खाली डेटा शीट और अनकाउंटेड ओवर: जब एनालिसिस डेस्क खुद को ही डिकोड नहीं कर पाता

अहमदाबाद में बैठकर जब मैंने उस स्टेज-1 डिकंस्ट्रक्शन रिपोर्ट को खोला, तो पहला ख्याल यही आया — कि मैंने 1,214 ओवर मैन्युअली टैली करने के बाद ही किसी मॉडल पर भरोसा करना शुरू किया था, सो यहां भी पहले काउंट करूंगा। गिनती शुरू की। लेकिन जो मिला, वह गिनती नहीं थी — वह खालीपन था। Article Title: N/A. Author Stance: N/A. Information Points: एक खाली लिस्ट। Entities Involved: 'identify from the information points above' — जबकि ऊपर कोई इन्फॉर्मेशन पॉइंट ही नहीं था। टाइम सेंसिटिविटी का आकलन ही नहीं हुआ था। कुल आठ डायमेंशन थे, और आठों में एक ही वाक्य लिखा था — 'Insufficient information — cannot assess.'

स्कोरबुक सच को क्राउड से पहले जान लेती है। यहां सच यह था कि स्कोरबुक ही नहीं थी। और सबसे चौंकाने वाली बात — जिस एनालिटिकल पाइपलाइन ने फुटबॉल के रूस 2026 वर्ल्ड कप में 32 टीमों का xG और PPDA मॉडल बनाया, जिसने 2026 IPL के 60 बिना दर्शक वाले मैचों में चेज़ विन-रेट का 58% का अनोमली पकड़ा, वही पाइपलाइन खुद अपनी आउटपुट शीट में एक भी पॉपुलेटेड फ़ील्ड नहीं भर सकी। यह मैच की विफलता नहीं है। यह उस डेस्क की विफलता है जो मैच को पढ़ता है।

संदर्भ: एक डोमेन लेबल और उसकी अनिश्चितता

स्टेज-1 रिपोर्ट में सब कुछ नल था, सिवाय एक चीज़ के — Domain Label: cricket_asia. बस। यही एकमात्र ठोस सिग्नल था जो आगे पास हुआ। मेरे पास एशियाई क्रिकेट का जियोग्राफिक दायरा था, और उसके अलावा कुछ नहीं।

अब मेरी आदत है — बिना सैंपल साइज़ और कलेक्शन मेथड के फुटनोट के कोई आंकड़ा नहीं लिखता। तो यहां सैंपल साइज़ क्या था? एक लेबल। एक शब्द। 'एशिया'। इससे किसी मैच की पहचान नहीं होती। किसी प्लेयर की पहचान नहीं होती। किसी टीम की पहचान नहीं होती। किसी फॉर्मेट का पता नहीं चलता — टेस्ट, वनडे, टी20, द हंड्रेड, कुछ भी नहीं। इनिंग्स की स्थिति नहीं पता। बिलैटरल है या ICC इवेंट है या फ्रैंचाइज़ी लीग है — तीनों में से कुछ भी तय नहीं होता।

मैंने अपने करियर में एक चीज़ सीखी है जो हर डेटा डेस्क को सीखनी चाहिए: डेटा का खाली होना और डेटा का गलत होना, दोनों एक ही चीज़ नहीं हैं — लेकिन दोनों का इलाज अलग है। गलत डेटा को साफ किया जा सकता है। खाली डेटा को फिर से इकट्ठा करना पड़ता है। और यहां समस्या यह थी कि हर स्टैंडर्ड फ़ील्ड एक साथ नल हो गया था — Article Title, Article Source, Article Type, Core Viewpoints, Author Stance, Article Purpose, Information Points, Entities, Time Sensitivity, Source Quality। एक साथ। हर एक।

यह पैटर्न मेरे लिए जाना-पहचाना है। जब किसी सिस्टम में हर फ़ील्ड एक साथ गायब हो जाए, तो इसका मतलब यह नहीं होता कि सोर्स में सामग्री ही नहीं थी। इसका मतलब होता है कि सिस्टम का जो हिस्सा सोर्स से सामग्री निकालता है, वह वहीं रुक गया। मेट्रोलॉजी की भाषा में — यह कंटेंट फेलियर नहीं, प्लंबिंग फेलियर है। और प्लंबिंग फेलियर का एक ही इलाज है: पाइप को दोबारा जोड़ो, फिर पानी बहाओ।

मेरे सामने ₹3 करोड़ की मिसप्राइसिंग वाला सबक भी था। फरवरी 2026 में बेंगलुरु में IPL मेगा ऑक्शन के दौरान, जब मैं गुजरात टाइटंस के डेटा कंसल्टेंट के तौर पर बैठा था, तब किसी खिलाड़ी का मूल्यांकन गलत होना एक समस्या थी — लेकिन उससे भी बड़ी समस्या यह थी कि अगर मूल्यांकन का आधार ही खाली हो, तो फ्रेमवर्क बेकार है। डेविड मिलर को ₹3 करोड़ में खरीदना तभी सही फैसला था जब हमारे पास इम्पैक्ट-पर-करोड़ मॉडल का डेटा था। अगर वह डेटा शीट खाली होती, तो ₹3 करोड़ का दांव जुआ होता, रणनीति नहीं।

यहां मेरे पास वही स्थिति थी। एक एनालिसिस रिपोर्ट जो अपने आप को एनालाइज़ नहीं कर पा रही थी। आठ डायमेंशन, आठों में खालीपन। और मुझे सबसे ज़्यादा चुभने वाली बात यह थी कि यह रिपोर्ट खुद एक डेटा-ड्रिवेन आर्किटेक्चर के हाथ से निकली थी — उसी INTJ सिस्टम-माइंडेड दिमाग से जो सिस्टमैटिक परफेक्शन का पीछा करता है। सिस्टम ने अपने ही आउटपुट पर नज़र नहीं रखी।

कोर: खालीपन की गिनती — आठ डायमेंशन, शून्य निष्कर्ष

अब मैं वही करता हूं जो मैं हमेशा करता हूं — पहले मैन्युअल काउंट, फिर मॉडल। यहां मॉडल की जगह स्टेज-2 के आठ डायमेंशन हैं, और मैन्युअल काउंट यह है कि हर डायमेंशन में कितने फैक्टिकल पॉइंट्स निकले।

डायमेंशन 1: फॉर्मेट और मैच एनालिसिस। फॉर्मेट N/A, मैच नेचर N/A। मैच इंटरप्रिटेशन के चारों सब-आइटम — फॉर्मेट कॉन्टेक्स्ट, की-फेज़ परफॉर्मेंस, वेन्यू फैक्टर्स, एनवायरनमेंटल फैक्टर्स — सभी 'insufficient information'। पावरप्ले, मिडिल ओवर, डेथ ओवर — कुछ भी नहीं। पिच नहीं, ग्राउंड नहीं, होम-अवे नहीं। मौसम नहीं, ड्यू नहीं, DLS नहीं। निष्कर्ष: इस डायमेंशन से एक भी टैक्टिकल निष्कर्ष नहीं निकल सकता।

डायमेंशन 2: प्लेयर टेक्नीक और डेटा। प्लेयर N/A, रोल N/A। एवरेज N/A, स्ट्राइक रेट N/A, इकॉनमी N/A, सिचुएशनल स्प्लिट्स N/A, रीसेंट ट्रेंड N/A। यहां एक गंभीर मेथडोलॉजिकल चेतावनी जुड़ी हुई है, और मैं इसे दोहराना चाहूंगा क्योंकि यह क्रिकेट एनालिटिक्स की सबसे बड़ी गलती है — क्रिकेट के मेट्रिक्स फॉर्मेट-स्पेसिफिक होते हैं और अंतर-फॉर्मेट तुलना करना डेटा-विज्ञान नहीं, फ्रॉड है। टेस्ट का एवरेज, वनडे के एवरेज से, और टी20 के स्ट्राइक रेट से तुलना नहीं की जा सकती। अब यहां तो फॉर्मेट टैग ही नहीं है। इसका मतलब है कि अगर कल किसी खिलाड़ी का आंकड़ा आ भी जाए, तो बिना फॉर्मेट के वह आंकड़ा सिर्फ एक संख्या है, विश्लेषण नहीं।

डायमेंशन 3: टीम लैंडस्केप और रैंकिंग। टीम N/A, टियर N/A। ICC रैंकिंग N/A, होम-अवे प्रोफाइल N/A। बैटिंग डेप्थ, बॉलिंग कॉम्बिनेशन, बेंच डेप्थ, एज स्ट्रक्चर — चारों N/A। राइवलरी हिस्ट्री N/A। यहां एकमात्र जो कहा जा सकता है, वह डोमेन-लेवल है, इस आर्टिकल का फैक्ट नहीं: एशियाई क्रिकेट में टीमें तीन टियर में फैली हैं — एलीट (भारत), मिड-टियर (पाकिस्तान, श्रीलंका, बांग्लादेश, अफगानिस्तान), और एसोसिएट/इमर्जिंग (नेपाल, UAE, ओमान)। यह 'एशिया' शब्द का नक्शा है, इस रिपोर्ट का निष्कर्ष नहीं।

डायमेंशन 4: लीग और कमर्शियल इकोसिस्टम। लीग N/A। ब्रॉडकास्ट राइट्स वैल्यू N/A, फ्रैंचाइज़ वैल्यूएशन N/A, प्लेयर सैलरीज़ N/A। ऑक्शन/ट्रेड असेसमेंट N/A — क्योंकि कोई ट्रांजैक्शन ही नहीं है जिस पर ओवर- या अंडर-वैल्यूड का फैसला हो। यहां एक सिद्धांत मैं हर बार दोहराता हूं और यह इसी मेरे काम की नींव है: ऊंची IPL सैलरी का मतलब अंतरराष्ट्रीय क्रिकेट में मज़बूती नहीं होता। कमर्शियल वैल्यू और स्पोर्टिंग वैल्यू दो अलग चीज़ें हैं। लेकिन यह सिद्धांत यहां लागू नहीं हो सकता, क्योंकि लीग ही पहचान में नहीं है।

डायमेंशन 5: नियम और गवर्नेंस। पावर/रेवेन्यू डिस्ट्रीब्यूशन N/A, प्लेइंग-रूल कंट्रोवर्सी N/A, इंटीग्रिटी/एंटी-करप्शन N/A, एलिजिबिलिटी N/A, पॉलिटिकल फैक्टर्स N/A। तीनों सिनेरियो — वर्स्ट, बेस, ऑप्टिमिस्टिक — N/A। एशियाई क्रिकेट के लिए स्टैंडिंग गवर्नेंस थीम्स मौजूद हैं (ICC 'बिग थ्री' का रेवेन्यू कंसंट्रेशन, भारत-पाकिस्तान बिलैटरल फ्रीज़ और न्यूट्रल वेन्यू प्रोटोकॉल, ACU मॉनिटरिंग, सरकारी हस्तक्षेप की रेड लाइन), लेकिन ये 'कैंडिडेट लेंस' हैं, 'फाइंडिंग्स' नहीं। और मेरे लिए एक और स्पष्ट सीमा है: मैं भारत-पाकिस्तान को 2026-13 के बाद के ICC/एशिया कप मैचों तक सीमित रखता हूं, काल्पनिक बिलैटरल सीरीज़ या राजनीतिक उपदेश में नहीं जाता।

डायमेंशन 6: रिस्क-साइड एनालिसिस। स्पोर्टिंग, पर्सोनेल, कमर्शियल, रूल्स/इंटीग्रिटी, पब्लिक ओपिनियन — सब N/A। लेकिन एक रिस्क जो पूरी तरह वेरिफाइड है और जिसका लेवल High है: अपस्ट्रीम डेटा-इंटीग्रिटी फेलियर। स्टेज-1 खाली है, इसलिए स्टेज-2 ब्लॉक है। लाइकेलीहुड High, इम्पैक्ट High। मिटिगेशन: एक्सट्रैक्शन पाइपलाइन ठीक करो, स्टेज-1 दोबारा सप्लाई करो। यह एकमात्र रिस्क है जिसे मैं इस रिपोर्ट से पूरे भरोसे के साथ निकाल सकता हूं — और यह स्पोर्टिंग रिस्क नहीं, एनालिटिकल-डेटा रिस्क है।

डायमेंशन 7: पब्लिक नैरेटिव और एक्सपेक्टेशन। करंट नैरेटिव N/A, हीट-साइकिल फेज़ N/A। फंडामेंटल सपोर्ट N/A, सैंपल-साइज़ चेक N/A। टीम रिजल्ट्स, प्लेयर परफॉर्मेंस, ऑक्शन/साइनिंग — तीनों एक्सपेक्टेशन गैप N/A। फ्रेंज़ी/पैनिक सिग्नल N/A। लेकिन एक चीज़ जो डोमेन से पता है: दक्षिण एशियाई सेंटिमेंट-एम्प्लिफिकेशन इफेक्ट असली है — भारतीय बाज़ार का मूड बहुत संवेदनशील है। लेकिन इस रिपोर्ट के खिलाफ कोई विशिष्ट दावा टेस्ट नहीं हो सकता, क्योंकि नैरेटिव ही नहीं है।

डायमेंशन 8: क्रिकेट इंडस्ट्री ट्रांसमिशन। अपस्ट्रीम (यूथ डेवलपमेंट/टैलेंट सप्लाई) → मिडस्ट्रीम (नेशनल टीम्स/लीग्स) → डाउनस्ट्रीम (ब्रॉडकास्ट/कमर्शियल/डेरिवेटिव)। तीनों में 'Insufficient information'। ब्रॉडकास्ट मीडिया, दक्षिण एशियाई हार्टलैंड मार्केट, टैलेंट सप्लाई चेन, कैपिटल नेटवर्क, बेटिंग/फैंटेसी, डेरिवेटिव — छह सेगमेंट, छह N/A। स्टैंडर्ड चैनल (भारत का 70%+ ग्लोबल क्रिकेट कॉमर्स शेयर, IPL-ओनर क्रॉस-लीग कैपिटल, फैंटेसी स्पोर्ट्स स्टिकीनेस) 'उपलब्ध लेंस' हैं, पर ट्रिगर होने के लिए किसी पहचाने हुए इवेंट की ज़रूरत है।

आठ डायमेंशन। कुल फैक्टिकल फाइंडिंग्स: एक। कि डेटा नहीं है। बाकी सब खाली। और यही इस रिपोर्ट की सबसे ईमानदार गिनती है।

कॉन्ट्रेरियन: सबसे खतरनाक निष्कर्ष वह है जो खाली डेटा पर बनाया जाए

अब वह हिस्सा जहां मुझे खुद पर सबसे ज़्यादा शक होता है।

एक INTJ डेटा मॉन्क के तौर पर मेरी सबसे बड़ी कमज़ोरी यह है कि मुझे सिस्टम पर भरोसा है। एक पूरा मॉडल, एक फिनिश्ड स्प्रेडशीट, एक क्लीन डैशबोर्ड — ये मेरे लिए सुकून की चीज़ें हैं। और यही ट्रैप है। क्योंकि जब स्टेज-1 खाली आता है, तो सबसे आसान रास्ता यह होता है कि मैं स्टेज-2 के आठ डायमेंशन भर दूं — थोड़ी 'एशिया क्रिकेट' की जनरल नॉलेज से, थोड़ी बेस-रेट प्रायोरिटी से (इंडिया बिलैटरल, एशिया कप, IPL, बांग्लादेश/श्रीलंका/अफगानिस्तान डेवलपमेंट्स — ये सबसे ज़्यादा कवरेज पाने वाले सब-टॉपिक्स हैं)। फिर भारत-पाकिस्तान की इमोशनल फ्रेमिंग जोड़ दूं, और एक चिकना, पढ़ने में अच्छा आर्टिकल तैयार हो जाए।

लेकिन यह करना, क्रिकेट एनालिटिक्स के नाम पर, सबसे बड़ा अपराध होगा। और मैं इसे दो कारणों से कह रहा हूं।

पहला — क्रिकेट में मनगढ़ंत डेटा का असर फुटबॉल से भी खतरनाक है, क्योंकि क्रिकेट का पूरा इकोसिस्टम आंकड़ों पर चलता है। अगर मैं गलत स्ट्राइक रेट लिख दूं, तो ऑक्शन मॉडल से लेकर फैंटेसी टीम तक, हर डाउनस्ट्रीम फैसला उस पर बन सकता है। मेरे पास वह ज़िम्मेदारी है। मैंने रूस 2026 में टूर्नामेंट से पहले फ्रांस को चौथे स्थान पर रखा था — सिर्फ इसलिए कि उन्होंने कम गोल खाए थे और गेंद पर कब्ज़ा छोड़ दिया था। उस नोट ने इसलिए वजन उठाया कि उसके पीछे 32 टीमों का असली डेटा था। अगर मैंने वह नोट ब केवल अंदाज़े से लिखा होता, तो वह कचरा होता, भविष्यवाणी नहीं।

दूसरा — 'correlation ≠ causation' का सबसे बड़ा उदाहरण यही रिपोर्ट है। यहां एक इंटरेस्टिंग सहसंबंध दिख रहा है: 'cricket_asia' लेबल मौजूद है, और स्टेज-1 का बाकी सब कुछ खाली है। कोई जल्दबाज़ यह निकाल सकता है कि 'एशिया क्रिकेट में डेटा की कमी है' या 'एशियाई क्रिकेट मीडिया में एनालिटिकल स्टैंडर्ड कमज़ोर है'। यह दोनों निष्कर्ष पूरी तरह गलत होंगे। असल में सहसंबंध यह है: लेबल सही रूट हुआ है, लेकिन एक्सट्रैक्शन पाइपलाइन उसी फेज़ में फेल हुई। डोमेन राउटिंग ठीक थी — cricket_asia बचा रहा। जो फेल हुआ, वह सामग्री निकालने वाला हिस्सा था, जिसने टाइटल, सोर्स, टाइप, व्यू-पॉइंट्स, एनटिटीज़, टाइम सेंसिटिविटी — सब कुछ एक साथ गिरा दिया। यह सिस्टम-फेलियर है, कम्युनिटी-फेलियर नहीं। और इसे कम्युनिटी-फेलियर समझना, यह मेट्रोलॉजिकल भ्रम है, एनालिटिकल सत्य नहीं।

यहां एक ब्रॉडकास्ट-फ्रेंडली भाषा में कहूं तो — जब मैंने रणजी ट्रॉफी में 1,214 ओवर हाथ से कोड किए थे, तब मुझ पर 'ओवर गिनने' का मज़ाक बनाया गया था। क्वार्टर-फाइनल तक सेकंड-स्पेल इकॉनमी 5.9 से 4.6 पर आ गई, और मज़ाक करने वाले चुप हो गए। इकलौता फर्क यह था कि वहां मेरे पास फुटेज था, और मैंने ओवर गिने थे। यहां मेरे पास फुटेज ही नहीं है। और जिसके पास फुटेज नहीं, उसके पास अधिकार नहीं। जो बेंच है, वह टिप्पणी नहीं कर सकता — यह क्रिकेट डेस्क का सबसे बुनियादी नियम है।

यहां एक और ट्रैप है जिससे मैं खुद को रोक रहा हूं — कमेंट्री-बॉक्स के प्रति तिरस्कार। डेटा डेस्क ने टैक्टिकल बहस सालों पहले जीत ली है, इसलिए टीवी कमेंटेटरों को खारिज करना आसान है। लेकिन जब मेरे पास अपना ही डेटा नहीं है, तो मैं किसी भी आवाज़ को खारिज करने की स्थिति में नहीं हूं। सही रवैया यह है: मैं अपने फाइंडिंग्स को ब्रॉडकास्ट-फ्रेंडली भाषा में ट्रांसलेट करूं, और कमेंट्री के दावों पर टेस्ट करूं — खारिज करने के लिए नहीं, बल्कि उन्हें डेटा से चुनौती देने के लिए। यहां वह भी नहीं हो सकता, क्योंकि दावा ही नहीं है जिसे चुनौती दूं।

टेकअवे: अगले ओवर का सिग्नल

तो आगे क्या?

इस रिपोर्ट से एक स्पष्ट अगला कदम निकलता है — और वह क्रिकेट नहीं, डेटा-प्लंबिंग है। स्टेज-1 का एक्सट्रैक्शन पास दोबारा चलाया जाए, और इस बार चारों अनिवार्य फ़ील्ड्स — Information Points, Entities Involved, Time Sensitivity, Source Quality — पॉपुलेटेड होनी चाहिए, इसकी पुष्टि के बाद ही स्टेज-2 दोबारा शुरू हो। साथ में दो और चीज़ें जोड़ी जाएं: एक अनिवार्य फॉर्मेट फील्ड (टेस्ट/वनडे/टी20 — ताकि मेट्रिक कंटेमिनेशन न हो), और सोर्स URL/आउटलेट (ताकि सोर्स-क्वालिटी ग्रेडिंग हो सके)।

मैं आउटलायर्स का पीछा नहीं करता; मैं उनके दोहराने का इंतज़ार करता हूं। यहां आउटलायर साफ है — आठ में से आठ डायमेंशन खाली। एक बार हो तो शोर। अगर दोबारा ऐसा हो, तो यह पाइपलाइन का सिस्टमैटिक दोष है, और तब पूरे डेटा-फ्लो का ऑडिट चाहिए। क्राउड डेटा भी है, चाहे स्टेडियम खाली हो — लेकिन खाली स्प्रेडशीट डेटा नहीं होती। वह एक अनुपस्थिति है, और अनुपस्थिति को निष्कर्ष बनाने की इजाज़त किसी डेटा डेस्क के पास नहीं होनी चाहिए।

सवाल सिर्फ इतना है: जो डेस्क मैच का सच स्कोरबुक से पहले पढ़ने का दावा करता है, वह अपनी ही स्कोरबुक खाली आने पर क्या लिखेगा? मेरा जवाब — वह शून्य लिखेगा, और उसे शून्य बताएगा। चूंकि ईमानदार शून्य, नकली मॉडल से हमेशा बेहतर है।