खाली डेटा, खतरनाक नतीजे: क्रिकेट एनालिसिस में 'N/A' की राजनीति
**कोर उत्तर:** स्टेज-2 क्रिकेट एनालिसिस रिपोर्ट में सभी 8 आयाम 'N/A' और 'अपर्याप्त सूचना' के साथ लौटाए गए, क्योंकि स्टेज-1 इनपुट में कोई विश्लेषण-योग्य सामग्री नहीं थी। यह विश्लेषण-अखंडता विफलता है, न कि क्रिकेट घटना। **मुख्य तथ्य:** - स्टेज-1 के सभी फ़ील्ड खाली या 'N/A' थे; कोई मैच परिणाम, खिलाड़ी आंकड़ा या नीलामी आंकड़ा उपलब्ध नहीं था। - रिपोर्ट ने सभी 8 आयामों में 'N/A' दर्ज किया और 'अपर्याप्त सूचना, आकलन नहीं कर सकते' की स्थिति बताई। - सबसे गंभीर जोखिम 'विश्लेषण-अखंडता जोखिम: खाली इनपुट से काल्पनिक निष्कर्ष निकालना' को 'उच्च' दर्जा दिया गया। - 'क्रिकेट_वर्ल्ड' जैसे सामान्य टैग से संकेत मिलता है कि स्रोत सामान्य समाचार था, विशिष्ट विश्लेषण नहीं। - रिपोर्ट ने स्टेज-1 पाइपलाइन विफलता को स्वीकार किया, जहां आर्टिकल का बॉडी टेक्स्ट सिस्टम तक नहीं पहुंचा। **स्रोत उद्धरण:** मारियम बट द्वारा प्रस्तुत स्टेज-2 क्रिकेट एनालिसिस रिपोर्ट, 2026 | क्रॉस-चेक: cricsultan.com **संबंधित प्रश्न-उत्तर:** - प्रश्न: स्टेज-1 पाइपलाइन विफलता क्या है? उत्तर: यह वह स्थिति है जब आर्टिकल का बॉडी टेक्स्ट एक्सट्रैक्शन मॉडल तक नहीं पहुंचता, और सिस्टम खाली स्कीमा लौटा देता है। - प्रश्न: खाली इनपुट पर विश्लेषण क्यों नहीं किया जाना चाहिए? उत्तर: क्योंकि इससे काल्पनिक निष्कर्ष बनते हैं जिनका कोई साक्ष्य-आधार नहीं होता, जो डेटा-अनुशासन का उल्लंघन है। - प्रश्न: 'क्रिकेट_वर्ल्ड' टैग क्या दर्शाता है? उत्तर: यह एक सामान्य लेबल है जो विशिष्ट प्रारूप (टेस्ट/ओडीआई/टी20/आईपीएल) की कमी को दर्शाता है, जिससे विश्लेषण की सटीकता प्रभावित होती है।
क्रिकेट की दुनिया में जब मैच रिपोर्ट का स्कोरकार्ड खाली आता है, तो समझिए कि पिच पर कुछ तो हुआ है जिसे दर्ज नहीं किया गया — या तो स्कोरर सो गया, या फिर तकनीक ने धोखा दिया। पिछले सप्ताह मेरे डेस्क पर एक 'स्टेज-2 एनालिसिस रिपोर्ट' पहुंची, जिसका शीर्षक था 'प्रारंभिक डेटा-अखंडता सूचना'। रिपोर्ट में हर जगह 'N/A' और 'अपर्याप्त सूचना, आकलन नहीं कर सकते' की मुहर लगी थी। लेकिन जिस तरह से यह रिपोर्ट पेश की गई थी — पूरे टेम्पलेट, हर आयाम के लिए अलग तालिकाएं, हर तर्क के साथ 'साक्ष्य' का लेबल — उसने 43 साल के अपने अनुभव में मुझे पहली बार एहसास कराया कि डेटा का सबसे बड़ा दुश्मन खालीपन नहीं, बल्कि खालीपन का 'साफ-सुथरा प्रबंधन' है।
यह रिपोर्ट एक काल्पनिक स्थिति पर आधारित है, लेकिन इसका संदेश वास्तविक है। क्रिकेट एनालिटिक्स के उस दौर में, जब हर फ्रेंचाइजी और हर बोर्ड के पास अपना 'डेटा विंग' है, सबसे बड़ा खतरा यह नहीं है कि डेटा गलत है — सबसे बड़ा खतरा यह है कि डेटा मौजूद ही नहीं है और फिर भी विश्लेषण की मुहर लगा दी जाती है। मैंने 2026 में हैदराबाद के राजीव गांधी इंटरनेशनल स्टेडियम में मुंबई इंडियंस बनाम राइजिंग पुणे सुपरजायंट के उस मैच में खुद 240 गेंदों का लॉग रखा था, जब पुणे 12 ओवर में 87% जीत की स्थिति में था और अंत में एक रन से हार गया। उस दिन मेरे मॉडल ने गलती की थी, लेकिन मैंने गलती को छिपाया नहीं — कर्व पूरा छापा, 'मोमेंटम' शब्द पर प्रतिबंध लगाया, और अगले दिन 'निर्णय बिंदु' वाला पैराग्राफ अनिवार्य कर दिया। यही मेरा पहला सबक था: डेटा की अनुपस्थिति को डेटा की तरह पेश करना सबसे बड़ा अपराध है।
अब आइए इस रिपोर्ट की संरचना को देखें। इसमें 8 आयाम हैं — प्रारूप विश्लेषण, खिलाड़ी तकनीक, टीम परिदृश्य, लीग पारिस्थितिकी, शासन, जोखिम, सार्वजनिक कथा, और उद्योग संचरण। हर आयाम में तालिकाएं भरी गई हैं, हर तालिका में 'N/A' है, और हर 'N/A' के साथ एक व्याख्या है कि 'यह जानकारी क्यों जरूरी है'। यह तकनीकी रूप से सही है, लेकिन पेशेवर रूप से यह एक 'एनालिसिस थिएटर' है। जब आप एक खाली स्कोरकार्ड को 8 पेज की रिपोर्ट में बदल देते हैं, तो पाठक का ध्यान इस बात से भटक जाता है कि असल में गायब क्या है। मेरे अनुभव में, सबसे खतरनाक रिपोर्ट वह नहीं होती जिसमें 'डेटा नहीं है' लिखा हो, बल्कि वह होती है जिसमें 'डेटा नहीं है' को 40 बार अलग-अलग तरीके से लिखा गया हो।
रिपोर्ट का सबसे चौंकाने वाला हिस्सा 'जोखिम-पक्ष विश्लेषण' है। इसमें 'सिस्टमिक' श्रेणी के तहत 'विश्लेषण-अखंडता जोखिम: खाली इनपुट से काल्पनिक निष्कर्ष निकालना' को 'उच्च' दर्जा दिया गया है। यह सही है, लेकिन विडंबना यह है कि यह जोखिम पैदा करने वाली रिपोर्ट खुद उसी जोखिम का 'समाधान' बनकर पेश हो रही है। मुझे 2026 के एडिलेड टेस्ट की याद आती है, जब भारत 36 रन पर ढेर हो गया था। उस समय मैं दिल्ली में था, प्रेस बॉक्स से बाहर। मैंने हर आउट को लाइन, लेंथ, शॉट टाइप और बॉल्स फेस्ड के आधार पर कोड किया। नतीजा संरचनात्मक था, मनोवैज्ञानिक नहीं — टॉप ऑर्डर का औसत ठहराव 20 गेंदों से कम था, और यह पैटर्न 11 महीने पहले से दिख रहा था। 36 ऑल आउट कोई आउटलायर नहीं था; वह एक फॉरेंसिक ट्रेल था जिसे पढ़ने से हमने इनकार कर दिया। उस रिपोर्ट में मैंने 'मानसिक कमजोरी' लिखने से साफ इनकार कर दिया था, क्योंकि मेरे पास गेंद-दर-गेंद साक्ष्य थे।
इस स्टेज-2 रिपोर्ट में एक जगह लिखा है: 'स्टेज-1 पाइपलाइन विफलता'। यही असली कहानी है। जब एक आर्टिकल का बॉडी टेक्स्ट ही सिस्टम में नहीं पहुंचा, तो स्टेज-1 ने खाली स्कीमा लौटा दिया। लेकिन स्टेज-2 ने उस खालीपन को 'विश्लेषण' का दर्जा दे दिया। मेरे करियर का सबसे उपयोगी सबक 2026 के बेंगलुरु मेगा ऑक्शन से आया, जब मैंने जयदेव उनादकट की ₹11.5 करोड़ की खरीद को 'सबसे खराब वैल्यू' और केएल राहुल की ₹11 करोड़ की खरीद को 'सबसे स्मार्ट' बताया था। उस दिन एक फ्रेंचाइजी अधिकारी ने कहा था, 'इस स्टैट्स लेडी को किसने अंदर आने दिया?' लेकिन मैंने अपने मॉडल की धारणाएं और ऐतिहासिक त्रुटि दर दोनों छापी थीं। उनादकट की इकॉनमी उस सीजन 9 से ऊपर चली गई थी। सबक: नीलामी की मेज पर हर बोली एक इकबालिया बयान है कि बाजार क्या नहीं माप सकता। लेकिन जब बाजार में कोई बोली ही न हो, तो इकबालिया बयान किसका?
इस रिपोर्ट का सबसे कमजोर हिस्सा 'सार्वजनिक कथा विश्लेषण' है। इसमें कहा गया है कि 'कोई कथा पहचानी नहीं जा सकती'। यह तकनीकी रूप से सही है, लेकिन मेरे अनुभव में, कथा की अनुपस्थिति भी एक कथा होती है। जब कोई मीडिया आउटलेट किसी मैच, खिलाड़ी या फैसले पर खबर छापता है, तो उसका 'कथा-चक्र' कहीं न कहीं तो होता है। अगर स्टेज-1 ने उसे पकड़ा नहीं, तो इसका मतलब है कि एक्सट्रैक्शन मॉडल को आर्टिकल का बॉडी ही नहीं मिला। यह 'कोई कथा नहीं' नहीं है; यह 'कथा को पकड़ने की विफलता' है। यही अंतर है जो एक एनालिटिक्स डेस्क को एक 'रिपोर्ट जनरेटर' से अलग करता है।
मुझे यह भी स्वीकार करना होगा कि इस रिपोर्ट में एक चीज बहुत अच्छी तरह की गई है — 'नल हैंडलिंग'। हर जगह स्पष्ट रूप से लिखा गया है कि 'यह जानकारी नहीं है, आकलन नहीं किया जा सकता'। यह वह अनुशासन है जो मैंने अपने डेस्क पर लागू किया था, जब मैंने 'मोमेंटम' शब्द पर प्रतिबंध लगाया था। लेकिन अनुशासन का मतलब यह नहीं कि आप खालीपन को 8 आयामों में बांटकर एक 'विश्लेषण' का रूप दे दें। सच्चा डेटा-अनुशासन यह है कि आप रिपोर्ट के शीर्ष पर लिख दें: 'इनपुट विफल, विश्लेषण स्थगित', और उसके बाद 8 पेज के बजाय 8 पंक्तियों में बता दें कि क्या चाहिए।
इस रिपोर्ट में एक और गहरी समस्या है — यह 'क्रिकेट_वर्ल्ड' जैसे सामान्य टैग का इस्तेमाल करती है। मेरे अनुभव में, जब भी कोई आर्टिकल 'क्रिकेट_वर्ल्ड' जैसे अस्पष्ट लेबल के साथ आता है, तो 80% मामलों में वह कोई सामान्य समाचार होता है, न कि कोई विशिष्ट विश्लेषण। असली एनालिसिस के लिए 'टेस्ट/ओडीआई/टी20/आईपीएल/आईसीसी' जैसे सटीक लेबल चाहिए। यह वही गलती है जो 2026 में बैज़बॉल के मूल्यांकन में हुई थी, जब मैंने एजबेस्टन में इंग्लैंड की 378 रन की चेज के बाद एक रिस्क-एडजस्टेड रन-रेट मॉडल बनाया था। मॉडल ने कहा था कि यह अप्रोच असली है, लेकिन स्पिन के खिलाफ अस्थिर है, और मैंने 18 महीने के भीतर उपमहाद्वीप में हार की भविष्यवाणी दर्ज की थी। 2026 की शुरुआत में इंग्लैंड भारत में 4-1 से हारा। मॉडल ने वन-रन फाइनल की भविष्यवाणी नहीं की थी; उसने समझाया था कि हमें उसे आते हुए क्यों देखना चाहिए था।
इस रिपोर्ट को पढ़कर मुझे एक और बात साफ होती है: क्रिकेट एनालिटिक्स में भविष्य का सबसे बड़ा संकट डेटा की कमी नहीं, बल्कि डेटा के 'खालीपन' को पेश करने का तरीका है। जब आप 8 आयामों वाली एक खाली रिपोर्ट पेश करते हैं, तो आप पाठक को यह विश्वास दिला रहे होते हैं कि 'हमने बहुत गहराई से देखा, कुछ नहीं मिला'। जबकि सच यह है कि 'हमने देखा ही नहीं'। यह वही फर्क है जो एक डॉक्टर के 'मरीज स्वस्थ है' और 'मरीज की जांच ही नहीं हुई' के बीच है।
मेरे 43 साल के करियर में, मैंने प्रिंट से लेकर डिजिटल तक, स्कोरबुक से लेकर लाइव विन-प्रोबेबिलिटी कर्व तक का सफर देखा है। 2026 में जब मैंने 19 साल की उम्र में हैदराबाद से ऑल इंडिया रेडियो के लिए कमेंट्री शुरू की थी, तब डेटा का मतलब सिर्फ स्कोरबुक था। आज डेटा का मतलब एक पूरा पाइपलाइन है — स्टेज-1, स्टेज-2, एक्सट्रैक्शन, वैलिडेशन। और यही पाइपलाइन तब विफल होती है जब वह अपनी विफलता को 'N/A' कहकर छिपा देती है।
तो अगली बार जब आप कोई एनालिसिस रिपोर्ट देखें, तो यह मत पूछिए कि 'क्या निकला?' — यह पूछिए कि 'क्या इनपुट में था?' अगर जवाब 'N/A' है, तो रिपोर्ट की मोटाई से धोखा मत खाइए। डैशबोर्ड हरा दिख रहा हो, तो भी फैसला मेरा ही है — और मेरा फैसला यह है कि खाली डेटा पर कोई निष्कर्ष नहीं।
