉर्मैट-कम्प्लीटनेस में है। सिस्टम को बताया गया था कि हर सेक्शन भरना है। जब भरने के लिए कुछ न हो, तो सबसे सस्ता रास्ता यह है कि ढाँचा भर दिया जाए और हर जगह N/A लिख दिया जाए। उस रिपोर्ट ने ठीक यही किया। और यही उसका सबसे बड़ा गुण है। मैं इसे हल्के में नहीं लेता। क्रिकेट एनालिटिक्स में मनगढ़ंत का रास्ता बहुत आसान है, क्योंकि क्रिकेट में राय हमेशा नंबर से पहले आती है। यहाँ हिंडसाइट डिटर्मिनिज़्म सबसे बड़ा ख़तरा है। आउटकम पता होने पर हर गेंद योजना जैसी लगती है और हर चौका दबाव छूटने जैसा। मैंने ऐसी कवरेज पढ़ी है जहाँ एक कोलैप्स को "प्रेशर" कहकर छोड़ दिया गया, जबकि बॉल-बाय-बॉल में दिखता है कि तीन ओवर पहले फ़ील्ड बदली थी और उस बदलाव के बाद स्ट्राइक-रोटेशन का एंगल ही बदल गया। कहानी कारण बना देती है; लेजर सिर्फ़ क्रम बताता है। इसलिए मेरा नियम सख़्त है: हर फ़ैसला सिर्फ़ प्री-बॉल जानकारी से जाँचा जाए — उस वक़्त का फ़ील्ड, गेंदबाज़ का पिछला ओवर, रिक्वायर्ड रेट। जो गेंदें योजना के विफल होने की गवाही देती हैं, वे भी छपनी चाहिए। यही अनुशासन लेखन में भी लगता है: डेटा नहीं, तो दावा नहीं। यह अनुशासन मैंने ख़ुद से नहीं बनाया; हालात ने बनवाया। 2026 में जब मैंने रूस वर्ल्ड कप के चौंसठ मैचों की xG लॉजिक को क्रिकेट के एक्सपेक्टेड रन्स और विकेट-प्रोबेबिलिटी में ट्रांसलेट किया और उसे 2026 आईपीएल के पावरप्ले के सात सौ बीस ओवरों पर टेस्ट किया, तो पहला ड्राफ़्ट दो हफ़्ते लेट गया। कारण सिर्फ़ कैलिब्रेशन था, जिसे मैं सुधारता रहा। एडिटर ने कटऑफ़ थोपा। उसके बाद दो-दिन की मॉडलिंग कटऑफ़ मेरा अपना नियम बन गई, और कैलिब्रेशन फ़ाइलें फ़ाइल करने से पहले एक सहयोगी के साथ शेयर करना भी। खाली पेलोड वाली रिपोर्ट उसी अनुशासन का दूसरा सिरा है। कटऑफ़ का मतलब यह नहीं होता कि जगह भर दी जाए। कटऑफ़ का मतलब यह होता है कि शून्य पब्लिश किया जाए, साफ़ शब्दों में, कारण के साथ। शून्य पब्लिश करने की अपनी कीमत है, और यह मैंने 2026 में सीखा। जब आईपीएल यूएई में बिना दर्शकों के खेला गया, तो मैंने उसे एक नैचुरल एक्सपेरिमेंट की तरह इस्तेमाल किया: साठ मैच, सात हज़ार दो सौ से ज़्यादा गेंदें, कोई सच्चा होम वेन्यू नहीं। कंडीशंस-एडजस्टेड मॉडल में डेज़िग्नेटेड होम टीम पाँच सीज़न के बेसलाइन से नीचे रही, और टॉस का असर दर्शकों के दबाव पर नहीं, ओस पर क्लस्टर हुआ। मुंबई इंडियंस ने ख़िताब जीता और जसप्रीत बुमराह के सत्ताईस विकेट मॉडल के लिए साफ़ टेस्ट केस बने। उस नतीजे का एक हिस्सा बोरिंग था। टॉस का कोई बड़ा करिश्मा नहीं मिला। मैंने वह हिस्सा भी छापा। बोरिंग नतीजे क्रेडिबिलिटी जमा करते हैं, और वह जमा पूँजी अगली बार काम आती है जब आपको कोई असुविधाजनक नतीजा छापना हो। खाली पेलोड वाली रिपोर्ट भी वही जमा है, बस उसका इंटरेस्ट रेट ज़्यादा है। यहाँ एक उलटा निष्कर्ष निकलता है, और वह रिपोर्ट के खालीपन के बारे में नहीं, उसकी सफ़ाई के बारे में है। मान लीजिए वही जानकारी किसी ने एक पैराग्राफ़ में भेजी होती: "सोर्स से कुछ नहीं निकला, दोबारा चलाना पड़ेगा।" कोई भी पाँच सेकंड में समझ जाता और काम रुक जाता। वही बात जब आठ आयामों, स्टार रेटिंग, रिस्क मैट्रिक्स और कॉन्फ़िडेंस लेवल के साथ आती है, तो वह एनालिसिस जैसी दिखती है। और आर्काइव में पहुँच जाती है। फ़ॉर्मैट की परफ़ेक्शन यहाँ जोखिम कम नहीं करती, बढ़ाती है। एक भद्दी खाली रिपोर्ट पकड़ ली जाती है; एक खूबसूरत खाली रिपोर्ट फ़ाइल हो जाती है। डाउनस्ट्रीम में कोई एडिटर उसे "एनालिसिस कम्पलीट" मानकर आगे भेज सकता है, और उसके बाद जो भी फ़ैसला उस पर टिका हो — एडिटोरियल कॉल, ऑक्शन वैल्यूएशन, या किसी खिलाड़ी पर टिप्पणी — वह खाली नींव पर टिका होगा। यहीं दूसरी ग़लती छिपी है जो लगभग हो गई थी: सोर्स को दोष देना। हमें नहीं पता कि सोर्स आर्टिकल खराब था। हमें सिर्फ़ इतना पता है कि पाइपलाइन फेल हुई। सोर्स को दोष देना वही तर्क-दोष है जो क्रिकेट कवरेज रोज़ करती है — बल्लेबाज़ की स्ट्राइक रेट को कोलैप्स का कारण बताना, जबकि फ़ील्ड तीन ओवर पहले बदली थी। करेलेशन और कॉज़ेशन के बीच की दूरी यहाँ एक लाइन की नहीं, पूरे बैच की है। तीसरी ग़लती ज़्यादा महँगी होती है: खालीपन को "थोड़ा और मेहनत करके" भरना। डेटा डेस्क पर यह सबसे आम रिफ़्लेक्स है — मॉडल ने जवाब नहीं दिया, तो थोड़ा और ट्यून कर लो जब तक जवाब न आ जाए। यह सांख्यिकी नहीं, खोज-अभियान है। अपना नल हाइपोथिसिस पहले लिख लेने की आदत इसी वजह से डालनी पड़ी: अगर डेटा पारंपरिक पठन का समर्थन करता है, तो पारंपरिक पठन छापिए। बोरिंग नतीजा कमज़ोर एनालिसिस नहीं होता। आगे का सिग्नल एक ही है और साफ़ है: री-रन। उसी सोर्स को दोबारा चरण-एक से गुज़ारिए और देखिए कि Information Points भरता है या नहीं, और Entities Involved में किसी असली इंसान, बोर्ड या लीग का नाम आता है या नहीं। पाँच फ़ील्ड इस पाइपलाइन में कभी खाली नहीं होनी चाहिए — आर्टिकल का शीर्षक, आउटलेट और तारीख़; फ़ॉर्मैट; टीम और खिलाड़ी के नाम; कम से कम एक ठोस नंबर या एक स्पष्ट दावा; और लेखक का रुख। इनमें से कोई भी ग़ायब है, तो आगे का काम रुक जाना चाहिए, शुरू नहीं होना चाहिए। जो फ़ाइंडिंग इसलिए पब्लिश नहीं हो सकती कि वह कैसे मिली, वह फ़ाइंडिंग थी ही नहीं। जो एनालिसिस दोबारा चलाने पर न टिके, वह एनालिसिस था ही नहीं। सवाल यह नहीं है कि उस रिपोर्ट में क्या ग़लत था। सवाल यह है कि उसी बैच की कितनी और रिपोर्टें उसी शक्ल में फ़ाइल हो चुकी हैं, और उन्हें पढ़ने वाले कितने लोगों ने यह मान लिया कि खाना भरा हुआ है।