शून्य भी एक आंकड़ा है: क्रिकेट डेटा डेस्क की वह विफलता जो शोर नहीं करती

सुबह 9:12 बजे फ़ीड आई। शीर्षक की जगह N/A, स्रोत की जगह N/A, लेख का प्रकार 'अपरिभाषित', और सूचना बिंदुओं वाला खाना — जिस पर पूरा विश्लेषण ढांचा टिका है — पूरी तरह खाली। लेबल भरे हुए थे: 'एक वाक्य में सारांश', 'लेखक का रुख', 'लेख का उद्देश्य'। उनके सामने कुछ भी नहीं। बारह घंटे बाद जो शीट डेस्क पर लौटी, उसमें हर कॉलम मौजूद था और हर सेल खाली।

क्रिकेट में शून्य एक परिणाम होता है। डक, नो-बॉल, बारिश से धुला हुआ मैच, शून्य पर रुका रन रेट — सबका कोई न कोई अर्थ होता है, और स्कोरकार्ड उसे ईमानदारी से दर्ज करता है। डेटा पाइपलाइन में शून्य का कोई अर्थ नहीं होता। वह दो अलग-अलग दुनियाओं को एक ही आकार में दिखा देता है: एक वह लेख, जिसमें सचमुच कुछ नहीं था, और दूसरा वह लेख, जो हमारी पहुँच से बाहर रह गया।

डेस्क पर बैठे एनालिस्ट के पास दो रास्ते थे। पहला — मान लें कि लेख कमज़ोर था, उसे 'कम मूल्य' के ढेर में डाल दें और अगली फ़ीड की ओर बढ़ जाएँ। दूसरा — यह मानें कि मशीन फेल हुई है, और तब तक रुकें जब तक स्रोत दोबारा न मिल जाए। मैंने जो लॉग किया, वह यही था, और उस दिन मुझे अपनी ही शीट पर उतना भरोसा नहीं रहा जितना हमेशा रहता है। मैंने चुप्पी दर्ज की, और तब जाकर मॉडल ने सच बोलना शुरू किया।

डेटा डेस्क में यह विफलता शोर नहीं करती, क्योंकि आउटपुट का आकार इनपुट के आकार से हमेशा एक जैसा दिखता है।

क्रिकेट एनालिटिक्स में काम दो चरणों में बँटा हुआ है, और यह बात उस सुबह से पहले मुझे इतनी साफ़ नहीं थी। पहला चरण निष्कर्षण है — लेख, स्कोरकार्ड, बॉल-बाय-बॉल लॉग या नीलामी की सूची से ठोस, हवाले वाले तथ्य निकालना। दूसरा चरण विश्लेषण है — उन तथ्यों पर मॉडल चलाना, बेंचमार्क लगाना, और नतीजा निकालना। दूसरा चरण पूरी तरह पहले चरण पर निर्भर है। अगर पहले चरण में शून्य तथ्य आए, तो दूसरा चरण कुछ नहीं कर सकता — वह केवल दिखावा कर सकता है।

निष्कर्षण क्यों फेल होता है, इसकी सूची उबाऊ है और इसीलिए अनदेखी कर दी जाती है। पेवॉल वाले पेज, जावास्क्रिप्ट से बने वे पेज जिनमें टेक्स्ट ब्राउज़र तक पहुँचता ही नहीं, भू-अवरोध, एन्कोडिंग की गड़बड़ी, और वे लेख जिनका असली माल सिर्फ़ तस्वीरों या वीडियो में है। इन सबका एक ही लक्षण है: पेज खुलता है, लंबाई में ठीक लगता है, पर रेंडर हुआ टेक्स्ट पाँच सौ अक्षरों से कम रह जाता है। हमारे डेस्क की स्क्रीन पर उस सुबह ठीक यही हुआ था — लेबल आ गए, सामग्री नहीं आई। और चूँकि 'स्रोत की गुणवत्ता' और 'समय-संवेदनशीलता' वाले खाने भी खाली थे, यह गड़बड़ी दिखी ही नहीं।

इसी सुबह की दूसरी खोज तकनीकी है और उबाऊ से भी आगे। डोमेन लेबल उन दोनों से अलग भरा हुआ था, जिनकी हमें ज़रूरत थी। यह छोटी-सी बात लंबे समय में महँगी पड़ती है: अगर लेबल का नक्शा ही स्थिर नहीं है, तो अगली बार सही लेख भी गलत टोकरी में चला जाएगा, और गलती लेख में नहीं, हमारी व्यवस्था में होगी।

और एक तीसरी बात, जो क्रिकेट में सबसे ज़्यादा मायने रखती है — प्रारूप। टेस्ट, वनडे और टी20 के आँकड़े एक-दूसरे पर लागू नहीं होते। टी20 के फ़िनिशर का 180+ स्ट्राइक रेट, वनडे के एंकर का 85-90 का स्ट्राइक रेट और टेस्ट ओपनर का 40+ औसत — ये तीन अलग भाषाएँ हैं। जिस दिन प्रारूप तय नहीं होता, उस दिन कोई बेंचमार्क लागू ही नहीं हो सकता। उस सुबह प्रारूप खाली था। इसका मतलब सिर्फ़ यह नहीं था कि जानकारी कम थी; इसका मतलब यह था कि जिस इकाई में माप करना है, वही तय नहीं थी।

इस जगह पर एक रुकना ज़रूरी है, क्योंकि अगला नतीजा आसानी से गलत निकल सकता है। अपने 2026 वाले काम को याद करता हूँ — अहमदाबाद में इकॉनॉमिक्स का एक अंडरग्रेजुएट, छह हफ़्ते, क्रिकबज़ के बॉल-बाय-बॉल लॉग से हाथ से कोड किए गए साठ मैच, और राशिद खान की लेग-ब्रेक बनाम गूगली के लिए बनाया गया 'सीक्वेंस एंट्रॉपी' स्कोर। उस उम्र में मुझे यह नहीं पता था कि मैं क्या बना रहा हूँ; मुझे बस यह पता था कि विकेट गेंद से आया या कलाई से, यह साबित करने के लिए मेरे पास साठ मैचों की क्रमवार जानकारी है। वह लेख 2,400 शब्दों का था, 4,100 बार पढ़ा गया, और मुंबई की तीन लोगों वाली एक एनालिटिक्स स्टार्ट-अप से एक सीधा संदेश आया। उस दिन मैंने गेंदबाज़ी को नतीजे के रूप में लिखना बंद किया और क्रम के रूप में लिखना शुरू किया।

उस सुबह की खाली शीट और 2026 की उस शीट में फ़र्क़ साफ़ है। 2026 में तथ्य थे, क्रम था, संदर्भ था — और नतीजा निकला। इस बार तथ्य नहीं थे। खाली इनपुट से भरी हुई रिपोर्ट बनाना विश्लेषण नहीं, गढ़ना है — और क्रिकेट में गढ़ी हुई बात आमतौर पर सुनने में सबसे अच्छी लगती है।

इसीलिए नौ महीने बाद, जनवरी 2026 की नीलामी में, मैंने एक अलग सबक सीखा — वहाँ तथ्य थे, मॉडल सही था, और फिर भी कुछ नहीं हुआ। प्रति करोड़ मूल्य का मॉडल एक 18 साल के लड़के को, जिसे 2026 के अंडर-19 एशिया कप से चिह्नित किया गया था, तीन कैप्ड अंतरराष्ट्रीय खिलाड़ियों से ऊपर रख रहा था। जिस फ़्रैंचाइज़ी के साथ मैं जुड़ा था, उसने अनुभव खरीदा। कोलकाता नाइट राइडर्स ने शुभमन गिल को ₹1.8 करोड़ में लिया, और उसका पहला सीज़न 203 रनों का रहा। मेरा मॉडल सही था और किसी ने फ़ोन नहीं किया। नीलामी की रात मैंने सीखा कि प्रति करोड़ मूल्य एक सवाल है, आंकड़ा नहीं। और यह भी सीखा कि नीलामी की रात वह जगह है जहाँ मॉडल इंसानों से सबक लेते हैं।

दो साल बाद, 2026 में, दुबई के बुलबुले में 94 दिन बिताने के दौरान, मेरे सुपर-ओवर सिमुलेशन ने कप्तान के चुने हुए गेंदबाज़ को चौथे स्थान पर रखा था। किंग्स इलेवन पंजाब 20 सितंबर 2026 को दिल्ली कैपिटल्स से और 18 अक्टूबर 2026 को मुंबई इंडियंस से सुपर ओवर हारी, और नेट रन रेट पर प्लेऑफ़ से बाहर रही। साठ दर्शक-रहित मैचों में होम-एडवांटेज गुणांक 0.31 से गिरकर 0.04 पर आ गया। जब स्टेडियम खाली हुआ, होम एडवांटेज भीड़ के साथ बाहर चला गया — यह उस सीज़न की सबसे साफ़ बात थी, और किसी समीक्षा बैठक में इसका ज़िक्र नहीं हुआ। मैंने उस बैठक में कुछ नहीं कहा, फिर चालीस पन्नों का मेमो लिखा जिसे किसी ने नहीं पढ़ा। चालीस पन्ने, एक विचार, और एक चुप्पी जिसे मैंने सहमति समझ लिया।

ये तीनों मामले एक ही कुल के हैं और फिर भी एक-दूसरे से अलग हैं। 2026 में साक्ष्य मौजूद था और फ़ैसला मानवीय पूर्वाग्रह से हुआ। 2026 में साक्ष्य मौजूद था, मॉडल ने चेताया था, और परिणाम विपरीत आया — वहाँ सही वाक्य यही था: फ़ैसला सही था और नतीजा नहीं। उस सुबह की विफलता इन दोनों से मूलभूत रूप से भिन्न है, क्योंकि वहाँ साक्ष्य ही नहीं था। पहले दो में मॉडल को इंसानों ने हराया। तीसरे में मॉडल ने खुद को हराया और किसी को पता नहीं चला।

यही सबसे बड़ा खतरा है, और यह क्रिकेट का खतरा नहीं, रिपोर्टिंग का खतरा है। जो मॉडल गलत आंकड़ा देता है, उसे सुधारा जा सकता है। जो मॉडल खाली हाथ लौटता है, उसे अनदेखा कर दिया जाता है। और जब उसे अनदेखा किया जाता है, तो उसकी जगह कुछ और भर देता है — स्मृति, माहौल, और वह पुरानी आदत जिसमें कमेंट्री बॉक्स से आई बात डेटा डेस्क तक बिना जाँच पहुँच जाती है।

इसी वजह से उस सुबह का सबसे महत्वपूर्ण सवाल यह नहीं था कि उस लेख में क्या लिखा था। सवाल यह था कि उसे किस खाते में दर्ज किया जाएगा। 'कम मूल्य का लेख' और 'संग्रह विफलता' — ये दो श्रेणियाँ एक जैसी दिखती हैं और इनके आगे के काम बिल्कुल उलटे हैं। पहली श्रेणी कहती है: भूल जाओ। दूसरी कहती है: दोबारा मँगाओ, क्योंकि जो चीज़ अभी नहीं मिली, वह कल मिल सकती है। शीट दोनों में एक जैसा शून्य दिखाती है।

और यह समस्या किसी एक फ़ीड की नहीं है। मुझे वह 4,112वीं पंक्ति में मिला, और कमरे में किसी को नाम नहीं पता था — आठ सीज़न का प्रथम श्रेणी रिकॉर्ड, कोई ब्रॉडकास्ट कैमरा नहीं, और एक स्प्रेडशीट जिसे चयन समिति और न्यूज़रूम दोनों खोलने से इनकार करते हैं। रणजी का वह रिकॉर्ड तकनीकी रूप से कभी 'स्क्रैप नहीं हुआ' — उसे किसी ने माँगा ही नहीं। यह उसी विफलता का बड़ा संस्करण है, केवल इसमें सर्वर की गलती नहीं, प्राथमिकता की गलती है। वहाँ नमूना भी छोटा है — छह पारियों पर बना औसत, जिसे मैं जब भी लिखूँगा, नमूने का आकार उसी वाक्य में छपेगा, और पारियों की संख्या एक अंक में हो तो विशेषण से पहले वह बात कही जाएगी।

शीट तीन साल से वहीं रखी थी, सही साबित होने का इंतज़ार करती हुई। मुझे उस दिन लगा कि वह आख़िरकार सही साबित हुई — बस उस तरह नहीं जिस तरह मैं चाहता था। खाली सेल ने यह बता दिया कि मॉडल क्या नहीं जानता, और यह जानकारी मॉडल के किसी भी अनुमान से ज़्यादा क़ीमती थी।

उलटा नज़रिया यह है, और इसे सीधे कहना ठीक है: इस उद्योग में हम गलत डेटा से डरते हैं और अनुपलब्ध डेटा से नहीं डरते। गलत आंकड़ा बहस पैदा करता है, बहस से सुधार आता है। अनुपलब्ध आंकड़ा बहस पैदा ही नहीं करता — वह चुपचाप पास हो जाता है, और तीन हफ़्ते बाद किसी कॉलम में एक वाक्य बनकर बैठ जाता है जिसका कोई हवाला नहीं होता। सहसंबंध और कारण के बीच का फ़र्क़ भी यहीं घुसता है। छह मैचों में एक गेंदबाज़ का इकॉनमी 5.90 से 8.10 हो जाना किसी चोट का सबूत नहीं है; वह छह मैचों में तीन कैच छूटने का भी नतीजा हो सकता है। जिस दिन हमारे पास यह अलग करने का डेटा नहीं होता, उस दिन हमारे पास कहानी होती है और कहानी को हम अक्सर विश्लेषण कह देते हैं।

इसका दूसरा हिस्सा और भी असुविधाजनक है। जब साक्ष्य न हो, तो सबसे आसान काम है किसी स्काउट का हवाला देना या किसी एनालिस्ट की बात जोड़ देना। यह सबसे तेज़ तरीका है किसी अंदाज़ को 'रिपोर्टेड' दिखाने का, और यह पढ़ने में अच्छा भी लगता है। सही तरीका यह है: दावा किसका है, उसका हित क्या है, और रिकॉर्ड उस दावे से सहमत है या नहीं — तीनों चीज़ें उसी लेख में लिखो, वरना उस हवाले को काट दो। उस सुबह हमारे पास काटने के लिए कुछ नहीं था, और इसीलिए हमने कुछ भी नहीं जोड़ा।

आगे क्या देखना है, यह साफ़ है और यह किसी नतीजे की भविष्यवाणी नहीं, किसी संकेत की निगरानी है। हर फ़ीड के साथ एक स्थिति-चिह्न आना चाहिए — पूरा, आंशिक, या विफल। सूचना बिंदुओं की गिनती पाँच से कम हो तो गहरा विश्लेषण शुरू ही न हो। रेंडर हुए टेक्स्ट की लंबाई पाँच सौ अक्षर से नीचे जाए तो सीधे दूसरे रास्ते से लेख मँगाया जाए। और प्रारूप वाला खाना हर हाल में भरा जाए, क्योंकि उसके बिना बाकी सब बेमानी है।

जो सवाल मेरे पास बचा है, वह यह है: अगर हमारा सिस्टम यह बता ही नहीं सकता कि वह जानता क्या है और क्या नहीं जानता, तो उसके सही होने का हमें क्या फ़ायदा? मुझे एक आंकड़े पर सबसे ज़्यादा भरोसा उस दिन होता है जब वह मुझे असहज करता है। उस सुबह शून्य ने ठीक यही किया।