खाली स्कोरबुक: जब क्रिकेट डेटा डेस्क के हाथ सिर्फ एक टैग लगा

रात के दो बजे हैं। स्क्रीन पर एक फ़ाइल खुली है। शीर्षक: N/A। स्रोत: N/A। लेख का प्रकार: अपरिभाषित। सूचना बिंदुओं की सूची: खाली। जो एक चीज़ बची है, वह एक टैग है — cricket_asia — और उसके नीचे आठ खानों वाला एक टेम्पलेट, जो फ़ॉर्मेट, खिलाड़ी की तकनीक, टीम के ढाँचे, लीग के कारोबार, शासन, जोखिम, जन-आख्यान और उद्योग के ट्रांसमिशन पर एक-एक करके जवाब माँग रहा है।

2026-18 रणजी सीज़न में मैंने 1,214 ओवर अपने हाथ से कोड किए थे — गुजरात के तेज़ गेंदबाज़ों की स्पेल-लोड गिनती, लाइवस्ट्रीम फुटेज से, बिना किसी बॉल-ट्रैकिंग के। तब मैंने एक भी मॉडल पर भरोसा नहीं किया था; पहले गिनती, फिर स्प्रेडशीट। उस रात गिनने के लिए शून्य ओवर थे। यह रिपोर्ट उसी शून्य की है — और यह बताती है कि शून्य के सामने क्रिकेट का डेटा कारोबार क्या करता है।

क्योंकि यहाँ असली खबर कोई मैच नहीं है। असली खबर यह है कि एक डेटा पाइपलाइन ने लेबल दे दिया, और सामग्री नहीं दे पाई। यह अंतर छोटा लगता है; है नहीं।

संदर्भ: जो लेबल बच गया, जो टेक्स्ट नहीं बचा

Stage-1 का काम स्रोत को तोड़कर सूचना बिंदु निकालना है। इस मामले में सभी सामग्री-फ़ील्ड शून्य लौटे, पर डोमेन लेबल सफलतापूर्वक असाइन हो गया। छह संभावित वजहें गिनाई जा सकती हैं: स्रोत का URL या बॉडी ही खाली आया; पेपरवॉल या जावास्क्रिप्ट-रेंडरिंग ने खाली बॉडी लौटाई; इनपुट टेक्स्ट नहीं बल्कि स्कैन, PDF या वीडियो ट्रांसक्रिप्ट था; भाषा मेल नहीं खाई (हिंदी, उर्दू, बांग्ला, तमिल स्रोत बनाम अंग्रेज़ी-केवल एक्सट्रैक्टर); वर्गीकरण के बाद निष्कर्षण अलग से फेल हुआ; या स्रोत वाकई खोखला था — सिर्फ़ एक हेडलाइन।

इन छह में से पाँच यह बताती हैं कि जानकारी मौजूद है, बस पकड़ी नहीं गई। यही इस पूरी कवायद का सबसे उपयोगी निष्कर्ष है: खाली फ़ाइल यह नहीं कहती कि कुछ हुआ ही नहीं; वह यह कहती है कि कुछ हुआ, और हमने उसे पढ़ा नहीं। एक पूरी तरह खाली दस्तावेज़ और एक फेल हुआ निष्कर्षण — दोनों स्क्रीन पर एक जैसे दिखते हैं, पर मरम्मत की राह बिल्कुल अलग है।

दूसरी तकनीकी बात जिसे दर्ज करना ज़रूरी है: लेबल cricket_asia है, जबकि स्कीमा माँगता है Cricket। सब-डोमेन, पैरेंट लेबल की जगह नहीं बैठ सकता। मुझे अपने रणजी कोडिंग के दिनों की वह ग़लती याद आती है जब मैंने पहले चार ओवर के ब्लॉक और दूसरे चार ओवर के ब्लॉक की इकॉनमी एक ही कॉलम में मिला दी थी — 3.4 और 5.9, दोनों एक ही शीर्षक के नीचे। तीन हफ़्ते बाद पता चला कि मैं दो अलग चीज़ें तुलना रहा था। लेबल की ग़लती रिपोर्ट की ग़लती नहीं होती; वह उससे बड़ी होती है।

इसलिए जब तक पाँच चीज़ें न आ जाएँ — फ़ॉर्मेट, कम से कम एक मैच या इवेंट, कम से कम एक नामित इकाई (टीम, खिलाड़ी, बोर्ड), प्रकाशन की तारीख़, और नामित स्रोत — तब तक आगे का कोई भी विश्लेषण अनुमान है, रिपोर्ट नहीं।

कोर: आठ खाने, और हर खाने में एक ही जवाब

आठ आयामों का टेम्पलेट भरने पर हर जगह वही लिखा आता है — अपर्याप्त जानकारी। मगर यह अपर्याप्तता तीन अलग-अलग तरह की कमी है, और उसे अलग-अलग देखना चाहिए।

सबसे पहले फ़ॉर्मेट। क्रिकेट में फ़ॉर्मेट पहला विभाजक है, क्योंकि हर फ़ॉर्मेट का बेंचमार्क अलग है। T20 में पावरप्ले छह ओवर का होता है, मध्यक्रम सात से पंद्रह तक, और डेथ सोलह से बीस तक। वहाँ 7.00 से नीचे की इकॉनमी आम तौर पर शानदार मानी जाती है, और फ़िनिशर के लिए 180+ स्ट्राइक रेट लक्ष्य माना जाता है। ODI में दो नई गेंदें हैं, ग्यारह से चालीस ओवर के बीच स्पिन की इकॉनमी निर्णायक होती है, और आख़िरी दस ओवर का रन रेट। टेस्ट में सत्र-दर-सत्र हिस्सेदारी, फ़ॉलो-ऑन की 200 रन की परंपरा, और डिक्लेरेशन का समय। इन तीनों के आँकड़े एक-दूसरे की जगह नहीं लगाए जा सकते। अगर फ़ॉर्मेट तय नहीं, तो कोई भी मीट्रिक सिर्फ़ संख्या है, माप नहीं।

इकाई के स्तर पर भी वही हाल। क्रिकेट में भूमिका पहले तय होती है, मीट्रिक बाद में। ओपनर, एंकर, फ़िनिशर, तेज़ गेंदबाज़, स्पिनर, ऑलराउंडर, विकेटकीपर-बैटर — हर भूमिका के लिए अलग मीट्रिक मायने रखता है। बिना नाम और बिना भूमिका के यह भी तय नहीं होता कि कौन-सा आँकड़ा देखना चाहिए। और एशियाई क्रिकेट में एक अतिरिक्त परत हमेशा रहती है: घर और बाहर का अंतर। उपमहाद्वीप की धीमी, मुड़ती पिचें और SENA की उछाल वाली सीम — इन दोनों में एक ही बल्लेबाज़ के आँकड़े इतने अलग होते हैं कि घरेलू औसत को अंतरराष्ट्रीय ताक़त का सबूत मानना सबसे पुरानी ग़लती है।

टीम और कारोबार का हाल भी अलग नहीं। ICC की तीनों तालिकाएँ फ़ॉर्मेट-वार हैं; एक से दूसरे में रैंकिंग उधार नहीं ली जा सकती। नीलामी की क़ीमत और अंतरराष्ट्रीय प्रदर्शन दो अलग बहीखाते हैं। IPL 2026 की नीलामी में मेरा इम्पैक्ट-पर-करोड़ मॉडल डेविड मिलर को सबसे कम क़ीमत वाला बल्लेबाज़ बता रहा था; गुजरात टाइटन्स ने उन्हें ₹3 करोड़ में लिया, उन्होंने 140 से ऊपर स्ट्राइक रेट पर 481 रन बनाए, और टीम ने पहले ही सीज़न में ख़िताब जीता। यह कहानी अच्छी लगती है, और यही ख़तरा है। एक सही भविष्यवाणी मॉडल का प्रमाण नहीं होती; उसे त्रुटि-सीमा (error bars) के साथ छापना पड़ता है, वरना वह किस्सा बन जाती है। मेरे ही फ़्रेमवर्क ने उसी नीलामी में कम से कम दो नाम ग़लत आँके थे; मैं उन्हें सार्वजनिक रूप से लिखता हूँ, क्योंकि जो मॉडल अपनी ग़लती नहीं छापता, वह अगली बार भी उसी आत्मविश्वास से बोलेगा।

शासन और जोखिम के खाने भी उसी तरह खाली हैं। NOC, राइट-टू-मैच, ACC का ढाँचा, बिग थ्री का राजस्व मॉडल, DLS की संशोधित तालिकाएँ — ये सब ज्ञान के रूप में मौजूद हैं, पर इस फ़ाइल में कोई घटना नहीं है जिन पर उन्हें लगाया जाए। और जोखिम मैट्रिक्स में एक ही खाना ऐसा है जिसे ईमानदारी से उच्च कहा जा सकता है — वह किसी खिलाड़ी का नहीं, पाइपलाइन का जोखिम है: खाली विश्लेषण का चुपचाप आगे बहना।

कंट्रेरियन: जो फ़ाइल दिखने में खाली है, वह असल में सबसे ज़्यादा बोलती है

उद्योग का पहला रिफ़्लेक्स है खाली जगह को भरना। आठ खाने हैं, तो आठ जवाब लिख दो; सबसे आसान रास्ता है एशिया के क्रिकेट का कोई परिचित ढाँचा उठाकर उसमें फ़ाइल ठूँस देना। भारत-पाकिस्तान, एशिया कप, आईपीएल की नीलामी — पाठक इन्हें पढ़ेंगे, एल्गोरिद्म इन्हें उठाएगा। यहीं पर मेरी एक हठ है, और वह पेशे की शुरुआत से है: मैं आउटलायर का पीछा नहीं करता, मैं उसके दोहराने का इंतज़ार करता हूँ। खाली फ़ाइल को भरना आउटलायर को कहानी बना देना है।

जो उलटा लगेगा: शून्य परिणाम यहाँ असफलता नहीं, बल्कि निदान है। लेबल मिला और सामग्री नहीं मिली — इस पैटर्न से साफ़ पता चलता है कि गड़बड़ी स्रोत में नहीं, निष्कर्षण में है। यानी जानकारी लुप्त नहीं हुई, वह बस पकड़ी नहीं गई, और उसी न्यूज़ साइकिल में दोबारा मँगाई जा सकती है। एक खाली फ़ाइल जिसने अपने खालीपन की वजह बता दी, किसी भरी हुई फ़ाइल से ज़्यादा काम की है जिसने अपनी ग़लती छिपा ली।

और वह लेबल, जो सबसे भरोसेमंद लगता है और सबसे धोखा देता है। cricket_asia एक खोज-संकेत (retrieval prior) है, कोई निष्कर्ष नहीं। इससे ACC के इवेंट, एशियाई द्विपक्षीय सीरीज़ और एशियाई घरेलू लीगों का दायरा छोटा होता है — बस इतना। इससे यह निष्कर्ष निकालना कि लेख भारत-पाकिस्तान पर था, वही सीमा-पार नॉस्टैल्जिया है जिसके ख़िलाफ़ मैं लिखता हूँ। 2026-13 के बाद से दोनों देशों के बीच द्विपक्षीय सीरीज़ नहीं हुई है; जो मौजूद है वह ICC और एशिया कप का छोटा, बेहद दबाव भरा नमूना है। उसे द्विपक्षीय यादों की तरह पेश करना डेटा की ग़लती है, और कारोबार की सच्चाई भी नहीं।

टेकअवे

फ़ाइल अगले न्यूज़ साइकिल में भर जाएगी, और तब असली सवाल वही रहेगा जो स्कोरबुक हमेशा पूछता है: यह संख्या किस नमूने से आई है? जो लेखक अपनी कॉपी नब्बे मिनट देर से भेजता है क्योंकि पहले पद्धति का पन्ना लिखता है, वह इस सवाल का जवाब दे सकता है। बाक़ी सब, चाहे कितना भी सुंदर लिखा हो, एक टैग के सहारे खड़ा है।