खाली फ़ाइल और भरा हुआ अनुमान: क्रिकेट डेटा में वह झूठ, जो स्कीमा पास कर जाता है

सोमवार की सुबह दुबई डेस्क पर एक फ़ाइल खुली। उसमें दस फ़ील्ड थीं। नौ में या तो 'N/A' लिखा था या वे खाली पड़ी थीं। शीर्षक नहीं, स्रोत नहीं, लेख का प्रकार 'Unclassified', सार खाली, लेखक का रुख़ N/A, सूचना बिंदुओं की सूची खाली, टीम और खिलाड़ी की इकाइयाँ नहीं निकाली गईं, समय-संवेदनशीलता का आकलन नहीं हुआ, स्रोत की गुणवत्ता का आकलन नहीं हुआ। एक ही फ़ील्ड भरी थी — डोमेन लेबल: cricket_world।

क्रिकेट की दुनिया के नाम पर यह एक ऐसी रिपोर्ट थी जिसमें क्रिकेट नहीं था। न फ़ॉर्मेट, न प्रतियोगिता, न टीम, न खिलाड़ी, न तारीख़। मैं 2026 से स्पोर्ट्स डेस्क पर हूँ, टाइम्स ऑफ़ इंडिया की मुंबई मेज़ से लेकर दुबई के स्पोर्ट्सबुक डेस्क तक, और चार दशकों में मैंने ऐसी हज़ारों फ़ाइलें देखी हैं — लेकिन ख़ाली फ़ाइल हर बार पहली बार लगती है। क्योंकि ख़ाली फ़ाइल के आगे डेस्क पर एक दबाव खड़ा हो जाता है: कुछ तो लिखना है। यही दबाव इस पूरी कहानी का विषय है।

ख़ाली फ़ाइल वाली गलती तकनीकी नहीं, अनुशासन की गलती है। क्रिकेट विश्लेषण में पहला क़दम हमेशा फ़ॉर्मेट तय करना होता है, क्योंकि बाक़ी सब उसी पर टिका है। टी20 में 140 का स्ट्राइक रेट शीर्ष स्तर का प्रदर्शन है; टेस्ट में वही 140 एक अजीब आँकड़ा है, जिसकी कोई तुलना नहीं बनती। एक गेंदबाज़ की 7.1 की इकॉनमी टी20 की पावरप्ले में क़ीमती है, और टेस्ट के पहले दिन की सुबह उसका कोई मतलब नहीं। औसत, स्ट्राइक रेट, इकॉनमी — तीनों अपने ही फ़ॉर्मेट के बेंचमार्क के सामने रखे जाते हैं, वरना वे सिर्फ़ संख्याएँ रह जाते हैं। यही एक वजह है कि आईसीसी तीन अलग रैंकिंग टेबल रखता है — टेस्ट, वनडे और टी20ई — और फ़ॉर्मेट टैग के बिना कोई टेबल चुनी ही नहीं जा सकती। डोमेन लेबल 'cricket_world' यह नहीं बताता कि सामने टेस्ट है या द हंड्रेड।

दूसरी वजह अनुशासन की है। प्रोफ़ेशनल डेटा-वर्क में एक शब्द है जिसे हमारे डेस्क पर 'नल-हैंडलिंग' कहते हैं — यानी जब जानकारी न हो तो यह साफ़ लिख देना कि जानकारी नहीं है, अनुमान नहीं गढ़ना। यह कोई उदारता नहीं, सुरक्षा-कवच है। जिस दिन मैंने यह आदत डाली, वह दिन 2026 का ऑक्शन ऑडिट था। उससे पहले भी मैं आँकड़े जोड़ता था, लेकिन तब तक मैंने अपनी गलतियों का हिसाब नहीं रखा था।

इस फ़ाइल का सबसे ज़रूरी सुराग़ उसमें मौजूद जानकारी नहीं, उसकी ग़ैरमौजूदगी का पैटर्न है। छह अलग-अलग फ़ील्ड एक साथ ख़ाली नहीं होतीं अगर लेखक ने क्रिकेट पर लिखते हुए फ़ॉर्मेट का ज़िक्र न किया हो। छह फ़ील्ड का एक साथ ढहना बताता है कि विफलता छह जगह नहीं, एक जगह हुई — और वह जगह लेख के भीतर नहीं, उसके पहुँचने से पहले है। यानी एक्सट्रैक्शन पाइपलाइन लेख तक पहुँची ही नहीं, या पहुँचकर लौट आई। यह अनुमान है, साक्ष्य नहीं; मैं इसे अनुमान के रूप में ही दर्ज कर रहा हूँ।

दूसरा सुराग़ और तीखा है। सूचना बिंदुओं की सूची ख़ाली थी, और उसी ख़ाली सूची से टीम-खिलाड़ी की इकाइयाँ निकालने का निर्देश दिया गया था — "ऊपर दिए सूचना बिंदुओं से पहचानें"। जब स्रोत ही ख़ाली है, तो माँगने से कुछ नहीं निकलता। यही मैं 'डिपेंडेंसी-ऑर्डरिंग बग' कहता हूँ: काम का क्रम ग़लत बँधा है, और इसलिए एक ख़ाली चीज़ दूसरी ख़ाली चीज़ को जन्म देती जाती है। इसी तरह स्रोत की गुणवत्ता का आकलन उसी सूची से करने को कहा गया था, जो सूची पैदा ही नहीं हुई। दो स्वतंत्र निर्भरताएँ, एक ही कारण।

और यहीं से असली ख़तरा शुरू होता है, क्योंकि ख़ाली लेकिन साफ़-सुथरे ढाँचे वाला पेलोड एरर से ज़्यादा ख़तरनाक है। एरर चीख़ता है — सिस्टम रुक जाता है, कोई पूछता है, कुछ ठीक होता है। ख़ाली पेलोड चुपचाप अपनी स्कीमा-जाँच पास कर जाता है, क्योंकि उसका ढाँचा सही है। ग़लती फ़ॉर्मैट में नहीं, ख़ालीपन में है, और मशीन ख़ालीपन नहीं पढ़ती। इस फ़ाइल के साथ यही हुआ: नौ फ़ील्ड 'N/A' लिखकर भी वैध थीं।

इसके बाद दबाव आता है। कोई भी अगली परत जब ऐसी फ़ाइल पाती है, उसे 'कुछ' देना होता है। और 'कुछ' देने का सबसे आसान रास्ता है एक असली टीम, एक असली खिलाड़ी और एक असली क़ीमत का नाम रख देना — क्योंकि वे नाम सचमुच मौजूद हैं, सिर्फ़ इस फ़ाइल से नहीं आए। पाठक को फ़र्क़ नहीं दिखेगा; नाम असली है, तारीख़ असली है, आँकड़ा असली है। बस जिस रिपोर्ट का दावा है, वह उस रिपोर्ट से नहीं आया। पत्रकारिता में इसे भरना नहीं, गढ़ना कहते हैं।

इसीलिए मेरे हर मॉडल के साथ एक तीसरा कॉलम चलता है — वह कॉलम जो बताता है कि क़ीमत ने क्या नहीं ख़रीदा। ऑक्शन शीट में नंबर सबसे चमकीला सबूत होता है, और इसीलिए सबसे भ्रामक भी। चौदह करोड़ का बोली एक खिलाड़ी पर फ़ैसला नहीं, एक ख़रीदार पर बंदिश है। उसके साथ यह लिखना पड़ता है कि कौन-सी भूमिका ख़रीदी गई, कितने ओवर या कितनी पारियाँ उससे ढकनी थीं, और उस जगह पर उपलब्ध अगले विकल्प का स्तर क्या था। रिप्लेसमेंट वैल्यू कोई आँकड़ा नहीं, यह सवाल है कि और कौन उपलब्ध था।

फ़रवरी 2026 में, 48 की उम्र में, मैंने दुबई डेस्क से आईपीएल नीलामी का एक रिप्लेसमेंट-वैल्यू ऑडिट बनाया। आधार था 2026 का आईपीएल डेटा और सैयद मुश्ताक़ अली ट्रॉफ़ी का घरेलू रिकॉर्ड। मॉडल ने क्रुणाल पांड्या को 148.7 के टी20 स्ट्राइक रेट और 7.1 की इकॉनमी के साथ अंडरप्राइस्ड बताया। मुंबई इंडियंस ने उन्हें रिटेन किया, और आईपीएल 2026 में उन्होंने 142.1 की दर से 243 रन बनाए। यह जीत मॉडल की नहीं थी; यह उस सवाल की थी जो मॉडल ने पूछा था — इस भूमिका में अगला विकल्प कौन था।

उसी ऑडिट में मैंने एक ग़लती भी की। वॉशिंगटन सुंदर के पावरप्ले ओवरों को मैंने कम आँका। घरेलू डेटा में उन ओवरों का नमूना छोटा था, और मैंने नमूने की कमी को कौशल की कमी की तरह पढ़ लिया। यह ग़लती मेरे लॉग में दर्ज है, तारीख़ के साथ, और मैं उसे हर बार नए मॉडल से पहले पढ़ता हूँ। मैं हर उस धारणा का बहीखाता रखता हूँ जिसे मुझे एक दिन वापस लेना पड़ा। यही बहीखाता मुझे उस दिन बचाता है जब कोई ख़ाली फ़ाइल मेज़ पर आती है और कहती है — कुछ लिखो।

27 जून 2026 को कज़ान में जर्मनी दक्षिण कोरिया से 0-2 हारा था। वह मैच मैंने ब्रॉडकास्ट फ़ीड पर देखा, मैदान पर नहीं था। मॉडल ने उस मैच में जर्मनी के लिए 1.9 xG और कोरिया के 0.3 दिखाए थे, गेंद जर्मनी के पास 72 प्रतिशत समय रही थी। बाज़ार ने नतीजे के बाद जर्मनी की रेटिंग 18 प्रतिशत काट दी। मैंने मॉडल नहीं बदला। मैंने बारह महीने का अंतरराष्ट्रीय डेटा दोबारा देखा, और एक छोटा नोट लिखा जिसमें प्रक्रिया को नतीजे से अलग रखा गया।

इसी अनुशासन का दूसरा पहलू है कि जब डेटा ही न हो, तो नतीजा भी नहीं होता। ख़ाली फ़ाइल पर मेरा जवाब एक ही हो सकता है: क्रिकेट पर कोई निर्णय नहीं, और एक लिखित नल-रिपोर्ट जिसमें यह दर्ज हो कि दोबारा एक्सट्रैक्शन में कम-से-कम क्या चाहिए। भरे हुए सूचना बिंदु। निकाली गई टीम और खिलाड़ी इकाइयाँ। स्पष्ट फ़ॉर्मेट टैग — टेस्ट, वनडे, टी20 या द हंड्रेड। समय-संवेदनशीलता का आकलन, ताकि लेख को समय में रखा जा सके। और स्रोत की गुणवत्ता की श्रेणी, ताकि यह तय हो सके कि दावा बोर्ड की घोषणा से आया है, किसी पत्रकार से, सामान्य मीडिया से, या सिर्फ़ ट्रैफ़िक के लिए चलने वाले हैंडल से।

यहाँ एक असुविधाजनक बात दर्ज करनी है, और मैं उसे टालूँगा नहीं। जोखिम-मैट्रिक्स में हर ख़ाने में 'जानकारी अपर्याप्त' लिखा होना कम जोखिम का सबूत नहीं है। साक्ष्य का अभाव और साक्ष्य-आधारित अनुपस्थिति दो अलग चीज़ें हैं, और इन्हें मिलाना वही ग़लती है जो ऑक्शन शीट पर क़ीमत को खिलाड़ी का फ़ैसला समझ लेने में होती है। इस फ़ाइल से यह साबित नहीं होता कि क्रिकेट में कोई जोखिम नहीं; यह सिर्फ़ इतना साबित होता है कि इस फ़ाइल में जोखिम खोजने लायक कुछ नहीं।

दूसरी असुविधाजनक बात यह है कि मेरी पूरी पहचान 'वह लेखक जो वह नंबर खोजता है जिस पर किसी ने बोली नहीं लगाई' बन जाना जोखिम है। जब यह आदत बन जाती है, तो लिखने वाला हर बार सहमति से उलटा नतीजा खोजने लगता है। इसीलिए हर उलटी खोज पहले बेस-रेट की जाँच से गुज़रती है, और मैंने वे बोरिंग मामले भी छापे हैं जिनमें सहमति सही थी। ख़ाली फ़ाइल ऐसा बेस-रेट मामला ही है। इसके भीतर कोई छिपा स्कूप नहीं है; इसमें सिर्फ़ एक अनुपस्थिति है, और अनुपस्थिति पर स्कूप लिखना सबसे पुराना हथकंडा है।

इस पूरी क़िस्से में जो चीज़ मुझे सबसे ज़्यादा परेशान करती है, वह है मंशा। कोई गढ़ना नहीं चाहता। गढ़ना टेम्पलेट भरने की आदत से होता है — ख़ाना ख़ाली है, इसलिए सबसे संभावित नाम भर दिया गया, सबसे जाना-पहचाना आँकड़ा टाँक दिया गया, और ख़ाली फ़ाइल भरी हुई रिपोर्ट बन गई। उद्योग को लगता है उसकी असली समस्या बुरे मॉडल हैं। मेरे हिसाब से असली चूक बे-लॉग वाले मॉडल हैं — वे मॉडल जिनके साथ उनकी ग़लतियों का कॉलम नहीं चलता। 2026 के उस ऑडिट में मॉडल ने क्रुणाल पांड्या पर सही कहा और वॉशिंगटन सुंदर पर ग़लत; कोई मुझे उस ग़लती पर जाँच नहीं सकता था, जब तक मैं ख़ुद उसे तारीख़ के साथ लिख न देता। क्रेडेंशियल सही नतीजे नहीं, ग़लती का दर्जा है।

और यह बात सिर्फ़ मॉडल पर नहीं लागू होती। यह उस पेपर पर भी लागू होती है जो आज सुबह मेज़ पर आया। उसके साथ एक लेबल है, और लेबल ही सबसे ख़तरनाक चीज़ है — क्योंकि 'cricket_world' पढ़कर अगली परत यह मान सकती है कि उसे रूटिंग निर्देश मिल गया, जबकि दरअसल उसे सिर्फ़ खेल का नाम मिला है। रूटिंग निर्देश जानकारी नहीं होता। यह वही ग़लती है जो कमेंट्री में 'लय खो गई' कहने से होती है — जबकि फ़ेज़-वाइज़ रन रेट और विकेट-प्रायिकता शीट में पड़े बिना पढ़े रह जाते हैं।

अगले दौर में मेरी नज़र इस पर रहेगी: कोई ऐसा क्रिकेट दावा जिसका स्रोत-पेलोड 'एक्सट्रैक्शन फ़ेल' का मोहर लगा था, और फिर भी छप गया। मेरे बहीखाते में अगली प्रविष्टि यही होगी।

पाठक से मेरी एक ही माँग है, और वह माँग तकनीकी नहीं, साधारण है: फ़ैसले से पहले रसीद माँगिए। कौन-सा फ़ॉर्मेट, कौन-सी तारीख़, कौन-सी टीम, कौन-सा स्रोत। जिस दिन एक क्रिकेट डेस्क ख़ाली फ़ाइल से लिखी रिपोर्ट छाप देगा और किसी को फ़र्क़ नहीं पड़ेगा, उस दिन यह पेशा मुझसे जो उधार ले चुका होगा, वह उस नंबर से भी बड़ा होगा जिस पर कभी किसी ने बोली नहीं लगाई। और मेरे लॉग में वह प्रविष्टि पेंसिल से होगी, स्याही से नहीं — क्योंकि वह टाले जा सकती है।