खाली शीट का ऑटोप्सी: क्रिकेट डेटा पाइपलाइन की उस चुप्पी का बहीखाता, जिसे कोई नहीं पढ़ता

रात के दो बजे, पुणे। लैपटॉप पर एक JSON फ़ाइल खुली है। पहली पंक्ति में शीर्षक है — null। स्रोत है — N/A। जानकारी-बिंदुओं की सूची है — खाली कोष्ठक। टीमें, खिलाड़ी, मैच, आयोजन: कोई इकाई दर्ज नहीं। और सबसे नीचे डोमेन लेबल चिपका है — cricket_asia, जो किसी मानक क्रिकेट टैक्सोनॉमी से मेल नहीं खाता। ढांचा पूरा खड़ा है। ढांचे के अंदर की जगह खाली है।

क्रिकेट में यह फ़ॉर्म मेरे लिए नया नहीं है। स्कोरबुक के वे पन्ने जिनमें हर खाना छपा होता है और हर खाने के सामने स्याही की जगह हवा। विकेट गिरा, पर किसको श्रेय मिले यह दर्ज नहीं। ओवर फेंका गया, पर किस लाइन-लेंथ पर, यह कोई कॉलम नहीं बता रहा। यही फ़र्क़ है खाली शीट और शून्य के बीच। खाली शीट कहती है — मुझे मत पढ़ो। शून्य कहता है — मुझे पढ़ो, मैं सच हूँ। और कोई भी डेटा सिस्टम जब दोनों को एक ही रंग में रंग देता है, तब पहली बार झूठ स्कोरकार्ड की शक्ल में बैठता है।

पिछले कई सालों में मैंने मैच देखने के दौरान जो सबसे काम की चीज़ सीखी, वह यह है कि क्रिकेट की हर संख्या जोड़ने वाली होती है। रन जुड़ते हैं, विकेट जुड़ते हैं, ओवर जुड़ते हैं। यही जोड़ने वाला गुण क्रिकेट के डेटा को खतरनाक बनाता है। फ़ुटबॉल में अगर आपने पंद्रह मिनट की पासिंग ट्रांसक्रिप्ट छोड़ दी, तो मैच का पास-प्रतिशत गलत दिखेगा — पर गलत दिखेगा, कम दिखेगा, संदेह पैदा करेगा। क्रिकेट में अगर आपने तीन ओवर की ट्रांसक्रिप्ट छोड़ दी, तो गेंदबाज़ की इकॉनमी कम दिखेगी, और कम इकॉनमी अच्छी गेंदबाज़ी जैसी दिखती है। गलती की शक्ल सफलता की होती है। यह क्रिकेट एनालिटिक्स का सबसे पुराना, सबसे अनदेखा और सबसे महँगा दोष है।

2026 में, सोलह साल की उम्र में, मैंने महाराष्ट्र के 2026-17 रणजी सीज़न की हर गेंद हाथ से कोड की थी — BCCI की लाइव स्ट्रीम से, आठ मैच, क़रीब 1,340 ओवर। लाइन, लेंथ, फ़ील्ड पोज़िशन, और फ़ॉल्स-शॉट का नतीजा, सब एक शीट में। मुझे आज भी वह एक आंकड़ा याद है जिसने मेरा काम बदला: डेब्यूटेंट रुतुराज गायकवाड़ की फ़ॉल्स-शॉट दर महाराष्ट्र की टॉप ऑर्डर से 22 प्रतिशत कम थी, औसत भले ही मामूली थी। वह 22 प्रतिशत उस शीट पर खड़ा था जिसकी एक-एक पंक्ति मैंने खुद लिखी थी। अगर उन आठ मैचों में से दो भी छूट जाते, वह 22 किसी और संख्या में बदल जाता, और मेरे पास यह बताने का कोई ज़रिया न होता कि कौन-सा हिस्सा असली है और कौन-सा ट्रांसक्रिप्शन की गलती।

यही वजह है कि जब स्टेज-एक का यह नतीजा मेरे सामने आया — शीर्षक शून्य, इकाइयाँ शून्य, जानकारी-बिंदु शून्य, और सिर्फ़ स्कीमा ज़िंदा — तो मैंने इसे 'विश्लेषण का अभाव' नहीं, 'विश्लेषण का विषय' माना। इस रिपोर्ट में क्रिकेट का कोई मैच नहीं है। जो है, वह है उस ढांचे की जाँच जिस पर हमारे सारे मैच-विश्लेषण टिके हैं।

क्रिकेट डेटा की आपूर्ति श्रृंखला छोटी है और कमज़ोर। स्टेडियम में बैठा स्कोरर पहली कड़ी है। उससे ऊपर बॉल-बाय-बॉल लॉगर, जो हर डिलीवरी को लाइन-लेंथ, शॉट टाइप और आउटकम में बदलता है। फिर वह लॉग डेटाबेस में जाता है, फिर डैशबोर्ड में, फिर उस कॉलम में जिसे हम 'इकॉनमी', 'स्ट्राइक रेट' और 'फ़ॉल्स-शॉट प्रतिशत' कहते हैं। इस श्रृंखला में हर कड़ी पर एक ही जोखिम है: जो दर्ज नहीं हुआ, वह शून्य बनकर आगे बढ़ता है। डेटाबेस 'अनुपस्थित' और 'शून्य' में फ़र्क़ नहीं करता जब तक कोई उसे ज़बरदस्ती करने पर मजबूर न करे। और ज़्यादातर डैशबोर्ड ऐसा करने पर मजबूर नहीं करते, क्योंकि खाली खाने वाला डैशबोर्ड ग्राहक को पसंद नहीं आता।

पहला निष्कर्ष सीधा है: क्रिकेट एनालिटिक्स की सबसे बड़ी गलती गलत आंकड़ा नहीं, अनुपस्थित आंकड़े को आंकड़ा मान लेना है। दूसरा निष्कर्ष इससे भी कम आरामदायक है। जिस फ़ाइल से यह विश्लेषण शुरू हुआ, उसने अपनी नाकामी साफ़-साफ़ घोषित कर दी। यानी सिस्टम ने मना कर दिया — मैं तुम्हें झूठ नहीं दूँगा। यह अच्छी इंजीनियरिंग है। पर यह भी सच है कि जो सिस्टम चुप रहकर सुरक्षित रहता है, वह सिस्टम बाज़ार में हार जाता है। क्योंकि बाज़ार संख्या खरीदता है, चुप्पी नहीं। एक खाली शीट को कोई स्पॉन्सर नहीं मिलता; एक ग़लत आंकड़ा किसी टीम का सीज़न बदल सकता है।

तीसरा निष्कर्ष टैक्सोनॉमी का है। उस फ़ाइल में डोमेन लेबल cricket_asia था, जबकि अपेक्षित लेबल सिर्फ़ 'Cricket' था। यह छोटी-सी चीज़ क्रिकेट में बड़ी होती है। एशिया-उपमहाद्वीप का क्रिकेट, एशियाई क्रिकेट परिषद का प्रशासनिक ढांचा, और द्विपक्षीय सीरीज़ का कैलेंडर — तीनों अलग-अलग डेटा-स्कीमा माँगते हैं। जब एक सिस्टम दूसरे की लेबल-भाषा गलत पढ़ता है, तो नतीजा यह होता है कि एशिया कप का आंकड़ा विश्व कप की तालिका में बैठ जाता है और कोई नहीं पकड़ता। क्रिकेट में ऐसी गड़बड़ियाँ सबसे ज़्यादा उसी जगह होती हैं जहाँ सबसे कम निगरानी है — रणजी, महिला घरेलू मुक़ाबले, अंडर-19 टूर। जहाँ लॉगर की संख्या कम है, वहाँ एक गलत पंक्ति पूरे टूर्नामेंट की तस्वीर बदल देती है, क्योंकि उसे सुधारने वाला दूसरा कोई नहीं बैठा।

मैं यह नहीं कह रहा कि डेटा झूठ बोलता है। मैं यह कह रहा है कि डेटा चुप रह सकता है, और चुप्पी झूठ से ज़्यादा खतरनाक है — क्योंकि झूठ को पकड़ा जा सकता है, चुप्पी को नहीं। 2026 विश्व कप के राउंड ऑफ़ सोलह में स्पेन बनाम रूस के मुक़ाबले से पहले मैंने पायथन में एक कच्चा xG मॉडल बनाया था — शॉट की जगह, कोण, शरीर का अंग, डिफ़ेंसिव प्रेशर। स्पेन ने 1,029 पास किए और xG था 0.98। यानी छह गज़ के बॉक्स में घुसने की कोशिशें लगभग न के बराबर थीं। उस रात मैंने ट्विटर पर बारह ट्वीट की एक थ्रेड डाली, और अगले दिन स्पेन पेनल्टी पर हार गया। उस थ्रेड में ताक़त यह नहीं थी कि मैंने 1,029 गिने; ताक़त यह थी कि मैंने यह भी लिखा कि यह गिनती उस सवाल का जवाब नहीं देती कि स्पेन के पास बेहतर मौक़े थे या नहीं — वह सवाल शॉट-क्वालिटी के डेटा के बिना अधूरा है। जिस विश्लेषण में अपनी सीमा लिखी हो, वह अक्सर उस विश्लेषण से भरोसेमंद होता है जिसमें सिर्फ़ नतीजा लिखा हो।

यहाँ मुझे उन लोगों की तरफ़ झुकना है जिन्हें हम डेटा के दौर में अक्सर पीछे छोड़ देते हैं। कमेंट्री बॉक्स में बैठा पूर्व खिलाड़ी वह देख लेता है जो मेरी शीट नहीं देख सकती — सीम की वोबल, बल्लेबाज़ का शरीर-भंगिमा में बदलाव, पिच का तापमान। और इस पूरे प्रसंग में एक बात उलटी भी है: जिस दिन शीट खाली होती है, उस दिन सिर्फ़ वही आदमी आपका एकमात्र स्रोत बचता है जो उस दिन स्टेडियम में बैठा था। रणजी की एक-एक दिन की रिपोर्टिंग करने वाले बीट रिपोर्टर के पास वह स्मृति होती है जो किसी भी पाइपलाइन में दर्ज नहीं होती। मैंने अपना काम शुरू करते वक़्त यह मान लिया था कि मेरा डेटासेट सबसे अच्छा है क्योंकि वह मेरा है। ग़लत था। सबसे अच्छा डेटासेट वह है जिसके साथ एक गवाह भी खड़ा हो, जो बता सके कि उस दिन हवा किधर से चल रही थी।

और यहीं से वह मोड़ आता है जो मुझे सबसे ज़्यादा परेशान करता है। हम पिछले दशक में इस बहस को डेस्क पर जीतते रहे और ऑन एयर हारते रहे — कि संख्या आँख से बेहतर है। पर इस घटना ने उलटा सबक़ दिया। जब सिस्टम खाली लौटा, तो संख्या की ताक़त शून्य हो गई; बचा सिर्फ़ वह आँख, जिसे हम अक्सर 'सब्जेक्टिव' कहकर ख़ारिज करते हैं। यानी हमारे पूरे पदानुक्रम की नींव में एक शर्त छिपी है — कि डेटा मौजूद होगा। जिस दिन वह शर्त टूटती है, हमें वापस उसी आदमी के पास जाना पड़ता है जिसे हमने पीछे छोड़ा था। क्रिकेट एनालिटिक्स की सच्ची परीक्षा यह नहीं है कि हम कितना गिन सकते हैं; परीक्षा यह है कि जब गिनती अधूरी हो, तब हम उसे कैसे बताते हैं।

इसका एक व्यावहारिक पक्ष भी है जिस पर उद्योग बहुत कम बोलता है। हर डैशबोर्ड, हर ऑक्शन वैल्यूएशन मॉडल, हर 'वैल्यू पर रन' कॉलम के नीचे एक न्यूनतम-सामग्री द्वार होना चाहिए — कम से कम एक जानकारी-बिंदु, कम से कम एक इकाई, एक ग़ैर-खाली शीर्षक। यह तुच्छ लगता है; यह उतना ही ज़रूरी है जितना स्कोरबुक में यह लिखना कि कौन-सा ओवर मेडन था और कौन-सा सिर्फ़ बिना रन का। जब एक ऑक्शन मॉडल किसी खिलाड़ी के पिछले सीज़न का आंकड़ा शून्य दिखाता है, तो सवाल यह नहीं है कि वह खिलाड़ी खेला या नहीं — सवाल यह है कि उसका डेटा किस स्तर पर गिरा। और जब तक डैशबोर्ड वह सवाल नहीं पूछता, तब तक हर खरीद-फ़रोख़्त की बहस एक ऐसे कॉलम पर खड़ी रहती है जिसे किसी ने सत्यापित नहीं किया।

स्कोरबुक वह याद रखती है जो हाइलाइट्स भूल जाते हैं। पर स्कोरबुक भी उस दिन झूठ बोलती है जिस दिन उसका एक कॉलम भरने वाला नहीं पहुँचता। पिछले कई सालों में मैंने मैच देखने के दौरान जो सबसे उपयोगी आदत बनाई, वह यह है कि मैं अपने हर डेटासेट के साथ एक अलग शीट रखता हूँ — गुम पंक्तियों की शीट। कितने ओवर की ट्रांसक्रिप्शन नहीं हुई, किस मैच का स्ट्रीम बीच में कटा, किस गेंदबाज़ का कोई स्पेल लॉग में नहीं है। उस शीट का कोई पाठक नहीं होता, कोई प्रायोजक नहीं होता, और वह कभी वायरल नहीं होती। लेकिन हर वह नतीजा जो टिकता है, उसके पीछे वही गुम पंक्तियों की शीट खड़ी होती है।

फ़ैसले से पहले बहीखाता, बहीखाते से पहले खामोशी। इस मामले में खामोशी इतनी पूरी थी कि बहीखाता खाली रह गया, और फ़ैसला यही है कि कोई फ़ैसला नहीं हो सकता। जो विश्लेषण अपनी अनुपस्थिति स्वीकार कर लेता है, वह उस विश्लेषण से ईमानदार है जो मजबूरी में कुछ भी लिख देता है।

अगली बार जब आप किसी क्रिकेट डैशबोर्ड पर एक साफ़-सुथरा शून्य देखें — किसी गेंदबाज़ की इकॉनमी, किसी बल्लेबाज़ का स्ट्राइक रेट, किसी सीरीज़ में किसी टीम का आंकड़ा — तो एक सवाल पूछिए जो उस स्क्रीन पर कहीं लिखा नहीं होगा: यह शून्य गिना गया है, या यहाँ कुछ गिना ही नहीं गया? क्योंकि जिस दिन यह फ़र्क़ दिखने लगेगा, उस दिन क्रिकेट का डेटा पहली बार सचमुच भरोसे लायक़ होगा।