बारह ख़ाली खाने, एक भरा हुआ खाना: क्रिकेट डेटा पाइपलाइन की लाश पर एक ऑडिट

टेबल में तेरह खाने थे। बारह खाली। तेरहवें खाने में चार शब्द — Domain Label: cricket_world। शेष हर जगह वही एक टोकन दोहराया गया था: N/A। लेख का शीर्षक N/A। स्रोत N/A। प्रकार "Unclassified"। एक-वाक्य सारांश खाली। लेखक का रुख़ N/A। सूचना-बिंदुओं की सूची खाली। समय-संवेदनशीलता "मूल्यांकित नहीं"। और Entities Involved के खाने में एक आदेश बैठा था — identify from the information points above।

यह एक आउटपुट है। आउटपुट वह चीज़ है जो पाइपलाइन तब लौटाती है जब लौटाने को कुछ मिला ही न हो। जिस खाने को भरने के लिए ऊपर के सूचना-बिंदुओं का हवाला दिया गया, वे बिंदु ऊपर कभी थे ही नहीं। यह त्रुटि नहीं, चुपचाप पूरा किया गया एक काम है — टेम्पलेट स्ट्रिंग को नतीजे की जगह बिठा देना, और उसे N/A की शक्ल में प्रकाशित कर देना।

मैं ऐसे खाली स्कोरकार्ड से पहली बार 13 मार्च 2026 की रात ईडन गार्डन्स के स्कोरर बॉक्स में टकराया था। भारत श्रीलंका के 251 के जवाब में 34.1 ओवर में 120 पर आठ विकेट गँवा चुका था। मैं दूसरा स्कोरर था, हर गेंद हाथ से कोड कर रहा था। शीट में एक भी खाना खाली नहीं था — रन, ओवर, विकेट, गेंदबाज़ी का ब्यौरा, सब भरा हुआ। फिर बोतलें फेंकी गईं, मैच रोका गया, क्लाइव लॉयड ने श्रीलंका को मैच दे दिया, और मैं एक पूरी भरी हुई शीट लेकर बैठा रह गया, यह समझ नहीं पा रहा कि उसमें से एक भी सवाल का जवाब क्यों नहीं निकल रहा।

उस रात के बाद मैंने शीट में तीन कॉलम जोड़े। ज़रूरी रन-रेट। हाथ में बचे विकेट। गेंदबाज़ का स्पेल। तब समझ आया कि भरी हुई शीट अधूरी हो सकती है। Pressure is a logged variable; outcomes are just noise.

अब सवाल यह है कि यह तेरह-खाना टेबल क्रिकेट रिकॉर्ड की दुनिया में कितनी आम चीज़ है। जवाब — बहुत आम, और हम इसे कभी N/A नहीं कहते।

क्रिकेट का अभिलेख एक इमारत है जिसकी नींव में स्कोरर बैठे हैं, वे लोग जिनका नाम कभी किसी बाइलाइन में नहीं आया। 2026 से पहले के हज़ारों रणजी और दलीप ट्रॉफ़ी मैच काग़ज़ पर दर्ज हैं, स्कैन कभी नहीं हुए। जो स्कैन हुए, उनमें ओवर-बाय-ओवर डेटा नहीं है, सिर्फ़ पारी का कुल। बॉल-बाय-बॉल की शुरुआत भारत में अस्सी के दशक के अंत में टेलीविज़न कमेंट्री लॉग से मानी जाती है, और उन लॉग में "अनुपलब्ध" तथा "संदिग्ध" के खाने भरे पड़े हैं जिन्हें आज कोई वेबसाइट नहीं दिखाती।

यह मेरी दूसरी पुरानी आदत है — प्रोवेनेंस पहले, नाम बाद में। किसी भी संख्या से पहले मैं पूछता हूँ: यह किसने दर्ज की, किस दबाव में, और ट्रांसक्रिप्शन में क्या छूट गया। जब जवाब "पता नहीं" हो, तो सही इंजीनियरिंग का जवाब खाली खाना खाली छोड़ना है, उसे औसत से भर देना नहीं।

2026 में इसी आदत ने मुझे पाँच महीने का काम दिया। हंसी क्रोनिए की अप्रैल 2026 की स्वीकारोक्ति के बाद मैंने 2026 से 2026 के बीच खेले गए 412 वनडे मैचों की एक-एक गेंद कोड की — नो-बॉल की गिनती, डेड-रबर का दर्जा, आउट होने के तरीक़े। जिन मैचों का कोई नतीजा-महत्व नहीं था, उनमें नो-बॉल की आवृत्ति सैंपल औसत से क़रीब चालीस प्रतिशत ऊपर निकली। मैंने वह पद्धति, नाम नहीं, कोलकाता के एक जाँच-पत्रकार को सौंपी। The database had 412 matches; the byline had someone else. नवंबर 2026 की सीबीआई रिपोर्ट का रास्ता उसी पद्धति से होकर गया, और दिसंबर 2026 में मोहम्मद अज़हरुद्दीन को आजीवन प्रतिबंध मिला। मैंने खिलाड़ी-स्तर का विभाजन ख़ुद प्रकाशित नहीं किया, क्योंकि जो निष्कर्ष दोहराया न जा सके, वह प्रकाशित नहीं किया जाता।

अब उसी तर्ज पर इस टेबल को पढ़िए। यह N/A किसी का नाम नहीं छिपा रहा। यह बता रहा है कि उसके पीछे कोई पद्धति ही नहीं चली।

तीन अलग विफलताएँ हैं, और इन्हें एक-दूसरे में मिलाना सबसे बड़ी ग़लती है।

पहली — निष्कर्षण परत का ख़ाली लौटना। क्रिकेट वेबसाइटों का बड़ा हिस्सा अब स्कोरकार्ड और लाइव-ब्लॉग टेम्पलेट पर चलता है, जो जावास्क्रिप्ट से बनते हैं। साधारण HTML स्क्रैपर वहाँ से खाली स्ट्रिंग लौटाता है — त्रुटि संदेश नहीं, बस खाली स्ट्रिंग। डाउनस्ट्रीम हर खाना अपने डिफ़ॉल्ट पर बैठ जाता है, और उस डिफ़ॉल्ट का नाम N/A है। खाली स्ट्रिंग और अनुपलब्ध आँकड़ा टेबल में एक ही शक्ल में बैठते हैं, और यही असली बग है।

दूसरी — श्रेणी-निर्धारण के बाद शॉर्ट-सर्किट। "Unclassified" कोई श्रेणी नहीं है; यह श्रेणीकरण की विफलता की रिपोर्ट है। पर पाइपलाइन में सारांश और रुख़ निकालने वाली शाखाएँ श्रेणी पर टिकी हैं। श्रेणी न मिली, तो शाखा चली ही नहीं। जेनेरिक फ़ॉलबैक की जगह सिस्टम ने चुप्पी चुनी। जो पाइपलाइन "मुझे नहीं पता" कहना नहीं जानती, वह अपनी अज्ञानता को एक डेटा-बिंदु की शक्ल में प्रकाशित कर देती है।

तीसरी — निर्देश का नतीजे की जगह छप जाना। "identify from the information points above" एक कार्य-निर्देश है, निष्कर्ष नहीं। उसका टेबल में मौजूद होना साफ़ बताता है कि वह खाना भरने वाला चरण कभी चला ही नहीं। यह डेटा की कमी नहीं, प्रक्रिया का सबूत है — जैसे स्कोरबुक में किसी ओवर के आगे "आना है" लिखा मिल जाए।

यहाँ क्रिकेट की तरफ़ लौटिए, क्योंकि तीनों विफलताएँ हमारे खेल के अभिलेख में पहले से मौजूद हैं।

भारत में घरेलू क्रिकेट का वह हिस्सा, जिसका कोई वीडियो नहीं, कोई बॉल-बाय-बॉल नहीं, और कोई अख़बारी कतरन भी नहीं बची — उसे हमने भी N/A की तरह संभाला है। किसी ने उसे खाली नहीं कहा; हमने उसे "उस दौर का क्रिकेट" कहकर एक श्रेणी में डाल दिया और आगे बढ़ गए। I stopped scoring outcomes the day Eden Gardens stopped mattering. उस रात के बाद मेरी शीट में "मैच का नतीजा" भी बस एक कॉलम बन गया — बाक़ी कॉलमों जितना ही ऊबाऊ, उतना ही बेकार।

दूसरी तरफ़ 412 मैचों वाला डेटाबेस है। वह भी अधूरा था। उसमें वे मैच नहीं थे जो बारिश में धुल गए, वे नहीं जिनका स्कोरकार्ड ही विवादित था, वे नहीं जिनके फ़ुटेज में गेंदबाज़ का नाम ग़लत छपा था। फ़र्क़ यह था कि मैंने हर बहिष्करण लिखकर रखा — नमूने का आकार, बहिष्करण के नियम, और वह हिस्सा जिसे मॉडल देख नहीं सकता। वह पद्धति-परिशिष्ट था, अभिमान नहीं। इस टेबल में वह परिशिष्ट मौजूद नहीं है। इसीलिए यह टेबल विश्लेषण के लिए बेकार है, और इसीलिए यह ख़ुद एक विश्लेषण का विषय है।

आसान रास्ता यह है कि दोष स्क्रैपर को दिया जाए। स्क्रैपर की ग़लती है, पर वह पहली ग़लती नहीं।

जब कोई सिस्टम यह नहीं बता पाता कि उसने पढ़ा क्या, तो उसकी हर संख्या पर शक़ करना तर्कसंगत है — चाहे वह भरी हुई दिखे। यही सहसंबंध और कारण का फ़र्क़ है: खाली खाना डेटा की अनुपस्थिति का संकेत है, यह प्रमाण नहीं कि डेटा कभी था ही नहीं। दोनों को एक मानना वैसा ही है जैसे बारिश से धुले मैच को हार मान लेना।

क्रिकेट में हम यह भूल बार-बार करते हैं। स्कोरकार्ड को हम ज़मीन की सच्चाई मानते हैं, जबकि वह हमेशा एक इंसानी प्रक्रिया का अंतिम उत्पाद रहा है — एक स्कोरर, एक स्ट्रिंगर, एक डिजिटाइज़ेशन स्वयंसेवक, और एक संपादक जिसके पास उसे जाँचने का समय नहीं था। जब वह प्रक्रिया टूटती है, तो स्कोरकार्ड टूटा हुआ नहीं दिखता; वह साफ़-सुथरा दिखता है, बस थोड़ा खाली। A model is only as good as the question you ask it — और यहाँ सवाल ही ग़लत पूछा गया: "लेख किस बारे में था" के बजाय "लेख किस श्रेणी में डाला जा सकता है"।

इस टेबल का सबसे उपयोगी तथ्य उसकी विफलता नहीं, उसकी ईमानदारी है। इसने अंदाज़ा नहीं लगाया। इसने खाली खानों को औसत, पुराने डेटा या "संभावित" शब्दों से नहीं भरा। क्रिकेट की बहुत सारी स्वचालित रिपोर्टिंग ठीक यही करती है, और वह इस टेबल से ज़्यादा ख़तरनाक है, क्योंकि उसे कोई N/A कहकर नहीं पहचानता।

रविवार की शाम अगर किसी मैच रिपोर्ट में "पिच पर दबाव" का कोई आँकड़ा छपे, तो एक सवाल पूछिए — वह आँकड़ा कहाँ से आया, और जहाँ से आया वहाँ क्या छूटा। जिस दिन हम क्रिकेट कवरेज में N/A को वैसी ही इज़्ज़त देंगे जैसी एक विकेट को देते हैं, उस दिन एनालिटिक्स शब्द से डरना बंद हो जाएगा।

अगले दौर के लिए संकेत यही है: अपने पसंदीदा आँकड़े के पीछे उतरिए। जो खाना खाली है, उसे भरिए मत — उसे खाली रहने दीजिए, और लिखकर रखिए कि वह खाली क्यों है।