खाली फ़ील्ड भी गवाही देती है: एशियाई क्रिकेट के डेटा आर्काइव की चुप्पी पर एक ऑडिट

इस हफ़्ते मेरी मेज़ पर एक Stage-1 एक्सट्रैक्शन आया। उसमें ग्यारह फ़ील्ड थीं। दस खाली थीं। ग्यारहवीं में सिर्फ़ एक लेबल था — cricket_asia। शीर्षक नहीं, स्रोत नहीं, तारीख़ नहीं, एक भी सूचना-बिंदु नहीं। जिस पाइपलाइन को तथ्यों की सूची लौटानी थी, उसने एक शून्य लौटाया और उस शून्य पर एक नाम चिपका दिया।

मैंने सात साल क्लब क्रिकेट खेला, फिर एक नैविकुलर स्ट्रेस फ्रैक्चर ने करियर ख़त्म किया, और 2026 में मुझे वही एक नौकरी मिली जो बची थी — दुबई के एक डेटा वेंडर के लिए रात की शिफ़्ट में बॉल-बाय-बॉल टैगिंग। उस साल मैंने घरेलू टी20 सीज़न की लगभग नौ हज़ार गेंदें ख़ुद कोड कीं। तब से मैंने चार सौ रातें ऐसी चीज़ें टैग करते हुए बिताई हैं जिन्हें किसी और ने गिनने की ज़रूरत महसूस नहीं की। और उन चार सौ रातों ने मुझे एक बात सिखाई: खाली फ़ील्ड 'डेटा नहीं है' का बयान नहीं होती। खाली फ़ील्ड एक इक़रार होती है।

cricket_asia को दो तरह से पढ़ा जा सकता है, और दोनों पढ़तें अलग-अलग जाँच की माँग करती हैं। अगर यह विषय-लेबल है — यानी एशियाई क्रिकेट — तो जाँच का ढाँचा टूर्नामेंट गवर्नेंस, बोर्ड की राजनीति और व्यावसायीकरण की तरफ़ झुकेगा। अगर यह स्रोत-लेबल है — यानी कोई एशियाई क्रिकेट मीडिया आउटलेट — तो पहले स्रोत की गुणवत्ता, उसकी संपादकीय स्थिति और प्रकाशन-तिथि की जाँच होगी। एक खाली Stage-1 इन दोनों में से किसी की भी पुष्टि नहीं करता। जो चीज़ मेरे पास है, वह एक श्रेणी है और उसके नीचे एक रिक्तता।

एक लेबल और एक डेटासेट दो अलग जीव हैं। लेबल बताता है कि चीज़ किस दराज़ में रखी जानी चाहिए; डेटासेट बताता है कि उस दराज़ में असल में क्या रखा है। cricket_asia एक दराज़ का नाम है। दराज़ खोलने पर उसमें कुछ नहीं था। और यहीं से मेरी असली बेचैनी शुरू होती है, क्योंकि एशियाई क्रिकेट में यह दराज़ अक्सर खाली मिलती है — और हमने उस खालीपन को इतनी बार 'तथ्य' समझ लिया है कि अब हमें फ़र्क़ ही नहीं पड़ता।

मेरे पास एक साफ़ डेटासेट आते ही मैं सबसे पहले उसकी रात की शिफ़्ट खोजता हूँ। हर भरोसेमंद डेटासेट के अंदर कहीं एक नाइट शिफ़्ट दबी होती है — कोई ऐसा आदमी जिसने स्कोरकार्ड के हाशिये पर पेंसिल से वे चीज़ें लिखीं जो स्क्रीन पर कभी नहीं दिखीं। जब वह शिफ़्ट मौजूद नहीं होती, तो डेटासेट साफ़ नहीं होता — वह अधूरा होता है, चाहे उसका फ़ॉर्मैट कितना भी चमकदार दिखे।

एशियाई क्रिकेट का आर्काइव इसी अधूरेपन का दस्तावेज़ है। घरेलू टूर्नामेंट्स के बॉल-बाय-बॉल रिकॉर्ड पतले हैं, असंगत तरीक़े से रखे जाते हैं, और नॉकआउट चरणों के बाहर लगभग अदृश्य रहते हैं। यह कोई आरोप नहीं है, यह एक संरचनात्मक तथ्य है: जहाँ ब्रॉडकास्ट कैमरा नहीं जाता, वहाँ टैगिंग डेस्क भी नहीं जाती; और जहाँ टैगिंग डेस्क नहीं जाती, वहाँ सिलेक्शन के बहस वाले कमरे में डेटा की जगह यादें बैठ जाती हैं। मैंने यह खुद देखा है — उस साल मेरे क्लाइंट ने एक लेफ़्ट-आर्म स्पिनर को रिलीज़ करने का फ़ैसला लिया था, और मेरे फ़ेज़-एडजस्टेड इकॉनमी शीट ने दिखाया कि वह पूरी टीम में अकेला गेंदबाज़ था जो डेथ ओवरों में पार से नीचे था। क्लाइंट के पास वह शीट नहीं थी। उसके पास एक कोच की याद थी। याद जीत गई।

यही आर्काइव की समस्या का पूरा सार है। यह टैलेंट की बहस नहीं है जो कपड़े पहनकर घूम रही है। यह डेटा-उपलब्धता की बहस है। जिस खिलाड़ी का बॉल-बाय-बॉल रिकॉर्ड मौजूद नहीं, उसके बारे में हर राय वैध लगती है — और जब हर राय वैध लगे, तो जीतती वह है जो सबसे ज़ोर से बोली गई। यह चयन-प्रक्रिया नहीं है, यह वॉल्यूम-आधारित नीलामी है।

मेरा पहला नियम: बिना सैंपल साइज़, वेन्यू और फ़ेज़ के कोई संख्या प्रकाशित नहीं होती। जब कोई कहता है कि फलाँ गेंदबाज़ का इकॉनमी 7.2 है, तो मेरा पहला सवाल होता है — कितनी गेंदों पर, किस मैदान पर, और पारी के किस चरण में। 7.2 का कोई मतलब नहीं जब तक आप यह न बताएँ कि यह आँकड़ा किस आबादी से आया। और एशियाई घरेलू क्रिकेट में वह आबादी अक्सर इतनी छोटी होती है कि उस पर बनाया गया कोई भी निष्कर्ष एक अवलोकन है, कोई निष्कर्ष नहीं।

2026 में मैंने बेंगलुरु मेगा ऑक्शन के लिए शीट बनाई थी। पाँच सौ से ज़्यादा नाम, एज कर्व्स, फ़ेज़ स्प्लिट्स, रिप्लेसमेंट लेवल। मेरे मॉडल ने जयदेव उनादकट को ₹4 करोड़ पर रेट किया। राजस्थान ने ₹11.5 करोड़ दिए। मॉडल ग्यारह और साढ़े करोड़ के भीतर सटीक था — और यही समस्या थी। मैंने उस रात सीखा कि जो मॉडल ग्यारह करोड़ तक सटीक हो, उसने आपको कुछ नहीं बताया जब तक आप यह न कहें कि वह कितना ग़लत हो सकता है। तब से मैं हर प्रोजेक्शन के साथ उसकी एरर बार प्रिंट करता हूँ — पहले, पॉइंट एस्टिमेट के नीचे नहीं, उसके ऊपर।

यही सोच मैंने 2026 में शारजाह पर लगाई। महामारी के दौरान आईपीएल का आपातकालीन यूएई क्लस्टर मेरे घर से बीस मिनट की दूरी पर था, और मैं अकेला एनालिस्ट था जो पहले से वहाँ रह रहा था। खाली स्टैंड्स में भीड़ का वेरिएबल शून्य हो गया, मैदान नहीं हुआ — 58 मीटर की चौकोर बाउंड्री, शाम की ओस, और 17वें ओवर का मैचअप। 27 सितंबर 2026 को मेरे प्री-मैच नोट में शेल्डन कॉटरेल की बैक-ऑफ़-द-हैंड स्लोअर बॉल को बाएँ हाथ के बल्लेबाज़ों के सामने बोर्ड पर सबसे क़ीमती हमला बताया गया था। राहुल तेवतिया ने उन्हें पाँच छक्के जड़े और राजस्थान ने 224 का पीछा कर लिया।

मैं उस रात ग़लत था। और मैंने उसे छिपाया नहीं। मैं नतीजों का पूर्वानुमान नहीं करता; मैं अपनी ही अज्ञानता का आकार का पूर्वानुमान करता हूँ। उस शाम ओस ने वैसा व्यवहार किया जैसा मेरे मॉडल ने नहीं सोचा था — और यही मॉडल का काम है: यह बताना कि वह कहाँ टूटेगा। जो मॉडल अपनी टूटन नहीं बताता, वह मॉडल नहीं, विज्ञापन है।

अब वापस उस खाली Stage-1 पर। उसमें सबसे बड़ी कमी Information Points की खाली सूची है। यह सिर्फ़ एक फ़ील्ड नहीं है; यह पूरे ढाँचे की नींव है। सूचना-बिंदु नहीं, तो एंटिटी नहीं। एंटिटी नहीं, तो टाइमलाइन नहीं। टाइमलाइन नहीं, तो तर्क-श्रृंखला नहीं। तर्क-श्रृंखला नहीं, तो स्टैंड और रिटोरिक का विश्लेषण नहीं। यह एक ऐसा पाइपलाइन है जिसकी पहली ईंट गायब है और बाकी सब उस पर टिकी है।

और मैं वह काम नहीं करूँगा जो यहाँ सबसे आसान है। मैं सिर्फ़ cricket_asia लेबल देखकर अंदाज़ा नहीं लगाऊँगा कि लेख में क्या था, और फिर एक ऐसा विश्लेषण नहीं लिखूँगा जो देखने में गहरा लगे। उस तरह पैदा हुई हर एंटिटी, हर टाइमलाइन, हर निष्कर्ष मनगढ़ंत होगी — और मनगढ़ंत नतीजा खाली नतीजे से ज़्यादा नुकसानदेह है, क्योंकि खाली नतीजा ईमानदारी से कहता है 'मुझे नहीं पता', जबकि मनगढ़ंत नतीजा आत्मविश्वास से झूठ बोलता है।

यहाँ मेरा सुझाव साफ़ है। तीन रास्ते हैं। पहला — Stage-1 दोबारा चलाएँ, और कम से कम तीन चीज़ें भरें: मूल पाठ या उसका अंश, स्रोत मीडिया, प्रकाशन-तिथि। इनके बिना सूचना-बिंदु निकालने का कोई आधार नहीं। दूसरा — मूल पाठ सीधे मुझे दें; मैं Stage-1 छोड़कर ख़ुद एंटिटी पहचान, तर्क-संरचना, समय-संवेदनशीलता और स्रोत-गुणवत्ता का आकलन करूँगा। तीसरा — आप ख़ुद सूचना-बिंदु दें, इस ग्रैन्युलैरिटी पर: {कथन, स्रोत, समय, शामिल एंटिटी}। उस स्थिति में मैं निष्कर्ष में यह स्पष्ट रूप से लिखूँगा कि एंटिटी और टाइमलाइन उपयोगकर्ता-इनपुट से आए हैं और मूल पाठ से क्रॉस-वेरिफ़ाई नहीं हुए।

यहाँ एक बात मुझे पहले ही साफ़ करनी है, क्योंकि यह मेरी सबसे बड़ी कमज़ोरी है। मेरा पहला झुकाव यह कहने का होगा कि 'नैरेटिव ग़लत है' — दस साल कमेंट्री बॉक्स से लड़ते हुए यह रिफ़्लेक्स पैदा हो जाता है। लेकिन नैरेटिव को ग़लत साबित करना अपने आप में कोई निष्कर्ष नहीं होता। शून्य परिकल्पना पहले रखनी होती है, सुधार बाद में। इस मामले में शून्य परिकल्पना यह है: Stage-1 का खाली होना इस बात का सबूत नहीं कि एशियाई क्रिकेट का डेटा ख़राब है — यह सिर्फ़ इस बात का सबूत है कि इस बार स्रोत सामग्री उपलब्ध नहीं कराई गई। ये दो अलग दावे हैं, और इन्हें मिलाना वही ग़लती होगी जो मैं दूसरों पर लगाता हूँ।

लेकिन एक बात मैं पूरे भरोसे से कह सकता है। एक पाइपलाइन जो खाली नतीजे पर रुक जाती है, उस पाइपलाइन से बेहतर है जो खाली जगह को अनुमान से भर देती है। मैंने ऐसे डेटा-प्रोडक्ट देखे हैं जो हर खाली सेल को औसत से भर देते हैं और फिर उस औसत को तथ्य की तरह बेच देते हैं। वह डेटा नहीं है; वह एक आत्मविश्वास की चाल है। Stage-1 ने जो किया, वह तकनीकी रूप से सही व्यवहार है — उसने मना कर दिया। मुझे वह मना करना पसंद है। यह वही ईमानदारी है जो मैं अपनी शीट्स से माँगता हूँ।

अब वह सवाल जो मुझसे पूछा गया और जिसका जवाब मुझे देना चाहिए। cricket_asia विषय-लेबल है या स्रोत-लेबल? अगर यह 'एशियाई क्रिकेट' विषय है, तो मेरा ढाँचा टूर्नामेंट गवर्नेंस, बोर्ड की राजनीति और व्यावसायीकरण पर झुकेगा — यानी यह सवाल कि एशियाई बोर्ड अपने घरेलू रिकॉर्ड क्यों नहीं रखते, किसके लिए रखते हैं, और किसे वह रिकॉर्ड दिखाया जाता है। अगर यह 'कोई एशियाई क्रिकेट मीडिया' स्रोत है, तो पहले स्रोत-गुणवत्ता का आकलन होगा — यह कि वह आउटलेट किसके पैसे से चलता है, किस बोर्ड के साथ उसकी सुविधा है, और उसकी तारीख़ें कितनी भरोसेमंद हैं। ये दो समझें अलग-अलग जाँच-संरचनाओं की ओर ले जाती हैं, और इन्हें गड्ड-मड्ड करना वही लापरवाही होगी जिसके ख़िलाफ़ मैं लिखता हूँ।

मेरे पास एक आधार-भूमि जाँच भी है, क्योंकि दुबई से बैठकर भारतीय क्रिकेट को स्प्रेडशीट की तरह पढ़ना बहुत आसान है — स्टेडियम यहाँ एक डेटा फ़ीड की तरह पहुँचता है और भीड़ सिर्फ़ एक वेरिएबल रह जाती है। इसलिए हर टुकड़े में एक ज़मीनी जाँच ज़रूरी है: कोई क्षेत्रीय भाषा का ब्रॉडकास्ट, टिकट की लाइन, कोई मैदान, किसी ग्राउंड्समैन का बयान। इस लेख में वह जाँच मेरे पास नहीं है, क्योंकि मूल सामग्री ही नहीं है। और मैं उसे गढ़ूँगा नहीं।

जब स्टेडियम खाली हो जाता है, तो संख्याएँ प्रदर्शन करना बंद कर देती हैं और इक़रार करना शुरू कर देती हैं। आज मेरे पास वह इक़रार है — दस खाली फ़ील्ड और एक लेबल। यह कमज़ोर नतीजा नहीं है। यह एक सटीक नतीजा है, बशर्ते आप इसे पढ़ना जानें: एशियाई क्रिकेट के डेटा आर्काइव में जो चुप्पी है, वह संयोग नहीं, एक डिज़ाइन है — और हर डिज़ाइन की तरह, इसके पीछे भी किसी का फ़ैसला है।

अगली बार जब कोई आपको एशियाई क्रिकेट पर दो दशमलव स्थानों तक सटीक आँकड़ा दिखाए, तो एक सवाल पूछिए: इसका सैंपल साइज़ क्या है, यह किस मैदान से आया, और पारी का कौन-सा चरण है। अगर जवाब न मिले, तो आपने आँकड़ा नहीं देखा — आपने एक खाली दराज़ देखी है जिस पर एक भरोसेमंद नाम चिपका हुआ है। और मेरे अनुभव में, सबसे ख़तरनाक डेटा वह नहीं होता जो गायब है। सबसे ख़तरनाक वह होता है जो गायब था और जिसे किसी ने चुपचाप भर दिया।