खाली डेटा, खतरनाक नतीजे: क्रिकेट एनालिसिस पाइपलाइन में गड़बड़ी की पड़ताल

शारजाह में क्रिकेट एनालिसिस के जिन पैमानों पर मैं काम करता हूं, वहां पहला नियम साफ है: खाली पन्ने से कोई नतीजा नहीं निकलता। पिछले हफ्ते जब स्टेज-वन डिकंस्ट्रक्शन का नतीजा मेरे सामने आया, तो उसमें क्रिकेट का एक भी ठोस तथ्य मौजूद नहीं था। न टीम, न खिलाड़ी, न फॉर्मेट, न मैदान। सब कुछ खाली। यह कोई एनालिसिस नहीं था, यह एक खराबी का सिग्नल था।

मैंने सात साल पहले शारजाह क्रिकेट स्टेडियम में वॉलंटियर फील्ड-चार्टिंग से शुरुआत की थी। तब सीनियर कोच ने मुझे सिखाया था कि नोटबुक में जो लिखा है, वही सच है; जो नहीं लिखा, वह अंदाजा है। 2026 एशिया कप में मैंने पाकिस्तान की पारी के 433 गेंदों के फील्डर कोऑर्डिनेट्स दर्ज किए थे। जब आंकड़े खाली आते हैं, तो मेरा पहला सवाल होता है कि डेटा कहां फंसा। यह रिपोर्ट उसी सवाल की जांच है।

स्टेज-वन डिकंस्ट्रक्शन के जिस आउटपुट का मैं जिक्र कर रहा हूं, उसमें आर्टिकल टाइटल, सोर्स और टाइप तीनों 'एन/ए' थे। कोर व्यूअरपॉइंट्स के सभी फील्ड खाली थे। इन्फॉर्मेशन पॉइंट्स में एक भी आइटम दर्ज नहीं था। एंटिटीज की सूची ऐसी थी, मानो किसी ने टेम्पलेट भरना शुरू ही न किया हो। यह कोई आर्टिकल नहीं था, यह पाइपलाइन की विफलता थी।

क्रिकेट टेक्स्ट एनालिसिस में स्टेज-वन वह कदम है जहां कच्चे पाठ से टीम, खिलाड़ी, फॉर्मेट और घटना की पहचान की जाती है। स्टेज-टू, जो मेरे जैसे रिसर्चर के हाथ में आता है, उस पहचान पर ही टिका होता है। अगर पहला कदम खाली लौटता है, तो दूसरा कदम सिर्फ टेम्पलेट भरने की औपचारिकता बन जाता है। यही इस रिपोर्ट का केंद्रीय तथ्य है: खाली इनपुट पर बना कोई भी एनालिसिस, चाहे कितना साफ-सुथरा दिखे, उसकी कोई साख नहीं होती।

मैंने इस आउटपुट को आठ अलग-अलग आयामों पर परखा। फॉर्मेट और मैच एनालिसिस में हर सेल में 'एन/ए — अपर्याप्त जानकारी' भरना पड़ा। खिलाड़ी तकनीक और डेटा सेक्शन में औसत, स्ट्राइक रेट, इकॉनमी रेट, हालिया ट्रेंड, सब जगह वही मार्कर लगा। टीम लैंडस्केप, लीग और कमर्शियल इकोसिस्टम, रूल्स और गवर्नेंस — हर सेक्शन में वही स्थिति। यह संयोग नहीं था। यह एक व्यवस्थागत खालीपन था।

क्रिकेट में फॉर्मेट का संदर्भ सबसे पहली शर्त है। टेस्ट का 140 का स्ट्राइक रेट और टी20 का 140 का स्ट्राइक रेट एक जैसे नहीं होते। बिना फॉर्मेट पहचाने आप किसी पारी को न तो तेज कह सकते हैं, न धीमी। बिना खिलाड़ी के नाम के आप उसकी भूमिका तय नहीं कर सकते कि वह ओपनर है, एंकर है या फिनिशर। बिना टीम के आप रैंकिंग और होम-अवे अंतर की बात नहीं कर सकते। यही कारण है कि स्टेज-वन का खाली होना सिर्फ एक तकनीकी रुकावट नहीं, बल्कि पूरी एनालिटिकल चेन का ठप हो जाना है।

इस खालीपन में एक बड़ा जोखिम छिपा है, जिसे मैं सबसे पहले रेखांकित करना चाहता हूं। वह है फैब्रिकेशन का जोखिम। मान लीजिए किसी एनालिस्ट के सामने यह खाली टेम्पलेट आता है और उस पर दबाव हो कि लेख को भरना है। तो सबसे आसान रास्ता यही होता है कि किसी मौजूदा टीम, खिलाड़ी और मैच की कहानी गढ़ दी जाए। मैंने अपने करियर में यह किया नहीं, और यही वजह है कि मैं हर खाली सेल में 'एन/ए' लिखता हूं। जब साक्ष्य न हो, तो ईमानदार जवाब 'मुझे नहीं पता' होता है, कोई काल्पनिक टीम नहीं।

यहां एक बात साफ कर दूं। शारजाह से लिखने का मेरा फायदा यह है कि मैं भारतीय ड्रेसिंग रूम के अंदरूनी सूत्रों से नहीं बंधा। लेकिन इसकी कीमत भी है। मैं उस जमीन पर नहीं हूं जहां रिपोर्टर सीधे खिलाड़ियों से बात करते हैं। इसलिए जब डेटा ही खाली हो, तो मेरे पास सूत्रों की गॉसिप भी नहीं होती जिससे खालीपन भरा जा सके। यही मेरी सीमा है, और मैं इसे छिपाता नहीं।

अब सवाल यह उठता है कि यह खालीपन आखिर कहां से आया। सबसे संभावित वजह स्क्रेपिंग या पार्सिंग में खराबी है। जब कोई आर्टिकल स्क्रेपर तक नहीं पहुंचता, या पार्सर उसका टेक्स्ट नहीं निकाल पाता, तो आउटपुट में सब कुछ खाली आता है। दूसरी संभावना यह है कि एंटिटी एक्सट्रैक्टर चल ही नहीं पाया। तीसरी संभावना यह है कि सोर्स आर्टिकल में वाकई कोई क्रिकेट सामग्री नहीं थी। लेकिन क्रिकेट की दुनिया में ऐसा कम ही होता है कि कोई आर्टिकल हो और उसमें टीम, खिलाड़ी या मैच का जिक्र बिल्कुल न हो।

मैं यहां एक पेशेवर टिप्पणी जोड़ना चाहूंगा। क्रिकेट एनालिसिस की दुनिया में डेटा इंटीग्रिटी को अब बाकी चीजों से ऊपर रखा जाने लगा है। ब्रॉडकास्ट ट्रैकिंग, वैगन व्हील, फील्ड मैपिंग — सब कुछ ऐसे डेटा पर टिका है जिसे दोबारा जांचा जा सके। जब पाइपलाइन का पहला ही चरण खाली लौटे, तो सबसे समझदारी वाला कदम आगे बढ़ना नहीं, बल्कि रुककर दोबारा एक्सट्रैक्शन करना है।

इस पूरे मामले में एक विरोधाभासी पहलू भी है जो मुझे महत्वपूर्ण लगता है। तकनीकी टीमें अक्सर अपने पाइपलाइन की सफलता को इस बात से मापती हैं कि आउटपुट कितना साफ-सुथरा दिखता है। लेकिन साफ-सुथरा खाली आउटपुट और साफ-सुथरा भरा हुआ आउटपुट — दोनों एक जैसे दिख सकते हैं। फर्क सिर्फ इतना है कि एक में सच है और दूसरे में सन्नाटा। जब आप एक ऐसे टेम्पलेट को भरते हैं जिसमें हर जगह 'एन/ए' लिखा हो, तो वह आपको बताता है कि कुछ छूट गया है। लेकिन अगर उसी टेम्पलेट को काल्पनिक नामों और आंकड़ों से भर दिया जाए, तो वह आपको कभी नहीं बताएगा कि कुछ गायब था।

मेरे लिए सबसे बड़ी सीख यह है कि क्रिकेट एनालिसिस में गुणवत्ता नियंत्रण कोई दिखावा नहीं है। यह उतना ही जरूरी है जितना मैदान पर फील्डर की स्थिति दर्ज करना। जब मैं 2026 में शारजाह में IPL की 720 गेंदों को चार्ट कर रहा था, तब स्टेडियम खाली था। मेरे सुपरवाइज़र ने रिपोर्ट मांगी थी, लेकिन मैं एक ऐसा फील्ड-ज्यामिति कोड बनाना चाहता था जिसे दोहराया जा सके। उसी तरह, एनालिसिस पाइपलाइन को भी दोहराया जा सकने वाला होना चाहिए। अगर वह हर बार अलग नतीजा दे, तो वह भरोसे लायक नहीं है।

अंत में, यह रिपोर्ट किसी मैच, खिलाड़ी या टीम के बारे में नहीं है। यह उस प्रक्रिया के बारे में है जिसके जरिए हम क्रिकेट को समझते हैं। जब प्रक्रिया ही खाली लौटे, तो सबसे अच्छा नतीजा यही है कि हम ईमानदारी से कहें: यहां कोई साक्ष्य नहीं है, इसलिए कोई नतीजा नहीं। अगली बार जब आप कोई क्रिकेट एनालिसिस पढ़ें और उसमें हर दावा चिकना और पूरा दिखे, तो एक सवाल जरूर पूछें: क्या इसके पीछे कोई खाली सेल भी था जिसे भर दिया गया?