खाली एक्सट्रैक्शन की ताकत: क्रिकेट एनालिसिस में 'डेटा न होना' भी एक निष्कर्ष है

मेरे सामने इस वक्त एक ऐसा एनालिसिस रिपोर्ट है जिसमें हर बॉक्स में N/A लिखा है। न मैच का नाम, न खिलाड़ी, न फॉर्मेट, न वेन्यू। सिर्फ एक डोमेन लेबल चमक रहा है — cricket_asia — जैसे किसी बोर्ड पर चाक से सिर्फ 'एशिया' लिखकर सबको छोड़ दिया गया हो। बत्तीस साल से मैं क्रिकेट के व्हाइटबोर्ड पर लाइनें खींचता आया हूं, और आज पहली बार व्हाइटबोर्ड खाली है। यह खालीपन ही इस पूरी रिपोर्ट की सबसे ईमानदार कहानी है।

जब स्टेज-1 का डीकंस्ट्रक्शन खाली लौटता है, तो स्टेज-2 का एनालिस्ट दो रास्तों पर खड़ा होता है। पहला रास्ता आसान है — डोमेन लेबल 'cricket_asia' पकड़ो, इंडिया-पाकिस्तान का जुगलबंदी रच दो, कोहली और बाबर के आंकड़े जोड़ दो, और एक चमकदार टुकड़ा लिख दो जिसे पढ़कर लगे कि एनालिसिस हो गया। दूसरा रास्ता कठिन है — यह मान लेना कि जब सोर्स में कुछ नहीं है, तो निष्कर्ष भी कुछ नहीं हो सकता। इस रिपोर्ट ने दूसरा रास्ता चुना, और मेरे हिसाब से यही उसका सबसे बड़ा स्कूप है। लेकिन जहां रिपोर्ट रुक गई, वहां से आगे का सवाल यह है: खाली एक्सट्रैक्शन अपने आप में क्या बताता है?

सबसे पहली बात जो हर एनालिसिस में सीखनी चाहिए — एक्सट्रैक्शन का खाली होना दो अलग-अलग चीजें हो सकता है, और दोनों का इलाज अलग है। पहली स्थिति: सोर्स आर्टिकल सचमुच खोखला था — कोई हेडलाइन-ओनली ब्रीफ, कोई सोशल मीडिया पोस्ट, जिसमें खेल की कोई ठोस सामग्री ही नहीं थी। दूसरी स्थिति: सोर्स आर्टिकल में सब कुछ था — मैच, स्कोर, खिलाड़ी, कॉन्टेक्स्ट — लेकिन स्टेज-1 की एक्सट्रैक्शन प्रक्रिया ने उसे गिरा दिया। यह दूसरी स्थिति ज्यादा खतरनाक है, क्योंकि इसमें आपको पता भी नहीं चलता कि आप क्या खो रहे हैं। मेरे काम करने के तरीके में एक नियम है: अगर एक्सट्रैक्शन में 'Entities Involved' खाली है लेकिन डोमेन लेबल भरा हुआ है, तो सबसे संभावित व्याख्या प्रोसेस फेलियर है, न कि खाली सोर्स। क्यों? क्योंकि डोमेन लेबल किसी न किसी क्लासिफायर ने तो भरा है, और अगर टेक्स्ट इतना ही था कि उसे क्लासिफाई किया जा सके, तो उसमें कुछ न कुछ टोकन तो थे ही। यह एक छोटा-सा फॉरेंसिक सुराग है, लेकिन एनालिसिस की दुनिया में छोटे सुराग ही दिशा तय करते हैं।

अब जरा उस लेबल 'cricket_asia' को ही तोड़कर देखिए। यह 'एशियाई क्रिकेट' कहता है, लेकिन एशिया में भारत की स्पिन-प्रधान घरेलू ताकत, पाकिस्तान की उतार-चढ़ाव वाली तेज गेंदबाजी परंपरा, बांग्लादेश की कंडीशन-निर्भरता, श्रीलंका की संक्रमण-अवस्था और अफगानिस्तान की उभरती हुई टी20 ताकत — ये सब एक ही लेबल के नीचे आ जाते हैं। इन्हें एक साथ रखकर कोई निष्कर्ष निकालना वैसा ही है जैसे पांच अलग-अलग पिचों के स्कोरकार्ड मिलाकर एक "औसत बल्लेबाज" बना देना। मेरा अनुभव कहता है कि जब ब्रॉडकास्टर या आउटलेट 'एशिया' कहते हैं, तो 90 प्रतिशत बार उनका मतलब भारत-केंद्रित मार्केट होता है, और बाकी 10 प्रतिशत में वही इंडिया-पाकिस्तान का जियोपॉलिटिकल मसाला। लेकिन अनुमान और साक्ष्य में जमीन-आसमान का फर्क है, और एक अच्छा एनालिस्ट वही है जो ब्रोडकास्टर की आदतों को डेटा समझने की गलती न करे।

यहीं पर मुझे अपनी 2026 की रूस यात्रा याद आती है। इकतीस दिन, बाईस मैच, और एक हिंदी सबटाइटल जिसने तीन लाख लोगों तक मेरी बात पहुंचाई। उस सफर ने मुझे सिखाया था कि अनुवाद सिर्फ भाषा का नहीं होता — अनुवाद तब भी होता है जब आप एक डेटा-पॉइंट को एक कहानी में बदलते हैं, और गलत अनुवाद डेटा को भी विकृत कर सकता है। इस रिपोर्ट में जो हो रहा है, वह भी एक तरह का अनुवाद-संकट है: स्टेज-1 ने सोर्स को 'इनफॉर्मेशन पॉइंट्स' में अनुवादित किया, और अनुवाद खाली निकला। अब अगर स्टेज-2 उस खालीपन को 'एशियाई क्रिकेट' की कहानी में अनुवादित करने लगे, तो यह अनुवाद नहीं, आविष्कार होगा।

इस रिपोर्ट की सबसे बड़ी ताकत उसका जोखिम-मैट्रिक्स है, जिसमें सबसे ऊपर लिखा है: "एनालिटिकल जोखिम — खाली स्टेज-1 के आधार पर निष्कर्ष निकालना।" यह वाक्य मुझे उस पल की याद दिलाता है जब एक बार एक युवा कमेंटेटर ने मुझसे कहा था कि अगर डेटा न हो तो क्या करें। मैंने कहा था — डेटा के न होने को भी एक डेटा पॉइंट बनाओ। उसने पूछा कैसे। मैंने कहा — अपने नोट्स में सबसे ऊपर लिखो: "यहां मेरा अंधा धब्बा है।" यह रिपोर्ट ठीक यही कर रही है। यह अपने अंधे धब्बे को सबसे आगे रख रही है, और यही उसकी सबसे बड़ी ईमानदारी है।

लेकिन मेरी आदत है कि मैं हर रिपोर्ट में प्रशंसा के बाद एक तीखा सवाल भी रखता हूं। यहां वह सवाल यह है: क्या यह रिपोर्ट बहुत जल्दी रुक नहीं गई? रिपोर्ट यह बताती है कि क्या नहीं किया जा सकता, लेकिन यह नहीं बताती कि अब क्या किया जाए, किस क्रम में और किस प्राथमिकता से। उसने 'Signals to Keep Tracking' का सेक्शन तो बनाया — जिसमें स्टेज-1 री-एक्सट्रैक्शन, सोर्स आइडेंटिफिकेशन और एंटिटी कन्फर्मेशन की बात है — लेकिन इसे एक चेकलिस्ट की तरह पेश किया, एक वर्कफ्लो की तरह नहीं। मेरे हिसाब से अगर आप इन तीनों को क्रम में रखें तो पहला कदम यह होना चाहिए कि आप सोर्स फाइल का एक कच्चा स्नैपशॉट देखें, न कि सीधे री-एक्सट्रैक्शन दौड़ाएं। क्योंकि अगर सोर्स फाइल ही खाली है, तो री-एक्सट्रैक्शन भी खाली लौटेगा, और आप उसी लूप में फंसे रहेंगे। यह प्राथमिकता-क्रम की गलती छोटी लगती है, लेकिन मेरे जैसे सिस्टम-थिंकिंग कमेंटेटर के लिए यह अंतर बड़ा है।

दूसरा तीखा सवाल रिपोर्ट के 'कोर जजमेंट' पर है, जो कहता है कि खाली एक्सट्रैक्शन के कारण कोई भी क्रिकेट-विशिष्ट निष्कर्ष नहीं निकाला जा सकता। यह बात तकनीकी रूप से सही है, लेकिन इसमें एक छिपी हुई धारणा है — कि एनालिसिस का एकमात्र काम क्रिकेट-विशिष्ट निष्कर्ष निकालना है। मेरे लिए एनालिसिस का एक और भी काम है: यह बताना कि कौन-सी जानकारी अनुपस्थित है और उस अनुपस्थिति का क्या मतलब है। यह रिपोर्ट यह काम करती है, लेकिन वह इसे एक कमजोरी की तरह पेश करती है, एक निष्कर्ष की तरह नहीं। मैं इसे उलट देना चाहूंगा: एक्सट्रैक्शन का खाली होना अपने आप में एक मेटा-निष्कर्ष है — यह बताता है कि सिस्टम में कहीं एक सेंसर फेल हो रहा है, और वह सेंसर कहां है, इसका पता लगाना भी उतना ही जरूरी है जितना किसी खिलाड़ी की बल्लेबाजी तकनीक का पोस्टमॉर्टम करना।

यहीं से एक तीसरा एंगल निकलता है, जो रिपोर्ट ने पूरी तरह छोड़ दिया है। रिपोर्ट कहती है कि 'cricket_asia' एक भौगोलिक संकेत है, सामग्री का विकल्प नहीं। यह सही है। लेकिन इसका यह मतलब नहीं कि हम इस संकेत को पूरी तरह नजरअंदाज कर दें। मेरे पास एक कमेंटेटर मित्र हैं जो कहते हैं कि अगर आपको सिर्फ एक शब्द दिया जाए, तो उस शब्द से दिशा निकालो, निष्कर्ष नहीं। 'cricket_asia' से दिशा यह निकलती है कि सोर्स में संभवतः भारत, पाकिस्तान, बांग्लादेश, श्रीलंका या अफगानिस्तान में से किसी एक का जिक्र था, और संभवतः यह किसी लीग या द्विपक्षीय सीरीज का हिस्सा था। लेकिन 'संभवतः' से लेकर 'निश्चितता' तक का सफर बिना सोर्स के तय नहीं किया जा सकता। यहीं पर रिपोर्ट का 'Hidden Information' सेक्शन दिलचस्प हो जाता है, जिसमें रिपोर्ट खुद स्वीकार करती है कि आईपीएल या पीएसएल की संभावना है, लेकिन 'संभावना साक्ष्य नहीं है'। यह वाक्य मैं अपने हर युवा सहयोगी को सिखाता हूं, और यही वह जगह है जहां यह रिपोर्ट सबसे मजबूत खड़ी है।

अब वह बात जो रिपोर्ट ने कही नहीं, लेकिन जो कहनी चाहिए थी। रिपोर्ट का 'Public Narrative' सेक्शन खाली है क्योंकि कोई कहानी का विषय ही नहीं है। लेकिन एक बात है जो इस पूरी रिपोर्ट की बनावट से झलकती है — कि जब भी एशियाई क्रिकेट की बात आती है, तो कहानी का पैमाना खेल से बड़ा हो जाता है। एक भारत-पाकिस्तान मैच में जियोपॉलिटिक्स, टीवी रेटिंग और सोशल मीडिया का सैलाब खेल की तकनीक को ढक लेता है। रिपोर्ट ने इस 'Narrative layer' को 'structural feature' कहकर छोड़ दिया, लेकिन मेरे हिसाब से यही वह जगह है जहां एक क्रिकेट एनालिस्ट का सबसे बड़ा संघर्ष होता है — कहानी और डेटा के बीच का संघर्ष। और जब डेटा खाली हो, तो कहानी का दबाव बढ़ जाता है। यही वजह है कि इस रिपोर्ट की खाली डेटा-बेस के साथ भी इतनी लंबी और सतर्क होना एक बड़ी उपलब्धि है।

इस देश में पत्रकारिता का एक पुराना रिवाज है — जब तथ्य कम हों, तो विशेषण ज्यादा लगा दो। जब आंकड़े न हों, तो बड़े-बड़े विशेषणों से कमी पूरी कर दो। यह रिपोर्ट उस रिवाज का उल्टा है। यह जहां तथ्य नहीं हैं, वहां चुप रहना चुनती है, और चुप्पी को स्पष्ट रूप से दर्ज करती है। मैंने अपने करियर में एक बात सीखी है — जब स्टेडियम खाली होता है, तो सबसे ज्यादा सुनाई देता है फील्डर का 'मेरा' कहना। इस रिपोर्ट में वह 'मेरा' कहने वाली आवाज है — यह स्वीकार करना कि यह मेरा अंधा धब्बा है, मेरी जिम्मेदारी है, और मैं इसे छुपाऊंगा नहीं।

तो अगला कदम क्या? अगर मैं इस रिपोर्ट की जगह होता, तो मैं तीन चीजें क्रम से करता। पहला — सोर्स फाइल का मेटाडेटा चेक करता, यह देखने के लिए कि क्या सोर्स अस्तित्व में था और क्या उसमें कोई टेक्स्ट था। दूसरा — अगर टेक्स्ट था, तो एक्सट्रैक्शन प्रॉम्प्ट और मॉडल को रीव्यू करता, क्योंकि खाली आउटपुट यह बताता है कि फेलियर टेक्स्ट के स्तर पर है या मॉडल के स्तर पर। तीसरा — अगर सोर्स ही खाली था, तो उसे 'कंटेंटलेस सोर्स' के रूप में दर्ज करता और आगे की एनालिसिस रोक देता। यह तीन-कदमी जांच जो रिपोर्ट ने चेकलिस्ट के रूप में रखी है, उसे मैं एक रनवे के रूप में देखना चाहता हूं, जिस पर आगे बढ़ा जा सके।

एक बात और, जो शायद सबसे जरूरी है। इस रिपोर्ट का सबसे मूल्यवान हिस्सा वह 'Information Value Rating' है, जिसमें हर आयाम को एक स्टार मिला है। यह एक स्टार-रेटिंग होते हुए भी सबसे ईमानदार दस्तावेज है, क्योंकि यह अपनी खुद की कीमत को सबसे कम आंकती है। मैंने बहुत कम ऐसी रिपोर्टें पढ़ी हैं जो अपने आप को एक स्टार देने की हिम्मत रखती हों। यह वही हिम्मत है जो एक अच्छे क्रिकेट एनालिस्ट में चाहिए — जब बल्लेबाज को शून्य पर आउट किया जाए, तो यह कहने की हिम्मत कि आज वह शून्य पर ही सही था।

अब आगे की बात। अगर यह रिपोर्ट किसी ऐसे सोर्स पर आधारित होती जहां सिर्फ एक खिलाड़ी का नाम होता — मान लीजिए किसी युवा स्पिनर का — तो एनालिसिस का पूरा चेहरा बदल जाता। फॉर्मेट के हिसाब से उसकी इकोनॉमी, उम्र का इन्फ्लेक्शन पॉइंट, घरेलू और विदेशी स्प्लिट्स — ये सब एक ही नाम से खुल जाते। मेरे अनुभव में भारतीय क्रिकेट का सबसे बड़ा संकट यही है कि हमारे पास दूसरी पसंद की टीम का कोई संगठित डेटाबेस नहीं है। रिपोर्ट में 'बेंच डेप्थ' का जो खाली बॉक्स है, वह सिर्फ इस रिपोर्ट की कमी नहीं है — वह पूरे भारतीय क्रिकेट सिस्टम की एक संरचनात्मक खाई है, जिसे हम आईपीएल की चमक में देखना भूल जाते हैं। जब तक हमारे पास रणजी और दलीप ट्रॉफी का वही गहरा डेटा-स्टैक नहीं होगा जो आईपीएल के पास है, तब तक हर 'बेंच स्ट्रेंथ' वाली बात एक अनुमान ही रहेगी।

आखिर में, एक सवाल जो मैं हर रिपोर्ट पढ़ने के बाद खुद से पूछता हूं, और आज आपसे भी पूछ रहा हूं: अगर आपकी अगली रिपोर्ट में भी स्टेज-1 खाली लौटे, तो क्या आपके पास वह साहस होगा कि आप अपनी रिपोर्ट को 'अपूर्ण' लिखकर बंद कर सकें, या आप उस खालीपन को भरने के लिए किसी और मैच की कहानी उधार ले लेंगे? इस रिपोर्ट ने पहला रास्ता चुना। अगली बार जब स्कोरकार्ड खाली दिखे, तो याद रखिए — खाली स्कोरकार्ड भी एक स्कोरकार्ड है, बस उसे पढ़ने के लिए आपको अपनी आंखें बंद करनी पड़ती हैं।