खाली रिपोर्ट का सबक: जब क्रिकेट डेटा पाइपलाइन चुपचाप फेल होती है

शीर्षक: खाली रिपोर्ट का सबक — जब क्रिकेट डेटा पाइपलाइन चुपचाप फेल होती है

हुक

आठ खाने, आठ जवाब, और एक भी तथ्य नहीं।

पिछले सप्ताह मेरे डेस्क पर एक क्रिकेट विश्लेषण रिपोर्ट रखी गई। ऊपर से देखने पर वह पूरी थी — फॉर्मेट विश्लेषण, खिलाड़ी तकनीक, टीम परिदृश्य, लीग-वाणिज्य, शासन-ढाँचा, जोखिम मैट्रिक्स, नैरेटिव चक्र, संचरण मैप। हर शीर्षक मौजूद, हर तालिका में पंक्तियाँ भरी हुईं। हर जवाब एक ही था: N/A।

लेख का शीर्षक N/A। स्रोत N/A। प्रकार "Unclassified"। लेखक का रुख N/A। और सबसे निर्णायक — सूचना-बिंदुओं का सेट खाली। जो बचा था वह केवल एक कच्चा डोमेन टोकन था, cricket_world; मानक शब्दावली वाला मान Cricket नहीं। यानी वर्गीकरण चला, लेकिन लेख का शरीर कभी निकाला ही नहीं गया।

एक स्कीमा के आकार वाला आउटपुट, जिसमें सामग्री शून्य हो — यही क्रिकेट एनालिटिक्स की सबसे खतरनाक विफलता है, क्योंकि यह चुपचाप होती है। शोर मचाने वाली विफलता पकड़ में आ जाती है। खामोश विफलता मान्यता के सारे ढाँचे पार कर जाती है, क्योंकि जाँच सिर्फ़ ढाँचे का आकार देखती है, घनत्व नहीं।

यह पैटर्न मुझे पहचाना हुआ है। 2026 में जब मैंने पहली बार Pressure Index बनाया, तो मैंने उसे उल्टा जोड़ा था। चेन्नई के उस छोटे दफ़्तर में बैठकर मैंने डॉट-बॉल प्रतिशत और सीमा-दर को गलत दिशा में तौल लिया था। वह मॉडल छपने लायक था, बस सही नहीं था। मैंने Pressure Index उल्टा बनाया था, और वही विफलता इसे भरोसेमंद बनाती है — क्योंकि जो मीट्रिक अपनी ही विफलता से न गुज़रे, वह प्रकाशित होने लायक नहीं। पिछले हफ़्ते जो रिपोर्ट मेरे सामने खुली थी, वह उसी नियम की दूसरी तरफ़ खड़ी थी: विफलता दर्ज हुई थी, पर उससे सीखने का ढाँचा गायब था।

संदर्भ

क्रिकेट डेटा डेस्क पर काम दो चरणों में बँटा होता है। पहला चरण कच्चा निष्कर्षण है — मैच रिपोर्ट, स्कोरकार्ड, बोर्ड की विज्ञप्ति, नीलामी सूची, प्रसारण-अधिकार के आँकड़े। दूसरा चरण उस निष्कर्षण पर विश्लेषण खड़ा करता है। पहले चरण की सबसे छोटी इकाई सूचना-बिंदु है: कोई एक ऐसा तथ्य जिसे उद्धृत किया जा सके, जिसकी तारीख़ हो, जिसकी सीमा हो। दूसरे चरण का हर निष्कर्ष, बिना अपवाद, उसी इकाई पर टिका होता है।

मेरे पास यह अनुशासन 2026 से है, जब मैं CricData Labs में जूनियर एनालिस्ट था और मुझे आईपीएल की डेथ-ओवर गेंदबाज़ी पर रिपोर्ट सौंपनी थी। तब मैंने ओवर 17 से 20 के भीतर तीन चीज़ें जोड़ीं — डॉट-बॉल प्रतिशत, सीमा देने की दर, और विकेट। उस सीज़न जसप्रीत बुमराह का इंडेक्स सबसे ऊपर निकला: 6.2 की इकॉनमी, 45 प्रतिशत डॉट-बॉल। वह संख्या तब अख़बारों में छपी, और तब मुझे समझ आया कि मीट्रिक की ताक़त उसके सूत्र में नहीं, उसकी सीमा बताने की ईमानदारी में है।

2026 के महामारी-ठहराव में, जब चेन्नई की फ़्रैंचाइज़ी ने मुझे अस्थायी रूप से हटा दिया, मैंने दस सीज़न का आईपीएल डेटा (2026–2026) उठाकर Player Valuation Engine बनाया। उस साल का नतीजा मोईन अली था — 70 लाख रुपये में खरीदा गया खिलाड़ी, जिसने 357 रन 138 की स्ट्राइक रेट से बनाए और 6 विकेट लिए, और 2026 के ख़िताब में अहम किरदार निभाया। 2026 की मेगा नीलामी में मेरा मॉडल दस में से आठ बड़ी ख़रीदारियों की कीमत सही आँक सका, जिसमें ईशान किशन का मुंबई इंडियंस के साथ 15.25 करोड़ का सौदा शामिल था।

इन सबसे जो सबक निकला, वह मॉडल के बारे में नहीं, डेटा के आकार के बारे में था। जब तक किसी रिपोर्ट में सूचना-बिंदुओं की गिनती शून्य है, उस पर खड़ा हर निष्कर्ष काल्पनिक है — चाहे उसका लेआउट कितना ही पेशेवर दिखे। पिछले हफ़्ते की रिपोर्ट ने यही दिखाया। उसमें "सूचना-बिंदुओं में से पहचानें" जैसे निर्देश थे, और सूचना-बिंदु शून्य थे। यह चक्रीय परिभाषा है, और चक्रीय परिभाषा क्रिकेट के फ़ैसलों में भी घुसी हुई है: खिलाड़ी की कीमत उसकी माँग से तय होती है, माँग उसकी प्रतिष्ठा से, प्रतिष्ठा उसी कीमत से।

मुख्य विश्लेषण

एक: विफलता की पहचान उसके हस्ताक्षर से होती है, उसके शोर से नहीं।

उस रिपोर्ट में डोमेन लेबल बच गया था और शरीर मर गया था। यह संयोग नहीं। पाइपलाइन का क्रम था — पहले वर्गीकरण, फिर सामग्री निष्कर्षण। वर्गीकरण ने केवल यह देखा कि पेज क्रिकेट के बारे में है; सामग्री निष्कर्षण ने लेख के भीतर झाँका और वहाँ कुछ नहीं मिला। नतीजा: एक ऐसा टोकन जो सच बताता है, और एक ऐसा खालीपन जो झूठ बोलता है।

क्रिकेट में यह हस्ताक्षर रोज़ दिखता है। स्कोरकार्ड पूरा होता है, संदर्भ मरा हुआ होता है। "20 ओवर में 180/5" एक पूरा वाक्य लगता है। लेकिन अगर आपके पास पावरप्ले (52/2), मध्य ओवर (60/3) और डेथ (68/0) का विभाजन नहीं है, तो वह 180 किसी भी नतीजे का हिस्सा हो सकता है — जीत का, हार का, या बारिश से बचाए गए मैच का। स्कोरकार्ड का आकार मान्यता पार कर जाता है; उसका घनत्व शून्य रह जाता है।

दो: फ़ॉर्मेट बिना तय हो, कोई संख्या अर्थ नहीं रखती।

रिपोर्ट में सबसे ईमानदार चीज़ यह थी कि उसने फ़ॉर्मेट को N/A कहा। यह कठोर बाधा है, कोई सौम्य अंतराल नहीं। 145 की स्ट्राइक रेट वनडे में उम्दा है, टी20 में साधारण, और टेस्ट में अप्रासंगिक। 25 का गेंदबाज़ी औसत टेस्ट में शानदार है और टी20 में बस स्वीकार्य। जब तक फ़ॉर्मेट तय न हो, कोई भी मीट्रिक सुरक्षित रूप से पढ़ा नहीं जा सकता — और यही वजह है कि हर सीज़न मुझे वे कॉलम मिलते हैं जो एक फ़ॉर्मेट का आँकड़ा उठाकर दूसरे फ़ॉर्मेट का दावा साबित करते हैं।

मैंने यह गलती खुद करके सीखी। 2026 में जब मैं Star Sports के साथ था और उसी साल रूस में विश्व कप चल रहा था, मैंने जर्मनी के ग्रुप-चरण से बाहर होने को देखा: 72 प्रतिशत कब्ज़ा, लेकिन हर मैच में केवल 1.2 का xG। मैंने उसे "झूठा प्रभुत्व" कहा और उस पर एक कॉलम लिखा, जिसमें क्रिकेट की उन टीमों से तुलना की जो 180 बनाकर भी मध्य ओवरों की धीमी बल्लेबाज़ी के कारण 20 रन से हार जाती हैं। उस टुकड़े को पचास हज़ार बार साझा किया गया।

फुटबॉल ने मुझे वह दिखाया जो क्रिकेट स्कोरकार्ड सालों से छिपा रहा था — कि नतीजा और प्रक्रिया दो अलग चीज़ें हैं। पर अनुवाद में एक शर्त है जो अक्सर हटा दी जाती है। फुटबॉल का xG सतत प्रवाह पर खड़ा है; क्रिकेट अलग-अलग, बंटे हुए घटनाक्रमों का खेल है, जहाँ पारी असममित होती है, गेंदबाज़ और बल्लेबाज़ एक-दूसरे पर टिके होते हैं, और रन बनने की सघनता फुटबॉल के गोल-मॉडल से कई गुना कम है। मैं हर कॉलम में यह डिस्क्लेमर पहले लिखता हूँ, अनुवाद बाद में करता हूँ। आंख की परख भी डेटा है — बस उसे कभी लिखा नहीं गया।

तीन: शून्य घनत्व वाला गेट हर डेटा डेस्क पर अनिवार्य होना चाहिए।

उस रिपोर्ट की सबसे महत्वपूर्ण बात यह थी कि उसने दस ऐसे ही मैदान ढूँढे जहाँ खिलाड़ियों और टीमों का नाम लेना काल्पनिक नाम गढ़ना होता। खाली सूचना-बिंदुओं के साथ किसी क्रिकेटर का नाम जोड़ने से चार और सातवाँ आयाम प्रदूषित हो जाते हैं — यानी वाणिज्यिक और नैरेटिव धागे झूठे बन जाते हैं। यही अनुशासन मेरे Player Valuation Engine में लगाया गया था। दस सीज़न, तेरह सौ से ज़्यादा मैच, हर खिलाड़ी के लिए चरण-वार विभाजन। जब गिनती कम थी — किसी एक नॉकआउट का एक स्पेल — तो मॉडल चुप रहता था, अनुमान नहीं लगाता था।

पहले विफलता, फिर फ़्रेमवर्क। मैंने हमेशा यही क्रम भरोसा किया है। जिस तरह मैंने डेथ-ओवर हार के अपने पहले निष्कर्ष को रद्द किया और विधि को पहले लिखा, उसी तरह हर डेटा ऑपरेशन में एक कठोर द्वार होना चाहिए: अगर सूचना-बिंदुओं की गिनती शून्य है, तो आउटपुट जारी न हो, त्रुटि उठे। अभी जो होता है वह इसका उल्टा है — पाइपलाइन N/A के भराव के साथ आगे बढ़ जाती है, और सब कुछ ठीक दिखता रहता है।

चार: चक्रीय परिभाषाएँ क्रिकेट के शासन में भी घुसी हैं।

रिपोर्ट के दो खाने अपना अर्थ अपने ही साथी खानों से ले रहे थे। "स्रोत की गुणवत्ता" कहता था, "सूचना-बिंदुओं के स्रोत खानों से तय करें।" लेकिन सूचना-बिंदु ही शून्य थे। यह ठीक वैसी ही गोलाकार बुनियाद है जैसी नीलामी के नियमों में मौजूद है। भारतीय क्रिकेट में युवा खिलाड़ी की कीमत उसके पचास टॉप-लेवल मैचों की संख्या से नहीं, उसके आसपास बनी माँग से तय होती है, और माँग का आधार प्रदर्शन नहीं, प्रचार होता है। सौ मिलियन यूरो का युवा प्रीमियम इसी गोलाकारता का नतीजा है — एक ऐसा दांव जिसके पास जोखिम शब्दावली तो है, आधार आँकड़े नहीं।

2026 की नीलामी में मोईन अली साठ लाख से सत्तर लाख के बीच गया था, और उसने ऐसे प्रदर्शन दिए जो उस सीज़न के सबसे महँगे सौदों से ज़्यादा क़ीमती साबित हुए। यह इसलिए हुआ क्योंकि उस मूल्यांकन में इकाई तय थी — पावरप्ले में गेंदबाज़ी, मध्य ओवरों में 140 से ऊपर की स्ट्राइक रेट — और उस इकाई की गिनती सार्वजनिक डेटा से होती थी। नीलामी की मेज़ पर जो देखा जाता है वह प्रतिष्ठा है; जो तय होना चाहिए वह इकाई है। मैं आईएसओ-शैली की शब्दावली की वकालत इसीलिए करता हूँ, क्योंकि बिना साझा परिभाषा के नीलामी की हर कीमत एक बहस है, माप नहीं।

पाँच: कवरेज की सीमा पहले बताइए, बाद में नहीं।

उस रिपोर्ट ने अपनी सीमा सबसे पहले लिखी — ऊपर, चेतावनी के रूप में। यह उसका सबसे बड़ा पेशेवर गुण था, और यही चीज़ मैदानी क्रिकेट कवरेज में सबसे कम मिलती है। आईपीएल और अंतरराष्ट्रीय क्रिकेट के आँकड़े साफ़ हैं, क्योंकि वहाँ पैसा है और कैमरे हैं। रणजी नॉकआउट और महिला घरेलू क्रिकेट वहाँ हैं जहाँ डेटा पतला है — कुछ मैचों का प्रसारण नहीं होता, स्पेल की गति दर्ज नहीं होती, फ़ील्डिंग के पज़िशन का रिकॉर्ड ही नहीं बनता। जो नापा नहीं जा सकता, उसे नापा हुआ दिखाना इस पेशे की सबसे आसान आदत है।

मैं हर सीज़न कम से कम एक स्थायी कोण ऐसे ही इलाक़े से उठाता हूँ, और साथ में साफ़ लिखता हूँ कि क्या अभी नहीं नापा जा सकता। 2026 के घरेलू विश्व कप और डब्ल्यूपीएल के बाद महिला पाइपलाइन इसका सबसे साफ़ परीक्षण है: प्रसारण खिड़कियाँ, मैचों की गिनती, वेतन समानता। ये तीनों मापे जा सकते हैं, और इन्हें अग्रिम घोषित करके अपने ही अनुमानों पर नज़र रखी जा सकती है।

छह: जोखिम मैट्रिक्स दो अलग सवालों को कभी न मिलाए।

उस रिपोर्ट का सबसे नपा-तुला निर्णय यह था कि उसने सामग्री के जोखिम को "अ-मूल्यांकन योग्य" कहा और विश्लेषण-पाइपलाइन के जोखिम को "उच्च"। ये दो चीज़ें अलग हैं और इन्हें मिलाना ही असली खतरा है। एक खाली फ़ॉर्मेट भरा हुआ रिपोर्ट पढ़ने वाले को यह भ्रम देता है कि कोई मूल्यांकन हुआ है। मैच कवरेज में इसी भ्रम का रूप है: "मोमेंटम पलट गया।" यह वाक्य हर मैच पर लगाया जा सकता है, इसलिए किसी भी मैच को समझाता नहीं। मैं रसीदें रखता हूँ, कहानियाँ नहीं। कहानी वह है जो रसीदों के बाद बचती है।

विपरीत कोण

यहाँ एक असुविधाजनक बात कहनी है। वह खाली रिपोर्ट उन सौ रिपोर्टों से ज़्यादा ईमानदार थी जो मुझे हर सीज़न मिलती हैं, जिनमें हर खाना भरा होता है और हर भराव अनुमान का होता है। काल्पनिक नाम गढ़ना, काल्पनिक कीमत जोड़ना, काल्पनिक फ़ॉर्म बताना — यही वह विफलता है जो मुखौटा पहनकर चलती है। जिस पाइपलाइन ने N/A लिखा, उसने कम-से-कम यह दावा नहीं किया कि वह जानती है।

मुझे यह लिखने में संकोच होता है क्योंकि मेरा पूरा पेशा भरने में है, खाली छोड़ने में नहीं। लेकिन भरने की जल्दबाज़ी ही मेट्रिक साम्राज्यवाद पैदा करती है — दूसरे खेल का नियम उठाकर इस खेल पर थोप देना, और उस थोप को "अनुवाद" कह देना। उस रिपोर्ट ने भारत के सत्तर प्रतिशत से ज़्यादा वैश्विक क्रिकेट राजस्व वाले तथ्य को भी नहीं उठाया, क्योंकि किसी भी उपलब्ध सामग्री में भारत का ज़िक्र नहीं था। यह संयम दुर्लभ है। हर क्रिकेट कहानी को भारत-केंद्रित एंगल देने की आदत इस उद्योग की सबसे आसान चोरी है।

दूसरी तरफ़, एक गंभीर कमी भी थी। रिपोर्ट ने समय-संवेदनशीलता दर्ज नहीं की, यानी अगर मूल लेख किसी चयन, नीलामी या बोर्ड की बैठक के बारे में था, तो उसका मूल्य हर बीतते घंटे के साथ गिर रहा था। खाली रिपोर्ट ईमानदार थी, पर तात्कालिक नहीं। दोनों गुण साथ चाहिए।

निष्कर्ष की ओर

अगले दौर का संकेत तीन स्तरों पर है। पाइपलाइन में: शून्य घनत्व पर जारी होने से रोकने वाला द्वार, और डोमेन लेबल की मानक शब्दावली की जाँच — कच्चा cricket_world टोकन आने का मतलब है कि वर्गीकरण कमज़ोर मोड में चला। कवरेज में: अगले सीज़न की शुरुआत से पहले अपनी सीमाएँ लिखकर रखिए, ताकि परिणाम आने पर उन्हें बदला न जा सके। और मूल्यांकन में: नीलामी की मेज़ पर नाम की जगह इकाई रखिए। जब अगली बार आपके सामने एक पूरी भरी हुई रिपोर्ट आए, तो सबसे पहले यह गिनिए कि उसमें कितने तथ्य हैं जिन पर आप अँगुली रख सकते हैं। अगर जवाब शून्य है, तो सवाल यह नहीं कि उस रिपोर्ट में क्या ग़लत था — सवाल यह है कि जिस डेस्क ने उसे भेजा, उसने घनत्व कब गिना था।