क्रिकेट_एशिया: एक खाली फ़ाइल का पोस्टमॉर्टम

शुक्रवार दोपहर मेरे डेस्क पर एक पैकेज आया। फ़ाइल का नाम ठीक था, एचटीटीपी स्टेटस 200 था, स्कीमा वैलिड था, कोई एरर कोड नहीं था। सिर्फ़ एक फ़ील्ड में डेटा था — डोमेन लेबल: cricket_asia। शीर्षक N/A। स्रोत N/A। लेख का प्रकार: Unclassified। सूचना बिंदुओं की सूची खाली। मुख्य दृष्टिकोण का एक-वाक्य सारांश रिक्त। समय-संवेदनशीलता की स्थिति: “स्टेज-1 में आँका नहीं गया।”

उसी पैकेज में एक फ़ील्ड था जो अपने ही अंदर लौटता था — “इकाइयाँ शामिल: ऊपर दिए गए सूचना बिंदुओं से पहचानें।” ऊपर कोई सूचना बिंदु था ही नहीं। मुझे संख्या डेटासेट में मिली, जिसने उसे बनाया वह नहीं मिला — यहाँ तो संख्या भी नहीं थी।

यह रिपोर्ट किसी मैच की नहीं है। यह उस चीज़ की है जिसे मैच से भी ज़्यादा भरोसेमंद माना जाता है: डेटा पाइपलाइन। और यह उस क्षण का रिकॉर्ड है जब एक पाइपलाइन ने “सफल” कहा और कुछ भी नहीं भेजा।

संदर्भ: मैं हर आँकड़े से पहले उसकी बॉल-बाय-बॉल लॉग माँगता क्यों हूँ

2026 में, सोलह साल की उम्र में, मैं वानखेड़े की स्टैंड्स में बैठा था — मुंबई बनाम तमिलनाडु का रणजी मुक़ाबला। दोनों पारियों के 546 रन मैंने हाथ से कोड किए। डॉट-बॉल प्रेशर, स्ट्राइक रोटेशन, गेंदबाज़ की स्पेल लंबाई, फ़ील्ड बदलाव, स्कोरिंग ज़ोन — पहले नोटबुक में, फिर स्प्रेडशीट में। 19 घंटे, तीन रातें। सूर्यकुमार यादव की पहली पारी के 56 रन मैंने इसलिए ट्रैक किए कि देख सकूँ कि उनका रिस्क प्रोफ़ाइल स्कोरकार्ड की सपाट स्ट्राइक रेट से मेल खाता है या नहीं।

अगले साल रूस विश्व कप के बाद मैंने फ़ुटबॉल के एक्सपेक्टेड-गोल्स तर्क को T20 पर लादने की कोशिश की — शॉट लोकेशन, गेंदबाज़ का प्रकार, मैच फ़ेज़ और बल्लेबाज़ के हाथ से बना एक्सपेक्टेड-रन मॉडल। सैयद मुश्ताक़ अली ट्रॉफ़ी 2026-19 में मुंबई के अभियान पर 1,248 गेंदें कोड करके टेस्ट किया, जिसमें बड़ौदा के ख़िलाफ़ सूर्यकुमार की 39 गेंदों पर 72 रन की पारी भी थी। मॉडल ने उनके शॉट-चयन को टिकाऊ बताया, जो कच्ची स्ट्राइक रेट अकेले नहीं बता सकती थी।

इस पूरे अभ्यास से एक ही आदत बनी: मैं स्कोरकार्ड को तटस्थ साक्ष्य नहीं मानता। जिस फ़ाइल ने ख़ुद को समझाया नहीं, उससे निकला निष्कर्ष भी मेरा नहीं है। 546 रन हाथ से कोड किए, क्योंकि फ़ाइल ख़ुद को समझा नहीं सकती थी।

अब उसी आदत को उस मशीन पर लगाइए जो आज क्रिकेट की ख़बरें पढ़ती है। आधुनिक क्रिकेट कंटेंट पाइपलाइन दो चरणों में चलती है। स्टेज-1 निकालता है — शीर्षक, स्रोत, प्रकाशन तिथि, सूचना बिंदु, इकाइयाँ, समय-संवेदनशीलता। स्टेज-2 उन बिंदुओं पर आठ आयामों में विश्लेषण खड़ा करता है: प्रारूप, खिलाड़ी तकनीक, टीम परिदृश्य, लीग अर्थव्यवस्था, शासन, जोखिम, जन-कथा और उद्योग संचरण। स्टेज-2 की पूरी साख स्टेज-1 के सूचना बिंदुओं पर टिकी है। जब वह सूची खाली हो, तो स्टेज-2 के पास दो ही रास्ते बचते हैं — या तो वह कुछ गढ़ ले, या वह ईमानदारी से खाली रिपोर्ट लौटा दे।

मेरे पास जो पैकेज आया, उसने दूसरा रास्ता चुना। यह लेख उसी चुनाव का हिसाब है, और उस विफलता-हस्ताक्षर का, जिसे मैं आगे किसी भी क्रिकेट रिपोर्ट से पहले पहचानना चाहूँगा।

कोर: एक खाली पैकेज की आठ-आयामी शिनाख़्त

सबसे पहले वह फ़ील्ड, जो अपने ही अंदर गिरता है। पैकेज कहता है — “इकाइयाँ शामिल: ऊपर दिए गए सूचना बिंदुओं से पहचानें।” यह निर्देश नहीं है, यह एक लूप है। जब कोई फ़ील्ड अपने ही इनपुट की ओर इशारा करे और वह इनपुट मौजूद न हो, तो वह फ़ील्ड तकनीकी रूप से अहल है और व्यवहारिक रूप से ख़तरनाक है — क्योंकि डाउनस्ट्रीम सिस्टम उसे “प्रोसेस किया गया” मान लेता है।

दूसरा, लेख का प्रकार “Unclassified” है। यह छोटी बात नहीं। सामान्य स्थिति में लेख का प्रकार तय करता है कि आठ में से कौन-से आयाम भार उठाएँगे। मैच रिपोर्ट में प्रारूप और फ़ेज़-प्रदर्शन; नीलामी रिपोर्ट में लीग-वाणिज्य और प्रीमियम वर्गीकरण; बोर्ड-विवाद में शासन और राजनीति; फ़ीचर में जन-कथा और नरेटिव-सस्टेनेबिलिटी। प्रकार तय न हो तो आयामों का भार मनमाना हो जाता है। मनमाना भार यानी ऐसा विश्लेषण जिसका नतीजा पहले से तय है, बस तर्क बाद में जोड़े जाते हैं।

तीसरा और सबसे महँगा: प्रारूप का अभाव। क्रिकेट में प्रारूप पहला फ़िल्टर है, विवरण नहीं। टेस्ट की स्ट्राइक रेट और T20 की स्ट्राइक रेट एक ही इकाई में नहीं नापी जा सकतीं। 50 ओवर की इकॉनमी और टेस्ट की इकॉनमी का बेंचमार्क अलग है। प्रारूप तय न हो तो हर तुलना संरचनात्मक रूप से ग़लत है — यह जोखिम सैद्धांतिक नहीं, अनिवार्य है। मेरे 1,248-गेंद वाले कोडिंग अभ्यास में सबसे पहला काम यही था: शॉट-लोकेशन वाला मॉडल T20 की सीमाओं में बंद है या नहीं, यह साबित करना। बिना प्रारूप के वह सब बेमानी है।

चौथा, खिलाड़ी आयाम। पैकेज में कोई खिलाड़ी नाम नहीं है, इसलिए भूमिका भी तय नहीं होती — ओपनर, मध्यक्रम का एंकर, फ़िनिशर, तेज़, स्पिन, ऑलराउंडर, विकेटकीपर। और क्रिकेट के मेट्रिक्स भूमिका-सापेक्ष हैं। 140 की स्ट्राइक रेट पर खेलने वाला फ़िनिशर और 140 पर खेलने वाला एंकर दो अलग वस्तुएँ हैं; एक ही संख्या, दो अलग अर्थ। भूमिका तय न हो तो हर बेंचमार्क पंक्ति खाली रहती है, और खाली पंक्ति को “औसत दर्जे का प्रदर्शन” पढ़ लेना सबसे आम रिपोर्टिंग ग़लती है।

पाँचवाँ, टीम परिदृश्य। यहाँ डोमेन लेबल की असली सीमा दिखती है। cricket_asia एक भूगोल है, प्रतियोगिता नहीं। इस एक टैग के नीचे कम से कम पाँच बिल्कुल अलग कहानियाँ फ़िट होती हैं: एक आईपीएल नीलामी रिपोर्ट, बांग्लादेश बोर्ड में शासन-विवाद, अफ़ग़ानिस्तान का टैलेंट पाथवे, भारत-पाकिस्तान शेड्यूलिंग की ख़बर, श्रीलंका में कोचिंग बदलाव। इनमें से किसी एक को चुनना विश्लेषण नहीं, अनुमान है — और अनुमान को विश्लेषण की शक्ल में पेश करना वही चीज़ है जिसकी मैं जाँच करता हूँ। क्षेत्रीय टैग अनुकूलता दिखा सकता है; अनुकूलता साक्ष्य नहीं होती।

छठा, लीग और वाणिज्यिक पारिस्थितिकी। पूरे पैकेज में एक भी संख्या नहीं है — न प्रसारण अधिकार का आँकड़ा, न फ़्रैंचाइज़ी मूल्यांकन, न अनुबंध राशि। यह अनुपस्थिति अपने आप में जानकारी है: अगर स्रोत में कोई ठोस वित्तीय आँकड़ा होता, तो निष्कर्षण पाइपलाइन सामान्यतः कम से कम एक संख्या-स्ट्रिंग तो उठा लेती। उसके न होने से यह अनुमान बनता है कि मूल सामग्री में वित्तीय गहराई थी ही नहीं — भले ही वह सामग्री मिले, तब भी इस आयाम की गहराई सीमित रहेगी।

सातवाँ, शासन। यहाँ सबसे साफ़ व्यवसायिक अनुशासन लागू होता है। कोई नियम, कोई फ़ैसला, कोई कार्रवाई, कोई विवाद पैकेज में मौजूद नहीं। इसका सही निष्कर्ष यह है — “उपलब्ध सामग्री में कोई संकेत नहीं मिला।” सही निष्कर्ष यह नहीं है — “कोई जोखिम नहीं है।” साक्ष्य का अभाव जोखिम के अभाव का साक्ष्य नहीं है, और रिपोर्टिंग में यह एक शब्द का अंतर पूरी जोखिम-समीक्षा की दिशा बदल देता है।

आठवाँ, उद्योग संचरण। यह आयाम सबसे ज़्यादा माँग करता है: एक पहचानी हुई घटना, एक पहचाना हुआ बाज़ार, और दोनों के बीच एक विश्वसनीय कारण-श्रृंखला। छह खंड हैं — प्रसारण मीडिया, दक्षिण एशियाई मुख्य बाज़ार, टैलेंट सप्लाई चेन, पूँजी नेटवर्क, बेटिंग/फ़ैंटेसी ढाँचा, डेरिवेटिव बाज़ार। हर खंड के लिए तीन अज्ञात — दिशा, परिमाण, समय-क्षितिज। यानी एक क्षेत्रीय टैग से अठारह अनसुलझे पैरामीटर, और उनमें से एक भी अनुमान से नहीं भरा जा सकता।

इन आठों के ऊपर एक और चीज़ है जो पैकेज ने साफ़-साफ़ दर्ज की है: समय-संवेदनशीलता आँकी ही नहीं गई। क्रिकेट में यह चूक महँगी है, क्योंकि ख़बर की शेल्फ़-लाइफ़ घंटों से महीनों तक फैली है। टॉस की रिपोर्ट घंटों में बासी हो जाती है; डीएलएस से बदला हुआ नतीजा उसी शाम पुराना पड़ जाता है; और बोर्ड सुधार की ख़बर महीनों तक चलती है। बिना टाइमस्टैम्प के, बाद में सही निकाली गई सामग्री भी ग़लत जगह पर रखी जाएगी — सही तथ्य, ग़लत समय, यानी ग़लत निष्कर्ष।

यहाँ एक बात दर्ज करनी ज़रूरी है जो मेरे काम का हिस्सा है और इस पैकेज की सबसे बड़ी सीमा भी। खेल में सूचना का असंतुलन नया नहीं है। क्लब और बोर्ड वही जानकारी सार्वजनिक करते हैं जो उनके प्रायोजन और अपने बाज़ार-मूल्य के लिए ठीक बैठे — चोट की रिपोर्टिंग इसका सबसे साफ़ उदाहरण है, जहाँ चोट कब बताई जाती है और कब छिपाई जाती है, यह चिकित्सकीय निर्णय से ज़्यादा संचार-नीति का निर्णय होता है। यह लेख उसी असंतुलन के दूसरे सिरे पर है: यहाँ जानकारी रोकी नहीं गई, जानकारी आई ही नहीं — और सिस्टम ने फिर भी “सफल” कहा।

विरोधाभासी कोण: ख़तरनाक चीज़ एरर नहीं, 200 OK है

इस पैकेज पर काम करते हुए सबसे तेज़ रास्ता साफ़ दिखता है: cricket_asia पढ़ो, “आईपीएल/भारत” मान लो, और आठों खाली खानों को एक चिकनी कहानी से भर दो। नीलामी का मूल्यांकन, फ़्रैंचाइज़ी का प्रीमियम, प्रसारण का अधिकार-चक्र — सब कुछ उपलब्ध है, क्योंकि वह सब मेरे पास पहले से है, स्रोत के पास नहीं।

मैं उस रास्ते से इनकार करता हूँ, और वजह तकनीकी है। मूल्यांकन मॉडल साफ़, कोटेबल संख्याएँ पैदा करते हैं जो उस तंत्र से ज़्यादा दूर तक जाती हैं जिससे वे बने। जिस दिन मैं बिना स्रोत के एक भी टीम, खिलाड़ी या आँकड़ा भर दूँ, उस दिन मेरी पूरी विधि — जो सैंपल साइज़, कोडिंग नियम और शर्तें पहले लिखती है — एक सजावट बन जाती है।

असली विरोधाभास यह है कि यह खाली पैकेज उस सिस्टम के लिए पूरी तरह अदृश्य है जिसके लिए इसे बनाया गया था। 200 स्टेटस, वैलिड स्कीमा, शून्य एरर — ऑटोमेटेड निगरानी की हर शर्त पूरी। एक्सट्रैक्शन विफलता और एक सचमुच की ख़बर, दोनों ऊपर से एक जैसी दिखती हैं। और क्रिकेट की सूचना-अर्थव्यवस्था में ऐसे साफ़-सुथरे खोल तेज़ी से फैलते हैं। एक खाली पेलोड जो “सफल” कहता है, किसी भी एरर मैसेज से ज़्यादा नुकसान करता है, क्योंकि एरर मैसेज को कोई ठीक करने आता है; खाली पेलोड को कोई नहीं देखता।

यह जोखिम-रिपोर्टिंग में और भी तीखा हो जाता है। खाली जोखिम-मैट्रिक्स को डाउनस्ट्रीम “कोई जोखिम नहीं मिला” पढ़ लेना एक वास्तविक संभावना है — और एक जोखिम-डिलीवरेबल के लिए झूठी तसल्ली सबसे महँगी ग़लती है। इसीलिए इस दस्तावेज़ को किसी भी सिस्टम में “अपूर्ण — यह क्लियरेंस नहीं है” के रूप में लेबल होना चाहिए। मुझे लगता है कि क्रिकेट डेटा उद्योग के पास विफलता के लिए शब्दावली ही नहीं है; उसके पास केवल “डेटा” और “कोई डेटा नहीं” है, और दोनों के बीच का पूरा इलाक़ा — अधूरा निष्कर्षण, अवरुद्ध सामग्री, टूटा पार्सर — अनाम है। अनाम चीज़ें मरम्मत के लिए कभी नहीं आतीं।

टेकअवे: अगली बार यह फ़ाइल क्या बताएगी

इस विफलता-हस्ताक्षर का एक साफ़ पैटर्न है: क्षेत्रीय लेबल मौजूद, सामग्री-फ़ील्ड खाली, लेख-प्रकार “Unclassified”। यह पैटर्न लगभग हमेशा एक्सट्रैक्शन-स्तर की विफलता बताता है, स्रोत-स्तर की नहीं — क्योंकि क्लासिफ़ायर के पास कुछ मेटाडेटा तो था। इसका मतलब है कि सामग्री शायद बची हुई है: पेवॉल के पीछे, जावास्क्रिप्ट में रेंडर हुई, इमेज में, या टेबल-आधारित स्कोरकार्ड के रूप में जिसे रीडेबिलिटी पार्सर काट देता है। रिकवरी सस्ती और संभव लगती है, और उसकी कीमत ख़बर की शेल्फ़-लाइफ़ के साथ गिरती जाती है।

जो चीज़ मुझे आगे ट्रैक करनी है, वह यह है कि अगली बार जब कोई क्रिकेट रिपोर्ट कहे “सूत्रों के अनुसार”, तो क्या वहाँ कोई प्रकाशन-तिथि, कोई कैनोनिकल यूआरएल और कोई कच्चा फ़ाइल होगी — या फिर वही खाली पैकेज, नया नाम पहने हुए। मैं फ़ोरकास्ट पहले छापता हूँ ताकि सीज़न मुझे ग्रेड कर सके। इस बार मेरा फ़ोरकास्ट यह है: जब तक टाइमस्टैम्प अनिवार्य और नॉन-नलेबल फ़ील्ड नहीं बनता, तब तक हर साफ़-सुथरा डैशबोर्ड एक खुला सवाल है, जवाब नहीं।

यह कैसे गिना गया: इस रिपोर्ट का आधार स्टेज-1 निष्कर्षण पैकेज है, जिसमें एक भी सूचना बिंदु नहीं था; इसलिए यहाँ कोई मैच-स्तरीय आँकड़ा दावा नहीं किया गया है। तीनों उद्धृत मैच-विशिष्ट संख्याएँ — 546 रन, 19 घंटे, 1,248 गेंदें — मेरे अपने हाथ से कोड किए गए लॉग से हैं, और उनका सैंपल साइज़ सार्वजनिक है। कोई भी क्रिकेट-प्रदर्शन निष्कर्ष, जो इस दस्तावेज़ से निकाला गया हो, इस डेटा से नहीं निकला है और उसे वैसा ही नहीं पढ़ा जाना चाहिए।