खाली सेल, भरी हुई आवाज़: एशियाई क्रिकेट के डेटा स्टैक में वह छेद जिसे कोई नहीं गिनता

खाली सेल, भरी हुई आवाज़

एक क्रिकेट रिपोर्ट जिसमें क्रिकेट नहीं था — पिछले हफ़्ते चेन्नई की एक एनालिटिक्स पाइपलाइन से जो ढाँचा बाहर आया, वह इस सीज़न का सबसे उपयोगी दस्तावेज़ है। उसमें नौ फ़ील्ड थीं। दो भरी थीं, सात खाली। भरी हुई दो में से एक का नाम था cricket_asia — बिना कॉन्फिडेंस स्कोर, बिना आधार, बिना यह दर्ज किए कि यह लेबल किस सबूत से निकला। बाकी सब कुछ वही था जो एक पूरी रिपोर्ट होने का दिखावा करता है: शीर्षक N/A, स्रोत N/A, प्रकार Unclassified, चार कोर व्यू-पॉइंट्स खाली, सूचना-बिंदुओं की सूची सूनी।

यह एक तकनीकी खराबी की रिपोर्ट लगती है। मेरे लिए यह क्रिकेट कवरेज की उस बीमारी का सबसे साफ़ एक्स-रे है जिसे हम तेरह साल से ब्रॉडकास्ट ग्राफ़िक्स से ढक रहे हैं। पूरी तरह भरा हुआ ढाँचा, जिसमें हर फ़ील्ड मौजूद है और हर मायने वाली फ़ील्ड खाली है — यह 404 से कहीं ज़्यादा ख़तरनाक है। 404 कम से कम यह बताता है कि कुछ नहीं मिला। यह ढाँचा यह बताता है कि सब मिल गया।

साठ मैच, चौदह हज़ार चार सौ डिलीवरी, और शुरुआत में एक खाली डेटाबेस — 2026 में मैंने यही किया था, हाथ से, क्योंकि उस वक़्त कोई और नहीं कर रहा था। डेटाबेस खाली शुरू हुआ; पहली असली खोज एक बहस के रूप में आई थी, किसी चमकते ग्राफ़ के रूप में नहीं। इसलिए जब कोई सिस्टम मुझे नौ में से सात खाली फ़ील्ड के साथ "विश्लेषण" सौंपता है, मैं उसे शर्मिंदगी नहीं, सबूत मानती हूँ।

लेबल जिसके पीछे कोई नंबर नहीं

cricket_asia — यहाँ से शुरू करना ज़रूरी है, क्योंकि यही एकमात्र बचा हुआ संकेत है। एक डोमेन लेबल, बिना उस डेटा के जिससे वह साबित हो। क्रिकेट में हमारे पास ऐसे दावों के लिए एक साफ़ नाम है: बिना सैंपल साइज़ का वादा। तेरह साल की एनालिटिक्स में मैंने कम से कम चार दर्जन फ़्रैंचाइज़ी प्रेज़ेंटेशन देखे हैं जो इसी तरह का वाक्य लेकर आते हैं — "बल्लेबाज़ी बीच के ओवरों में धीमी है" — और जब आप पूछते हैं कि कितने ओवर, किस बॉलिंग अटैक के ख़िलाफ़, किस मैदान पर, तो जवाब आता है: पिछले सीज़न में देखा था।

एशियाई क्रिकेट का दायरा इस लेबल से कहीं बड़ा है। इसमें एशियाई क्रिकेट परिषद (ACC) के टूर्नामेंट हैं, एसोसिएट सदस्यों की घरेलू संरचनाएँ हैं — नेपाल का घरेलू एकदिवसीय, ओमान और यूएई की लिस्ट-ए, हांगकांग की फ़्रैंचाइज़ी लीग। इसमें महिलाओं का अंडर-19 एशिया कप आता है। इसमें रणजी ट्रॉफ़ी आती है, जो एशिया की सबसे बड़ी प्रथम-श्रेणी प्रणाली है और जिसका कवरेज इन्फ़्रास्ट्रक्चर — स्कोरकार्ड और बॉल-बाय-बॉल — तीनों में सबसे पतला है। एक शब्द में इस सारे महाद्वीप को समेटना ग़लत सवाल नहीं है। उस शब्द के साथ कोई कॉन्फिडेंस नंबर न देना ग़लत है।

पाइपलाइन के डिज़ाइन में जो दो चीज़ें सबसे ज़्यादा चुभती हैं, वे दोनों एक ही बीमारी हैं। निर्देश कहता है कि संस्थाओं (एंटिटीज़) की पहचान "ऊपर दिए गए सूचना-बिंदुओं से" करो, और स्रोत की गुणवत्ता "सूचना-बिंदुओं के स्रोत फ़ील्ड से" तय करो। सूचना-बिंदुओं की सूची खाली है। यानी दो डाउनस्ट्रीम फ़ील्ड एक खाली सूची से लटकी हुई हैं। क्रिकेट की भाषा में इसे ऐसे समझिए: स्कोरकार्ड छप गया, टीम का कुल स्कोर भी छप गया, लेकिन विकेट गिरने का कॉलम खाली है — और कमेंट्री चल रही है।

तीन तरह के खालीपन, और सिर्फ़ एक तकनीकी है

जब कोई ढाँचा पूरा भरा हुआ आता है और मायने में खाली होता है, तो उसकी तीन अलग-अलग वजहें हो सकती हैं। इन तीनों की मरम्मत का तरीक़ा भी अलग है, और तीनों क्रिकेट में रोज़ दिखती हैं।

पहला: शरीर खाली है — घटना हुई, लॉग नहीं हुआ। तकनीकी दुनिया में इसे पेवॉल, जावास्क्रिप्ट रेंडरिंग या एंटी-स्क्रैपिंग कहते हैं। क्रिकेट में इसका नाम अलग है: मैच खेला गया, बॉल-बाय-बॉल दर्ज नहीं हुआ। यह एशियाई क्रिकेट का सबसे आम और सबसे कम चर्चित खालीपन है। स्कोरकार्ड मिल जाता है — इतना तो होता ही है। जो नहीं मिलता वह है फ़ेज़ स्प्लिट: पहले दस ओवर का रन रेट, मध्य ओवरों में विकेट की संभावना, आख़िरी पाँच ओवरों में किसने कितनी प्रेशर डिलीवरी झेली। जो नहीं मिलता वह है फ़ील्डिंग डेटा — कैच, ड्रॉप, रन-आउट अटेम्प्ट, और वे आठ ओवर जो एक फ़ील्डर ने बाउंड्री पर दौड़कर बचाए। जो नहीं मिलता वह है गेंदबाज़ी का वर्कलोड: किसने कितने स्पेल में कितनी गेंद फेंकी, किस दिन के अंतराल पर।

असोसिएट क्रिकेट में यह अंतराल सबसे महंगा पड़ता है, क्योंकि वहाँ चयन का पूरा तर्क वर्कलोड और उपलब्धता पर टिका होता है। एक तेज़ गेंदबाज़ की अगली सीरीज़ में उपलब्धता का अंदाज़ा उसकी पिछली तीन सीरीज़ों के स्पेल-लॉग से लगता है। वह लॉग नहीं है। तो सेलेक्टर वही करता है जो इंसान करता है: याद पर भरोसा। याद वह जगह है जहाँ डेटा ख़त्म होता है और किस्सा शुरू होता है।

दूसरा: इनपुट ही खाली था — कुछ था ही नहीं। यह सबसे कम पकड़ी जाने वाली स्थिति है, और ट्रांसफ़र-विंडो के मौसम में सबसे ज़्यादा फैलने वाली। कोई खबर आती है: एक स्टार खिलाड़ी एशिया कप से बाहर। न स्रोत, न तारीख़, न वह अनुबंध-संरचना जिससे यह समझ आए कि यह फ़ैसला किसके हित में है। सिस्टम को कुछ मिलता है — शीर्षक मिला, URL मिला, वह शब्द मिला जो डोमेन लेबल बन जाता है। और फिर वह उस पर एक पूरी रिपोर्ट की इमारत खड़ी कर देता है। मेरे अनुभव में एजेंट-जनित शोर और खाली इनपुट एक ही चीज़ हैं, बस एक में कमीशन जुड़ा होता है। जब कोई दावा यह नहीं बता सकता कि उसकी जानकारी किस दस्तावेज़ से आई, तो वह दावा विश्लेषण नहीं है — वह एक ध्वनि है जिसे स्लॉट मिल गया।

तीसरा: स्कीमा का मेल नहीं — सच मौजूद है, नाम अलग है। यह सबसे महंगा खालीपन है क्योंकि इसमें सबसे ज़्यादा डेटा बर्बाद होता है। एक सिस्टम में death_overs का मतलब ओवर 17–20 है। दूसरे में आख़िरी बीस प्रतिशत पारी। तीसरे में slog overs यानी ओवर 15–20। तीनों के नंबर सही हैं। तीनों को जोड़ दीजिए और आपको एक औसत मिलेगा जो तीनों में से किसी का वर्णन नहीं करता। यही हाल "required rate" का है — कुछ जगह विकेट गिरने के बाद की पुनर्गणना शामिल होती है, कुछ जगह नहीं। यही हाल DLS-समायोजित लक्ष्य का है, और NRR का, जिसकी गणना का तरीक़ा हर टूर्नामेंट के नियमों में थोड़ा अलग लिखा होता है।

मुझे यह सबसे पहले 2026 में समझ आया था, जब मैंने साठ मैचों की चौदह हज़ार चार सौ गेंदें अपने हाथ से लॉग कीं और फिर उस डेटा को एक स्प्रेडशीट में डाला जिसे किसी और ने नहीं बनाया था। उस सीज़न का फ़ाइनल हैदराबाद में एक रन से तय हुआ — मुंबई इंडियंस ने राइज़िंग पुणे सुपरजायंट को हराया, रोहित शर्मा और स्टीव स्मिथ दोनों कप्तान थे और दोनों के पास अपनी-अपनी संख्या थी। मैंने उस फ़ाइनल के बाद लिखा कि वह एक रन चालीस ओवर पहले तय हो गया था: प्लेऑफ़ पहुँची उस टीम के छठे और सातवें नंबर ने अपनी डेथ बॉल्स का अड़तीस प्रतिशत झेला था, जबकि उसके टॉप-थ्री ने किसी भी क्वालिफ़ायर से कम प्रेशर डिलीवरी देखी थी। नौ लाख लोगों ने वह टुकड़ा पढ़ा। फ़्रैंचाइज़ी के एनालिस्ट ने फ़ोन किया, बहस की, और फिर नौकरी दे दी।

उस पूरे काम में एक ही चीज़ निर्णायक थी, और वह मॉडल नहीं थी। हर फ़ील्ड भरी हुई थी, और हर फ़ील्ड को एक गेंद तक वापस ट्रेस किया जा सकता था। यही वह मानक है जिस पर यह खाली ढाँचा फ़ेल होता है। उसमें फ़ील्ड हैं, गेंद नहीं।

असली मुश्किल मॉडल नहीं, ईमानदारी है

इस जगह पर मुझे अपने ही पेशे से बहस करनी है, क्योंकि सबसे आसान नतीजा यह निकालना है कि एशियाई क्रिकेट का डेटा मरुस्थल है। यह सच नहीं है, और इसे सच मान लेना ख़तरनाक है।

बेस रेट पहले रखिए: ACC के ज़्यादातर मुक़ाबलों का पूरा स्कोरकार्ड मौजूद है, और बड़े क्रिकेट प्लेटफ़ॉर्म उन्हें प्रकाशित करते हैं। एसोसिएट टीमों के बीच खेले गए मैचों की बॉल-बाय-बॉल कवरेज भी उतनी ही ख़राब नहीं है जितनी हम शिकायत करते हैं। जो पतला है वह स्कोरकार्ड के ऊपर का हिस्सा है: फ़िटनेस, चोट की स्थिति, पिच की रिपोर्ट, स्क्वाड की उपलब्धता, अनुबंध की शर्तें, और असोसिएट खिलाड़ियों का वर्कलोड। यानी खालीपन मैच के अंदर नहीं, मैच से पहले है।

इसलिए तर्क "डेटा तो है, एनालिस्ट आलसी हैं" — यह आधा सच है और आधा सच सबसे भरोसेमंद झूठ होता है। उसे एक आंकड़े से तोड़िए: एशिया कप या ACC इमर्जिंग टीम्स जैसे टूर्नामेंट में कितने मैचों के लिए आपके पास फ़ेज़-वाइज़ बॉलिंग लोड और फ़ील्डिंग इवेंट दोनों हैं, उसी सटीक परिभाषा में जिसमें आप उन्हें जोड़ना चाहते हैं? जवाब बहुत छोटा है। और वह छोटा जवाब ही इस पूरी बहस का फ़ैसला करता है।

मुझे यह भी मानना है कि कमेंट्री बॉक्स पर इस नाकामी का इल्ज़ाम लगाना सस्ता है। वहाँ आदमी लाइव है, उसके पास फ़ीड नहीं है, एक गेंद पर प्रतिक्रिया देने का वक़्त है। आप जो जानते हैं वही बोलेगा। समस्या उसके ज्ञान की नहीं, उस टूल की है जो उसे मैच के बीच में कुछ बेहतर देने से इनकार करता है। उस लाइव बॉक्स में अगर तीन नंबर दिख जाएँ — मौजूदा रिक्वायर्ड रेट, विकेट के हिसाब से उस टीम का ऐतिहासिक कन्वर्ज़न, और अगले पाँच ओवरों में सामने वाले गेंदबाज़ का स्पेल-लोड — तो कमेंट्री की क्वालिटी अपने आप बदल जाती है, बिना किसी का अपमान किए।

मेट्रिक जो गायब है

पाइपलाइन की रिपोर्ट ने एक सुझाव ख़ुद दे दिया जो मुझे क्रिकेट एनालिटिक्स में सालों से चाहिए था: जब सूचना-बिंदु खाली हों या तय सीमा से कम हों, तो सिस्टम खाली ढाँचा न दे — वह EXTRACTION_FAILED कहे और आगे बढ़ने से मना कर दे।

यही सबसे ज़रूरी सुधार है, और यह तकनीकी से ज़्यादा सांस्कृतिक है। हमें क्रिकेट में हर दावे के साथ एक Coverage Index छापना चाहिए: इस वाक्य में कितने मैच, कितनी गेंदें, और कितने फ़ील्ड भरे हुए हैं। अगर किसी बात का जवाब डेटा नहीं दे सकता, तो पाइपलाइन को वह लिखना चाहिए — मैं यह नहीं जानती — बजाय इसके कि वह एक भरा हुआ खोल बना दे। मॉडल उतना ही ईमानदार होता है जितने सवाल वह मना करता है।

मेरे पास एक बहुत ठोस नियम है जो 2026 से नहीं बदला। हर नंबर के पीछे उसका सैंपल होता है, हर निष्कर्ष के साथ उसकी सीमा लिखी होती है, और अगर कोई खिलाड़ी या फ़्रैंचाइज़ी किसी निष्कर्ष से नाराज़ है, तो मैं वह निष्कर्ष वापस नहीं लेती — मैं उसके साथ अपनी सीमा ज़्यादा साफ़ लिखती हूँ। खाली टेबल गुस्से वाले कमरे बनाती हैं; मैंने यह चेन्नई के एक स्टार्टअप में सीखा। सात खाली फ़ील्ड वाली रिपोर्ट वैसा ही गुस्सा पैदा करती है, बस वह चुपचाप पैदा होता है, और बाद में विस्फोट करता है।

अगली गेंद

असली सवाल यह नहीं है कि उस पाइपलाइन में क्या ख़राब हुआ। असली सवाल यह है कि इस सीज़न की जितनी भी ट्रांसफ़र-विंडो रिपोर्टें आपने पढ़ीं, उनमें से कितनी एक साधारण थ्रेशोल्ड जाँच पार कर पाएँगी — दावा, स्रोत, तारीख़, और वह खंडन करने वाला सबूत जो सबसे ताक़तवर संस्करण में भी मौजूद होता है?

जो रिपोर्ट इस परख में फ़ेल होती है, वह झूठी नहीं होती। वह बस खाली होती है — और उसे भरा हुआ दिखाया गया है। एशियाई क्रिकेट को अगले दौर में उफ़नते नए सितारों की नहीं, एक खाली कॉलम का जवाब चाहिए।