खाली शीट पर फाइल नहीं होती: क्रिकेट डेटा ऑडिट में 'N/A' का असली मतलब

रात के लगभग दो बजे थे जब वह रिपोर्ट स्क्रीन पर खुली। आठ सेक्शन, चालीस से ज़्यादा टेबल, हर टेबल में चार-पाँच कॉलम — और हर सेल में एक ही वाक्य: "N/A — insufficient information, cannot assess।" फॉर्मेट अज्ञात। मैच की प्रकृति अज्ञात। वेन्यू अज्ञात। खिलाड़ी अज्ञात। टीम अज्ञात। लीग अज्ञात। जहाँ स्कोरकार्ड होना चाहिए था, वहाँ एक ढाँचा था जिसे किसी ने भरा नहीं था।

मैं ऐसी शीट से परेशान होता हूँ जिसमें नंबर लिखे हों और उनका पता न हो। 2026 में चिन्नास्वामी में मेरे साथ यही हुआ था — डेथ ओवरों की तीन परिभाषाएँ, तीन अलग कहानियाँ, और हर कहानी अपने आप में साफ। उस रात परेशानी उलटी दिशा से आई: ट्रेस करने को कुछ था ही नहीं। हर सेल में "जानकारी अपर्याप्त" लिखा होना खालीपन का इकरार है, और यही इकरार उस दस्तावेज़ की सबसे मज़बूत लाइन है। इसे पढ़ने का तरीका यह है कि आप इससे क्रिकेट न माँगें, प्रक्रिया माँगें।

कहानी तकनीकी है, इसलिए पहले प्रक्रिया साफ कर लेता हूँ। यह दो चरणों वाली पाइपलाइन का दूसरा चरण है। पहला चरण स्रोत लेख को तोड़कर "इन्फॉर्मेशन पॉइंट्स" बनाता है — छोटे, अलग-अलग, हर एक के साथ अपना स्रोत-फील्ड लिए हुए तथ्य। साथ में इकट्ठा करता है इकाइयाँ (टीम, खिलाड़ी, टूर्नामेंट, तारीख), समय-संवेदनशीलता, और स्रोत की गुणवत्ता। दूसरा चरण — यही रिपोर्ट — उन्हीं बिंदुओं पर आठ आयामों में विश्लेषण खड़ा करता है: फॉर्मेट और मैच, खिलाड़ी की तकनीक, टीम का परिदृश्य, लीग का अर्थशास्त्र, नियम और शासन, जोखिम, जन-नैरेटिव, और उद्योग तक ट्रांसमिशन।

इस बार पहला चरण खाली लौटा। शीर्षक N/A, स्रोत N/A, लेख का प्रकार अपरिभाषित, मुख्य दृष्टिकोण खाली, इन्फॉर्मेशन पॉइंट्स की सूची सूनी। इकाइयों वाले कॉलम में लिखा था "ऊपर दिए गए इन्फॉर्मेशन पॉइंट्स से पहचानें" — और ऊपर कोई पॉइंट ही नहीं था। समय-संवेदनशीलता का आकलन नहीं हुआ, स्रोत की गुणवत्ता का भी नहीं। एक और चीज़ थी जो छोटी दिखती है और नहीं है: डोमेन लेबल cricket_asia भेजा गया, जबकि इस पाइपलाइन का मानक लेबल Cricket है।

दूसरे चरण ने जो किया, वही करना चाहिए था। उसने खालीपन भरा नहीं, दर्ज किया। हर आयाम में टेम्पलेट पूरा रखा, हर सेल में N/A लिखा, और अंत में साफ कहा कि दस्तावेज़ का विश्लेषण-मूल्य शून्य है। ऐसा दस्तावेज़ पाइपलाइन की विफलता नहीं, पाइपलाइन का ब्रेक है — और ब्रेक ठीक उसी जगह लगा है जहाँ लगना चाहिए था।

अब असली सवाल: एक खाली रिपोर्ट किस काम की? तीन काम हैं, और तीनों क्रिकेट डेटा में रोज़ काम आते हैं।

पहला — यह "शून्य" और "अज्ञात" को अलग करती है। स्कोरकार्ड में यह फर्क सबसे ज़्यादा नज़रअंदाज़ होता है। जिस गेंदबाज़ ने चार ओवर फेंके और कोई विकेट नहीं लिया, उसका शून्य औसत में जुड़ता है; जिसका स्पेल दर्ज ही नहीं हुआ, उसका शून्य औसत में नहीं जुड़ सकता। पहला शून्य एक तथ्य है, दूसरा शून्य एक खतरा। 2026 के ऑक्शन मॉडल में यही गलती सबसे महँगी होती थी — छोटे डेथ-ओवर सैंपल वाले गेंदबाज़ को "सस्ता" मान लेना, जबकि सही पढ़ना यह था कि उस पर फैसला टाला जाए। N/A किसी औसत का हिस्सा नहीं बन सकता; शून्य बन सकता है। दोनों को एक ही कॉलम में डालना वह गलती है जिससे बाकी सारी गलतियाँ निकलती हैं।

दूसरा — यह ऑडिट ट्रेल बचाती है। मान लीजिए उस रात मॉडल ने खालीपन को "उपयोगी" बनाने की कोशिश की होती: किसी हालिया सीरीज़ का नाम, किसी गेंदबाज़ का इकॉनमी, किसी टीम का रैंकिंग ट्रेंड जोड़ दिया होता। नीचे की हर कड़ी उस एक काल्पनिक तथ्य पर टिकी होती, और पाठक के लिए यह बताना असंभव होता कि मूल दस्तावेज़ कहाँ खत्म हुआ और अनुमान कहाँ शुरू। काल्पनिक तथ्य की सबसे बड़ी कीमत यह नहीं कि वह गलत है; यह है कि वह बाद के हर सही तथ्य को भी संदिग्ध बना देता है। N/A उस दरवाज़े को बंद करता है।

तीसरा — यह गलती का पता बताती है। रिपोर्ट यह नहीं कहती कि "क्रिकेट डेटा भरोसेमंद नहीं है"। वह चार चीज़ें नाम लेकर बताती है जो खाली थीं — इन्फॉर्मेशन पॉइंट्स, इकाइयाँ, समय-संवेदनशीलता, स्रोत-गुणवत्ता — और एक चीज़ जो गलत लेबल पर थी। यह एक फिक्सेबल लिस्ट है, शिकायत नहीं। क्रिकेट में मुझे यही तरीका सबसे ज़्यादा काम आया: "RCB का डेथ-ओवर खराब है" एक शिकायत है; "होम सीज़न के 14 मैचों में 16–20 ओवरों में सीमर्स 12.6 रन प्रति ओवर दे रहे थे और चहल के 18 डेथ ओवर 8.1 पर गए" एक फिक्सेबल लिस्ट है। दूसरी पर अगले सीज़न काम हो सकता है, पहली पर सिर्फ बहस।

और अगर पहला चरण भरा हुआ होता तो कैसा दिखता? स्रोत लेख का एक भी वाक्य — "टीम A ने टीम B को Z रन से हराया" — कम से कम चार अलग बिंदुओं में टूटता: परिणाम, अंतर, तारीख/स्थान, और फॉर्मेट। हर बिंदु के साथ उसका स्रोत। यही "एटॉमिक" होना है। जब यह परत खाली हो, तो ऊपर की हर परत अनुमान बन जाती है, चाहे उसकी भाषा कितनी भी विशेषज्ञ लगे।

और वह लेबल? पाइपलाइन में एक लेबल गलत था, और वह cricket_asia था। यह उतना ही मामूली दिखता है जितना 2026 में एक गेंदबाज़ की कीमत का गलत आकलन — और असर में उतना ही बड़ा। क्षेत्रीय टैग आर्काइव का दरवाज़ा होता है। अगर क्रिकेट सामग्री रोज़ cricket_asia बकेट में गिरती रहे, तो छह महीने बाद आपका आर्काइव "भारतीय क्रिकेट पर कितना लिखा गया" का जवाब गलत देगा, और कोई शिकायत नहीं करेगा, क्योंकि हर फाइल अपनी जगह मौजूद दिखेगी। टैक्सोनॉमी की गलती शोर नहीं मचाती; वह चुपचाप कोहोर्ट बदल देती है।

अब वह हिस्सा जहाँ मुझे अपने ही पक्ष के खिलाफ बोलना है। खाली रिपोर्ट देखकर पहली प्रतिक्रिया यह होती है कि विश्लेषक फेल हुआ। ज़्यादातर मामलों में यह अपस्ट्रीम की विफलता है, और खतरनाक बात यह है कि खाली इनपुट सबसे "मददगार" इनपुट होता है — भरे हुए इनपुट में मॉडल को किसी तथ्य से लड़ना पड़ता है, खाली इनपुट में उसे सिर्फ अच्छा दिखना पड़ता है। इसीलिए रिपोर्ट की जोखिम सूची में सबसे ऊपर जो चीज़ है, वह क्रिकेटीय जोखिम नहीं, "गढ़े हुए विश्लेषण का जोखिम" है, और उसे उच्च स्तर पर रखा गया है। यह सही प्राथमिकता है।

दूसरी बात, जो रिपोर्ट ने खुद नहीं कही। उसका जोखिम-मैट्रिक्स छह श्रेणियों में N/A दिखाता है और कुल रेटिंग भी N/A रखता है। इसे "कोई जोखिम नहीं" मत पढ़िए। यह वही शून्य-बनाम-अज्ञात की गलती है, उलटी दिशा में — जिस फर्क पर मैंने ऊपर पूरा तर्क खड़ा किया, वहीं ऑडिट खुद फिसल जाता है। छह N/A का मतलब छह ऐसी श्रेणियाँ हैं जिन्हें आँकना असंभव था; "छह साफ श्रेणियाँ" नहीं।

तीसरी बात सीधी है। इस दस्तावेज़ में कोई क्रिकेटीय अंतर्दृष्टि नहीं है, और रिपोर्ट यह खुद मानती है। जो इसे "क्रिकेट विश्लेषण" के तौर पर उद्धृत करे, वह उपकरण पर गलत लेबल लगा रहा है। मैंने यह सबक ऑक्शन मॉडल के साथ महँगा सीखा था: मॉडल नीलामी की बाधाओं में अनुबंध का मूल्य आँकता है, खिलाड़ी की योग्यता नहीं; दोनों को एक कॉलम में रखना वही गलती है। यह रिपोर्ट पाइपलाइन के स्वास्थ्य की रिपोर्ट है, क्रिकेट की नहीं।

आगे क्या। उपाय साफ है और रिपोर्ट ने खुद दिया है: पहला चरण दोबारा चलाएँ, और इस बार चार फील्ड भरे हों — हर तथ्य के साथ उसका स्रोत, इकाइयों की स्पष्ट सूची, समय-संवेदनशीलता का आकलन, स्रोत की गुणवत्ता का दर्जा। साथ में लेबल ठीक करें।

मैं तीन चीज़ें पहले से तय करके फ्रीज़ कर देना चाहूँगा, क्योंकि डेटा-ऑडिट में अनगिनत चीज़ें जोड़ी जा सकती हैं और अंत में कोई फैसला नहीं निकलता। एक: हर इन्फॉर्मेशन पॉइंट के साथ स्रोत-फील्ड अनिवार्य; बिना उसके बिंदु गिना ही न जाए। दो: इकाई-निष्कर्षण की अलग जाँच — टीम, खिलाड़ी, टूर्नामेंट, तारीख। तीन: लेबल का सामान्यीकरण, और यह जाँच कि एक ही सामग्री दो बार अलग बकेट में न गिरे। बाकी चर सीमाओं में लिख दें, बहाने में नहीं।

असली टेस्ट वह नहीं जो सब सोचते हैं। टेस्ट यह नहीं कि पाइपलाइन अगली बार अच्छा लेख देती है या नहीं। टेस्ट यह है कि जब इनपुट फिर खाली हो, तो वह फिर वही खाली रिपोर्ट लौटाती है या नहीं। जो सिस्टम एक ही खालीपन पर दो बार दो अलग कहानियाँ सुना दे, वह भरोसे लायक नहीं — चाहे कहानी कितनी भी अच्छी लगे। 2026 में खाली स्टेडियमों ने खेल का सबसे साफ नैचुरल एक्सपेरिमेंट दिया था, सिर्फ इसलिए कि किसी ने लिखकर रखा कि भीड़ मौजूद नहीं थी। अनुपस्थिति को दर्ज करना भी डेटा है। सवाल यही है: हमारा सिस्टम अपनी खाली शीट को उतनी ईमानदारी से सहेजता है जितनी अपने स्कोरकार्ड को?