खाली डेटा, भरा हुआ निष्कर्ष: जब विश्लेषण का पहला चरण ही विफल हो जाए

मार्च 2026 में मुंबई के एक प्रोडक्शन ट्रक में बैठकर मैंने वर्ल्ड कप फाइनल की सौ ओवर हाथ से कोड की थीं। उस दिन मैंने सीखा था कि हर नंबर के पीछे एक इंसानी हाथ होता है — और अगर वह हाथ गलत जगह रखा हो, तो पूरा स्प्रेडशीट झूठ बोलता है। पिछले हफ्ते मेरी डेस्क पर एक ऐसा एनालिसिस रिपोर्ट आया जिसने उसी सबक को नए सिरे से याद दिला दिया। रिपोर्ट का शीर्षक था 'स्टेज-2 डीप प्रोफेशनल एनालिसिस — क्रिकेट डोमेन', और उसमें आठ आयामों की पूरी रूपरेखा थी। मैच फॉर्मेट से लेकर गवर्नेंस तक, हर चीज़ के लिए खाने बने हुए थे। लेकिन जब मैंने पहला कॉलम पढ़ा — 'इनपुट इंटीग्रिटी नोटिस' — तो कॉफी का कप मेज़ पर ही रख दिया। स्टेज-1 का पूरा पेलोड खाली था। न शीर्षक, न स्रोत, न एक भी सूचना बिंदु, न कोई खिलाड़ी, न कोई टीम। सिर्फ एक रूटिंग लेबल बचा था: cricket_asia।

यह कोई क्रिकेट रिपोर्ट नहीं है। यह एक डेटा ऑडिट की कहानी है। और जब आप चालीस साल से स्कोरबोर्ड और स्प्रेडशीट के बीच जी रहे हों, तो आप जानते हैं कि खाली सेल कभी-कभी सबसे ज़ोरदार बयान होती है।

संदर्भ: दो-स्तरीय पाइपलाइन कैसे काम करती है

क्रिकेट डेटा जर्नलिज़्म में आजकल जो भी गंभीर विश्लेषण आप पढ़ते हैं — चाहे वह पावरप्ले इकॉनमी हो, डेथ ओवर स्ट्राइक रेट हो, या ऑक्शन वैल्यूएशन — वह पीछे एक दो-चरणीय मशीन से गुज़रता है। पहला चरण कच्चे लेख को तोड़ता है: कौन सी टीम, कौन सा खिलाड़ी, कौन सा फॉर्मेट, कौन सी तारीख, कौन सा आंकड़ा। दूसरा चरण उस टुकड़ों पर डोमेन एक्सपर्टी लगाता है — फेज़-स्प्लिट, बेंचमार्क तुलना, जोखिम मैट्रिक्स। मेरे जैसे लोगों के लिए यह पाइपलाइन वही है जो 2026 में मेरे हाथ-लिखे नोट्स थे, बस अब यह सॉफ्टवेयर में चलती है।

समस्या यह है कि अगर पहला चरण खाली लौटता है, तो दूसरा चरण कितना भी समझदार हो, वह कुछ नहीं कर सकता। यह वैसा ही है जैसे किसी मैच का स्कोरकार्ड ही न आया हो और आपसे पूछा जाए कि कौन सा स्पेल मैच का टर्निंग पॉइंट था। आप अनुमान लगा सकते हैं, लेकिन वह अनुमान विश्लेषण नहीं, कहानी बन जाएगी।

जो रिपोर्ट मेरे पास आई, उसने यही किया। उसने आठों आयामों के खाने भरे — लेकिन हर खाने में लिखा था N/A — insufficient information। फॉर्मेट विश्लेषण से लेकर खिलाड़ी तकनीक तक, टीम रैंकिंग से लेकर लीग कमर्शियल इकोसिस्टम तक, गवर्नेंस से लेकर जोखिम मैट्रिक्स तक। सब खाली। सिवाय एक चीज़ के: यह बताने के कि क्यों सब खाली है।

कोर: खाली पेलोड का सबसे ईमानदार विश्लेषण

यहाँ मैं साफ़ बताना चाहती हूँ कि यह रिपोर्ट अपने आप में एक उपलब्धि है, भले ही इसमें कोई क्रिकेट तथ्य न हो। क्यों? क्योंकि इसने वह किया जो ज़्यादातर एनालिस्ट नहीं करते — इसने खाली जगह को खाली बताया। इसने काल्पनिक टीमें नहीं गढ़ीं, काल्पनिक खिलाड़ी नहीं बनाए, काल्पनिक ऑक्शन कीमतें नहीं लिखीं। इसने हर उस जगह पर साफ़ लिखा जहाँ डेटा नहीं था।

मेरे करियर में मैंने दर्जनों बार देखा है कि जब डेटा नहीं होता, तो लोग 'माहौल' और 'मोमेंटम' जैसे शब्दों से उसे भर देते हैं। यह रिपोर्ट उस जाल से बची। इसने कहा: टीम पहचानी नहीं गई, इसलिए टियर तय नहीं हो सकता। खिलाड़ी का नाम नहीं है, इसलिए रोल आइडेंटिफिकेशन शुरू नहीं हो सकता। लीग या फ्रैंचाइज़ी का ज़िक्र नहीं है, इसलिए वैल्यूएशन नहीं हो सकता।

यहाँ एक बात साफ़ करना ज़रूरी है जो अक्सर डेटा रिपोर्टिंग में धुंधली हो जाती है: 'शून्य' और 'अज्ञात' एक चीज़ नहीं हैं। अगर किसी खिलाड़ी ने शून्य रन बनाए हैं, तो वह डेटा है। अगर हमें पता ही नहीं कि कौन सा खिलाड़ी है, तो वह डेटा का अभाव है। यह रिपोर्ट दोनों को अलग रखती है, और यही इसकी असली ताकत है।

रिपोर्ट का एकमात्र जीवित संकेत है cricket_asia — एक रूटिंग लेबल जो बताता है कि मूल लेख संभवतः एशियाई क्रिकेट से जुड़ा था। भारत, पाकिस्तान, श्रीलंका, बांग्लादेश, अफ़ग़ानिस्तान — या एशिया कप, आईपीएल, एसीसी का कोई संदर्भ। लेकिन रिपोर्ट खुद मानती है कि यह लेबल एक क्लासिफायर का आउटपुट है, तथ्य नहीं। इसे सबूत की तरह पढ़ना वही गलती होगी जो मैंने 2026 में की थी जब यूएई में खाली स्टेडियम देखकर मैंने होम-एडवांटेज वेरिएबल को तुरंत मार दिया था — जबकि असल में मुझे उसे दोबारा कैलिब्रेट करना चाहिए था, न कि शून्य करना।

रिपोर्ट में एक और चीज़ है जो मुझे पसंद आई: इसने 'जेनेरिक डोमेन कॉन्टेक्स्ट' को साफ़ लेबल किया है — यानी वह जानकारी जो लेख से नहीं आई, बल्कि सामान्य क्रिकेट ज्ञान से आई है। जैसे यह याद दिलाना कि टेस्ट और टी20 के स्ट्राइक रेट की तुलना नहीं हो सकती, या यह कि टी20 लीग में 7.0 के आसपास इकॉनमी मज़बूत मानी जाती है। यह छोटा सा लेबल बहुत बड़ा फ़र्क डालता है। एक ग्लॉसरी सजावट नहीं है; वह तर्क की रीढ़ है।

कंट्रेरियन: क्या खाली रिपोर्ट भी 'रिपोर्ट' है?

अब वह हिस्सा जहाँ मुझे अपनी ही बिरादरी से असहमत होना है।

कई एडिटर ऐसी रिपोर्ट देखकर कहेंगे: 'यह तो कुछ नहीं है, इसे छापो ही मत।' मैं समझती हूँ उनकी बात — पाठक को क्रिकेट चाहिए, फ्रेमवर्क नहीं। लेकिन मेरा अनुभव कहता है कि यह रिपोर्ट छापने लायक नहीं, बल्कि दाखिल करने लायक है। यह एक केस फ़ाइल है। यह बताती है कि सिस्टम में कहाँ दरार है।

फिर भी, एक चेतावनी ज़रूरी है। इस तरह की 'नल रिज़ल्ट' रिपोर्ट अपने आप में एक खतरा बन सकती है। अगर कोई इसे पढ़कर सोचे कि 'अरे, आठ आयामों का विश्लेषण तो हो गया', तो वह गलत है। यह विश्लेषण नहीं है; यह विश्लेषण की अनुपस्थिति का दस्तावेज़ है। इसे किसी क्रिकेट टीम, खिलाड़ी या मैच पर लागू नहीं किया जा सकता। रिपोर्ट खुद यह मानती है — और यही इसकी ईमानदारी है।

दूसरी बात: cricket_asia लेबल पर ज़्यादा भरोसा करना खतरनाक है। मैंने अपने करियर में कई बार देखा है कि ऑटो-असाइन किए गए लेबल असली विषय से कोसों दूर होते हैं। एक बार एक रणजी मैच रिपोर्ट को 'आईपीएल ऑक्शन' लेबल मिल गया था, सिर्फ इसलिए कि उसमें किसी खिलाड़ी का नाम ऑक्शन लिस्ट में था। लेबल को परिकल्पना की तरह लें, निष्कर्ष की तरह नहीं।

तीसरी बात, और यह सबसे ज़रूरी है: जब पाइपलाइन का पहला चरण ही विफल हो, तो दूसरे चरण की मेहनत बेकार जाती है। यह रिपोर्ट यह साबित करती है। इसने आठों आयामों को पूरी तरह एक्सरसाइज़ किया, हर फ़ील्ड भरी, हर चेकलिस्ट चलाई — और नतीजा शून्य रहा, क्योंकि इनपुट शून्य था। यह क्रिकेट की समस्या नहीं, डेटा आर्किटेक्चर की समस्या है। और मेरे अनुभव में, ऐसी समस्याएँ जितनी जल्दी पकड़ी जाएँ, उतनी सस्ती पड़ती हैं।

टेकअवे: अगली बार के लिए तीन सवाल

तो अब आगे क्या? रिपोर्ट खुद तीन सुधार सुझाती है जो मैं अपने शब्दों में दोहराऊँगी। पहला, स्टेज-1 को कच्चे लेख पर दोबारा चलाएँ — कम से कम एक सूचना बिंदु और एक नामित इकाई चाहिए। दूसरा, हर आंकड़े के साथ फॉर्मेट टैग ज़रूरी करें — टेस्ट, वनडे, टी20 — वरना अगली बार भी वही गलती होगी जो 2026 में मैंने टाली थी। तीसरा, तारीख का एंकर तय करें, क्योंकि बिना तारीख के कोई भी टाइमलाइन बेमानी है।

लेकिन मेरा सवाल इससे बड़ा है। अगर हमारी पूरी एनालिटिक्स पाइपलाइन इतनी नाज़ुक है कि एक खाली पेलोड उसे रोक देता है, तो हम उन हज़ारों लेखों का क्या करें जो हर दिन इसी पाइपलाइन से गुज़रते हैं? क्या हम जानते हैं कि उनमें से कितने 'आधे भरे' पेलोड के साथ आगे बढ़ जाते हैं — जहाँ डेटा थोड़ा है, और अनुमान बहुत? मुझे लेजर पर तब ज़्यादा भरोसा होता है जब मुझे पता हो कि एंट्री किसने लिखी है। और इस रिपोर्ट ने कम से कम यह बता दिया कि इस बार किसी ने कुछ नहीं लिखा — और उसने झूठ नहीं बोला।