शून्य इंफॉर्मेशन पॉइंट: क्रिकेट की सबसे खतरनाक एनालिसिस रिपोर्ट वह है जो पूरी भरी हुई दिखती है

बेंगलुरु, रात के ग्यारह बजे। मेरे लैपटॉप पर आठ खंडों वाली एक क्रिकेट एनालिसिस रिपोर्ट खुली थी। हर खंड भरा हुआ था — फॉर्मेट और मैच विश्लेषण, खिलाड़ी की तकनीक और डेटा, टीम का परिदृश्य और रैंकिंग, लीग का कमर्शियल इकोसिस्टम, नियम और गवर्नेंस, जोखिम मैट्रिक्स, जन-नैरेटिव, और उद्योग ट्रांसमिशन। हर खाने में टेक्स्ट था। और हर खाने में बिल्कुल एक ही टेक्स्ट था: "N/A — अपर्याप्त जानकारी।"

अगर आपको लगता है कि खबर यह थी कि रिपोर्ट खाली थी, तो आपने मुद्दा चूक लिया। खबर यह थी कि वह रिपोर्ट दिखने में पूरी थी। टेम्पलेट की संपूर्णता इतनी साफ थी कि स्क्रॉल करते हुए किसी एडिटर को तथ्यों का अभाव नहीं दिखता — उसे सिर्फ एक व्यवस्थित, शांत, आठ-खंडीय डेटा ब्रीफ दिखता। मैंने उस फाइल का नाम बदल दिया। अब वह "एनालिसिस" नहीं, "डेटा-क्वालिटी इंसिडेंट टिकट" है।

क्रिकेट एनालिटिक्स में एक स्तर-ऊपर-से-नीचे जाने वाली पाइपलाइन होती है। पहला चरण — Stage-1 — कच्चे टेक्स्ट से तथ्य निकालता है: शीर्षक, स्रोत, लेख का प्रकार, मुख्य दावे, और सबसे ज़रूरी चीज़, "इंफॉर्मेशन पॉइंट्स"। इंफॉर्मेशन पॉइंट वह परमाणु तथ्य है जिस पर आगे का हर निष्कर्ष खड़ा होता है। दूसरा चरण — Stage-2 — उन पॉइंट्स को आठ आयामों में तोड़ता है: फॉर्मेट, खिलाड़ी, टीम, लीग, गवर्नेंस, जोखिम, नैरेटिव, उद्योग।

इस पाइपलाइन में मेरी दिलचस्पी किसी अकादमिक शौक से नहीं है। 2026 में, उन्नीस साल की उम्र में, मैंने बेंगलुरु के एक हॉस्टल कमरे से रूस विश्व कप के सभी 64 मैच हाथ से कोड किए थे — 1,584 शॉट्स, हर एक पर xG, PPDA और तय की गई दूरी दर्ज। क्यों? क्योंकि मुझे ब्लैक-बॉक्स इवेंट फीड पर भरोसा नहीं था। मैंने बारह पन्नों की एक कोडबुक बनाई और दस प्रतिशत एंट्रियाँ दोबारा जाँचीं। जो पोस्टर उससे बना, वह रणनीति पर नहीं था — कोडिंग की विश्वसनीयता पर था।

तब मैंने यह सीखा था: चौंसठ मैच, एक हॉस्टल का कमरा, और एक स्प्रेडशीट जिसे कोई कभी नहीं देखेगा। असली सबक स्प्रेडशीट का नहीं, उसकी शामिल करने की शर्त का था। कौन से मैदान, कौन सा सीज़न, कौन सा मैच छूट गया — यह सब लिखना पड़ता है, वरना बड़ा डेटासेट झूठ बोलने लगता है।

उस एन-ए रिपोर्ट में पाँच डायग्नोस्टिक सिग्नल थे, और हर सिग्नल क्रिकेट एनालिटिक्स की रोज़मर्रा की समस्याओं से मेल खाता है।

पहला, डोमेन लेबल cricket_world लिखा था, जबकि स्पेक में Cricket चाहिए। छोटी-सी चीज़ है, लेकिन लेबल का गलत होना बताता है कि पाइपलाइन शुरुआत में ही बेमेल स्कीमा के साथ चल रही थी — यानी आगे का रूटिंग भी टूटा हुआ है। जब किसी रणजी मैच का स्कोर शीट "T20 घरेलू" फोल्डर में सिमट जाता है, तो औसत सही दिखते हैं और तुलना बेकार हो जाती है।

दूसरा, "इंवॉल्व्ड एंटिटीज़" फील्ड सर्कुलर थी — "ऊपर दिए इंफॉर्मेशन पॉइंट्स से पहचानें", जबकि पॉइंट्स ही शून्य थे। इसका मतलब स्पष्ट है: विफलता एंटिटी-रेज़ोल्यूशन स्तर पर हुई है, आंकड़ों के स्तर पर नहीं। पाइपलाइन खिलाड़ी का नाम तक नहीं पकड़ पाई। जिस मैच में किसी सीमर का करियर तय हो रहा हो और जिसका बॉल-बाय-बॉल रिकॉर्ड कहीं दर्ज ही न हो, वहाँ यह विफलता सामान्य है।

तीसरा, लेखक का पक्ष और लेख का उद्देश्य — दोनों N/A। यानी पाइपलाइन आर्ग्युमेंट एक्सट्रैक्शन चरण तक पहुँची ही नहीं। चौथा, समय-संवेदनशीलता "आंका नहीं गया" — भले कुछ मिल जाता, तब भी उसकी शेल्फ-लाइफ अज्ञात रहती।

पाँचवाँ और सबसे भारी: शीर्षक नहीं, स्रोत नहीं, टाइमस्टैम्प नहीं। प्रोवेनेंस शून्य। मेरे पेशे में यह वही चीज़ है जैसे मैच में अंपायर ही न हो।

इन पाँचों को जोड़िए और आपको वह जोखिम मिलता है जिसकी तरफ कोई नहीं देखता: पूरी भरी हुई रिपोर्ट खाली रिपोर्ट से ज़्यादा खतरनाक होती है। खाली रिपोर्ट को कोई आगे नहीं भेजता। भरी हुई रिपोर्ट को आगे भेजा जाता है। और अगर नीचे कोई ऑटोमेटेड सिस्टम है जिसमें null-check नहीं है, तो वह इसी खाली पेलोड से ऐसी क्रिकेट टिप्पणी पैदा कर देगा जो सुनने में विश्वसनीय होगी और जिसका कोई स्रोत नहीं होगा।

यहीं घरेलू क्रिकेट की असली समस्या भी है। मैंने वे मैच देखे हैं जहाँ स्टेडियम खाली था और कोई स्कोरर नहीं था। स्टेडियम खाली था। मैं नब्बे मिनट रुकी और गिनती करती रही। रणजी, विजय हजारे, सैयद मुश्ताक अली, दलीप — हज़ारों प्रदर्शन ऐसे हैं जिनके बॉल-बाय-बॉल रिकॉर्ड सार्वजनिक डेटाबेस में नहीं हैं। इसका नतीजा यह नहीं है कि डेटा गलत है। नतीजा यह है कि वे चयन-बहसें ही नहीं हो पातीं जिनके लिए किसी ने गिनती नहीं की।

2026 में मैंने एक अनचाहा मेमो लिखा था। मेगा नीलामी से पहले, 2026 के डेथ-ओवर डेटा से यह दिखाया कि 8.5 से कम इकॉनमी और 60 फीसदी से ऊपर कंट्रोल वाले भारतीय सीमर औसतन 1.2 करोड़ कम आँके जा रहे थे। दस फ्रैंचाइज़ियों को भेजा। एक का भी जवाब नहीं आया। वह मेमो मैंने लिखा था जिसे किसी ने माँगा नहीं था। छह महीने बाद नीलामी ने जवाब दे दिया। सबक यह था कि मेमो की कीमत नतीजे से नहीं, उसकी पहले से घोषित सीमा, मान्यताओं और "क्या हो तो मैं अपनी बात बदल दूँगी" वाली शर्त से तय होती है।

अब वह हिस्सा जिसे लिखना सबसे कठिन है। इस रिपोर्ट का "कोई जोखिम-संकेत नहीं मिला" वाला हिस्सा किसी को यह नहीं पढ़ना चाहिए कि "कोई जोखिम नहीं है"। सिग्नल का अभाव जोखिम का अभाव नहीं होता। यह मेरी अपनी फाइलिंग में भी एक बार फिसल गया था — सत्ताईस कॉलम खाली थे और रिपोर्ट का सारांश हरा दिख रहा था।

दूसरी बात: अंतराल को भरने की जो प्रवृत्ति मुझमें है, वही प्रवृत्ति उस कवरेज को जन्म देती है जहाँ दो मैचों की अच्छी लय को "फॉर्म" कह दिया जाता है। दो मैच कोई फॉर्म नहीं होते। उसी तरह, खाली पेलोड कोई "कहानी" नहीं है — वह एक टूटी हुई पाइपलाइन है। यहाँ मुझे अपनी ही थ्रेशोल्ड-सख्ती पर एक टिप्पणी जोड़नी होगी: जो मेरा मॉडल नहीं देख सकता, वह मैदान पर स्कोरर की हाथ से लिखी कॉपी है। अगर वह कॉपी किसी एक स्पेल पर मेरी शीट से टकरा जाए, तो मैं पीछे हट जाऊँगी — क्योंकि वह प्राथमिक स्रोत है और मेरी शीट उसकी नकल है। थ्रेशोल्ड एक औज़ार है, फैसला नहीं।

आगे के राउंड के लिए संकेत साफ है। डेटा-गुणवत्ता जाँच को अब "तकनीकी मामला" मानकर अलग नहीं रखा जा सकता; उसे लेखन का दर्जा देना होगा — प्रकाशित, टाइमस्टैम्प के साथ, री-रन की शर्त के साथ। Stage-1 का जो फिर से चलाया जाएगा, वही अगली सच्ची रिपोर्ट होगी। तब तक एक सवाल मेज़ पर रखा रहेगा: जब आपकी पाइपलाइन ख़ुद कह रही है कि उसने कुछ नहीं पढ़ा, तो क्या आपके पास बताने के लिए एक रिपोर्ट है, या सिर्फ़ एक साफ़-सुथरा खाली डिब्बा?