खाली डेटा, भरा हुआ निष्कर्ष: क्रिकेट विश्लेषण में 'N/A' का असली मतलब

शुरुआत: एक खाली ग्रिड

पिछले महीने मेलबर्न के अपने स्टडी रूम में मैंने एक पुरानी फाइल खोली — 2026 के वांडरर्स फाइनल का 24-सेक्टर ग्रिड। उस शीट पर हर सेक्टर भरा हुआ था: फील्डर की स्थिति, ओवर नंबर, गेंदबाज़ का कोण। 61 पोज़िशनल शिफ्ट दर्ज थीं। उस कागज़ ने मुझे सिखाया था कि क्रिकेट का हर निष्कर्ष एक नक्शे से निकलता है, माहौल से नहीं।

इस हफ्ते मेरे सामने जो शीट आई, वह उसके उलट थी। बावन पंक्तियाँ, बावन बार वही तीन अक्षर: N/A। न खिलाड़ी, न टीम, न फॉर्मेट, न वेन्यू, न ओवर की संख्या। शीर्षक खाली, स्रोत खाली, कोर व्यूअर खाली। यह एक क्रिकेट रिपोर्ट नहीं थी — यह एक रिपोर्ट का खोखला ढांचा था जिसे किसी ने डेटा से नहीं भरा।

और यहीं से असली कहानी शुरू होती है। क्योंकि क्रिकेट-विश्लेषण के पेशे में सबसे खतरनाक चीज़ खराब डेटा नहीं है। सबसे खतरनाक चीज़ है खाली डेटा को भरने का प्रलोभन।

संदर्भ: विश्लेषण की मशीन कैसे चलती है

पिछले 41 वर्षों में मैंने तीन जगहों से क्रिकेट देखा है — मिड-डे के फीचर्स डेस्क से, द पायनियर और हिंदुस्तान टाइम्स के स्पोर्ट्स डेस्क से, और चैंपियन डेटा के एक ऐसे केबिन से जहाँ मैं स्कोर नहीं, फील्ड पोज़िशन लॉग करता था। तीनों जगहों पर एक ही नियम लागू रहा: डेटा पहले, कहानी बाद में।

यही नियम आज की क्रिकेट-मीडिया मशीन के साथ टकराव में है। आज का सिस्टम इस तरह चलता है —

स्टेज 1: मूल लेख से तथ्य निकालो (डीकंस्ट्रक्शन)। स्टेज 2: उन तथ्यों पर मॉडल चलाओ — फॉर्मेट, खिलाड़ी, टीम, लीग-इकोनॉमी, गवर्नेंस, रिस्क, नैरेटिव, इंडस्ट्री-ट्रांसमिशन। स्टेज 3: निष्कर्ष निकालो।

जब स्टेज 1 खाली लौटता है, तो स्टेज 2 और 3 को निष्कर्ष निकालने का कोई अधिकार नहीं बचता। लेकिन प्रकाशन की गति — डेडलाइन, क्लिक, ट्रेंडिंग टैब — उस अधिकार को वापस माँगती है। यहीं से फैब्रिकेशन जन्म लेता है।

मेरे पास इसका एक पुराना उदाहरण है। फरवरी 2026 में राजस्थान रॉयल्स को भेजे अपने चालीस-पेज मेमो में मैंने लिखा था कि बाज़ार आइकन बल्लेबाज़ों पर ज़्यादा और लेफ्ट-आर्म स्पिन, विकेटकीपिंग व डेथ ओवरों पर कम कीमत चुका रहा है। वह निष्कर्ष एक नीलामी सूची से निकला था जिसमें हर नाम के आगे आधार-मूल्य मौजूद था। जिस दिन सूची खाली होती, उस दिन मेमो भी खाली होता। यह बात इतनी सी है कि लोग भूल जाते हैं।

मुख्य विश्लेषण: आठ-आयामी टेम्पलेट और उसके 52 खाली खाने

अब उस ढांचे को खोलते हैं जो सामने रखा गया था। आठ विश्लेषण-आयाम, और हर आयाम में ऊपर से नीचे तक N/A — insufficient information।

पहला आयाम — फॉर्मेट और मैच। फॉर्मेट अज्ञात, मैच की प्रकृति अज्ञात, की-फेज़ परफॉर्मेंस अज्ञात, वेन्यू फैक्टर अज्ञात, पर्यावरण अज्ञात। और फिर भी चेकलिस्ट में एक जगह बहुत साफ़ है: "input data integrity failure" — यानी खुद सिस्टम ने स्वीकार किया कि इनपुट टूटा हुआ है। यह ईमानदारी है, और यह दुर्लभ है। क्रिकेट-लेखन में ईमानदारी अक्सर आखिरी चीज़ होती है जो बचती है।

दूसरा आयाम — खिलाड़ी तकनीक और डेटा। औसत, स्ट्राइक रेट, इकॉनमी, सिचुएशनल स्प्लिट, रीसेंट ट्रेंड — पाँचों खाने खाली। मुझे इस आयाम से एक पुरानी शिकायत जुड़ी है। पचास ओवर के शतक और "अगला तेंदुलकर" जैसे फ़्रेम मेरे पूरे तरीके को उलट देते हैं, क्योंकि उनमें खिलाड़ी का आंकड़ा मैच की स्थिति की जगह ले लेता है। लेकिन यहाँ उलटी समस्या है — आंकड़ा ही नहीं है। और बिना आंकड़े के खिलाड़ी-कहानी लिखना वही गुनाह है, बस दूसरी दिशा से।

तीसरा आयाम — टीम और रैंकिंग। ICC रैंकिंग अज्ञात, होम-अवे प्रोफ़ाइल अज्ञात, बैटिंग डेप्थ और बॉलिंग कॉम्बिनेशन दोनों अज्ञात, एज-स्ट्रक्चर अज्ञात। यह एक दिलचस्प खालीपन है, क्योंकि टीम-निर्माण की सारी बहसें — क्या भारत की दूसरी पंक्ति दुनिया की सबसे कठिन टीम है, या यह चयन-कला का आर्टिफ़ैक्ट है — इसी एक आयाम पर टिकी हैं। उत्तर देने के लिए स्क्वाड चाहिए। स्क्वाड नहीं है।

चौथा आयाम — लीग और वाणिज्यिक पारिस्थितिकी। ब्रॉडकास्ट राइट्स का मूल्य, फ्रैंचाइज़ी वैल्यूएशन, खिलाड़ी वेतन, नीलामी प्रीमियम — सब खाली। इस जगह पर मुझे हमेशा एक खास अनुशासन की ज़रूरत महसूस होती है। नीलामी का बुख़ार क्रिकेट-रिपोर्टिंग की सबसे पुरानी बीमारी है। जब कोई फ्रैंचाइज़ी किसी बल्लेबाज़ पर बड़ी रकम लगाती है, तो सवाल यह नहीं होता कि रकम कितनी बड़ी है — सवाल यह होता है कि उस रकम का हिसाब प्रति ओवर क्या बैठता है। यह हिसाब लगाने के लिए नीलामी की सूची चाहिए। यहाँ सूची नहीं है।

पाँचवाँ आयाम — नियम और गवर्नेंस। पावर-रिवेन्यू बंटवारा, खेल-नियम विवाद, इंटीग्रिटी, पात्रता, राजनीतिक कारक — पाँचों खाली, तीनों परिदृश्य (worst, base, optimistic) खाली। इस आयाम पर मेरा एक स्थायी अवलोकन है जो यहाँ लागू नहीं होता, पर उल्लेखनीय है: क्रिकेट-प्रशासन में हर चूक षड्यंत्र नहीं होती। कभी अक्षमता होती है, कभी रूटीन लॉजिस्टिक्स, कभी सचमुच गोपनीयता। तीनों को अलग करने के लिए काग़ज़ चाहिए। काग़ज़ नहीं है, तो तीनों को अलग करने का दावा भी नहीं किया जा सकता।

छठा आयाम — जोखिम मैट्रिक्स। खेल, कार्मिक, वाणिज्यिक, नियम, जनमत, सिस्टमिक — छह श्रेणियाँ, छह खाली पंक्तियाँ।

सातवाँ आयाम — जन-नैरेटिव और अपेक्षा। मौजूदा नैरेटिव अज्ञात, हीट-साइकल का चरण अज्ञात, अपेक्षा-अंतराल के तीनों खाने खाली।

आठवाँ आयाम — इंडस्ट्री ट्रांसमिशन। अपस्ट्रीम से डाउनस्ट्रीम तक का नक्शा — तीनों बॉक्स में N/A।

अब इस पूरे ढांचे को एक साथ देखिए। यह कोई विश्लेषण नहीं है; यह एक साफ़, ईमानदार, व्यवस्थित इंकार है। और मेरे पेशे में इस इंकार की कीमत उस झूठे विश्लेषण से कहीं ज़्यादा है जो इसकी जगह भर सकता था।

विरोधाभासी कोण: जो लोग इसे "विफलता" कहेंगे, वे असली सवाल चूक रहे हैं

यहाँ एक असुविधाजनक बात कहनी है। जिन लोगों ने यह खाली रिपोर्ट देखी, उनमें से ज़्यादातर का पहला रिएक्शन होगा: "यह तो सिस्टम की विफलता है।" मैं इससे सहमत नहीं हूँ — या कम से कम, यह निदान आधा ही सही है।

असली विफलता स्टेज 2 या स्टेज 3 में नहीं हुई। असली विफलता स्टेज 1 में हुई — जहाँ मूल लेख को पढ़कर तथ्य निकालने थे और कुछ नहीं निकला। यह एक टूटी हुई शुरुआती कड़ी है, और हर डेटा-चेन अपनी सबसे कमज़ोर कड़ी जितनी मज़बूत होती है। जो लोग इसे "AI का फेल होना" कहेंगे, वे यह बताने में असमर्थ रहेंगे कि फेल क्या हुआ — क्योंकि फेल होने वाला हिस्सा विश्लेषण था ही नहीं।

दूसरी बात, और यह ज़्यादा ज़रूरी है। एक खाली इनपुट को भरने के दो रास्ते हैं। पहला — मॉडल अपनी स्मृति से उधार ले: हाल का कोई मैच, कोई जाना-पहचाना नाम, कोई परिचित विवाद। दूसरा — मॉडल इंकार करे। पहला रास्ता तुरंत पढ़ने में बेहतर लगता है, और वही सबसे बड़ा खतरा है।

मेरे पेशे में इसका एक ठोस उदाहरण मौजूद है। जब लोग आसान समीकरण बनाते हैं — BBL बराबर IPL, शेफील्ड शील्ड बराबर रणजी ट्रॉफी, "उपमहाद्वीप की एशेज़" — तो वे असल में खाली जगह को परिचित नाम से भर रहे होते हैं। यह रिपोर्टिंग में सुंदर लगता है और तथ्य में गलत होता है; एक दिन यह उस हद तक पहुँचता है कि कोई कॉन्ट्रैक्टेड भारतीय पुरुष खिलाड़ी किसी विदेशी लीग में रख दिया जाता है। खाली जगह को अनुमान से भरना एक छोटी आदत है जिसका नतीजा बड़ा झूठ होता है।

और तीसरी बात — जिसे मैं खुद अपने खिलाफ़ कह रहा हूँ। मेरी आदत है देर से, पूरी तरह पकी हुई रिपोर्ट देना। वह आदत अक्सर मुझे सही साबित करती है और लगभग हमेशा मुझे देर से पहुँचाती है। इस खाली रिपोर्ट ने मुझे एक चीज़ दिखाई: समय पर दिया गया एक स्पष्ट "मुझे नहीं पता" किसी भी देर से आए आत्मविश्वास से बेहतर है। असली अनुशासन यह है — अनुमान को अनुमान कहना, भरोसे का स्तर लिखना, और यह बताना कि कौन से दो डेटा-पॉइंट निष्कर्ष को बदल देंगे।

मुझे यह भी मानना है कि इस रिपोर्ट में एक चीज़ सचमुच अच्छी है, और वह इसका डिस्क्लेमर है। जिसने भी इसे बनाया, उसने साफ़ लिखा: यह विश्लेषण सार्वजनिक जानकारी और स्टेज-1 के नतीजों पर आधारित है; खेल-परिणाम अत्यधिक अनिश्चित हैं। क्रिकेट में, जहाँ एक टॉस और एक बादल का टुकड़ा मॉडल को पलट देता है, यह वाक्य किसी औपचारिकता से ज़्यादा है। यह उस काम का अंतिम सच्चा हिस्सा है।

अंत में: अगला ग्रिड कब भरेगा

मेरे पास 2026 का एक ग्रिड है जो पूरा भरा हुआ है, और मेरे पास इस हफ्ते की एक शीट है जो पूरी खाली है। दोनों मेरे लिए एक ही सबक हैं — नक्शा जितना साफ़ होगा, कहानी उतनी ही ईमानदार होगी; और जब नक्शा खाली हो, तो कहानी लिखने की ज़िद करना ही असली गलती है।

जो पाठक अगले मैच की रिपोर्ट पढ़ने बैठेगा, उसके लिए एक सीधा सवाल: आप किस चीज़ पर भरोसा कर रहे हैं — उस निष्कर्ष पर जो आत्मविश्वास से लिखा गया है, या उस गणना पर जिसका इनपुट आपने कभी देखा ही नहीं? और जिस रिपोर्ट में हर खाना N/A है, वह अगर साफ़-साफ़ बता दे कि वह खाली है — तो क्या वह उस रिपोर्ट से कम भरोसेमंद है जो हर खाना खुद भर लेती है, चाहे कुछ भी हो?