खाली लेजर: क्रिकेट कवरेज की सबसे खतरनाक गलती वह है जो पूरी दिखती है

रात 2:14 बजे, त्रिप्लिकेन। बिजली जा चुकी थी, लैपटॉप बैटरी पर था। स्क्रीन पर दो फाइलें खुली थीं। पहली — 2026 का चेपॉक लेजर: 7,400 गेंदें, हाथ से चार्ट की हुईं, अठारह साल की उम्र में एम.ए. चिदंबरम स्टेडियम के प्रेस बॉक्स में बैठकर, एक तमिल डिजिटल आउटलेट की टीएनपीएल कवरेज के लिए, बिना पैसे के।

पहली फाइल में हर रो का एक स्तंभ था: ओवर, गेंद, बल्लेबाज, गेंदबाज, रन, विकेट — और वह चौथा स्तंभ जो किसी ने नहीं मांगा था, बाउंड्री के बाद स्ट्राइक रोटेशन।

दूसरी फाइल इसी हफ्ते की एक ऑटोमेटेड क्रिकेट-कंटेंट पाइपलाइन का आउटपुट थी। उसमें शीर्षक था "N/A"। स्रोत था "N/A"। लेख का प्रकार था "अवर्गीकृत"। सूचना बिंदुओं की सूची खाली थी। और डोमेन लेबल, जो अनुबंध के मुताबिक Cricket होना चाहिए था, वहाँ cricket_asia लिखा था।

लेजर को ब्रॉडकास्ट से सहमत नहीं होना था, इसलिए मैं रात भर बैठा रहा। इस बार लेजर खुद ही खाली था। यही इस पूरे मामले की खबर है — क्रिकेट में डेटा की सबसे बड़ी नाकामी तब नहीं होती जब नंबर गलत आते हैं; तब होती है जब नंबर आते ही नहीं और फॉर्मेट पूरा भरा हुआ दिखता है।

कॉन्टेक्स्ट: एक इकाई जिसके बिना कोई निष्कर्ष नहीं

मेरे काम का एक ही नियम है जो 2026 के बाद कभी नहीं टूटा: जो वाक्य गेंद-दर-गेंद की किसी रो से ट्रेस न हो सके, वह वाक्य लिखा नहीं जाएगा। इसीलिए मेरी कॉपी फाइल होने में धीमी है, और इसीलिए उससे बहस करना मुश्किल है।

उस नियम की एक ऊपरी शर्त है जिसे ज्यादातर क्रिकेट कवरेज भूल जाती है — लेजर की सबसे छोटी इकाई, "सूचना बिंदु"। यह वह परमाणु तथ्य है जिसे सत्यापित किया जा सके: तारीख, स्थान, प्रारूप, गेंदबाजी का चरण, एक नाम, एक आंकड़ा। मेरे लिए यही सबूत की एकमात्र स्वीकार्य इकाई है।

इस हफ्ते जो आया, उसमें ऐसी इकाई एक भी नहीं थी। शून्य। और मेरे अपने अनुशासन के मुताबिक, शून्य सूचना बिंदु का मतलब है शून्य निष्कर्ष — खेल के बारे में, कारोबार के बारे में, गवर्नेंस के बारे में, नैरेटिव के बारे में। कुछ भी नहीं।

सामने दो रास्ते थे। पहला: cricket_asia लेबल पकड़कर एशिया कप या एसीसी टूर्नामेंट की कहानी गढ़ देना। वह लेबल मौजूद था, और उसे कहानी में बदलने में मुझे चालीस मिनट लगते। दूसरा रास्ता: यह लिखना कि एक इकाई भी नहीं मिली, और यह बताना कि इसका मतलब क्या है।

दूसरा रास्ता चुना। क्योंकि इस सबक की कीमत मैंने पहले चुकाई है — दो बार।

कोर: फेलियर का हस्ताक्षर, और वह तीन जगह जहाँ वह दिखता है

सबसे जरूरी बात पहले: खाली सूचना बिंदु का मतलब यह नहीं है कि लेख में क्रिकेट नहीं था। इसका मतलब है कि सोर्स टेक्स्ट कभी पढ़ा ही नहीं गया।

यह अंतर बड़ा है। एक खाली लेख और एक फेल हुई एक्सट्रैक्शन — दोनों का आउटपुट एक जैसा दिखता है, दोनों में N/A भरा होता है। लेकिन एक में कहानी नहीं थी, दूसरे में कहानी थी और उसे पकड़ने की मशीन फिसल गई। मेरा अनुमान: यह इनजेशन फेलियर है, लेख का खालीपन नहीं। भरोसा — मध्यम, ऊँचा नहीं। आधार तीन संकेतों का एक साथ आना है: खाली सूचना-बिंदु सूची, अवर्गीकृत लेख-प्रकार, और अनुबंध से हटा हुआ डोमेन लेबल। एक संकेत दुर्घटना हो सकता है। तीन मिलकर एक हस्ताक्षर बनाते हैं। हस्ताक्षर को निष्कर्ष में नहीं बदला जा सकता, लेकिन नजरअंदाज भी नहीं किया जा सकता।

दूसरी बात, cricket_asia लेबल। यह टैक्सोनॉमी से बाहर है — अनुबंध में Cricket लिखा है। तकनीकी भाषा में यह "ऑफ-कॉन्ट्रैक्ट लेबल" है, यानी स्कीमा ड्रिफ्ट या आधी-अधूरी एक्सट्रैक्शन का निशान। इसे सबूत मानने का लालच बहुत असली है। मैंने उसे नहीं माना। लेबल एक प्रॉक्सी है, तथ्य नहीं।

तीसरी बात, और यहीं क्रिकेट खास तौर पर कमजोर है — प्रारूप-अलगाव। टेस्ट, वनडे और टी20 के आंकड़े कभी एक साथ नहीं डाले जा सकते। बल्लेबाजी औसत, स्ट्राइक रेट, इकॉनमी — तीनों का पास मार्क हर प्रारूप में अलग है। जब एक्सट्रैक्शन खाली आता है, प्रारूप का पता ही नहीं चलता; और जब प्रारूप का पता न हो, तो कोई भी मीट्रिक "अच्छा" या "बुरा" नहीं कहा जा सकता। यह सैद्धांतिक चिंता नहीं है। भारतीय घरेलू और महिला क्रिकेट का सार्वजनिक गेंद-दर-गेंद डेटा पहले से ही पतला है; प्रारूप का अनिश्चित होना उस पतलेपन पर दूसरी परत चढ़ा देता है।

फरवरी 2026 में मैंने बेंगलुरु में दो दिन मेगा ऑक्शन में बिताए — 600 खिलाड़ी शॉर्टलिस्ट, 204 बिके — और मेरे पास रुपये-प्रति-रन-अबव-रिप्लेसमेंट की शीट थी जो मेरे ही एक्सपेक्टेड-रन्स इंजन पर बनी थी। इशान किशन के ₹15.25 करोड़ (मुंबई इंडियंस) और दीपक चहर के ₹14 करोड़ (चेन्नई सुपर किंग्स) पर मैंने लिखा कि दोनों अपनी भूमिका के ऑक्शन मीडियन से 30% ऊपर कीमत बता रहे हैं।

और अवेश खान पर मेरी शीट बुरी तरह गलत थी — लखनऊ सुपर जायंट्स को ₹10 करोड़, जबकि मैंने उन्हें रोटेशन गेंदबाज ग्रेड किया था। मैंने वह चूक उसी लेख में छापी, क्योंकि जो शीट सार्वजनिक होकर गलत साबित हुई, उसे चुपचाप डिलीट करना सबसे बड़ी बेईमानी होती। उस दिन के बाद से मैं ऑक्शन कॉल हैमर गिरने से पहले दर्ज करता हूँ, ताकि बाद में मुझे ऑडिट किया जा सके।

यही अनुशासन यहाँ लागू होता है। अगर मैं cricket_asia से कहानी बना लेता, तो वह ठीक वही गलती होती जो अवेश खान पर हुई — एक अनुमान को निष्कर्ष की तरह छाप देना। फर्क सिर्फ यह है कि अवेश वाली चूक मापी जा सकती थी। यह नहीं।

2026 और 2026: दो सबक जिन्होंने यह लेख संभव बनाया

2026 में एक चेन्नई स्पोर्ट्स-एनालिटिक्स स्टार्टअप में इंटर्नशिप के दौरान मुझे रूस विश्व कप का इवेंट फीड मिला, और मैंने xG व पीपीडीए कोडिंग शुरू की। फ्रांस ने अर्जेंटीना को 4–3 से हराया, और मेरी xG शीट में वह मैच स्कोरलाइन से कहीं करीब था। वही अंतर मेरे सिर में बैठ गया। घर लौटकर मैंने वही तर्क क्रिकेट पर लगाया, 2026 आईपीएल की गेंद-दर-गेंद फाइल पर एक्सपेक्टेड-रन्स-पर-बॉल मॉडल बनाया, और 2,000 शब्दों का ब्लॉग लिखा कि क्रिकेट का कोई असली xG नहीं हो सकता क्योंकि विकेट का जोखिम मॉडल में ही नहीं आता। उसे 40,000 पाठ मिले और उद्योग से पहला ईमेल आया।

मैंने xG एक सीजन के लिए उधार लिया और उसे लौटाने में दो साल लगे। उस कर्ज़ का ब्याज यह है कि आज मैं हर मॉडल के साथ उसकी त्रुटि भी छापता हूँ — "अपेक्षित 6.8, वास्तविक 9" — और किसी बल्लेबाज को भाग्यशाली या किसी गेंदबाज को बदकिस्मत कहे बिना मॉडल की एरर दिखाए नहीं कहता।

2026 में, लॉकडाउन के दौरान इसी त्रिप्लिकेन में, मैंने आईपीएल के यूएई सीजन को एक प्राकृतिक प्रयोग की तरह इस्तेमाल किया — 60 मैच, कोई होम वेन्यू नहीं, कोई दर्शक नहीं — और उसे 2026 के होम-एंड-अवे सीजन से तुलना की। होम टीम का जीत दर 55.3% से गिरकर 48.3% पर आया। चेजिंग टीमों का जीत दर उलटी दिशा में हिला। और डीआरएस के पलटने की दर मामूली रूप से भी नहीं बदली — जिसने मेरी अपनी प्यारी थ्योरी मार डाली, वह थ्योरी कि भीड़ का दबाव अंपायरों के फैसलों को मोड़ता है।

मैंने वह नतीजा छाप दिया। निगेटिव नतीजा, पूरे रिव्यू प्रोटोकॉल के साथ। उस दिन से मेरी एक कॉलम ऐसी है जिसमें वे चीजें रहती हैं जिन्हें मैं अभी नाप नहीं सकता।

खाली स्टेडियम चुप स्टेडियम नहीं होता; वह एक अनियंत्रित प्रयोग होता है। और वैसे ही, खाली एक्सट्रैक्शन "कोई खबर नहीं" नहीं होता; वह एक असत्यापित दावा है जिसे आगे भेज दिया गया।

कंट्रैरियन: खतरा गलत डेटा नहीं है, खतरा साफ-सुथरा खाली डेटा है

उद्योग की पूरी मान्यता यह है कि ज्यादा डेटा बेहतर कवरेज बनाता है। यहाँ सच उलटा निकला। इस रन में सबसे ईमानदार आउटपुट शून्य था, और सबसे खतरनाक आउटपुट भी शून्य था — क्योंकि वह शून्य एक पूरी, अच्छी तरह फॉर्मेट की हुई, आठ-आयामी रिपोर्ट के अंदर बैठा था।

यही असली जोखिम है। अगर पाइपलाइन क्रैश हो जाती और एरर मैसेज देती, तो कोई उसे नहीं छापता। लेकिन पाइपलाइन ने N/A भरा, टेबल बनाए, कॉन्फिडेंस टैग लगाए, और एक ऐसा दस्तावेज पैदा कर दिया जो देखने में विश्लेषण जैसा है। क्रिकेट कवरेज में यही तरीका "14वें ओवर में मोमेंटम पलट गया" वाले वाक्य पैदा करता है — फॉर्मेट सही, नींव खाली।

दूसरी बात जो मैं दर्ज करना चाहता हूँ, वह यह है कि मैंने खुद को रोका। cricket_asia से एशिया कप की कहानी बनाना आसान था और पाठकों को वह पसंद भी आती। लेकिन एक अनियंत्रित प्रयोग से निकला नतीजा नतीजा नहीं होता। मैंने उसे "अभी तक मापा नहीं गया" कॉलम में डाला है, निष्कर्ष में नहीं।

तीसरी बात, जो सबसे ज्यादा गलत पढ़ी जाती है — "N/A" का मतलब "जोखिम नहीं है" नहीं होता। छह में से छह क्रिकेट जोखिम श्रेणियाँ इस रिपोर्ट में अपरिमापित हैं, साफ नहीं। यह फर्क पाठक के लिए जरूरी है, क्योंकि भारतीय क्रिकेट कवरेज में "कोई खबर नहीं" और "खबर नहीं मिली" एक ही तरह पढ़े जाते हैं।

टेकअवे: अगले राउंड में क्या देखना है

तीन चीजें मैं ट्रैक करूँगा। पहली: सूचना बिंदु की सूची खाली न हो — एक भी ठोस बिंदु मिले तो पूरा विश्लेषण चल सकता है। दूसरी: डोमेन लेबल ठीक Cricket लौटे, तभी स्कीमा स्वस्थ माना जाएगा; cricket_asia को हस्ताक्षर मानकर किनारे रखा जाएगा, तथ्य नहीं। तीसरी: शीर्षक और स्रोत दोनों भरें, क्योंकि स्रोत के बिना कोई कॉन्फिडेंस टैग ईमानदारी से नहीं लगाया जा सकता।

और एक सवाल, जिसका जवाब मेरे पास नहीं है — इस हफ्ते कितनी क्रिकेट रिपोर्टें ऐसी छपीं जिनकी नींव में एक खाली एक्सट्रैक्शन था, और किसी ने पूछा नहीं?