जीरो रो वाली बॉल-बाय-बॉल फाइल: क्रिकेट एनालिटिक्स में सबसे बड़ा खतरा खाली डेटा नहीं, भरोसेमंद दिखता डेटा है

फाइल का नाम सही था। कॉलम हेडर सही थे — ओवर, बॉल, बैटर, गेंदबाज़, रन, विकेट, एक्स्ट्रा। स्कीमा वैलिडेशन पास हो गया। और पंक्तियों की संख्या थी: शून्य। कोई एरर फ्लैग नहीं, कोई चेतावनी नहीं, कोई "अपर्याप्त इनपुट" संदेश नहीं। सिस्टम आगे बढ़ा और उसने एक पूरा विश्लेषणात्मक ढाँचा भर दिया — आठ आयाम, छह जोखिम श्रेणियाँ, तीन परिदृश्य — और हर खाने में एक ही वाक्य: पर्याप्त जानकारी नहीं, आकलन संभव नहीं।

मार्च 2026 में जोहान्सबर्ग के वांडरर्स में मैंने 538 गेंदें हाथ से लॉग की थीं, और उसके बाद से टोटल पर मेरा भरोसा नहीं गया। उस रात स्कोरकार्ड पर ऑस्ट्रेलिया 359/2 और भारत 234 लिखा था — 125 रन का फ़ासला, 23 मार्च 2026। किसी रिपोर्ट में यह नहीं था कि 12वें से 30वें ओवर के बीच भारतीय मध्यक्रम ने 71 डॉट गेंदें खेली थीं। वह संख्या मैंने बनाई थी; उसे किसी ब्रॉडकास्ट ग्राफिक से नहीं उठाया था।

अब वही सबक दूसरे कपड़े में लौटा है, और इस बार सवाल स्कोरकार्ड का नहीं, स्कोरकार्ड पैदा करने वाली मशीन का है।

संदर्भ: क्रिकेट का डेटा उतना खुला नहीं, जितना वह दिखता है

भारत में बॉल-बाय-बॉल डेटा का बाज़ार 2026 में लगभग खाली था। तब कोई वेंडर हर गेंद की लॉग उपलब्ध नहीं कराता था, इसलिए हाथ से गिनना पड़ा। आज वेंडर हैं, एपीआई हैं, क्लाउड डैशबोर्ड हैं — और यही नई समस्या है। जितनी आसानी से डेटा आता है, उतनी आसानी से यह भी पता नहीं चलता कि डेटा आया ही नहीं।

क्रिकेट की सप्लाई चेन इलीट खेलों में सबसे अजीब है। बोर्ड जो रिलीज़ करता है, वही आधिकारिक होता है; जो नहीं करता, वह भी किसी न किसी स्क्रैपर से निकल आता है। यानी आपके मॉडल की नींव पर किसी ने ऑडिट नहीं किया। 2026 में KSCA के सलाहकार के तौर पर जब मैंने टैलेंट रिसोर्स डेवलपमेंट विंग खड़ा किया, तब हमारा मूल इनपुट स्प्रेडशीट नहीं, मैदान पर बैठा स्काउट था — और उस स्काउट को हर मैच का लिखित रिकॉर्ड जमा करना पड़ता था। 2026 में BCCI ने उसी मॉडल को राष्ट्रीय स्तर पर दोहराया; एम. एस. धोनी, सुरेश रैना, इरफ़ान पठान और आर. पी. सिंह उसी सिलसिले की उपज माने जाते हैं। सबक साफ़ था: आँख भी तभी भरोसेमंद होती है जब उसके पीछे एक दर्ज रिकॉर्ड हो।

डेटा पाइपलाइन में वही नियम उल्टा चलता है। रिकॉर्ड दर्ज दिखता है, आँख पीछे नहीं होती।

कोर: फॉर्मेट गायब हो तो आठों आयाम गायब हैं

क्रिकेट विश्लेषण में फॉर्मेट कोई बैकग्राउंड जानकारी नहीं, वह प्रीकंडीशन है। टेस्ट, वनडे, T20 और द हंड्रेड — चारों में "देर के ओवर" का मतलब उलटा है। टेस्ट में 80वें ओवर पर जोखिम घटाना कौशल है; T20 के 17वें ओवर पर जोखिम घटाना नाकामी है। एक ही मॉडल दोनों पर लगाइए, नतीजा उलटा आएगा और आपको पता भी नहीं चलेगा।

बेंचमार्क का मामला इससे भी तीखा है। T20 में 7 से नीचे की इकॉनमी बढ़िया मानी जाती है; टेस्ट में स्पिनर की इकॉनमी 3.0 के आसपास सामान्य है और 2.5 शानदार। अगर आप T20 का तराजू टेस्ट के गेंदबाज़ पर रख देंगे, तो हर मितव्ययी स्पिनर "महँगा" साबित हो जाएगा। जब फॉर्मेट तय नहीं, तब कोई भी संख्या तटस्थ नहीं होती; वह पहले से किसी न किसी निष्कर्ष का पक्ष ले चुकी होती है।

तीसरा आयाम, जो हर भारतीय रिपोर्ट में सबसे पहले गायब होता है: घरेलू और विदेशी का फ़र्क़। क्रिकेट उन गिने-चुने खेलों में है जहाँ घर की ज़मीन पर प्रदर्शन दुनिया में सबसे ज़्यादा बदलता है — पिच, गेंद, मौसम, दर्शक और अपील-दर, सब बदल जाते हैं। जब तक आपको मालूम नहीं कि मैच कहाँ खेला गया और टॉस किसने जीता, आपकी हर स्प्लिट एक खोखली सजावट है।

दूसरी चूक ज़्यादा गंभीर थी। एंटिटी वाला खाना, जिसमें टीम, खिलाड़ी और लीग के नाम आने चाहिए थे, उसमें डेटा नहीं आया — उसमें एक निर्देश आ गया: "ऊपर दिए सूचना बिंदुओं से पहचानें।" और सूचना बिंदुओं की सूची खाली थी। यानी टेम्पलेट खुद को एक्सट्रैक्शन बता रहा था। सिस्टम फेल हुआ, और उसने फेल होने की आवाज़ नहीं की — यही खाली स्कोरकार्ड सिंड्रोम है।

DRS का अपील-कॉल इसी तर्क पर चलता है। जब बॉल-ट्रैकिंग तकनीक की एरर मार्जिन के अंदर आती है, ऑन-फील्ड फैसला बरकरार रहता है। लेकिन अगर बॉल-ट्रैकिंग ही न चले, तो अपील-कॉल शब्द का कोई अर्थ नहीं बचता। हमारी पाइपलाइन ने ठीक यही किया — उसने एरर मार्जिन के अंदर वाला फैसला सुरक्षित रखा, जबकि कैमरा ही बंद था।

तीसरी बात, जिसे मैं सबसे ज़्यादा डर से देखता हूँ: बैच लेवल। अगर एक रिकॉर्ड इस तरह खाली निकला और वह सिस्टम को रोक नहीं पाया, तो उसी रात के बाकी रिकॉर्ड भी चुपचाप बिना विश्लेषण के आगे बढ़ गए होंगे। कोई चेतावनी नहीं, कोई लाल बत्ती नहीं। मैंने 538 गेंदें इसीलिए गिनी थीं कि जब तक आप गिनते नहीं, आपको पता ही नहीं चलता कि कितनी छूट गईं।

और मेरी अपनी गलती, ब्योरे के साथ। प्रेशर इंडेक्स ने पाँच कहा था। मैंने एक हफ्ता यह समझने में लगाया कि किसी ने उसे क्यों नहीं माना, जबकि सही सवाल यह था कि उसका इनपुट कहाँ टूटा। मॉडल की रक्षा करना और गेंद की रक्षा करना एक ही काम नहीं है। जब आपकी संख्या गिरती है, तो पहले उस गेंद को छापिए जिसने उसे गिराया।

कॉन्ट्रेरियन: खाली डेटा ईमानदार होता है, भरा हुआ गलत डेटा चालाक

यहाँ असली खतरा वह नहीं जो हमने देखा। असली खतरा वह है जो हमने नहीं देखा क्योंकि वह पूरा दिख रहा था। एक खाली फाइल तुरंत सवाल खड़ा कर देती है। लेकिन एक ऐसी फाइल जिसमें 240 पंक्तियाँ हैं और उनमें से एक नो-बॉल रन के खाने में चली गई है — वह कोई सवाल नहीं खड़ा करती। वह आपके मॉडल में बैठ जाती है, आत्मविश्वास से गलत जवाब देती है, और कोई उसे चुनौती नहीं देता क्योंकि वह "डेटा" है।

इस पाइपलाइन में सबसे अच्छी चीज़ यह थी कि उसने अपना खालीपन छिपाया नहीं — उसने ज़ोर-ज़ोर से लिखा कि मेरे पास कुछ नहीं है। क्रिकेट डेटा के हिसाब से यह दुर्लभ ईमानदारी है। असली सुधार वहाँ करना है जहाँ डेटा भरा हुआ आता है और उसकी प्रोवेनेंस पर कोई नहीं पूछता।

दूसरा कोण, जिस पर मुझे खुद को रोकना पड़ता है: यह कहानी आसानी से "एनालिटिक्स बनाम अंधविश्वास" बन सकती थी। सच यह है कि 2026 में मेरे एडिटर ने वह डॉट-बॉल वाली साइडबार चलाई थी, और उस दौर में हिंदी तथा क्षेत्रीय भाषा के डेस्क स्प्रेडशीट के आने से बहुत पहले वेरिफिकेशन का काम कर रहे थे। हिंदी कमेंट्री कोई ट्रांसलेशन लेयर नहीं, वह असली डिस्ट्रीब्यूशन चैनल है। जो एनालिस्ट इसे नहीं समझता, उसका डैशबोर्ड सिर्फ़ अंग्रेज़ी बोलने वाले चार लोगों तक पहुँचता है।

और एक पेशेवर आत्म-चेतावनी। IPL नीलामी का हफ्ता रणजी नॉकआउट ऑडिट से दस गुना ट्रैफिक देता है। प्रोडक्ट-दिमाग तब भरा हुआ डैशबोर्ड बनाने लगता है, चाहे इनपुट खाली ही क्यों न हो। इसीलिए ऑडिट का कैलेंडर पेजव्यू से नहीं, कमीशन से तय होना चाहिए।

टेकअवे: अगला सिग्नल

गेट नियम सीधा है: अगर शीर्षक, स्रोत या सूचना बिंदु खाली हैं, तो सिस्टम को सॉफ्ट वॉर्निंग नहीं, हार्ड स्टॉप देना चाहिए। फ्रेमवर्क भरना बंद करो, गलती छापो, तारीख डालो, मूल जस का तस रखो।

अगला सवाल यह है, और यह किसी एक मैच का नहीं, पूरे इकोसिस्टम का है: क्या आपका स्कोरकार्ड यह बता सकता है कि उसके पास जवाब नहीं है? जो सिस्टम अपनी चुप्पी नहीं पहचान सकता, वह अपनी गलती भी नहीं पहचान सकता — और वही क्रिकेट एनालिटिक्स में आज सबसे बड़ा अनऑडिटेड जोखिम है।