एन/ए का मतलब शून्य नहीं होता: क्रिकेट के डेटा सप्लाई चेन का ऑडिट

रात के दो बजे हैं। बेंगलुरु। जयनगर से चार किलोमीटर दूर वही स्टेडियम, जहाँ से मेरा काम शुरू हुआ था। लैपटॉप पर एक JSON फ़ाइल खुली है, और उसमें ग्यारह फ़ील्ड हैं। दस खाली हैं।

टाइटल: एन/ए। सोर्स: एन/ए। टाइप: अनक्लासिफाइड। एक-पंक्ति सारांश: खाली। इनफ़ॉर्मेशन पॉइंट्स: खाली सूची। एंटिटीज़ वाले खाने में लिखा है — "ऊपर दिए गए इनफ़ॉर्मेशन पॉइंट्स से पहचानें", और ऊपर कोई पॉइंट मौजूद ही नहीं है। जो एक फ़ील्ड बची है, वह है डोमेन लेबल: cricket_asia। वह भी असत्यापित, क्योंकि जिस टेक्स्ट से इसे निकाला जाना था, वह टेक्स्ट ही नहीं आया।

इस पेशे में ऐसे पल में हाथ खुद-ब-खुद भरने लगते हैं। दिमाग़ कहता है — यह क्रिकेट है, यह एशिया है, चलो मान लेते हैं कि यह टूर्नामेंट प्रीव्यू है; चलो मान लेते हैं कि टीम इंडिया है; चलो मान लेते हैं कि किसी बोर्ड का बयान है। दस खाली खाने दस मिनट में भर जाते। और उसके बाद जो रिपोर्ट लिखी जाती, वह पढ़ने में असली लगती, और होती नहीं।

मैंने नहीं भरा। नौ साल के इस काम में एक बात सीखी है जो किसी स्कोरबोर्ड ने नहीं सिखाई। खाली फ़ील्ड शून्य नहीं होता। वह अनुपस्थित होता है। और अनुपस्थिति क्रिकेट का सबसे कम रिपोर्ट किया गया वेरिएबल है।

यह रिपोर्ट उसी अनुपस्थिति की है। यह किसी मैच की नहीं, उस सप्लाई चेन की है जो मैच को नंबर में बदलती है।

संदर्भ: स्कोरकार्ड से स्प्रेडशीट तक का रास्ता

क्रिकेट का डेटा तीन परतों में बनता है। पहली परत कैप्चर की है — बॉल-बाय-बॉल कोडिंग, जो कुछ गिने-चुने वेंडर करते हैं, स्टेडियम में बैठकर, हर गेंद पर लंबाई, लाइन, शॉट टाइप, फील्ड पोज़िशन दर्ज करते हुए। दूसरी परत स्टोरेज की है — वे डेटाबेस जिनसे हम स्ट्राइक रेट, इकॉनमी, फ़ेज़ स्प्लिट निकालते हैं। तीसरी परत डिस्ट्रीब्यूशन की — ब्रॉडकास्ट ग्राफ़िक्स, फ़ैंटेसी स्कोरिंग, फीड्स, और अब तो सट्टे से जुड़े मार्केट भी।

मेरा काम तीसरी परत की जाँच करना है। और तीसरी परत की जाँच तब शुरू होती है जब दूसरी परत जवाब दे, और दूसरी परत तब जवाब देती है जब पहली परत ने ठीक से कैप्चर किया हो।

जब एक्सट्रैक्शन की पहली लाइन खाली लौटती है — जैसा आज रात लौटी — तो उसकी चार सामान्य वजहें होती हैं। एक: रिक्वेस्ट पेवॉल, कंसेंट बटन या JavaScript शेल से टकरा गई, और नतीजे में प्रोज़ मिला, लेख नहीं। दो: सामग्री वीडियो या स्कोरकार्ड थी, जिसमें बतौर टेक्स्ट कुछ था ही नहीं। तीन: मॉडल को स्कीमा-वैलिडेशन पर रिजेक्ट कर दिया गया और उसने खाली ढाँचा उगल दिया। चार: जो खींचा गया, वह किसी मुख्य लेख का उगला हुआ टुकड़ा था।

चारों में से कोई भी वजह झूठ नहीं बोलती। झूठ तब बोला जाता है जब खाली लौटे ढाँचे को भरने का फ़ैसला किया जाता है। उस पल में एक मज़दूर कहानीकार पैदा होता है, और कहानी को बाद में जाँचा नहीं जा सकता, क्योंकि उसका कोई सोर्स था ही नहीं।

मौजूदा टूर्नामेंट साइकिल में यह दिक्कत तेज़ हो जाती है। टूर्नामेंट भावना को सिकोड़ता है — झंडा और कहानी सामने आ जाते हैं, पिच और स्क्वॉड-डेप्थ पीछे रह जाते हैं। ऐसे मौसम में खाली फ़ील्ड सबसे खतरनाक होते हैं, क्योंकि भरनेवाला हाथ तेज़ होता है और पूछनेवाला कोई नहीं।

कोर: तीन लेजर, एक ही सबक

लेजर एक — 2026, चिन्नास्वामी, तीन हज़ार तीन सौ साठ गेंद

सत्रह साल की उम्र में, पीयू का छात्र, जयनगर का एक फ्लैट। आईपीएल 2026 के चौदह रॉयल चैलेंजर्स बैंगलोर मैच, तीन हज़ार तीन सौ साठ वैध गेंदें, हाथ से एक स्प्रेडशीट में कोड कीं। फ़ेज़, गेंदबाज़, लंबाई, शॉट टाइप। ऐसा इसलिए, क्योंकि मुफ़्त स्टैट्स साइटों पर फ़ेज़ स्प्लिट थे ही नहीं।

आरसीबी उस साल आख़िरी पायदान पर रही। तीन जीत, ग्यारह हार। वह बाहर से एक कहानी है। अंदर से वह एक कॉलम था। मेरी शीट में डेथ ओवर्स की इकॉनमी 12.1 रन प्रति ओवर निकली — लीग में सबसे खराब। और उन रनों का इकसठ फ़ीसदी फुल-लेंथ गेंदों पर लेग साइड की तरफ़ गया।

यह संख्या किसी स्कोरकार्ड में नहीं थी। किसी अख़बार में नहीं थी। किसी ब्रॉडकास्ट ग्राफ़िक में नहीं थी। इसका मतलब यह नहीं कि वह मौजूद नहीं थी। इसका मतलब था कि किसी ने उसे दर्ज करने की जहमत नहीं उठाई।

नौ पन्नों की एक पीडीएफ़ मैंने फ़्रैंचाइज़ी के जनरल इंक्वायरी पते पर भेजी। कोई जवाब नहीं आया। उस ख़ाली इनबॉक्स ने मुझे पहला सबक दिया: गैर-मौजूद डेटा और अनदेखा किया गया डेटा एक ही चीज़ नहीं हैं। पहला एक खाली फ़ील्ड है। दूसरा एक बंद दरवाज़ा। रिपोर्टिंग में दोनों को एक जैसा देखा जाता है, और यहीं भूल होती है।

लेजर दो — 2026, तीन शहर, शून्य दर्शक

तीस साल बाद नहीं, तीन साल बाद। सांख्यिकी की डिग्री के बीच, एक डेटा वेंडर के साथ रिमोट कोडिंग इंटर्नशिप। आईपीएल 2026 तीन शहरों में बँटा था — दुबई, अबू धाबी, शरजाह। साठ मैच, सितंबर से नवंबर, बीस हज़ार की जगह खाली कुर्सियाँ।

लाइव कोडिंग करते हुए एक पैटर्न उभरा। दुबई में, सातवें से पंद्रहवें ओवर के बीच, जो टीम पावरप्ले में एक विकेट गँवा देती थी, उसका स्कोरिंग रेट 1.4 रन प्रति ओवर गिर जाता था। शरजाह में छोटी बाउंड्री कुल स्कोर को क़रीब उन्नीस फ़ीसदी ऊपर उठा देती थी।

यह वह पल था जब खाली स्टेडियम ने मुझे सिखाया कि अनुपस्थिति भी एक वेरिएबल है। भीड़ कभी डेटासेट की पूरी कहानी नहीं होती, लेकिन भीड़ की गैर-मौजूदगी भी कुछ कह रही थी — वह शोर हटा रही थी जिससे टेम्पो का पता नहीं चलता।

चालीस पन्ने लिखे। जिस माध्यम ने कमीशन किया, उसने नौ सौ शब्द छापे और मेथडोलॉजी पूरी काट दी।

अब ध्यान दें कि वहाँ असली नुक़सान क्या हुआ। पाठक को 1.4 और उन्नीस दोनों संख्याएँ मिल गईं। उसे यह नहीं मिला कि ये कैसे निकाली गईं — कितने मैच, कौन सा फ़िल्टर, किसे बाहर रखा गया, दुबई का पैटर्न अबू धाबी पर लागू क्यों नहीं होता। मेथडोलॉजी ही फ़ाइंडिंग होती है। उसे काटने के बाद संख्या एक राय बन जाती है, जिसे कोई भी किसी भी तरफ़ मोड़ सकता है।

लेजर तीन — 2026, नब्बे करोड़, छह सौ नाम

फ़रवरी 2026। बेंगलुरु में आईपीएल मेगा ऑक्शन। दस फ़्रैंचाइज़ी, नब्बे करोड़ रुपये की जेब, पूल में छह सौ नाम। बाईस साल की उम्र, डिग्री पूरी हो रही थी, और मैंने तीन सीज़न के फ़ेज़ डेटा पर एक रुपया-प्रति-जीत-हिस्सा मॉडल बनाया।

मेरी शीट ने एक अनकैप्ड उन्नीस वर्षीय बाएँ हाथ के बल्लेबाज़ पर 4.5 करोड़ रुपये का वैल्यूएशन लगाया। मुंबई इंडियंस ने तिलक वर्मा को 1.7 करोड़ रुपये में खरीदा। उस सीज़न उन्होंने 397 रन बनाए।

यहाँ कोई जीत का दावा नहीं है। 4.5 बनाम 1.7 का फ़र्क़ यह नहीं बताता कि शीट सही थी और फ़्रैंचाइज़ी ग़लत। मेरे मॉडल में वह चीज़ें नहीं थीं जो नीलामी की टेबल पर थीं — बोली की मनोविज्ञान, विदेशी स्लॉट की मजबूरी, किसी कोच की पसंद, और वह सबसे बड़ी अज्ञात, जिसे किसी स्प्रेडशीट में जगह नहीं मिलती।

फ़्रैंचाइज़ी ने शीट अपने पास रखी। मैंने सबक अपने पास रखा। बाज़ार नाम पर दाम लगाता है। लेजर फ़ेज़ पर दाम लगाता है। और इन दोनों के बीच का फ़ासला ही वह जगह है जहाँ काम होता है।

नब्बे करोड़ रुपये एक बहीखाते में बैठ सकते हैं और फिर भी मुद्दा चूक सकते हैं।

वह गैप जो किसी तीन में नहीं आया

तीनों लेजर एक ही चीज़ कह रहे हैं, और वह चीज़ क्रिकेट के आँकड़ों की दुनिया में सबसे कम प्रकाशित होती है।

खेल के केंद्र में जो मापा जाता है: पुरुष अंतरराष्ट्रीय क्रिकेट, आईपीएल, बड़े प्रसारक। जो नहीं मापा जाता: महिला क्रिकेट की फ़ेज़-लेवल इन्फ्रास्ट्रक्चर — डब्ल्यूपीएल 2026 में शुरू हुआ, भारत ने 2026 में घरेलू विश्व कप जीता, और फिर भी वहाँ का डेटा ढाँचा पुरुषों की तुलना में पतला है; रणजी ट्रॉफ़ी, जो नॉकआउट से बाहर लगभग अदृश्य रहती है; और दूसरी XI, जिसे बनाना विश्व खेल की सबसे कठिन टीमों में से एक है और जिसका कोई सार्वजनिक स्कोरबोर्ड नहीं।

भारत की असली समस्या प्रतिभा कम नहीं है। समस्या यह है कि सिस्टम किस चीज़ को दर्ज करने की जहमत उठाता है। और एक ऑडिटर के तौर पर मेरा काम उस जहमत को गिनना है, उस प्रतिभा को नहीं जिसे वह जहमत छुपा देती है।

कंट्रेरियन: खाली खाने को भरने का आग्रह

अब उस पल पर लौटते हैं जहाँ यह शुरू हुआ था — रात के दो बजे, दस खाली फ़ील्ड।

खतरा यह नहीं कि डेटा आया ही नहीं। खतरा यह है कि खाली डेटा, भर दिए जाने के बाद, एक राय बन जाता है जिसकी कोई जाँच नहीं हो सकती। और यह एक बार की ग़लती नहीं है, यह एक आदत है, और आदत के तीन साफ़ दरवाज़े हैं।

पहला दरवाज़ा — अनुपस्थिति को सिग्नल मान लेना। चूँकि मेरा पूरा तर्क "अनुपस्थिति भी एक वेरिएबल है" पर खड़ा है, वहाँ से फिसलना बहुत आसान है। गैर-चयन साज़िश बन जाता है। पतली कवरेज दबाव बन जाती है। और जो असल में कभी इकट्ठा ही नहीं किया गया, वह एक फ़ाइंडिंग बन जाता है। यहाँ एक स्पष्ट सीमा खींचनी पड़ती है: "मापा गया और शून्य निकला" एक बात है, "मापा ही नहीं गया" बिल्कुल दूसरी। दूसरी को सीमा के रूप में लिखना है, नतीजे के रूप में नहीं।

दूसरा दरवाज़ा — छोटे नमूने की धर्मपरायणता। काउंटर-इंट्यूएटिव खोज का इनाम इतना तेज़ है कि बारह गेंदों का एक स्पेल हमेशा कोई पैटर्न दे देगा। क्वेरी चलाने से पहले थ्रेशोल्ड तय करना और उसे छाप देना ही एकमात्र इलाज है। अगर कोई फ़ाइंडिंग चालीस गेंदों पर ही टिकती है, तो वह स्प्रेडशीट चिपकाई हुई एक किस्सागोई है, विश्लेषण नहीं।

तीसरा दरवाज़ा — कंट्रेरियन ड्रिफ्ट। उद्योग ने मुझे सिखाया कि उलटी बात उठाई जाती है। इनाम का यह लूप धीरे-धीरे एक ऑडिटर को एक खंडनकारी में बदल देता है, जिसे हर कॉलम के लिए एक अनोमली चाहिए। इलाज कठोर है और अप्रिय है: नल नतीजे छापो। जो बहीखाता हमेशा सिर्फ़ चौंकाने वाली बातें रिपोर्ट करे, वह बहीखाता नहीं, एक थीम वाला कॉलम है।

और एक चौथा दरवाज़ा जिसका नाम लेना ज़रूरी है, क्योंकि वह मेरे अपने काम की सबसे बड़ी चोरी है — ब्रॉडकास्ट बॉक्स की चाहत। डेटा के तर्क के आगे आख़िरी अड़ंगा टेलीविज़न कमेंट्री पैनल है, और लुभावना यह है कि विश्लेषण को नरम कर दिया जाए, या बोर्ड के ख़िलाफ़ निकलने वाली बात को हल्का कर दिया जाए, ताकि डेस्क पर कुर्सी मिल जाए। पहुँच और तर्क अलग-अलग चीज़ें हैं। मेथडोलॉजी और नतीजे उस बातचीत से पहले छपने चाहिए, बाद में नहीं।

इस रात के फ़ाइल पर लौटकर, इलाज बहुत साधारण है और बहुत कठोर। जिस रिकॉर्ड में इनफ़ॉर्मेशन पॉइंट्स खाली हों या टाइटल नल हो, उसे आगे नहीं भेजना चाहिए। यह मज़दूर गेट है, सलाह नहीं। इस रात यह गेट फ़ेल हुआ — ग्यारह में दस खाली फ़ील्ड होने के बावजूद रिकॉर्ड आगे निकल गया, और उसमें "गहरा विश्लेषण" लिखने का अनुरोध भी साथ आया।

मैंने वह अनुरोध ठुकराया। क्योंकि अगर मैं उसे पूरा करता, तो अगली परत पर बैठा हर आदमी एक ऐसी रिपोर्ट पढ़ता जिसमें कहानी साफ़ होती, संख्याएँ चमकदार होतीं, और कोई भी चीज़ ऐसी नहीं होती जिसे दोबारा निकाला जा सके।

हर साफ़-सुथरा कॉलम असलियत से हुई एक गंदी बहस से शुरू होता है। आज रात की बहस में असलियत जवाब देने ही नहीं आई।

टेकअवे: अगली बार का इशारा

इस टूर्नामेंट साइकिल में जो अगला संकेत आएगा, वह कोई नया आँकड़ा नहीं होगा। वह एक जाँच का सवाल होगा।

जब अगली बार कोई नीलामी की शीट आपके सामने रखे, कोई डेथ-ओवर की इकॉनमी दिखाए, कोई "टीम का मूड बदल गया है" लिखे — तो पूछें, जो कॉलम आप देख रहे हैं, उसमें खाली जगह कहाँ है। और उस खाली जगह को शून्य माना गया है या अनुपस्थित।

हम तीन हज़ार तीन सौ साठ गेंदों के बाद पहुँचे थे, और तब जाकर पैटर्न शोर होना बंद हुआ। जल्दबाज़ी में भरे गए दस खाने वह तीन हज़ार तीन सौ साठ गेंदें बचा देंगे, और साथ में वह भरोसा भी ले जाएँगे जिससे अगली शीट बनती है।

वह दस खाने खाली ही रहने दीजिए। बहीखाता खुद बोलेगा।