खाली पेलोड: क्रिकेट एनालिटिक्स की वह गलती जो एरर नहीं दिखाती

2026, ओल्ड ट्रैफर्ड का पहला तल। जिस कमरे को क्लब "स्टोर रूम" कहता था, वहाँ मेरा वीएचएस डेक, उधार का लैपटॉप और एक केतली रखी थी। उस सुबह मैंने वह टेप निकाला जिस पर मेरे हाथ की लिखाई में था — "लंकाशायर बनाम सॉमरसेट, एगबर्थ, दिन दो"। डेक में डाला, प्ले दबाया। स्क्रीन पर बर्फीली चुप्पी के सिवा कुछ नहीं। मशीन ने कोई एरर नहीं दिया। उसने कहा था कि रिकॉर्डिंग हो गई है। फ़ाइल मौजूद थी, नाम सही था, अवधि 94 मिनट थी — और अंदर कुछ भी नहीं था। उस दिन मैंने पहली बार सीखा कि डेटा की सबसे खतरनाक हालत गंदा डेटा नहीं होती। सबसे खतरनाक हालत वह होती है जब फ़ाइल साफ़-सुथरी दिखती है और खाली होती है।

पिछले हफ़्ते एगबर्थ के अपने पिछले कमरे से लगभग वही अनुभव लौटा। एक इनटेक फ़ाइल आई। शीर्षक शून्य। स्रोत शून्य। लेख का प्रकार अवर्गीकृत। सूचना बिंदुओं की सूची खाली। इक्कीस फ़ील्ड में से एक ही चीज़ ज़िंदा बची थी — एक टैग, cricket_asia। और फिर भी पाइपलाइन ने कोई एरर नहीं उगला। उसने एक बहुत साफ़, बहुत सुगठित, बिल्कुल खाली पेलोड लौटा दिया। कोई टूटी हुई रिपोर्ट नहीं — एक पूरी रिपोर्ट, जिसमें एक भी तथ्य नहीं था।

यह लेख उसी खाली फ़ाइल के बारे में है, और उस आदत के बारे में जिसने बीस साल में मुझे सबसे ज़्यादा बचाया।

दो-चरणीय पाइपलाइन, और एक ऐसा छेद जो दिखता नहीं

क्रिकेट एनालिटिक्स में हम जिस चीज़ को "विश्लेषण" कहते हैं, वह कभी पहला कदम नहीं होती। पहला कदम विघटन होता है — स्रोत से परमाणु तथ्य निकालना: तारीख, मैदान, टीम, स्कोर, गेंदबाज़ी का आँकड़ा, प्रतिस्पर्धा का नाम। दूसरा कदम उन तथ्यों पर बहस करना है। अगर पहला कदम विफल हो जाए, तो दूसरे कदम के पास बहस करने के लिए कुछ नहीं बचता।

इस बार औपचारिक ऑडिट में नौ में से छह फ़ील्ड अनुपयोगी निकलीं, दो का आकलन ही नहीं हुआ, और एक आधी-अधूरी बची — वही क्षेत्रीय टैग। ज़रूरी बात यह है कि गड़बड़ी "स्रोत में तथ्य नहीं थे" जैसी नहीं दिखती। वह "तथ्य निकाले ही नहीं गए" जैसी दिखती है। फ़र्क़ बड़ा है। पहली स्थिति में आप रिपोर्टर को वापस भेजते हैं। दूसरी स्थिति में आप पाइपलाइन की मरम्मत करते हैं। लेकिन दोनों में एक चीज़ आम है: आप उस जगह नहीं जाते जहाँ लोग आम तौर पर जाते हैं — कल्पना की जगह।

cricket_asia टैग इसी सबका सबसे अच्छा उदाहरण है। वह भूगोल है, प्रारूप नहीं। गाले का टेस्ट, ढाका का एकदिवसीय, और कोच्चि की नीलामी — तीनों उसी एक टैग के नीचे फ़ाइल हो सकते हैं। एक टैग जो तीन बिल्कुल अलग दुनियाओं को एक लेबल में बंद कर दे, वह जानकारी नहीं है; वह पते की अनुपस्थिति में लिखा गया इलाके का नाम है। साथ में यह भी दर्ज है कि यह टैग मूल विनिर्देश के Cricket लेबल से मेल नहीं खाता — यानी शायद स्कीमा संस्करण आगे-पीछे हो गए हैं। ऐसी खिसकन अकेली नहीं आती; वह अगली बार दूसरी फ़ील्ड में भी चुपचाप घुस सकती है।

तो फ़्रेमवर्क ने जो किया, वह सही था। उसने बहाना नहीं बनाया। उसने बीसों खानों में "जानकारी अपर्याप्त" लिखा और रुक गया। क्रिकेट पर कोई भी ठोस निष्कर्ष इस इनपुट से नहीं निकाला जा सकता — और यही इस पूरे प्रकरण का एकमात्र ईमानदार नतीजा है।

प्रारूप पहला दरवाज़ा है, और वह बंद था

2026 में एक खिलाड़ी की सच्चाई अंकों के एक कॉलम में रहती थी। लेकिन उस कॉलम के साथ हमेशा दो और कॉलम चलते थे — किस प्रारूप का, और किस मैदान का। मैंने 16 काउंटी मैचों की 1,847 गेंदें हाथ से कोड कीं, और नतीजा यह निकला कि लंकाशायर के सीमरों का औसत सूखी पिचों पर तब 24.1 था जब विकेटकीपर मध्यम गति पर खड़ा होता था, और 38.6 जब वह पीछे बैठता था। यह सिर्फ़ एक आँकड़ा नहीं था — यह एक ज्यामिति थी। विकेटकीपर की स्थिति बदल दो, वही गेंदबाज़ दूसरा आदमी बन जाता है।

अब उसी तर्क को एक कदम आगे बढ़ाइए। टी20 में 8 का इकॉनमी बुरा नहीं है। टेस्ट में 8 का इकॉनमी एक पूरी तरह अलग वाक्य है, जिसका उस 8 से कोई संबंध नहीं। और भूमिका? एक फ़िनिशर का 180 स्ट्राइक रेट सही हो सकता है; एक एंकर का 130 स्ट्राइक रेट भी सही हो सकता है। भूमिका तय किए बिना आँकड़ा पढ़ना वैसा ही है जैसे बिना पिच देखे लाइन-एंड-लेंथ की तारीफ़ करना।

2026 में मुंबई इंडियंस के डेथ-ओवर बोर्ड पर मैंने यही चीज़ करीब से देखी। वानखेड़े का चौकोर बाउंड्री छोटा है, इसलिए "अच्छा" इकॉनमी वहाँ कोई और संख्या है, ईडन गार्डन्स की तुलना में। उस सीज़न 16 मैचों में टीम का डेथ-ओवर इकॉनमी 9.6 से 8.2 पर आ गया, और फ़ाइनल हमने 23 रन से जीता। जो संख्या बदली, वह गेंदबाज़ नहीं थी — मैदान की ज्यामिति के सापेक्ष उसकी कीमत थी। आख़िरी पाँच ओवर अराजकता नहीं हैं; वे प्रायिकता से एक बातचीत हैं। और उस बातचीत की भाषा मैदान तय करता है, गेंदबाज़ नहीं।

इसलिए प्रारूप एक कठोर दरवाज़ा है। जिस लेख के पास प्रारूप नहीं, उसके पास आँकड़ा भी नहीं — सिर्फ़ एक अफ़वाह है जिसे तीन दशमलव स्थानों में लिख दिया गया है। खाली इनपुट में यही सबसे बड़ा छेद था: टेस्ट, एकदिवसीय और टी20 के मीट्रिक आपस में तुलनीय नहीं हैं, और बिना प्रारूप के कोई भी तुलना अमान्य है, कमज़ोर नहीं — अमान्य।

क्षेत्रीय टैग से फ़िक्स्चर मत बनाइए

एक लेबल देखकर दिमाग़ तुरंत कहानी बनाने लगता है। cricket_asia पढ़ते ही ज़्यादातर लोग भारत-पाकिस्तान की ओर भागते हैं। यह अनुमान नहीं, यह आदत है। और यह ठीक वही गलती है जिसके ख़िलाफ़ मेरा पूरा काम बना है — छोटे नमूने से बड़ी कहानी निकालना।

ऑडिट में यह साफ़ लिखा है: क्षेत्रीय टैग को फ़िक्स्चर या प्रतिद्वंद्विता का संकेत मानना अटकलबाज़ी होगी। सही है। एशियाई क्रिकेट में एक टैग के नीचे बोर्ड की राजनीति, प्रसारण अधिकार, एसीसी की मेज़बानी, एफ़टीपी की भीड़, और एक टेस्ट मैच — सब आ सकते हैं। जब सूचना बिंदुओं की संख्या शून्य हो, तो एक टैग का नमूना आकार एक होता है। एक के नमूने से निष्कर्ष निकालना वही पाप है जो तीन पारियों के आधार पर "लय वापस आ गई" लिखना है।

यहाँ एक उपयोगी इशारा ज़रूर छिपा है। जिस लेख के पास टूर्नामेंट टैग नहीं और सिर्फ़ क्षेत्रीय टैग है, वह अक्सर मैच कवरेज नहीं होता — मैच कवरेज सामान्यतः सीरीज़ या लीग से टैग होता है। यानी संभावना यह है कि मूल सामग्री व्यापार या शासन की थी, तकनीकी क्रिकेट की नहीं। यह खोज नहीं है, यह खोज की दिशा है।

"जानकारी अपर्याप्त" का मतलब "साफ़" नहीं होता

यह पूरे ऑडिट की सबसे कीमती पंक्ति है, और मैं चाहता हूँ कि हर क्रिकेट डैशबोर्ड इसे दीवार पर टांग दे। भ्रष्टाचार-विरोधी जाँच की स्थिति यहाँ "कम जोखिम" नहीं है। वह "अनाकलित" है। दोनों एक नहीं हैं।

क्रिकेट ने इस फ़र्क़ की कीमत चुकाई है। 2026 में हान्सी क्रोन्ये का प्रकरण — जब तक सब कुछ "ठीक" दिख रहा था, तब तक कुछ भी जाँचा नहीं जा रहा था। 2026, लॉर्ड्स — स्पॉट-फ़िक्सिंग उस मैच में हुई जिसे दुनिया सबसे पवित्र मैदान कहती है। 2026, आईपीएल — और उसके बाद जो सूची निकली, वह किसी के अनुमान से लंबी थी। इन तीनों में साझा बात यह नहीं कि जोखिम मौजूद था; साझा बात यह है कि जोखिम का आकलन किसी ने नहीं किया था और रिपोर्ट में वह जगह खाली छोड़ दी गई थी जहाँ "कोई समस्या नहीं मिली" लिखा जाना चाहिए था।

"कोई लाल झंडा नहीं मिला" और "कोई लाल झंडा ढूँढा ही नहीं गया" — ये दो अलग वाक्य हैं, और इन्हें एक समझना क्रिकेट में सबसे महंगी भूल रही है। जब एक ऑडिट कहता है कि शासन-स्तर की जाँच अनाकलित है, तो नीचे की किसी भी रिपोर्ट में उसे "कम जोखिम" में बदलना डेटा की नहीं, ईमानदारी की चोरी है।

नीलामी की संख्या, और उस पर भरोसा करने का तरीक़ा

उसी ऑडिट में एक और चेतावनी है जिसे मैंने अपने 2026 के बेंगलुरु अनुभव से जोड़कर पढ़ा। नीलामी की ख़बरों में आँकड़ों का बड़ा हिस्सा एजेंट के आसपास के चैनलों से "लीक" होकर आता है। स्रोत की ग्रेडिंग तय करनी होती है — आधिकारिक बोर्ड की घोषणा सबसे ऊपर, उसके बाद भरोसेमंद पत्रकार, उसके बाद सामान्य मीडिया, और सबसे नीचे वह हैंडल जो ट्रैफ़िक के लिए संख्या बनाता है। इस क्रम को कीमत को तथ्य मानने से पहले लगाना होता है, बाद में नहीं।

उस साल मैंने 169 बिके लॉट लाइव कोड किए, 4,200 सब्सक्राइबर थे, और मॉडल कहता था कि "दो ओवर फेंकने वाला फ़िनिशर" आधार मूल्य का 2.3 गुना है। जब राजस्थान रॉयल्स ने जयदेव उनादकट के लिए ₹11.5 करोड़ दिए, तो मैंने उसे प्रतिभा का फ़ैसला नहीं, कमी का प्रीमियम कहा — और यह सीज़न से पहले लिखा, बाद में नहीं। नीलामी एक बाज़ार है जिसकी धड़कन है, और धड़कन डर है। जो कमी सबसे तेज़ महसूस होती है, उसकी कीमत सबसे तेज़ बढ़ती है। हर मूल्यांकन एक गणना के भेस में एक दांव है।

यह बात इस खाली फ़ाइल से जुड़ती कैसे है? इस तरह कि ग्रेडिंग का अनुशासन वही है। जिस लेख का स्रोत ज्ञात नहीं, उसकी संख्या का दर्जा भी ज्ञात नहीं। और जिस संख्या का दर्जा ज्ञात नहीं, उसे तीन दशमलव स्थानों में छापना सिर्फ़ सजावट है।

उल्टा सवाल

पूरा उद्योग यह मानकर चलता है कि उसका दुश्मन गंदा डेटा है। मुझे लगता है यह धारणा ही उसकी सबसे बड़ी कमज़ोरी है। गंदा डेटा शोर करता है। वह आउटलायर के रूप में चिल्लाता है, औसत को बिगाड़ता है, आपको रिपोर्ट वापस खोलने पर मजबूर करता है। गंदा डेटा ईमानदार होता है, क्योंकि वह अपनी गंदगी दिखा देता है। खतरा उस फ़ाइल से आता है जो लेआउट में सही है, जिसकी तिथि अच्छी है, जिसकी स्कीमा वैध है — और जिसमें एक भी तथ्य नहीं है। पाइपलाइन उसे ख़ुशी से आगे भेज देती है, क्योंकि उसके पास कोई एरर नहीं है।

और जब ऐसी खाली जगह क्रिकेट में दिखती है, तो हम उसे कहानी से भर देते हैं। "उन्हें ज़्यादा चाहिए था।" "वह बड़े मौके का खिलाड़ी है।" "लय में लौट आया है।" ये वाक्य मुछ महसूस नहीं बताते — ये बताते हैं कि उस जगह जानकारी नहीं थी और किसी ने खालीपन छोड़ना अस्वीकार कर दिया। मैंने दबाव के बारे में ड्रेसिंग-रूम के किसी भाषण से ज़्यादा एक व्हाइटबोर्ड से सीखा, और व्हाइटबोर्ड की एक ही शर्त होती है: जो खाना खाली है, उसमें कुछ मत लिखो।

मैंने अपने लिए सीमा पहले से तय की है, और यह लिखकर तय कर रहा हूँ ताकि बाद में बहाना न बनाऊँ। अगर उसी स्रोत को दोबारा, किसी अलग रास्ते से पढ़ा जाए — रेंडर किया हुआ पेज, सिंडिकेटेड कॉपी, या आर्काइव स्नैपशॉट — और फिर वही खाली पेलोड लौटे, तो मानना होगा कि स्रोत वाक़ई तथ्य-रहित था, और मैं पाठक को यही कहने का कर्ज़दार हूँ कि यहाँ कोई कहानी नहीं है। और अगर तथ्य लौट आएँ, तो गलती मेरी थी, और उसे मेरी ही ज़ुबान से स्वीकार होना चाहिए। दोनों में से किसी भी स्थिति में "शायद उन्हें ज़्यादा चाहिए था" वाला रास्ता खुला नहीं है।

आगे क्या देखना है

इस पूरे प्रकरण का असली उत्पाद वह लेख नहीं है जो नहीं लिखा जा सका; वह अनुबंध है जो आगे के लिए तय होना चाहिए। कम से कम यह चाहिए: शीर्षक और प्रकाशक-तिथि; लेख का प्रकार; प्रारूप या प्रतियोगिता का टैग; कम से कम पाँच सूचना बिंदु, हर एक में कोई नाम, संख्या, मैदान या तारीख; नामों की सूची; और समय-संवेदनशीलता तथा स्रोत-गुणवत्ता का स्पष्ट आकलन। पहले तीन के बिना सही आउटपुट विश्लेषण नहीं, ऑडिट है।

अगली फ़ाइल कुछ भी लेकर आए, मैं उसमें सबसे पहले यही ढूँढूँगा कि उसमें क्या नहीं है — क्योंकि कोड सरल था; खेल कभी नहीं।