नल पैकेट: क्रिकेट का वह डेटा जो सही दिखता है, पर भीतर से खाली होता है

फ़रवरी की एक रात। बेंगलुरु के एक को-वर्किंग स्पेस में, तीसरी मंज़िल पर, एयर कंडीशनर की गुनगुनाहट के बीच मेरे लैपटॉप पर एक फ़ाइल खुली। JSON था। हर वह कुंजी मौजूद थी जिसकी मुझे उम्मीद थी — शीर्षक, स्रोत, लेख-प्रकार, सूचना-बिंदु, इकाइयाँ, समय-संवेदनशीलता, स्रोत-गुणवत्ता, डोमेन लेबल। और हर कुंजी के सामने एक ही चीज़ लिखी थी: N/A।

फ़ाइल ने कोई एरर नहीं दिया। कोई चेतावनी नहीं उठी। कोई लाल झंडा नहीं फहराया। सिस्टम ने मुझे बताया कि सब ठीक है — बस जिस चीज़ का मुझे इंतज़ार था, वह उसमें नहीं थी। यह क्रिकेट का डेटा नहीं था। यह क्रिकेट-डेटा का खोल था, जिसके अंदर कुछ भी नहीं रखा गया था।

तकनीकी भाषा में इसे "साइलेंट फेल्योर" कहते हैं — एक ऐसी विफलता जो विफलता जैसी दिखती ही नहीं। क्रिकेट में इसका एक बहुत पुराना नाम है, और वह नाम स्कोरकार्ड में कभी दर्ज नहीं होता। छूटा हुआ कैच। वह गेंद जो लपेटे में आती है और निकल जाती है, जिसके बाद बल्लेबाज़ जीवित रहता है और किसी कॉलम में कुछ भी नहीं बदलता।

उस रात मेरे सामने एक विकल्प था। मैं उन खाली जगहों को भर सकता था — स्मृति से, अनुमान से, उस आत्मविश्वास से जो डेटा की कमी में सबसे ज़ोर से बोलता है। बहुत लोग भर देते हैं। और यही इस पूरे लेख का सबसे ज़रूरी हिस्सा है: खाली पैकेट का असली ख़तरा यह नहीं कि उसमें कुछ नहीं है; ख़तरा यह है कि उसे भरा हुआ मान लिया जाए।

स्कीमा एक वादा है

हर डेटा-पाइपलाइन एक वादे से चलती है। पहला चरण — निष्कर्षण — किसी स्रोत को पढ़ता है और उसमें से शीर्षक, स्रोत, लेख का प्रकार, तथ्य-बिंदु, इकाइयाँ, समय-संवेदनशीलता निकालता है। दूसरा चरण उन तथ्यों को खेल के ढाँचे में रखता है। तीसरा चरण उनसे निष्कर्ष निकालता है। पूरे तंत्र का आधार एक ही बात है: अगर किसी खाने में कोई मान नहीं है, तो किसी को शोर मचाना चाहिए।

उस रात शोर नहीं मचा। पाइपलाइन ने एक वैध ढाँचा लौटाया, और वैधता की जाँच सिर्फ़ इतनी थी कि कुंजियाँ मौजूद हैं या नहीं। कुंजियाँ मौजूद थीं। मान नहीं थे। और दोनों बातों के बीच का फ़र्क़ वह जगह है जहाँ डेटा-विश्लेषण सबसे ज़्यादा झूठ बोलता है।

इस पैकेट में एक और चीज़ गड़बड़ थी। डोमेन लेबल में "क्रिकेट" नहीं, बल्कि "क्रिकेट_एशिया" लौटा था — यानी एक क्षेत्रीय उप-लेबल उस जगह बैठ गया जहाँ मुख्य श्रेणी बैठनी चाहिए थी। यह कागज़ी बारीकी नहीं है। क्रिकेट विश्लेषण में लेबल ही तय करता है कि आगे कौन-सा मानक लगेगा। टेस्ट के सलामी बल्लेबाज़ का 130 का स्ट्राइक रेट उम्दा है; T20 के फ़िनिशर का 130 का स्ट्राइक रेट नाकाफ़ी है। अगर लेबल ग़लत है, तो मानक ग़लत है। और अगर मानक ग़लत है, तो निष्कर्ष भी ग़लत निकलेगा — पर वह इतने सलीके से लिखा जाएगा कि किसी को शक भी नहीं होगा।

यही वजह है कि मैं खाली पैकेट को एक ख़बर की तरह देखता हूँ, न कि एक तकनीकी गड़बड़ की तरह। क्योंकि ख़बर यह नहीं है कि फ़ाइल खाली थी। ख़बर यह है कि खाली फ़ाइल आगे भेजी जा सकती है, और आगे वाले कमरे में कोई उसे भर देगा — और फिर वह "विश्लेषण" बन जाएगी।

तीन हज़ार तीन सौ साठ गेंदें, और एक जवाब जो कभी नहीं आया

मैं इस मुद्दे पर ईमानदार होना चाहता हूँ, क्योंकि खाली डेटा के बारे में भाषण देना आसान है और उसके साथ जीना मुश्किल। मेरा पहला सबक 2026 में आया, जब मैं सत्रह साल का था और जयनगर में पढ़ता था — एम. चिन्नास्वामी स्टेडियम से चार किलोमीटर दूर।

उस साल RCB के सभी चौदह मैच मैंने हाथ से कोड किए। तीन हज़ार तीन सौ साठ वैध गेंदें। हर गेंद के लिए चार चीज़ें दर्ज कीं: खेल का चरण, गेंदबाज़, गेंद की लंबाई, और शॉट का प्रकार। ऐसा इसलिए करना पड़ा क्योंकि उस समय मुफ़्त सांख्यिकी वेबसाइटें चरण-वार विभाजन देती ही नहीं थीं। आपको कुल इकॉनमी मिल जाती थी, पहले छह ओवर की अलग इकॉनमी नहीं।

RCB उस साल आख़िरी स्थान पर रही, तीन जीत के साथ। मेरी शीट ने कुछ और कहा। डेथ ओवरों की इकॉनमी 12.1 रन प्रति ओवर थी — लीग में सबसे ख़राब। और उन रनों का 61 प्रतिशत पूरी लंबाई की उन गेंदों से आया जो पैर की ओर जा रही थीं। यह कोई रहस्य नहीं था; यह सिर्फ़ किसी की शीट पर दर्ज नहीं था।

मैंने नौ पृष्ठों की एक PDF बनाई और फ़्रैंचाइज़ी के सामान्य पूछताछ पते पर भेज दी। कोई जवाब नहीं आया।

उस वर्ष मैंने सोचा कि मेरा विश्लेषण कमज़ोर था। आज मैं समझता हूँ कि उस रिपोर्ट का सबसे कीमती हिस्सा 12.1 नहीं था। सबसे कीमती हिस्सा यह था कि सत्रह साल के एक लड़के के मुफ़्त स्प्रेडशीट में वह चीज़ दिख रही थी जो फ़्रैंचाइज़ी के अपने डैशबोर्ड पर या तो थी ही नहीं, या थी और किसी ने देखी नहीं। और जवाब न आना भी एक डेटा-बिंदु है — इस बारे में कि क्रिकेट संस्थान मापन को कैसे खाते हैं। मैंने स्कोरबोर्ड पर भरोसा करने से पहले लेजर को बोलने दिया।

साठ मैच, खाली स्टेडियम, और एक पैटर्न जो शोर होना बंद हो गया

2026 में मैं बीस साल का था, बेंगलुरु से सांख्यिकी की पढ़ाई कर रहा था, और एक डेटा विक्रेता के साथ दूर से कोडिंग का इंटर्नशिप कर रहा था। महामारी के कारण IPL संयुक्त अरब अमीरात में चला गया था — दुबई, अबू धाबी और शारजाह में साठ मैच, उन्नीस सितंबर से दस नवंबर 2026 तक, बिना दर्शकों के।

मैं लाइव कोडिंग कर रहा था, इसलिए मुझे वे चीज़ें दिखीं जो स्कोरकार्ड में नहीं दिखतीं। दुबई में, पावरप्ले में एक विकेट गिरने के बाद, सातवें से पंद्रहवें ओवर तक किसी भी टीम का स्कोरिंग रेट 1.4 रन प्रति ओवर गिर जाता था। शारजाह की छोटी बाउंड्री कुल स्कोर को लगभग उन्नीस प्रतिशत बढ़ा देती थी। मैंने यह सब चालीस पृष्ठों में लिखा। जिस माध्यम ने इसे माँगा था, उसने नौ सौ शब्द छापे और कार्यप्रणाली वाला पूरा हिस्सा काट दिया।

यहाँ एक बात साफ़ कर देना ज़रूरी है, क्योंकि इस पूरे लेख का तर्क इसी पर टिका है। मेरी चालीस पन्नों की रिपोर्ट का सबसे मूल्यवान वाक्य वह नहीं था जो 1.4 रन के बारे में था। सबसे मूल्यवान वाक्य वह था जो नमूने के बारे में था — साठ मैच, तीन स्थल, और हर स्थल का अपना उप-नमूना। जब उसे काट दिया गया, तो छपी हुई रिपोर्ट एक दावा बन गई जिसे कोई जाँच नहीं सकता था। दावा ज़िंदा रहा, प्रमाण मर गया।

खाली स्टेडियम ने मुझे सिखाया कि अनुपस्थिति भी एक वैरिएबल है। साठ मैच, शून्य दर्शक — और डेटा बता रहा था कि भीड़ इस खेल के आँकड़ों में पहले से मौजूद थी। विकेट गिरने के बाद टीमें कैसे बल्लेबाज़ी करती हैं, सीमाएँ जोखिम को कैसे दाम देती हैं, यह सब कहीं न कहीं दर्शकों की उपस्थिति और अनुपस्थिति से जुड़ा हुआ था।

नब्बे करोड़ की शीट, और एक खिलाड़ी जिसे उसने ग़लत दाम पर आँका

फ़रवरी 2026, बेंगलुरु में IPL मेगा नीलामी — बारह और तेरह फ़रवरी को। दस फ़्रैंचाइज़ियाँ, हर एक के लिए नब्बे करोड़ रुपये का पर्स, और नीलामी पूल में छह सौ नाम। मैं बाईस साल का था, डिग्री पूरी हो रही थी, और मैंने तीन सीज़न के चरण-वार डेटा पर एक मॉडल बनाया — रुपये प्रति जीत-हिस्सा।

वह शीट कोरामंगला के एक मीटअप में मिले एक फ़्रैंचाइज़ी विश्लेषण प्रमुख तक फ़्रीलांस पहुँचाई गई। उस शीट ने एक बिना कैप वाले उन्नीस वर्षीय बाएँ हाथ के बल्लेबाज़ का मूल्य 4.5 करोड़ रुपये आँका। मुंबई इंडियंस ने तिलक वर्मा को 1.7 करोड़ रुपये में खरीदा। उन्होंने उस सीज़न 397 रन बनाए। फ़्रैंचाइज़ी ने शीट रख ली। मैंने सबक रख लिया।

एक स्प्रेडशीट नब्बे करोड़ रुपये रख सकती है और फिर भी बात नहीं समझ सकती। मेरी शीट और बाज़ार के बीच 2.8 करोड़ रुपये का अंतर था, और यह मान लेना बहुत आसान है कि बाज़ार ग़लत था। बाज़ार शायद ग़लत नहीं था। बाज़ार उस चीज़ का दाम लगा रहा था जो मेरी शीट देख ही नहीं सकती थी — टीम में जगह, घरेलू दर्जा, नीलामी की गतिशीलता, और यह तथ्य कि किसी और फ़्रैंचाइज़ी की बोली लगाने की मंशा ही उस खिलाड़ी की कीमत बना देती है।

तो 4.5 करोड़ का आँकड़ा भविष्यवाणी नहीं थी। वह एक बयान था — इस बारे में कि शीट ने क्या मापा था और क्या नहीं मापा था। और यही वह अनुशासन है जो इस पूरे पेशे में सबसे कम दिखता है: अपने मॉडल के अंधे कोनों को भी प्रकाशित करो, सिर्फ़ उसके नतीजे नहीं।

चौथा मामला: खुद वह खाली पैकेट

अब लौटते हैं उस फ़रवरी की रात पर। उस खाली पैकेट को मैं चौथे केस स्टडी की तरह पढ़ता हूँ, क्योंकि उसमें पहले तीनों की ही समस्या मौजूद है।

पहली समस्या नमूने की है। एक खाली सूची का नमूना आकार शून्य होता है, और शून्य से कोई अनुपात, कोई औसत, कोई प्रवृत्ति नहीं निकलती। जब मैंने चिन्नास्वामी की 3,360 गेंदें कोड कीं, तो मैंने पहले ही तय कर लिया था कि डेथ ओवरों के निष्कर्ष के लिए मैं लीग-स्तरीय तुलना इस्तेमाल करूँगा, किसी एक मैच की नहीं। सीमा पहले तय करो, फिर क्वेरी चलाओ, और सीमा को प्रकाशित करो। अगर कोई निष्कर्ष चालीस गेंदों पर ही टिकता है, तो वह निष्कर्ष नहीं, स्प्रेडशीट से सजी एक किस्सागोई है।

दूसरी समस्या लेबल की है। "क्रिकेट_एशिया" एक ऐसा तत्व है जो आगे की हर शाखा को चुपचाप ग़लत दिशा में भेज सकता है। क्रिकेट में यह इतना ख़तरनाक इसलिए है क्योंकि तीनों प्रारूपों के मानक एक-दूसरे से तुलनीय ही नहीं हैं। टेस्ट की इकॉनमी, वनडे की इकॉनमी और T20 की इकॉनमी को एक ही कॉलम में रखना वैसा ही है जैसे तेज़ गेंदबाज़ की गति और स्पिनर की घूर्णन दर को एक ही इकाई में नापना।

तीसरी समस्या स्रोत की है। पैकेट में स्रोत और प्रकाशन-तिथि दोनों खाली थे। इसका मतलब है कि विश्वसनीयता का कोई भार तय नहीं किया जा सकता। बोर्ड की आधिकारिक प्रेस विज्ञप्ति, एक अनुभवी रिपोर्टर की ख़बर, और एक ट्रैफ़िक खाते की अफ़वाह — तीनों को एक ही तरह से तौलना एक पेशेवर विफलता है, और यह विफलता स्रोत-खाने के खाली होने से शुरू होती है।

चौथी समस्या समय-संवेदनशीलता की है। नीलामी-चक्र की ख़बरें नीलामी से पहले और बाद में अलग-अलग वज़न रखती हैं। जो जानकारी नीलामी से तीन दिन पहले "भरोसेमंद" थी, वह नीलामी के तीन दिन बाद बेकार हो सकती है। तारीख़ के बिना यह अंतर मापा ही नहीं जा सकता।

मेरा बिंदु यह नहीं है कि उस रात सिस्टम ने मुझे धोखा दिया। मेरा बिंदु यह है कि उसने मुझे धोखा दिए बिना ही काम कर दिया — और यही सबसे ख़तरनाक तरीका है। एक सिस्टम जो ज़ोर से गिरता है, उसे ठीक किया जा सकता है। एक सिस्टम जो चुपचाप खाली लौटाता है, वह अनुपात से बड़ा नुकसान करता है।

अनुपस्थिति और अनुपलब्धता के बीच की लकीर

यहाँ मुझे अपने ही तर्क से सबसे बड़ी चुनौती मिलती है, और मैं इसे छिपाना नहीं चाहता। क्योंकि जिसने अपनी पहचान "अनुपस्थिति भी एक वैरिएबल है" पर बनाई हो, उसके लिए हर खाली जगह में संकेत दिखने लगता है। चयन न होना साज़िश लगने लगता है। कवरेज का पतला होना दमन लगने लगता है। और यह वह जाल है जिसमें पूरा डेटा-पत्रकारिता का पेशा गिरता है।

इसलिए एक साफ़ लकीर खींचनी पड़ती है, और उसे लेख में ही खींचना पड़ता है, न कि किसी पाद-टिप्पणी में।

मापा गया और शून्य — हमने देखा, और कोई असर नहीं मिला। यह निष्कर्ष है। इसे प्रकाशित करना चाहिए। अगर किसी गेंदबाज़ की डेथ ओवर इकॉनमी पिछले तीन सीज़न में नहीं सुधरी, तो वह एक तथ्य है, चाहे वह किसी की पसंदीदा कहानी को तोड़े।

अनुपलब्ध — किसी ने देखा ही नहीं। यह एक सीमा है, निष्कर्ष नहीं। इसे सीमा के रूप में लिखो, उसे निष्कर्ष में बदलकर मत बेचो।

इसी तरह, सहसंबंध और कारण को अलग रखना पड़ता है। दुबई में पावरप्ले विकेट के बाद 1.4 रन प्रति ओवर की गिरावट — क्या वह पिच का असर था, ओस का, बल्लेबाज़ी क्रम के ढहने का, या सिर्फ़ उप-नमूने का शोर? साठ मैच तीन स्थलों पर बँटे हैं, यानी हर स्थल का अपना नमूना छोटा है। ईमानदार वाक्य वह है जो नमूने का नाम लेता है, न कि वह जो नतीजे को नाटकीय बनाता है।

मैं आउटलायर्स का पीछा नहीं करता; मैं उनसे तब तक पूछताछ करता हूँ जब तक वे इकबाल न करें। और जब वे इकबाल नहीं करते, तो सही उत्तर यह है कि मैं लिखूँ: यह मामला अभी सुलझा नहीं है। यह वह वाक्य है जिसे छापने से सबसे ज़्यादा बचा जाता है।

एक और जाल है जिसका नाम मैं साफ़ लेना चाहता हूँ: विरोध के लिए विरोध। उद्योग में दस साल देखने के बाद यह समझ आ जाता है कि उलटा नज़रिया सबसे ज़्यादा पढ़ा जाता है। धीरे-धीरे वह आदत बन जाती है, फिर माँग बन जाती है, और अंत में एक ऐसा कॉलम बन जाता है जिसे हर हफ़्ते एक नई विसंगति चाहिए। जो लेजर सिर्फ़ आश्चर्य रिपोर्ट करता है, वह लेजर नहीं है; वह एक थीम वाला कॉलम है। शून्य नतीजे भी छापे जाने चाहिए।

खाली जगहों को मापने का काम किसका है

यह बहस सिर्फ़ मेरे लैपटॉप तक सीमित नहीं है। यही बहस भारतीय क्रिकेट के भीतर भी चल रही है, बस वहाँ इसे तकनीकी नहीं, संरचनात्मक कहा जाता है।

महिला प्रीमियर लीग 2026 में शुरू हुई, और 2026 में भारत ने घरेलू मैदान पर विश्व कप जीता। दोनों बड़ी घटनाएँ हैं। फिर भी WPL की डेटा-संरचना पुरुषों की तुलना में पतली बनी हुई है — चरण-वार विभाजन, गेंद-दर-गेंद सार्वजनिक अभिलेख, और ऐतिहासिक तुलना के लिए ज़रूरी निरंतरता, तीनों में अंतर है। मेरा तर्क यह नहीं है कि इसके पीछे कोई मंशा है। मेरा तर्क यह है कि सिस्टम जिसे दर्ज करने की जहमत नहीं उठाता, वह बाद में विश्लेषण के लिए मौजूद ही नहीं होता।

रणजी ट्रॉफी का हाल इससे भी साफ़ है। नॉकआउट से बाहर के महीनों में रणजी लगभग अदृश्य है — न चरण-वार आँकड़े, न गेंद-दर-गेंद क्रम, न गुणवत्ता-समायोजित इकॉनमी। और दूसरी XI? यह विश्व के खेलों में बनने वाली सबसे कठिन टीम है, और शायद सबसे कम दर्ज होने वाली भी। जब किसी खिलाड़ी का चयन होता है तो हम उसकी घरेलू औसत देखते हैं और उसे "रणजी का प्रदर्शन" कहकर आगे बढ़ जाते हैं — यह जाने बिना कि वह किस पिच पर, किस गेंदबाज़ के ख़िलाफ़, मैच की किस स्थिति में बना था।

यहाँ मैं एक स्पष्ट सीमा खींचता हूँ। यह कहना कि कुछ दर्ज नहीं होता, एक मापन-अंतर है। यह कहना कि कुछ जानबूझकर छिपाया जाता है, एक षड्यंत्र है। मेरे पास दूसरे का कोई प्रमाण नहीं है, और पहले का पर्याप्त है। भारत की असली समस्या शायद प्रतिभा नहीं है; समस्या यह है कि सिस्टम किसे दर्ज करने की जहमत उठाता है।

आगे क्या रखा है

अब वापस उस खाली पैकेट पर, क्योंकि वह एक रूपक से ज़्यादा है — वह एक नमूना है।

अगर मुझे एक ही सुधार सुझाना हो, तो वह सजावटी नहीं है: एक कड़ा सत्यापन द्वार चाहिए जो ऐसे किसी भी पैकेट को सीधे अस्वीकार कर दे जिसमें सूचना-बिंदुओं की सूची खाली हो या शीर्षक अनुपस्थित हो, और उसकी जगह स्पष्ट त्रुटि-स्थिति लौटाए — खाली खानों वाला साफ़ दिखने वाला टेम्पलेट नहीं। इसके बाद दूसरा कदम: डोमेन लेबल पर एक सख़्त सूची लागू करना, और क्षेत्रीय उप-लेबल को अलग खाने में भेजना, ताकि प्रारूप और मानक की शाखाएँ चुपचाप ग़लत दिशा में न जाएँ। तीसरा: स्रोत का URL और प्रकाशन-तिथि को अनिवार्य क्षेत्र बनाना।

ये तीनों बदलाव छोटे लगते हैं और इनका असर बड़ा है, क्योंकि इनका असर उस जगह पड़ता है जहाँ डेटा की गुणवत्ता तय होती है — निष्कर्ष के स्तर पर नहीं, निष्कर्षण के स्तर पर।

और क्रिकेट के अपने भीतर भी यही तर्क लागू होता है। हम ईमानदारी से एक सवाल पूछना शुरू करें: हम किस चीज़ को मापने की जहमत नहीं उठाते? वह गेंदबाज़ जो 40 के औसत से रन देता है पर हमेशा शून्य पर दबाव बनाता है; वह बल्लेबाज़ जो तीस पर आउट होता है पर टीम को आख़िरी छह ओवर तक पहुँचाता है; वह मैदान जहाँ बारिश ने मैच रोक दिया और उसका पूरा संदर्भ किसी फ़ाइल में दर्ज ही नहीं हुआ।

अगली बार जब आपके पास पूरा स्कोरकार्ड हो, तो सबसे ज़्यादा देर उस कॉलम पर ठहरिए जो सबसे ख़ाली है। सवाल यह नहीं है कि उसमें क्या नहीं लिखा है। सवाल यह है कि उसे देखने वाला कौन था — और वह चुप क्यों रहा।