शून्य इनफॉर्मेशन पॉइंट: क्रिकेट एनालिटिक्स की वह विफलता जो स्कोरकार्ड में कभी दर्ज नहीं होती

सोमवार की सुबह द्वारका के ऑफिस में मॉनिटर पर ग्यारह फ़ील्ड खुलीं और ग्यारहों खाली थीं। आर्टिकल टाइटल — एन/ए। सोर्स — एन/ए। आर्टिकल टाइप — अपरिभाषित। डोमेन लेबल सिर्फ़ एक टैग था: cricket_world। और उसके नीचे वह एक लाइन जिसने पूरा काम रोक दिया — इनफॉर्मेशन पॉइंट्स: खाली एरे, लंबाई शून्य।

वे आठ एनालिटिकल डाइमेंशन — फ़ॉर्मेट और मैच, खिलाड़ी की तकनीक और डेटा, टीम का परिदृश्य, लीग का कमर्शियल इकोसिस्टम, नियम और गवर्नेंस, रिस्क, पब्लिक नैरेटिव, और उद्योग का ट्रांसमिशन — सब उसी एक एरे पर टिके थे। एरे खाली था। मतलब, काम शुरू ही नहीं हो सकता था।

पोस्टमॉर्टम वहीं शुरू हुआ जहाँ स्कोरकार्ड ने समझाना बंद कर दिया था — सिर्फ़ इस फ़र्क़ के साथ कि इस बार स्कोरकार्ड ही नहीं आया था। ग्यारह में से ग्यारह फ़ील्ड अनुपयोगी। एक भी ऐसी वैल्यू नहीं जिसे आगे के तर्क में लगाया जा सके। और उस वक़्त असली सवाल यह नहीं था कि "कहानी क्या है"। असली सवाल यह था कि "कहानी लिखने का अधिकार किस डेटा से बन रहा है"।

एक एनालिस्ट के पास उस क्षण दो रास्ते होते हैं। पहला — टेम्पलेट भर दो: सामान्य आईपीएल इकोनॉमिक्स, सामान्य DLS शिकायत, सामान्य "बुज़ुर्ग कोर" वाला आर्ग्युमेंट, और डिलीवरेबल समय पर जमा कर दो। दूसरा — यह लिख दो कि इनपुट नहीं आया। पहला रास्ता करियर बचाता है और पेशा मार देता है। दूसरा रास्ता ठीक उल्टा करता है।

यह लेख उसी दूसरे रास्ते का है, और यह किसी मैच की रिपोर्ट नहीं है। यह उस पाइपलाइन की रिपोर्ट है जिससे होकर हर मैच की रिपोर्ट गुज़रती है।

पाइपलाइन क्या है, और फ़ॉर्मेट सबसे भारी वेरिएबल क्यों है

क्रिकेट डेटा एनालिसिस का जो स्टैंडर्ड दो-स्टेज मॉडल है, उसमें पहला स्टेज टेक्स्ट-डीकंपोज़िशन करता है — यानी किसी लेख, रिपोर्ट, स्कोरकार्ड या प्रेस रिलीज़ को तोड़कर उससे "इनफॉर्मेशन पॉइंट्स" निकालना। छोटी-छोटी, सत्यापन-योग्य, तथ्यात्मक इकाइयाँ: कौन खेला, कहाँ खेला, किस फ़ॉर्मेट में, क्या स्कोर, कौन सा वेन्यू, कौन सा फ़ैसला, किसने क्या कहा, किस तारीख़ को। ये इकाइयाँ ही आगे की हर बात का सबूत बनती हैं। सबूत न हों तो निष्कर्ष नहीं होता — राय होती है।

दूसरा स्टेज उन इकाइयों पर आठ आयामों का ढाँचा लगाता है। और उस ढाँचे में पहला सवाल हमेशा फ़ॉर्मेट का होता है: टेस्ट है, वनडे है, टी20 है या फ्रैंचाइज़ी लीग। यह पूछताछ का औपचारिक हिस्सा नहीं है। क्रिकेट दुनिया का शायद वह अकेला खेल है जहाँ एक ही खिलाड़ी के एक ही आँकड़े का मतलब तीन अलग-अलग दुनिया में तीन अलग-अलग चीज़ें होता है।

140 का स्ट्राइक रेट टी20 में औसत दर्जे का है और टेस्ट की पहली पारी में अकल्पनीय। 8.5 की इकॉनमी टी20 में महँगी है और वनडे के मध्य ओवरों में बर्दाश्त के लायक। 40 का बल्लेबाज़ी औसत टेस्ट में अच्छा ओपनर बताता है और टी20 में उसी आदमी का औसत सिर्फ़ यह बताता है कि वह कितनी बार आउट हुआ, इस बात से कोई मतलब नहीं कि उसने कितनी तेज़ी से रन बनाए। एक तेज़ गेंदबाज़ की 25 की औसत टेस्ट में साधारण है और टी20 में लगभग बेमानी, क्योंकि टी20 में उसका मूल्य विकेट से नहीं, इकॉनमी और डॉट-बॉल प्रतिशत से तय होता है।

जब तक फ़ॉर्मेट तय नहीं, कोई भी संख्या मीनिंगलेस है। और जब फ़ॉर्मेट तय नहीं, तो उस संख्या के बारे में जो भी वाक्य लिखा जाएगा, वह तकनीकी रूप से एक अनुमान होगा जिसे एनालिसिस की तरह पेश किया जा रहा है। मेरे पेशे की सबसे आम गड़बड़ी यही है, और वह कभी टाइपो की तरह नहीं दिखती — वह हमेशा आत्मविश्वासी पैराग्राफ़ की तरह दिखती है।

ऑडिट: ग्यारह में से ग्यारह

उस सोमवार की सुबह जो ऑडिट बना, वह इस तरह था।

आर्टिकल टाइटल — नहीं मिला। यानी एनालिसिस को कोई विषय ही नहीं। सोर्स — नहीं मिला। यानी सोर्स-ग्रेडिंग असंभव, और इससे भी बड़ी बात: कोई भी निष्कर्ष सत्यापित नहीं किया जा सकता, क्योंकि सत्यापन का पता ही नहीं। आर्टिकल टाइप — अपरिभाषित। यानी यह भी तय नहीं कि सामने जो था वह न्यूज़ है, एनालिसिस है, ओपिनियन है, प्रेस रिलीज़ है या अफ़वाह।

डोमेन लेबल — cricket_world। यह इतना ही बताता है कि खेल क्रिकेट है। फ़ॉर्मेट नहीं, पुरुष या महिला नहीं, प्रतियोगिता का स्तर नहीं। यह एक कैटेगरी टैग है, सबूत नहीं।

इनफॉर्मेशन पॉइंट्स — खाली एरे। यह सबसे बड़ी विफलता है, क्योंकि बाक़ी सब कुछ इसी से निकलता है। जब परमाणु न हों तो अणु नहीं बनते।

कोर व्यू पॉइंट्स का एक-वाक्य सारांश — खाली। लेखक का रुख — एन/ए। यानी यह भी तय नहीं हो सकता कि मूल लेख हाइप बढ़ा रहा था या सवाल पूछ रहा था, और यह जानकारी न होना अपने आप में भारी नुक़सान है, क्योंकि सोर्स का झुकाव ही नैरेटिव-सस्टेनेबिलिटी का सबसे बड़ा इनपुट होता है। लेख का मक़सद — एन/ए। यानी रिपोर्टिंग और प्रमोशन में फ़र्क़ नहीं किया जा सकता।

एंटिटीज़ — "ऊपर दिए इनफॉर्मेशन पॉइंट्स से पहचानें"। यह जवाब नहीं, हिदायत है, और वह भी उस सेट पर लागू करने को कही गई जो खाली है। टाइम सेंसिटिविटी — "स्टेज 1 में आँका नहीं गया"। सोर्स क्वालिटी — "इनफॉर्मेशन पॉइंट्स के सोर्स फ़ील्ड से आँकें", जबकि कोई सोर्स फ़ील्ड ही मौजूद नहीं है।

और "अतिरिक्त नोट्स" वाले सेक्शन में नोट्स नहीं थे। उसमें एनालिस्ट के लिए हिदायतें थीं। यह वह ब्यूरोक्रेटिक विडंबना है जिसे किसी डैशबोर्ड ने नहीं पकड़ा।

ग्यारह में से शून्य फ़ील्ड एनालिसिस के लिए उपयोगी थीं। और एक भी ग़ैर-खाली वैल्यू — cricket_world — कैटेगरी थी, सबूत नहीं।

नल का व्याकरण

यहाँ एक चीज़ साफ़ करना ज़रूरी है, क्योंकि यही पूरे पेशे की सबसे आम भूल है: नल का मतलब नकारात्मक नहीं होता।

जब गवर्नेंस डाइमेंशन में हर चेक आइटम "एन/ए" आता है, तो उसका मतलब "कोई गवर्नेंस मुद्दा नहीं" नहीं है। उसका मतलब है "लेख की जाँच ही नहीं हुई"। जब रिस्क रेटिंग "एन/ए — आँका नहीं जा सकता" लिखी जाती है, तो वह "कम जोखिम" का पर्याय नहीं है। एन/ए ≠ जोखिम कम। एन/ए ≠ साफ़ चिट्ठी। एन/ए ≠ ख़बर नहीं।

रिस्क रेटिंग जोखिम की संभावना और असर का बयान होती है। अगर पहचानने लायक कोई जोखिम ही नहीं है, तो "कम" लिखना झूठी तसल्ली देगा, क्योंकि उसका मतलब यह निकलेगा कि लेख को जाँच कर सुरक्षित पाया गया। जाँच हुई ही नहीं, क्योंकि जाँचने को कुछ था ही नहीं।

तीस अंपायर का उदाहरण यहाँ काम आता है। जब कोई टीम DRS लेती है और रिप्ले में कुछ भी निर्णायक नहीं दिखता, तो तीसरा अंपायर "नॉट आउट" देता है। मगर वह अपनी रिपोर्ट में नहीं लिखता कि "बल्लेबाज़ निर्दोष साबित हुआ"। वह लिखता है कि सबूत नाकाफ़ी था। क्रिकेट की पूरी फ़ॉलोअरशिप उन दो वाक्यों के फ़र्क़ को समझती है। एनालिटिक्स की दुनिया में वही फ़र्क़ बार-बार मिट जाता है।

आठ डाइमेंशन, आठ खाली जवाब

अब उस ढाँचे को एक-एक करके देखते हैं, क्योंकि खालीपन को समझने के लिए यह ज़रूरी है कि हर डाइमेंशन से क्या सवाल पूछा जाने वाला था।

पहला, फ़ॉर्मेट और मैच। कोई मैच, सीरीज़, प्रतियोगिता या फ़िक्स्चर मौजूद नहीं। न पावरप्ले का डेटा, न मध्य ओवरों का, न डेथ ओवरों का, न नई गेंद का। न वेन्यू, न पिच का टाइप, न होम-अवे का ब्यौरा। न मौसम, न ओस, न DLS की स्थिति। मतलब: इस डाइमेंशन पर एक भी वाक्य नहीं लिखा जा सकता, क्योंकि हर संभव वाक्य किसी ऐसी चीज़ के बारे में होगा जो सामने नहीं है।

दूसरा, खिलाड़ी की तकनीक और डेटा। पेलोड में एक भी क्रिकेटर का नाम नहीं है। कोई बल्लेबाज़ नहीं, कोई गेंदबाज़ नहीं, कोई कोच नहीं, कोई सिलेक्टर नहीं। यह डेटा-गरीबी नहीं, सैद्धांतिक असंभवता है। और भूमिका तय न होने पर बेंचमार्क भी नहीं चुना जा सकता: ओपनर का बेंचमार्क एंकर से अलग है, फ़िनिशर का ओपनर से, तेज़ गेंदबाज़ का स्पिनर से।

तीसरा, टीम का परिदृश्य। कोई राष्ट्रीय टीम नहीं, कोई फ्रैंचाइज़ी नहीं। इसलिए टियर-पोज़िशनिंग — एलीट पावर, मिड-टियर, उभरती ताक़त, एसोसिएट — किसी को नहीं दी जा सकती। और एक तकनीकी बात जिसे हर बार दोहराना पड़ता है: आईसीसी की टेस्ट, वनडे और टी20 रैंकिंग अलग-अलग तालिकाएँ हैं और उन्हें कभी मिलाया नहीं जाता। जो लोग "टीम रैंकिंग" वाला एक ही नंबर दिखाते हैं, वे आम तौर पर तीन में से वह चुन रहे होते हैं जो उनके तर्क में फ़िट बैठे।

चौथा, लीग और कमर्शियल इकोसिस्टम। कोई ब्रॉडकास्ट राइट्स डील नहीं, कोई फ्रैंचाइज़ी वैल्यूएशन नहीं, कोई सैलरी फ़िगर नहीं, कोई स्पॉन्सरशिप नहीं, कोई नीलामी नतीजा नहीं। इसलिए वह केंद्रीय अनुशासन भी लागू नहीं हो सकता जो इस डाइमेंशन का असली मक़सद है — ऊँची आईपीएल कीमत बराबर अंतरराष्ट्रीय क्रिकेट में मज़बूती नहीं होती। नीलामी की कीमत पर्स की लोच और स्कार्सिटी बताती है; अंतरराष्ट्रीय प्रदर्शन उम्र, फ़ॉर्मेट और वर्कलोड बताता है। दोनों एक ही अक्षर में नहीं बोलते।

पाँचवाँ, नियम और गवर्नेंस। कोई रूल चेंज नहीं, कोई अंपायरिंग विवाद नहीं, कोई DRS घटना नहीं, कोई सैंक्शन नहीं, कोई पात्रता का सवाल नहीं, कोई बोर्ड-स्तरीय फ़ैसला नहीं। यहाँ एक शब्द-अनुशासन ज़रूरी है: बिग थ्री का राजस्व-हिस्सा विवाद, DLS के सूत्र, स्लो ओवर-रेट के प्रीसेडेंट, NOC का अनुशासन, 2026 का क्रोंजे मामला, 2026 का स्पॉट-फ़िक्सिंग कांड, 2026 का आईपीएल मामला — ये सब इस ढाँचे में "संदर्भ केस" हैं, आरोप नहीं। खाली पेलोड पर इनमें से किसी को निष्कर्ष की तरह पेश करना गंभीर एनालिटिकल ग़लती होगी।

छठा, रिस्क मैट्रिक्स। खेल-संबंधी, कार्मिक, वाणिज्यिक, नियम-सत्यनिष्ठा, जनमत और सिस्टमिक — छहों श्रेणियाँ खाली, और कारण एक ही है: जोखिम का आकलन करने के लिए जोखिम का होना ज़रूरी है।

सातवाँ, पब्लिक नैरेटिव और अपेक्षा का गैप। यह वह डाइमेंशन है जिसमें मुझे सबसे ज़्यादा दिलचस्पी है, क्योंकि यही वह जगह है जहाँ बाज़ार की उम्मीद और तथ्य का आकलन अलग-अलग रखा जाता है, और उनका फ़ासला नापा जाता है। न उम्मीद मौजूद है, न आकलन। इसलिए वह हाइप-डिटेक्शन भी नहीं चल सकता जो मुझे सबसे उपयोगी लगता है: छोटे सैंपल की लीग फ़ॉर्म को बहु-वर्षीय अंतरराष्ट्रीय आउटपुट से अलग रखना, और "अगला तेंदुलकर, अगला कोहली" वाले फ़्रेम की पूर्ति-दर को उसी तरह मापना जिस तरह हम किसी गेंदबाज़ की इकॉनमी मापते हैं।

आठवाँ, उद्योग का ट्रांसमिशन। ट्रांसमिशन मैप एक अलग झटके को वैल्यू चेन में ट्रेस करता है — ऊपर युवा विकास और प्रतिभा की आपूर्ति, बीच में राष्ट्रीय टीमें और लीग, नीचे ब्रॉडकास्ट और डेरिवेटिव बाज़ार। झटका ही नहीं, तो ट्रेस करने का रास्ता नहीं। और समय-क्षितिज वाला कॉलम भी ख़ाली है, क्योंकि टाइम सेंसिटिविटी स्टेज 1 में आँकी ही नहीं गई।

यह पूरा खंड पढ़कर एक चीज़ साफ़ होनी चाहिए: यहाँ विफलता आंशिक नहीं, कुल है। और यही इस पूरे मामले की सबसे कीमती जानकारी है।

निदान: कुल नल बनाम आंशिक नल

अगर स्टेज-1 का आउटपुट आंशिक रूप से खाली होता, तो वह बहुत कीमती संकेत होता। तब आप कह सकते थे कि लेख में टीम का ज़िक्र है पर स्कोर नहीं, फ़ॉर्मेट का ज़िक्र है पर वेन्यू नहीं, खिलाड़ी का नाम है पर आँकड़े नहीं, नतीजा है पर तारीख़ नहीं। आंशिक खालीपन लेख के बारे में जानकारी देता है — वह बताता है कि लेख किस तरह का है, किसने लिखा होगा, किस दर्जे की रिपोर्टिंग है।

कुल खालीपन, हर फ़ील्ड में, हर श्रेणी में, बिना अपवाद, लेख के बारे में लगभग कुछ नहीं बताता। वह पाइपलाइन के बारे में बताता है।

इसीलिए सबसे संभावित वजहें ऊपर की ओर, मशीनी हैं: सोर्स फ़ेच की विफलता, खाली या पेवॉल/ब्लॉक्ड लेख, पार्सिंग का कोई एक्सेप्शन, या स्टेज-1 का अधूरा और ट्रंकेटेड रन। यह निष्कर्ष मध्यम भरोसे के साथ लिखा जाना चाहिए, क्योंकि कुल-नल पाइपलाइन फ़ॉल्ट की तरफ़ ज़्यादा झुकता है, मगर ऐसा लेख भी हो सकता है जिसमें सचमुच कोई तथ्यात्मक दावा न हो — एक फ़ोटो कैप्शन, एक स्कोरकार्ड एम्बेड, एक वीडियो क्लिप, एक लाइव-ब्लॉग का स्टब। यानी "स्टेज-1 टूटा" और "लेख में कुछ था ही नहीं" — दोनों संभव हैं, और उपलब्ध डेटा इन दोनों में फ़र्क़ नहीं कर पाता।

एक और संभावना कम भरोसे के साथ दर्ज करनी चाहिए: अगर सोर्स पेवॉल के पीछे है या जावास्क्रिप्ट से रेंडर होता है, तो डोमेन लेबल सिर्फ़ मेटाडेटा या URL से अनुमानित हो सकता है जबकि बॉडी खाली लौटी हो। इस स्थिति में लेबल सही दिखेगा और सबूत ग़ायब रहेगा — और यह सबसे ख़तरनाक संयोजन है, क्योंकि डैशबोर्ड पर लेबल भरा हुआ दिखता है। जो भरा हुआ दिखता है, उस पर कोई सवाल नहीं उठाता।

क्रिकेट का सबूत: 2026, 2026, 2026

यह सब सिद्धांत लग सकता है, इसलिए तीन केस ज़रूरी हैं — तीनों मेरे अपने काम से, और तीनों अलग-अलग तरह की विफलताएँ हैं।

2026 में, जब मैंने द्वारका के एक फ्लैट से "Purse & Probability" शुरू किया, पहला अंक उस साल के आईपीएल फ़ाइनल का था। मुंबई इंडियंस ने 129/8 बनाया, राइजिंग पुणे सुपरजायंट 128/6 पर रुकी, मैच एक रन से गया। स्कोरकार्ड कहता है पुणे एक रन से हारा। मैंने 612 गेंदों का बॉल-बाय-बॉल लॉग उठाया और दिखाया कि मैच ओवर 7 से 10 के बीच गया: 24 डॉट गेंदें, और रिक्वायर्ड रेट उस पूरे खंड में कभी आठ के पार नहीं गया। यानी हार का पता उस जगह लग रहा था जहाँ स्कोरकार्ड कुछ नहीं कह रहा था। न्यूज़लेटर 3,800 सब्सक्राइबर तक गया, ओपन रेट 41% रहा, और एक जवाब एक आईपीएल टीम के एनालिस्ट का आया। उस दिन के बाद मेरा नियम बना: हर टुकड़ा उस मेट्रिक से खुलेगा जिसने मैच तय किया, उस कहानी से नहीं जो बाद में उसे समझाती है।

2026 में, जब सीज़न यूएई में शिफ़्ट हुआ और आठ हफ़्ते बिना लाइव क्रिकेट के थे, मैंने 2026 से 2026 तक के 316 होम मैच कोड किए। होम टीमें उनमें 57.4% जीतीं। यूएई के तीन वेन्यू पर वही आँकड़ा 50.6% पर आ गया। फिर मैंने शारजाह की छोटी स्क्वायर बाउंड्री को मॉडल किया और गेंद पड़ने से पहले उसे 200-रन वेन्यू के रूप में फ़्लैग किया; 18 अक्टूबर 2026 को किंग्स XI और राजस्थान 226 पर बराबर रहे, आईपीएल का पहला डबल सुपर ओवर। तीन खाली स्टेडियम के बाद भीड़ एक वेरिएबल बन गई थी, माहौल नहीं। यहाँ कोई विफलता नहीं थी, यहाँ मॉडल चला — और चला क्योंकि 316 मैचों का ऑडिट हुआ था, तीन मैचों की भावना नहीं।

2026 में विफलता दूसरी तरफ़ से आई। फ़रवरी, बेंगलुरु, दो दिन की मेगा नीलामी। मेरे मॉडल ने शार्दुल ठाकुर पर ₹4.6 करोड़ की सीलिंग रखी थी। नीलामी में वह ₹10.75 करोड़ पर गए। मैंने कमरे में कुछ नहीं कहा — एक चुप्पी जिसे मैंने दोबारा नहीं दोहराया। सीज़न के अंत में 15 विकेट, 9.79 की इकॉनमी, 120 रन, और टीम अंकतालिका में पाँचवें स्थान पर, प्लेऑफ़ से दो अंक दूर। फिर मैंने छह हफ़्ते "The ₹10.75 Crore Question" लिखने में लगाए — हर हारी हुई बोली, हर ज़्यादा दिया गया रुपया, और मॉडल के एरर बार ईमानदारी से छपे।

हर ट्रांसफर एक प्रोबेबिलिटी है जिसने कीमत का लेबल पहना है।

मगर ध्यान दें: 2026 की विफलता एक अलग किस्म की विफलता थी। वहाँ मॉडल ने संख्या दी थी और संख्या चूकी थी — यानी ओवररीच। यहाँ, इस सोमवार को, संख्या थी ही नहीं। और पेशे में इन दोनों विफलताओं का दर्जा बराबर नहीं है। ओवररीच पर चर्चा होती है, लेख लिखे जाते हैं, की-नोट बनते हैं, कॉन्फ़्रेंस में पूछा जाता है। नल-हैंडलिंग पर कोई चर्चा नहीं होती, क्योंकि नल-हैंडलिंग की विफलता दिखती नहीं — वह अक्सर भरी हुई टेम्पलेट के रूप में बाहर आती है, और भरी हुई टेम्पलेट सबसे आसानी से पास हो जाती है।

नक़लीकरण का दबाव

यहीं से इस पूरे मामले का सबसे गंभीर जोखिम शुरू होता है, और वह तकनीकी नहीं, पेशेवराना है।

खाली टेम्पलेट भरने का दबाव बनाते हैं। आठ खाली डाइमेंशन देखकर एक अनुभवी एनालिस्ट के दिमाग़ में सामान्य क्रिकेट-कमेंट्री अपने आप आ जाती है: आईपीएल की इकोनॉमिक्स, DLS और बारिश की शिकायतें, "बुज़ुर्ग कोर" वाला आर्ग्युमेंट, "टी20 क्रिकेट का बदलता चेहरा", युवाओं को मौक़ा देने की अपील। ये सब प्लॉज़िबल लगते हैं। इनमें से कुछ सच भी हैं। समस्या यह है कि इनमें से एक भी बात उस लेख से नहीं आई है जिसका एनालिसिस माँगा गया था।

अनसोर्स्ड क्रिकेट-कमेंट्री को लेख-विशिष्ट शीर्षक के नीचे छापना विश्वसनीयता और संभवतः क़ानूनी जोखिम है, राय नहीं।

यह जोखिम इसलिए भी तेज़ है क्योंकि एनालिटिक्स का पूरा कारोबार भरोसे पर चलता है। मुझे तीन फ्रैंचाइज़ियाँ अपनी रिटेंशन शीट कट-ऑफ़ से पहले भेजती हैं। वे इसे मेरे चेहरे के लिए नहीं भेजतीं। वे इसे इसलिए भेजती हैं क्योंकि उन्हें पता है कि अगर मेरे पास जवाब नहीं होगा तो मैं "जवाब नहीं है" लिखूँगा, और यही उन्हें उपयोगी लगता है। अगर मैं एक बार भी खाली डेटा पर आत्मविश्वासी पैराग्राफ़ छाप दूँ, तो अगली बार वे रिटेंशन शीट किसी और को भेजेंगे। यह पेशे की एकमात्र असली करेंसी है, और यह एक ही बार में ख़र्च होती है।

डाउनस्ट्रीम संदूषण और गेट

जोखिम उस एक पन्ने तक सीमित नहीं रहता।

अगर नल स्टेज-1 रिकॉर्ड बिना रोक-टोक किसी एग्रीगेटेड फ़ीड, सेंटिमेंट इंडेक्स, एडिटोरियल ट्रायाज क्यू या ट्रेडिंग डैशबोर्ड में चला जाए, तो वह हर उस डाउनस्ट्रीम मॉडल को दूषित करता है जो "रिकॉर्ड मौजूद है" को "कंटेंट मौजूद है" समझता है। यह किसी एक आर्ग्युमेंट की ग़लती नहीं, डेटासेट की ग़लती है, और डेटासेट की ग़लती को सुधारना सबसे महँगा होता है क्योंकि वह सब जगह फैल चुकी होती है।

समाधान तकनीकी रूप से सस्ता है। स्टेज-2 चलाने से पहले एक हार्ड वैलिडेशन गेट: इनफॉर्मेशन पॉइंट्स की लंबाई कम से कम एक, आर्टिकल टाइटल नॉन-नल, एंटिटीज़ नॉन-एम्प्टी। जो रिकॉर्ड फ़ेल हो, उसे क्वारंटीन कर दिया जाए। यह महँगा नहीं है। यह सिर्फ़ उस बात को सिस्टम में लिखने की कीमत है जो हर एनालिस्ट जानता है और कोई सिस्टम नहीं लिखता: खाली इनपुट पर सही आउटपुट "कोई आउटपुट नहीं" है।

इसके साथ दो छोटी चीज़ें जोड़नी चाहिए जो कोई डैशबोर्ड नहीं दिखाता। पहली — स्टेज 0 पर सोर्स URL और फ़ेच टाइमस्टैम्प जमा करना, क्योंकि इस रिकॉर्ड में सोर्स फ़ील्ड ही नहीं है और उसके बिना मूल सामग्री को फिर से हासिल करना सिर्फ़ पाइपलाइन लॉग से संभव होगा। दूसरी — डोमेन लेबल को सबूत की तरह इस्तेमाल करने की आदत छोड़ना। cricket_world एक कैटेगरी है। क्रिकेट के अंदर टेस्ट और टी20 का फ़ासला उतना ही बड़ा है जितना क्रिकेट और किसी दूसरे खेल का।

और यहीं क्रॉस-स्पोर्ट बेंचमार्किंग की आदत भी सावधानी माँगती है। 2026 की गर्मियों में मैंने रूस विश्व कप को फ़ुटबॉल की तरह नहीं, अकाउंटिंग की तरह देखा — CIES के मिनट्स मॉडल, Transfermarkt के वैल्यूएशन बैंड, और वह तर्क कि क्लब 24 साल के खिलाड़ी को 29 साल के खिलाड़ी से अलग दाम क्यों देता है। फिर मैंने वही लॉजिक क्रिकेट के लिए दोबारा बनाया: रिप्लेसमेंट-लेवल WAR, उम्र के कर्व, पर्स की लोच, चोट पर छूट। 22 पन्नों का वह मॉडल अक्टूबर 2026 में दिल्ली कैपिटल्स के एनालिटिक्स हेड तक गया, और 2026 की नीलामी तक मैं Auction Data Lead था। हमने शिखर धवन के लिए ट्रेड किया, कॉलिन इंग्राम को अपनी सीलिंग के अंदर खरीदा, और फ्रैंचाइज़ी 2026 के बाद पहली बार प्लेऑफ़ में पहुँची।

मैंने मॉडल को Russia 2026 के खिलाफ़ बेंचमार्क किया, और वह डगमगा गया — और वह डगमगाना ही काम का हिस्सा था, क्योंकि उसने दिखाया कि क्रिकेट में कौन सी चीज़ फ़ुटबॉल के मॉडल से ट्रांसफ़र नहीं होती। मगर यह पूरा तर्क तभी चलता है जब मॉडल में डालने के लिए डेटा हो। खाली एरे पर क्रॉस-स्पोर्ट बेंचमार्किंग भी एक तरह का नक़लीकरण है — बस ज़्यादा पढ़ा-लिखा नक़लीकरण।

वह दूसरा पहलू जिसे इस बहस में अक्सर छोड़ दिया जाता है, ढाँचे के नीचे का ढाँचा है। क्राउड एक वेरिएबल है, खाली स्टैंड एक मापने योग्य इनपुट है, रणजी का अदृश्य दर्शक एक आँकड़ा है, और WPL के ब्रॉडकास्ट वादे बनाम ब्रॉडकास्ट डिलीवरी एक ऑडिट-योग्य फ़ाइल है। यह सब उस इकोसिस्टम का हिस्सा है जो तय करता है कि खेल आख़िर कितना वहन कर सकता है। और इस पूरे विषय पर उपलब्ध पेलोड में एक भी संख्या नहीं थी — न दर्शक, न टिकट, न जर्सी, न फ़ॉलोअर, न एंडोर्समेंट। जब सबसे नीचे की परत का डेटा ही न हो, तो ऊपर की हर कहानी एक अनुमान है।

जहाँ मुझे अपना ही तर्क तोड़ना है

अब वह हिस्सा जो मुझे सबसे ज़्यादा असहज करता है, क्योंकि यह मेरे अपने पेशे पर सवाल है।

क्रिकेट एनालिटिक्स ने पिछले दशक में एक बहुत अच्छी आदत विकसित की है: वह मॉडल के ओवररीच से डरता है। हर प्रेज़ेंटेशन में कॉन्फ़िडेंस इंटरवल, हर आँकड़े के साथ सैंपल साइज़ का ज़िक्र, हर भविष्यवाणी के साथ "यह गारंटी नहीं है" वाली लाइन। यह अच्छा है और यह बना रहना चाहिए। मगर इस डर ने एक दूसरी, ज़्यादा आम विफलता को छाया में डाल दिया है — वह विफलता जिसमें एनालिस्ट के पास कुछ होता ही नहीं और वह फिर भी कुछ पेश कर देता है।

इस उद्योग में सबसे कम सज़ा "मैं नहीं जानता" कहने पर मिलती है और सबसे ज़्यादा सज़ा खाली जगह छोड़ने पर। यह क्रम उल्टा होना चाहिए।

एक एनालिस्ट को इनसाइट के लिए सराहा जाता है। किसी को इस बात के लिए कभी नहीं सराहा जाता कि उसने ग्यारह खाली फ़ील्ड देखकर कहा, "यह डिलीवरेबल मैं जमा नहीं करूँगा, क्योंकि इनपुट नहीं आया।" मगर यही वह काम है जो पूरे सिस्टम को भरोसेमंद बनाता है। जो एनालिस्ट खाली इनपुट पर भी रिपोर्ट दे देता है, वह भरे हुए इनपुट पर दी गई अपनी रिपोर्ट की क़ीमत भी गिरा देता है — क्योंकि अब पाठक के पास यह जानने का कोई तरीक़ा नहीं बचता कि कौन सी रिपोर्ट डेटा से आई है और कौन सी टेम्पलेट से।

दूसरी बात ज़्यादा बारीक है। क्रिकेट में हम "जो दिखता है" को "जो है" समझने की आदत से जूझते रहे हैं। कैच ड्रॉप की गिनती होती है, मिस-फ़ील्ड की नहीं। विकेट गिरने का रिकॉर्ड है, अच्छी गेंद छोड़ने का नहीं। डॉट गेंद का आँकड़ा है, अच्छी लेंथ पर छोड़ी गई गेंद का नहीं। यही आदत एनालिटिक्स में भी आ गई है — हम उन चीज़ों को मापते हैं जो घटित होती हैं, न कि उन चीज़ों को जो घटित नहीं हुईं। एक खाली एरे घटना नहीं है, इसलिए वह किसी स्कोरकार्ड में दर्ज नहीं होता। खाली एरे का सबसे ख़तरनाक रूप यह नहीं कि वह कुछ नहीं कहता — उसका सबसे ख़तरनाक रूप यह है कि वह साफ़ चिट्ठी जैसा दिखता है।

तीसरी बात, और यहाँ मुझे अपने ही निष्कर्ष पर शक करना है। मैंने कहा कि कुल-नल पाइपलाइन फ़ॉल्ट की तरफ़ इशारा करता है। मगर मैंने यह निष्कर्ष उसी डेटा से निकाला है जिस डेटा का ग़ायब होना ही विषय है। यानी मैं एक अनुपस्थिति से एक उपस्थिति का अनुमान लगा रहा हूँ जिसे मैंने कभी देखा नहीं। यह सर्कुलर तर्क का ख़तरा है, और इसे भरोसे के स्तर के साथ छापना ज़रूरी है, वरना मैं वही ग़लती कर रहा हूँ जिसकी मैं आलोचना कर रहा हूँ। इसीलिए वह निष्कर्ष "मध्यम" भरोसे पर रहता है, "उच्च" पर नहीं। और इसीलिए इस लेख में एक भी ऐसा वाक्य नहीं है जो कहे कि मूल लेख में क्या था — क्योंकि मूल लेख मेरे पास नहीं था।

अगली सुबह का संकेत

आगे के लिए एक व्यावहारिक नियम, जो मैंने 2026 के बाद से अपने हर पीस में लगाया है और जो अब नीलामी-पूर्व सीलिंग की तरह काम करता है: पोज़िशन डेटा आने से पहले दर्ज करो, और डेटा न आने की स्थिति में भी एक संख्या छापो — शून्य।

यानी अगली बार जब कोई डैशबोर्ड ग्यारह में से ग्यारह फ़ील्ड खाली दिखाए, तो सवाल यह नहीं होना चाहिए "कहानी क्या है"। सवाल यह होना चाहिए "इनफॉर्मेशन पॉइंट्स की लंबाई क्या है"। और अगर जवाब शून्य है, तो सबसे ईमानदार हेडलाइन वही है जो कोई नहीं छापना चाहता: यह लेख नहीं आया।

भीड़ खेल बदल देती है। डेटा का ग़ायब होना भी खेल बदल देता है — बस उसका नाम पोस्टमॉर्टम नहीं, ऑडिट होता है।