लेबल सही, आंकड़े खाली: क्रिकेट डेटा पाइपलाइन का शून्य नतीजा और उसमें छिपा सबक

आठ शीर्षक थे। हर शीर्षक अपनी जगह मौजूद था — Format, Match Nature, Core Data, Ranking & Positioning, Governance Checklist, Risk Matrix, Transmission Map। और हर शीर्षक के सामने वही एक वाक्य: "N/A — insufficient information।" फ़ॉर्मैट: अपर्याप्त जानकारी। मैच की प्रकृति: अपर्याप्त जानकारी। खिलाड़ी: अपर्याप्त जानकारी। टीम: अपर्याप्त जानकारी। सूचना-बिंदु: खाली सूची। शीर्षक: N/A। स्रोत: N/A। समय-संवेदनशीलता: आँकी नहीं गई। स्रोत की गुणवत्ता: आँकी नहीं गई।

डोमेन लेबल एक ही चीज़ बोल रहा था: cricket_asia।

कॉनॉट प्लेस की एक छोटी कोठरी से दिल्ली के इस डेस्क तक के सफ़र में मैंने सैकड़ों अधूरे रिकॉर्ड खोले हैं। अधूरा और खाली एक चीज़ नहीं होती। पतला लेख और अनुपस्थित लेख — दोनों की मरम्मत अलग-अलग तरीके से होती है, दोनों का ऑडिट अलग सवाल पूछता है। यहाँ दूसरी हालत थी। यह रिपोर्ट किसी मैच की नहीं, किसी पाइपलाइन की कहानी है — और पाइपलाइन की ख़बरें क्रिकेट की ख़बरों से कम महँगी नहीं पड़तीं।

संदर्भ: दो मंज़िलों वाला डेटा डेस्क

Stage-1 और Stage-2 — यह उस डेटा-डेस्क की दो-मंज़िली व्यवस्था है जिस पर आज क्रिकेट की लगभग हर गंभीर कवरेज खड़ी है। पहली मंज़िल लेख से कच्चा माल निकालती है: शीर्षक, स्रोत, सूचना-बिंदु, इकाइयाँ (entities), फ़ॉर्मैट, तारीख़। दूसरी मंज़िल उस माल को आठ आयामों में तोड़ती है — फ़ॉर्मैट और मैच-विश्लेषण, खिलाड़ी तकनीक और आंकड़े, टीम परिदृश्य और रैंकिंग, लीग और वाणिज्यिक तंत्र, नियम-गवर्नेंस, जोखिम-मैट्रिक्स, जन-कथा और अपेक्षा-अंतराल, और उद्योग का ट्रांसमिशन।

जब पहली मंज़िल खाली हाथ लौटे, तो दूसरी मंज़िल के पास करने को बहुत कुछ नहीं बचता। इस रिकॉर्ड में ठीक यही हुआ।

मेरा अनुमान निर्णय चाहता था; डेटा मोहलत चाहता था। यही अंतर पेशे की सबसे बड़ी चूक है। फ़ॉर्मैट टैग के बिना क्रिकेट का कोई मेट्रिक अपनी जगह पर नहीं बैठता — T20 फ़िनिशर का 180+ स्ट्राइक रेट और Test ओपनर का 45 औसत दो अलग यंत्र हैं। एक को दूसरे पर लगाना थोड़ी असावधानी भर नहीं, श्रेणी-भूल (category error) है। cricket_asia एक बाज़ार-भौगोलिक छाप है, फ़ॉर्मैट नहीं। Test, ODI, T20, The Hundred — इनमें से कोई एक तय हुए बिना रन-रेट, इकॉनमी, PPDA या xG जैसा कोई उपकरण हाथ में नहीं आता।

दो हज़ार में, क्रॉन्जे के अप्रैल के इक़बाल और दिसंबर के CBI फ़ैसले के बीच, मैंने ग्यारह सीज़न के 1,047 एक-दिवसीय स्कोरकार्ड उठाए थे और एक "कोलैप्स इंडेक्स" बनाया था। ग्यारह पारियाँ संदिग्ध निकलीं। दो झंडे जाँच में मर गए — एक बारिश से घटाया गया लक्ष्य, और एक नंबर-8 बल्लेबाज़ जो टूटी उँगली से खेल रहा था। दोनों मैंने प्रिंट में, नाम लेकर, उसी कॉलम में वापस लिए। मैंने चालीस पन्नों तक आंकड़े छाने, तब सुनना सीखा। सबक वही रहा: जिस पल आप खाली जगह को एक विश्वसनीय दिखने वाले आंकड़े से भरते हैं, उसी पल वह आंकड़ा निष्कर्ष बन जाता है — और फिर उसे वापस लेने के लिए अपना नाम छापना पड़ता है।

मूल निदान: लेबल बचे, मान गए

इस रिकॉर्ड का पूरा निदान एक वाक्य में यह है: फ़ील्ड के लेबल बरकरार हैं और फ़ील्ड के मान खाली हैं — यह पैटर्न किसी खाली लेख का संकेत नहीं, स्ट्रक्चरल इनजेशन फेल्योर का संकेत है। असली क्रिकेट लेख से लगभग हमेशा कम से कम एक टीम का नाम या एक फ़ॉर्मैट निकल ही आता है। यहाँ कुछ नहीं निकला।

तीन संभावनाएँ खड़ी होती हैं। पहली: लेख का शरीर कभी Stage-1 एक्सट्रैक्टर तक पहुँचा ही नहीं — हैंड-ऑफ़ या पाइपलाइन की गड़बड़ी। दूसरी: स्रोत क्रॉल के समय ही अनुपलब्ध, पेवॉल के पीछे या खाली था। तीसरी, और सबसे कम आँकी गई: अगर स्रोत क्षेत्रीय भाषा का एशियाई आउटलेट था, तो एक्सट्रैक्शन भाषा-प्रबंधन पर ही मर गया होगा। तीनों की मरम्मत अलग है, इसलिए तीनों को अलग-अलग जाँचा जाना चाहिए, एक साथ निपटाया नहीं जाना चाहिए।

अब वह हिस्सा जो इस रिपोर्ट को पेशेवर बनाता है और जिसे पढ़ते हुए ज़्यादातर लोग ग़लत पढ़ेंगे। आठों आयामों में हर जगह "N/A" लिखा है, पर उसका मतलब "कोई जोखिम नहीं मिला" नहीं है; उसका मतलब है "कोई जोखिम जाँचा ही नहीं जा सका।" यह श्रेणी-भूल सबसे महँगी पड़ती है। कोई डाउनस्ट्रीम पाठक इस दस्तावेज़ को "विश्लेषण पूरा, कोई बड़ा मुद्दा नहीं" पढ़ ले, तो एक डेटा विफलता साफ़ चिट्ठी बनकर आगे बढ़ जाती है और अगली बैठक में उसका हवाला दिया जाने लगता है।

जोखिम-मैट्रिक्स का सारा खेल इसी पर टिका है। खेल-जोखिम, कार्मिक-जोखिम, वाणिज्यिक-जोखिम, नियम-जोखिम, जनमत-जोखिम, प्रणालीगत जोखिम — छहों की स्थिति N/A है। कारण उलटा तर्क है: जोखिम इसलिए दर्ज नहीं हो सका क्योंकि जोखिम उठाने वाला कोई विषय ही मौजूद नहीं था। लेकिन तीन प्रक्रिया-जोखिम जीवित हैं। अगर इस खाली टेम्पलेट को उत्तर में गढ़े हुए क्रिकेट विवरण से भरा जाता, तो निर्माण-जोखिम (fabrication risk) उच्च श्रेणी का होता। अगर कोई उपभोक्ता इसे "जाँच पूरी" मानकर आगे बढ़ता, तो खाली Stage-1 पर निर्णय लेने का जोखिम भी उच्च होता। और अगर यह गड़बड़ी सिस्टम की है, तो उसी बैच के बाकी रिकॉर्ड भी चुपचाप खाली हो सकते हैं — यह मध्यम श्रेणी का जोखिम है।

असली ख़तरा उसमें है जो हो सकता था। अगर इसी खाली टेम्पलेट को किसी आत्मविश्वासी विश्लेषक ने भरना चाहा होता, तो वह क्या लिखता? कोई विश्वसनीय एशिया कप द्विपक्षीय, तीन पावरप्ले आँकड़े, एक इकॉनमी रेट, एक "उभरता हुआ तेज़ गेंदबाज़"। पाठक कभी नहीं बता पाता कि वह सब हवा से बना था। क्रिकेट में बिना फ़ॉर्मैट-एंकर के कोई दावा कमज़ोर दावा नहीं होता; वह अमान्य दावा होता है।

यह सिर्फ़ सिद्धांत नहीं है। 2026 विश्व कप में, पहली जुलाई को लुझ्निकी में स्पेन ने 1,029 पास पूरे किए और पेनल्टी पर रूस से हार गया; मेरी xG शीट में स्पेन 2.4, रूस 0.6 था। छह दिन पहले कज़ान में जर्मनी ने दक्षिण कोरिया पर 26-11 शॉट मारे और 0-2 से हार गया। दोनों बार डेटा घना था, फिर भी नतीजा दूसरी तरफ़ गया। अब कल्पना कीजिए कि शीट ही खाली हो और विश्लेषक फिर भी फ़ाइल कर दे।

इसीलिए रिपोर्ट ने अपने आप को NULL-RESULT / NOT ANALYSED स्टांप दिया, और रिकवरी के लिए तीन अनिवार्य फ़ील्ड माँगीं — format (Test/ODI/T20/The Hundred), match nature, और नामित इकाइयाँ (टीम, खिलाड़ी, बोर्ड, वेन्यू) — साथ में इवेंट की तारीख़ और 3-8 अलग-अलग सूचना-बिंदु। ये मिल जाएँ तो पहले तीन आयाम कम-विश्वास पर भी चल जाते हैं। तीन न मिलें तो पूरा ढाँचा खड़ा नहीं होता।

एक और बात जिसे नज़रअंदाज़ करना आसान है। cricket_asia लेबल जिस एक हिस्से की ओर इशारा करता है — दक्षिण एशिया का हार्टलैंड बाज़ार, जहाँ वैश्विक क्रिकेट आमदनी का सबसे बड़ा हिस्सा बैठता है — उसे इस रिकॉर्ड में किसी चीज़ से नापा नहीं जा सकता। ब्रॉडकास्ट राइट्स का चक्र, फ़्रैंचाइज़ी वैल्यूएशन, सैलरी इन्फ्लेशन — तीनों के लिए कम से कम एक नामित लीग और एक सीज़न चाहिए। सट्टेबाज़ी-फ़ैंटसी का हिस्सा जानबूझकर बंद रखा गया, क्योंकि इनपुट में कोई ऑड्स या मनी-फ़्लो डेटा मौजूद ही नहीं था।

उलटा पाठ: ख़तरनाक रिकॉर्ड नहीं, स्कोरिंग व्यवस्था है

अब वह पढ़ाई जो सबसे कम होती है। ज़ाहिरी निष्कर्ष निकलता है कि खाली रिकॉर्ड ख़तरनाक है। मेरा पढ़ना उलटा है: ख़तरनाक खाली रिकॉर्ड नहीं है; ख़तरनाक वह स्कोरिंग व्यवस्था है जिसमें खाली रिपोर्ट विफल विश्लेषक दिखती है और भरा हुआ टेम्पलेट उत्पादक विश्लेषक। जिस दिन डेस्क "N/A" को पूरा अंक नहीं देगा, उस दिन ईमानदारी की कीमत गिर जाएगी। जानकारी-मूल्य रेटिंग इसी दुविधा का दर्पण है: खेल-मूल्य एक सितारा, उद्योग-मूल्य एक सितारा, समय-मूल्य अनुमान-योग्य ही नहीं — लेकिन प्रक्रिया-संकेत के रूप में संदर्भ-मूल्य ऊँचा है।

लेकिन जैसा मैं खुद सिखाता हूँ, वही मुझसे भी पूछा जाना चाहिए: इस पढ़ने को क्या झूठा साबित करेगा? दो परीक्षण छापे जाने चाहिए। पहला — बैच ऑडिट: अगर उसी बैच के दो या अधिक रिकॉर्ड में बिल्कुल यही हस्ताक्षर (लेबल सही, मान खाली) दोहराता है, तो गड़बड़ी सिस्टम की है, एक हैंड-ऑफ़ की नहीं। बाकी रिकॉर्ड साफ़ निकलें, तो यह एकबारगी चूक है। दूसरा — री-सोर्सिंग: उसी URL को दोबारा खोलने पर लेख मिल जाए, तो दोष एक्सट्रैक्शन का है, सोर्सिंग का नहीं। जो कहेंगे कि "शायद लेख में वाकई कुछ नहीं था" — उनके लिए एक तथ्य: लेबल का बचा रहना और मान का खाली होना दो अलग घटनाएँ हैं। असली खाली लेख में भी "क्रिकेट" शब्द तो होता ही है।

आगे का सिग्नल

अगली बार इस डेस्क पर जो सिग्नल देखा जाएगा, वह कोई खिलाड़ी नहीं होगा। वह यह होगा: क्या Stage-1 का दोबारा चलाया गया संस्करण कम से कम एक सूचना-बिंदु और एक फ़ॉर्मैट टैग लौटाता है? अगर फ़ॉर्मैट टैग दूसरी बार भी नहीं आया, तो रुकावट आकस्मिक नहीं, ढाँचे की है। दिल्ली में आंकड़े कभी गणित नहीं थे; वे धैर्य का दूसरा नाम थे। और धैर्य का पहला नियम यही है — जो नहीं पता, उसे लिखना मत।