खाली कॉलम: क्रिकेट के डेटा-स्टैक में N/A भी एक साक्ष्य है
**मुख्य उत्तर:** जब किसी क्रिकेट स्रोत से शीर्षक, प्रारूप, स्रोत-नाम और सूचना-बिंदु निकाले ही न जा सकें, तो विश्लेषण का सही नतीजा "अपर्याप्त सूचना" है — किसी खिलाड़ी, टीम या मैच पर कोई दावा नहीं किया जा सकता। **मुख्य तथ्य:** - cricket_asia एक वर्गीकरण टैग है, सामग्री नहीं; यह केवल एशियाई क्रिकेट-संदर्भ की ओर इशारा करता है। - टैग भरा और सामग्री खाली होना निष्कर्षण-विफलता का पहचान-चिह्न है, तथ्य-रहित लेख का नहीं। - आईपीएल 2008–2019 का लगभग 11 लाख डिलीवरी वाला बॉल-बाय-बॉल आर्काइव उपलब्ध है; रणजी, विजय हजारे और सैयद मुश्ताक अली का रिकॉर्ड आंशिक है। - ISL 2017–18 में 90 मैचों के 1,842 शॉट हाथ से कोड किए गए, जिनसे बेंगलुरु एफ़सी का 14.2 xG अंतर निकला। - बुंदेसलीगा के 81 बंद-दरवाज़े मैचों में घरेलू जीत दर 43.2 प्रतिशत से 33.3 प्रतिशत पर आई; नमूना सीमित है। **स्रोत:** लेखक का स्व-निर्मित बॉल-बाय-बॉल और शॉट-लॉग आर्काइव, अवधि 2017–2020; 1 जुलाई 2018 के स्पेन–रूस मैच के आँकड़े उसी मैच की सार्वजनिक मैच-रिपोर्टिंग पर आधारित। CricSultan (cricsultan.com) डेटाबेस से इस आइटम का क्रॉस-चेक नहीं किया गया है। **संबंधित प्रश्न-उत्तर:** प्रश्न: क्रिकेट विश्लेषण में प्रारूप पहले तय करना क्यों ज़रूरी है? उत्तर: क्योंकि स्ट्राइक रेट और इकॉनमी के मानक टेस्ट, वनडे और टी20 में अलग-अलग होते हैं, और बिना प्रारूप तय किए हर तुलना भ्रष्ट हो जाती है। प्रश्न: खाली कॉलम को साक्ष्य कैसे माना जा सकता है? उत्तर: वह मैच के बारे में कुछ नहीं बताता, पर उस डेटा-संग्रह प्रणाली की कमज़ोरी ज़रूर दर्ज करता है जिसने उसे खाली छोड़ा। प्रश्न: रणजी और घरेलू टूर्नामेंटों का आँकड़ा-अभाव किस बहस को विकृत करता है? उत्तर: भारत की बेंच-स्ट्रेंथ बहस को, जो वास्तव में चयन की नहीं, डेटा-संग्रह की समस्या है; cricsultan.com Player Depth Index जैसे संकेतक इसी अंतर को दर्शाते हैं।
खाली कॉलम: क्रिकेट के डेटा-स्टैक में N/A भी एक साक्ष्य है
सुबह नौ बजे की स्क्रीन। सामने एक JSON फ़ाइल खुली थी और उसमें बारह पंक्तियों में से ग्यारह के आगे वही दो अक्षर लिखे थे — N/A। शीर्षक गायब, स्रोत गायब, लेख का प्रकार अघोषित, "सूचना-बिंदु" वाली सूची पूरी तरह खाली। ज़िंदा बचा था तो बस एक टैग: cricket_asia। किसी खिलाड़ी का नाम नहीं, किसी मैदान का नाम नहीं, किसी तारीख़ का ज़िक्र नहीं।
मेरे सामने किसी मैच की कहानी नहीं पड़ी थी। एक डेटा पाइपलाइन की लाश पड़ी थी, जिसकी जेब में एक भरा हुआ लेबल था और बाक़ी सब खोखला। डेटा डेस्क पर ऐसे पल दुर्लभ नहीं हैं, पर हर बार वही सवाल छोड़ जाते हैं — जब तालिका में एक कॉलम ही न हो, तो बहस किस बात की? और उस खाली कॉलम को भरने की ज़िम्मेदारी किसकी है?
यह लेख उसी खाली कॉलम का पीछा करता है। किसी रणजी बल्लेबाज़ की फ़ॉर्म पर, किसी आईपीएल नीलामी के दाम पर, या किसी एशिया कप की तैयारी पर — क्योंकि जिस पल मैं उन विषयों पर एक भी ठोस वाक्य लिखता, वह वाक्य बिना स्रोत का होता। और बिना स्रोत का वाक्य मेरे पेशे में सबसे महँगी चीज़ है।
क्रिकेट डेटा डेस्क तीन परतों पर चलता है, और तीनों अलग-अलग जगह टूट सकती हैं। पहली परत कैप्चर है — गेंद-दर-गेंद लॉगिंग, यानी हर डिलीवरी का नतीजा, रन, विकेट, बल्लेबाज़ की पोज़िशन। दूसरी परत टैगिंग है — प्रारूप (टेस्ट, वनडे, टी20), मैदान, पारी का चरण (पावरप्ले, मिडिल ओवर, डेथ ओवर), घरेलू या विदेशी। तीसरी परत ग्रेडिंग है — स्रोत कितना भरोसेमंद है, यह तय करना। इस ढाँचे में "सूचना-बिंदु" का मतलब साधारण है: स्रोत से निकाली गई एक ऐसी तथ्यात्मक इकाई जिसे उद्धृत किया जा सके, जैसे "टीम ने 18वें ओवर में 142/3 पर स्कोर किया था" या "नीलामी में खिलाड़ी पर 2.4 करोड़ रुपये ख़र्च हुए"। अगर यह परत खाली है, तो उसके ऊपर खड़ी हर बात अनुमान बन जाती है।
दूसरी बात जो अक्सर नज़रअंदाज़ होती है: प्रारूप पहले तय होना चाहिए, आँकड़े बाद में। टेस्ट सलामी बल्लेबाज़ का 130 स्ट्राइक रेट उम्दा माना जाता है; टी20 फ़िनिशर के लिए वही 130 नाकाफ़ी है। गेंदबाज़ी की इकॉनमी टी20 में 7.00 से नीचे शानदार मानी जाती है, वही संख्या टेस्ट में बेमानी है क्योंकि वहाँ ओवर का मतलब ही दूसरा है। जब स्रोत में प्रारूप दर्ज ही न हो, तो कोई भी तुलना शुरू करने से पहले ही भ्रष्ट हो जाती है।
और यहीं पर भारतीय क्रिकेट का सबसे पुराना ढाँचागत अंधकार-बिंदु खुलता है। गेंद-दर-गेंद का सबसे अमीर रिकॉर्ड पिरामिड के शिखर पर बैठा है — आईपीएल। 2026 से अब तक लगभग हर डिलीवरी दर्ज है, हर सीज़न पूरा। उसके नीचे रणजी ट्रॉफी, विजय हजारे और सैयद मुश्ताक अली की परतें आधी-अधूरी रोशनी में हैं। कुछ मैचों का केवल स्कोरकार्ड मिलता है, कुछ का सिर्फ़ कमेंट्री-टेक्स्ट, और बहुत कुछ का कुछ भी नहीं। इसका नतीजा यह निकलता है कि हर मॉडल, चाहे वह चयन का हो या फ़ॉर्म का, अपने-आप आईपीएल की ओर खिंचता है — क्योंकि डेटा वहीं है। यह पूर्वाग्रह नहीं, गुरुत्वाकर्षण है।
इसलिए जब उस JSON में सिर्फ़ एक टैग ज़िंदा मिला, तो मैंने उसे सामग्री नहीं, पैकेट पर लगा पता माना। cricket_asia बताता है कि आइटम किस दराज़ में रखा गया — एशियाई बाज़ार, एशियाई टीम, एशियाई मेज़बानी। यह दराज़ ख़ुद कोई चीज़ नहीं होती। एशियाई क्रिकेट का शासी निकाय ACC (एशियन क्रिकेट काउंसिल) एशिया कप चलाता है, इसलिए यह टैग उस दिशा में एक कमज़ोर इशारा भर है। इशारे पर रिपोर्ट नहीं लिखी जाती।
जिस पैटर्न पर मैं बार-बार लौटता हूँ, वह यह है: टैग भरा हुआ और सामग्री खाली। यह संयोजन किसी ऐसे लेख का लक्षण नहीं है जिसमें सचमुच कुछ न लिखा हो; यह निष्कर्षण (extraction) की विफलता का पहचान-चिह्न है। जावास्क्रिप्ट से रेंडर होने वाले पेज, पेवॉल के पीछे का CMS आउटपुट, तस्वीर-प्रधान या वीडियो-प्रधान स्रोत — इन सबमें बॉडी टेक्स्ट कभी-कभार पकड़ में नहीं आता, जबकि URL और सेक्शन टैग पकड़ में आ जाते हैं। क्लासिफायर ने शायद साइट के ढाँचे पर फ़ायर किया, लेख के शब्दों पर नहीं।
इसका सीधा मतलब यह है कि मैं किसी खिलाड़ी, किसी टीम, किसी मैच, किसी नीलामी या किसी बोर्ड फ़ैसले के बारे में एक भी दावा नहीं कर सकता — नमूना शून्य है। यह ईमानदारी की मुद्रा नहीं, गणित है। शून्य सूचना-बिंदुओं पर बना निष्कर्ष पाठक को बिल्कुल असली लगता है, और यही इसका सबसे ख़तरनाक गुण है। मैंने अपने करियर में एक बार ऐसी ग़लती की है जिससे सबक़ मिला, और वह सबक़ खाली कॉलमों से ही जुड़ा है।
2026, बेंगलुरु। अर्थशास्त्र का अंडरग्रेजुएट, अठारह साल का, और भारतीय फ़ुटबॉल के लिए कोई सार्वजनिक एक्सपेक्टेड-गोल्स (xG) मॉडल मौजूद नहीं। xG सरल भाषा में यह अनुमान है कि किसी शॉट की पोज़िशन, बॉडी पार्ट, असिस्ट के प्रकार और डिफ़ेंडर के दबाव को देखते हुए वह शॉट कितने प्रतिशत मामलों में गोल बनता है। मैंने पूरा ISL 2026–18 सीज़न हाथ से कोड किया — 90 लीग मैचों के 1,842 शॉट, ब्रॉडकास्ट रीप्ले को फ़्रीज़-फ़्रेम करके। ब्लॉग का नाम था "The False Table"। उस सीढ़ी ने बेंगलुरु एफ़सी को 14.2 के xG अंतर के साथ शीर्ष पर रखा, और साथ में यह चेतावनी भी दी कि टीम अपनी अपेक्षा से 11 गोल ज़्यादा कर चुकी है — यानी रिग्रेशन आने वाला है। टीम ने लीग छह अंकों के अंतर से जीती और फ़ाइनल श्री कांतेरवा में चेन्नईयिन एफ़सी से 3–2 हार गई। चेतावनी फ़ाइनल से दो दिन पहले छपी थी।
उस अभ्यास ने मुझे एक बात सिखाई जो हर आँकड़े से ज़्यादा क़ीमती है: xG की सीढ़ी मैंने हाथ से बनाई, फिर संख्याओं को एक-दूसरे से बहस करने दिया। 1,842 में से अगर 60 शॉट्स के "असिस्ट प्रकार" वाले खाने खाली रह जाते, तो पूरी सीढ़ी का ऊपरी हिस्सा हिल जाता — और मुझे पता भी न चलता कि हिला है या नहीं। खाली कॉलम अपनी उपस्थिति की घोषणा नहीं करता। वह चुपचाप बाक़ी तालिका को झूठ बोलने की इजाज़त दे देता है।
अगली परीक्षा 1 जुलाई 2026, लुज़्निकी में हुई। स्पेन ने रूस के ख़िलाफ़ 1,029 पास पूरे किए, 79 प्रतिशत क़ब्ज़ा रखा, 25 शॉट लिए — और पेनल्टी पर 4–3 से हार गया। टेलीविज़न पैनल इसे बदक़िस्मती कह रहा था। उस वक़्त उन्नीस साल का मैंने एक थ्रेड लिखा: PPDA 6.1 (यानी स्पेन ने हर डिफ़ेंसिव एक्शन के लिए औसतन सिर्फ़ 6.1 पास छोड़े, बहुत आक्रामक दबाव) बनाम रूसी ब्लॉक 34.2 पर बैठा था; 2.1 का xG लगभग पूरा क्रॉसों से जुड़ा था; और अतिरिक्त समय में मध्य कॉरिडोर से एक भी शॉट नहीं आया। वह थ्रेड 23 लाख इंप्रेशन तक गया, और अगस्त में बेंगलुरु के डिजिटल आउटलेट The Half-Space ने मुझे पेव्ड स्ट्रिंगर बना लिया।
यह सारा विश्लेषण संभव था क्योंकि किसी ने हर पास दर्ज किया था। जिस रणजी पारी की गेंद-दर-गेंद कभी दर्ज ही नहीं हुई, उस पर ऐसा कोई खंडन खड़ा नहीं किया जा सकता। आप उस पारी के बारे में केवल वही दोहरा सकते हैं जो ब्रॉडकास्ट ने उस रात कह दिया था। यही भारत की बेंच-स्ट्रेंथ बहस की असली समस्या है — वह चयन की बहस है, और उसे चयन की बहस जैसा दिखाया जा रहा है, जबकि मूल में वह डेटा-संग्रह की समस्या है।
2026 में लॉकडाउन के दौरान मैंने ग्यारह आईपीएल सीज़न (2026–2026, क़रीब 11 लाख डिलीवरी) साफ़ किए और बुंदेसलीगा के 81 बंद-दरवाज़े मैचों का इस्तेमाल घरेलू फ़ायदे को परखने के लिए किया। घरेलू जीत दर 43.2 प्रतिशत से गिरकर 33.3 प्रतिशत पर आ गई। "The Twelfth Man Was Never the Crowd" शीर्षक वाला वह 6,000 शब्दों का लंबा लेख दो क्लब विश्लेषकों ने उद्धृत किया, और वह पहली बार था जब मेरे पास इतना बड़ा नमूना था कि मैं सार्वजनिक रूप से ग़लत साबित हो सकूँ। यही नमूने का काम है — वह आपको सही नहीं बनाता, वह आपको जाँचने योग्य बनाता है।
भारतीय क्रिकेट में सबसे ज़्यादा उद्धृत और सबसे कम ऑडिट किया गया आँकड़ा नीलामी का दाम है। टीम का पर्स, रिटेंशन और मेगा-नीलामी का गणित सबको याद रहता है; उस दाम के पीछे का चरण-विभाजन (पावरप्ले, मिडिल, डेथ) का हिसाब किसी ने नहीं रखा। प्रति-करोड़ वैल्यू बनाम चरण-विभाजन के आउटपुट का मिलान करने पर वही ग़लतीफ़हमी हर चक्र में दोहराई जाती मिलती है। दाम एक दावा है, तथ्य नहीं। इसलिए जो तालिका साफ़ दिखती है, उससे पहले मैं पूछता हूँ — इसे किसने जोड़ा और क्यों।
यही सवाल उस खाली JSON पर भी लागू होता है, और यहीं से विपरीत कोण शुरू होता है। सहज प्रतिक्रिया यह होती है कि "सूचना नहीं मिली" का अर्थ "कुछ हुआ ही नहीं" है। यह ग़लत है। साक्ष्य का अभाव, अभाव का साक्ष्य नहीं होता। लेकिन एक दूसरी, कम सुनी जाने वाली बात भी सच है: खाली कॉलम मैच के बारे में कुछ नहीं कहता, पर उस सिस्टम के बारे में बहुत कुछ कहता है जिसने उसे खाली छोड़ा। अगर किसी डेस्क का कैप्चर जावास्क्रिप्ट पर अटक रहा है, तो वही विफलता उन सैकड़ों आइटम पर भी लग रही होगी जिन्हें किसी ने नहीं जाँचा। यह पाइपलाइन का बुख़ार है, और वह एक आइटम से ज़्यादा की चीज़ है।
दूसरा विपरीत निष्कर्ष यह है कि जो कॉलम भरा हुआ है, वह अक्सर गायब कॉलम से कम बताता है। स्कोरकार्ड में रन और विकेट दर्ज होते हैं, फ़ील्डिंग प्लेसमेंट नहीं। नतीजा यह कि हम बल्लेबाज़ को ज़रूरत से ज़्यादा श्रेय देते हैं और फ़ील्डर के उस मूवमेंट को श्रेय नहीं देते जिसने दो रन जाने से रोके। जो ट्रेंड लगता है, वह अक्सर एक गायब कॉलम का भेस होता है।
यहाँ एक चेतावनी अपने लिए भी है। बुंदेसलीगा का वह नमूना 81 मैच और एक सीज़न का है। 43.2 से 33.3 प्रतिशत तक का गिरना चौंकाने वाला है, पर उस पर कोई नीति खड़ी करने से पहले मुझे कम से कम तीन सीज़न के बंद-दरवाज़े डेटा चाहिए, और कम से कम तीन स्वतंत्र जाँच। सहसंबंध कारण नहीं है — यह वाक्य मैं हर उस लेख में लिखता हूँ जिसमें संख्याएँ आपस में बहस करती दिखती हैं। विपरीत निष्कर्ष निकालना मेरी आदत रही है, और आदत बन जाने वाला विपरीत निष्कर्ष सबसे बड़ा जाल है: जब बात मानी जाने लगे, तो उलटा दावा साक्ष्य से पहले आ जाता है। इसलिए मेरा नियम सख़्त है — कोई भी उलटा दावा तीन स्वतंत्र जाँचों के बाद ही छपता है, और लेख में यह भी लिखा जाता है कि जाँचें हुई थीं। मॉडल एक कहानी है जिसकी सिलाई दिख रही होती है; मैं सिलाई का नक्शा बनाता हूँ।
मैच देखते हुए मेरे सालों के अनुभव से एक बात साफ़ हुई है: आँख जो देखती है और तालिका जो बताती है, दोनों कभी-कभी पूरी तरह अलग होते हैं — और तीसरा पक्ष, यानी वह आदमी जिसने तालिका बनाई, आम तौर पर गवाही देने नहीं आता।
इस पूरे प्रसंग का आगे का नतीजा एक प्रक्रिया-सुधार है, कोई क्रिकेटिंग दावा नहीं। किसी भी विश्लेषण से पहले एक न्यूनतम सूचना-पुलिंदा अनिवार्य होना चाहिए: शीर्षक, स्रोत का नाम, प्रकाशन की तारीख़, प्रारूप, कम से कम तीन सूचना-बिंदु और इकाई-सूची। इनमें से एक भी न हो तो सही उत्तर "अपर्याप्त सूचना" लिखना है, अनुमान नहीं। और मेरी अपनी कार्यसूची में एक कोटा है जिसे मैं तोड़ता नहीं: हर आईपीएल-आधारित लेख के साथ रणजी या महिला क्रिकेट से एक लेख — भले रिकॉर्ड अधूरा हो। जब रिकॉर्ड अधूरा हो, तो उस अधूरेपन को ही विषय बना देना चाहिए। आर्काइव ही वापसी है।
अगली बार जब कोई स्कोरकार्ड पढ़ें, तो एक पंक्ति नीचे देखिए कि कौन-सी चीज़ दर्ज ही नहीं हुई। जिस क्रिकेट को हम माप नहीं पाते, वह बहस में हमेशा बेगुनाह साबित होता है — क्योंकि उसके ख़िलाफ़ कोई सबूत कभी जमा नहीं हुआ। सवाल यह नहीं है कि किस खिलाड़ी के पास ज़्यादा आँकड़े हैं। सवाल यह है कि तालिका बनाने वाले ने उस दिन अपनी क़लम किस कॉलम पर रोकी, और क्यों।