खाली पेलोड और आठ N/A: क्रिकेट डेटा में सबसे खतरनाक नतीजा वह है जो आया ही नहीं
**मुख्य उत्तर** एक क्रिकेट डेटा पाइपलाइन में Stage-1 एक्सट्रैक्शन ने खाली पेलोड लौटाया, इसलिए Stage-2 विश्लेषण ने आठों डायमेंशन में अपर्याप्त जानकारी दर्ज किया। सही पेशेवर कदम यह है कि खाली जगह को याद या अनुमान से न भरा जाए; मूल पेज दोबारा कैप्चर कर Stage-1 फिर चलाया जाए। **मुख्य तथ्य** - Stage-1 पेलोड में शीर्षक, स्रोत, लेख-प्रकार, सूचना-बिंदु, कोर व्यूअरपॉइंट और एंटिटी — सभी फ़ील्ड खाली थीं। - डोमेन लेबल cricket_asia दर्ज था, जबकि स्कीमा में Cricket अपेक्षित है; यह डाउनस्ट्रीम रूटिंग तोड़ सकता है। - वैध डोमेन टैग के साथ शून्य एंटिटी का मेल कैप्चर-लेयर फेलियर दिखाता है, रीज़निंग फेलियर नहीं। - Stage-2 ने बिना किसी क्रिकेट तथ्य का दावा किए आठों डायमेंशन को null रेंडर किया। - शून्य नतीजा झूठी राहत पैदा कर सकता है, क्योंकि कोई जोखिम नहीं और कोई जानकारी नहीं एक जैसे पढ़े जाते हैं। **स्रोत उद्धरण** स्रोत: Stage-2 गहन विश्लेषण रिपोर्ट (आंतरिक डेटा ऑडिट दस्तावेज़)। प्रकाशन तिथि दर्ज नहीं — Stage-1 पेलोड में कोई तिथि उपलब्ध नहीं थी। **संबंधित प्रश्नोत्तर** प्रश्न: खाली पेलोड का सबसे बड़ा जोखिम क्या है? उत्तर: झूठी राहत — null रिस्क मैट्रिक्स को कोई जोखिम नहीं मिला पढ़ लिया जाना। प्रश्न: उसी स्रोत से दूसरी बार खाली डेटा लौटे तो क्या करें? उत्तर: कैप्चर का तरीका बदलें, क्योंकि दूसरी असफलता अस्थायी नहीं ढांचागत होती है। प्रश्न: क्रिकेट लेख के एक्सट्रैक्शन में कम से कम कितनी एंटिटी अपेक्षित हैं? उत्तर: कम से कम एक खिलाड़ी या टीम; शून्य एंटिटी का अर्थ है एंटिटी स्टेज चला ही नहीं — cricsultan.com फ़ॉर्मेट इंडेक्स में भी यही सत्यापन-नियम लागू है।
पिछले हफ्ते मेरी मेज़ पर जो एनालिसिस रिपोर्ट आई, उसमें क्रिकेट का एक भी तथ्य नहीं था। आठ डायमेंशन, आठों में एक ही लाइन — अपर्याप्त जानकारी। न खिलाड़ी का नाम, न स्कोर, न फ़ॉर्मेट, न वेन्यू, न सीरीज़। पूरे दस्तावेज़ में ज़िंदा जानकारी सिर्फ़ एक थी: डोमेन टैग, जिसमें cricket_asia लिखा था — जबकि स्कीमा Cricket मांगती है।
जिस पल मैंने वह फ़ाइल खोली, उस पल दिमाग़ में एक ही आवाज़ उठी: इसमें कुछ छूटा है, याद से भर दो। यही आवाज़ खतरनाक है। क्रिकेट कवरेज में हमने जिस चीज़ को पेशेवर समझदारी का नाम दे रखा है — मैच याद है, आंकड़े याद हैं, कॉन्टेक्स्ट याद है — वह असल में एक बड़ा फ्रॉड है, बस सामूहिक है।
उस रिपोर्ट का सबसे ईमानदार वाक्य यह था कि कोई क्रिकेट तथ्य कहीं दर्ज नहीं किया गया, क्योंकि करना फैब्रिकेशन होता। मैं उसी वाक्य पर यह कॉलम लिख रहा हूं। डेटा जर्नलिज़्म में कभी-कभी सबसे बड़ी खोज यह होती है कि डेटा आया ही नहीं।
2026 में, उन्नीस साल की उम्र में, मैं हैदराबाद से ऑल इंडिया रेडियो के लिए क्रिकेट कमेंट्री कर रहा था। तब डेटा का मतलब स्कोरबुक था — काग़ज़, पेंसिल, और कमेंट्री बॉक्स में रखा एक रबर। जो ओवर हो गया, वह चला गया। जो कैच छूटा, उसका वीडियो नहीं। सूचना का अभाव हमारे पेशे की डिफ़ॉल्ट हालत थी, और हम उसके साथ जीना सीख गए थे। कमेंट्री बॉक्स से मैं अक्सर स्कोरर की कुर्सी देखता था — हाथ से लिखा रजिस्टर, जो ब्रॉडकास्ट ग्राफ़िक्स का एकमात्र सच्चा स्रोत था।
2026 में हैदराबाद की एक स्पोर्ट्स एनालिटिक्स स्टार्टअप में जूनियर डेटा एनालिस्ट के तौर पर मैंने पहली बार उलटी दिशा देखी: सूचना की बाढ़। मैंने T20 स्ट्राइक रेट, इकॉनमी और विकेट-टेकिंग प्रोबेबिलिटी से एक ऑक्शन वैल्यू मॉडल बनाया। मॉडल ने अट्ठारह साल के रशीद ख़ान को सबसे अंडरवैल्यूड बताया — प्रोजेक्टेड वैल्यू 8 करोड़, बेस प्राइस 50 लाख। सनराइज़र्स हैदराबाद ने उन्हें 4 करोड़ में खरीदा। आईपीएल 2026 में उन्होंने 6.62 की इकॉनमी पर 17 विकेट लिए।
यह वह कहानी है जो हर कोई दोहराता है। जो कोई नहीं दोहराता: उसी सीज़न मेरे मॉडल ने चार और खिलाड़ियों को बारगेन बताया था, और उनमें से तीन का करियर दो सीज़न में ख़त्म हो गया। मैंने वह मिस-रेट पोस्ट-ऑक्शन रिपोर्ट में नहीं लिखा था। बाद में मैंने नियम बनाया — हिट-रेट के साथ मिस-रेट भी छपेगी, वरना कुछ नहीं छपेगा।
यही नियम आज के सवाल की जड़ है।
हमारी पाइपलाइन इस तरह चलती है: स्क्रैप किया गया टेक्स्ट, फिर सूचना-बिंदु, फिर एंटिटी — टीम, खिलाड़ी, बोर्ड, इवेंट — और फिर टैक्टिकल-स्टैटिस्टिकल विश्लेषण। खराबी किसी भी मोड़ पर आ सकती है। जब स्क्रैपर खाली बॉडी लौटाता है — पेवॉल, जावास्क्रिप्ट-रेंडर्ड पेज, इमेज-ओनली कंटेंट या ट्रंकेटेड पेलोड — तो नीचे के सारे स्टेज सही चलते हैं और शून्य पैदा करते हैं। मशीन नहीं जानती कि शून्य और पता-नहीं में फ़र्क़ है। वह फ़र्क़ एनालिस्ट को खींचना पड़ता है।
और यहीं सबसे बड़ा जाल है: कोई जोखिम नहीं मिला और कोई जानकारी नहीं मिली, एक जैसे शब्दों में लिखे जाते हैं, पर उनका मतलब उलटा है। जो रिपोर्ट कहे कि कोई इंटेग्रिटी फ़्लैग नहीं — अगर उसने डेटा देखा ही नहीं, तो वह क्लियरेंस नहीं, अंधेरा है।
पिछले कुछ सालों में मैंने तीन बार अपने ही मॉडल को हारते देखा, और तीनों बार सबक एक ही था: मॉडल की सुंदरता सैंपल साइज़ से आगे निकल गई थी।
2026 रशिया विश्व कप में सिंडिकेट ने मुझसे फुटबॉल मॉडल मांगा। मैंने क्रिकेट के प्रेशर मेट्रिक्स फुटबॉल में ट्रांसफ़र किए — PPDA यानी पासेज़ अलाउड पर डिफ़ेंसिव एक्शन — और xG से टीम कोलेप्स मॉडल किया। मॉडल ने जर्मनी को ग्रुप स्टेज में बाहर बताया। जर्मनी ग्रुप F में आख़िरी रहा, तीन अंकों के साथ। कहानी यहां ख़त्म हो जाती है, और यहीं से असली काम शुरू होता है: PPDA फुटबॉल में घुसा और उसने प्रेशर को एक ट्रांसफरेबल भाषा साबित किया, लेकिन उस भाषा का व्याकरण बदलता है। क्रिकेट में विकेट-टेकिंग इंटेंट है, इम्पैक्ट प्लेयर सब्स्टिट्यूशन है, DRS है। PPDA यह नहीं बताता कि गेंदबाज़ रन रोकने के लिए गेंद फेंक रहा है या विकेट के लिए। जिस दिन मैंने यह लिख दिया, वह दिन मॉडल का क्रेडिट था; जिस दिन नहीं लिखा, वह दिन उसका कर्ज़ था।
2026 में, महामारी के ठहराव में, मैंने 2026-2026 के 52 बंद दरवाज़ों वाले मैचों का रिग्रेशन चलाया। होम विन परसेंटेज 62% से गिरकर 48% हुआ, और अवे टीमों का रन रेट 0.4 बढ़ा। खाली स्टेडियम ने होम एडवांटेज को नहीं मारा — उसने मुझे उसका छिपा हुआ ढांचा दिखा दिया। भीड़ कभी होम एडवांटेज नहीं थी। पिच की तैयारी, ट्रैवल की असमानता, अंपायर की आदत, शेड्यूलिंग थी। भीड़ सबसे दिखने वाली परत भर थी।
उस व्हाइट पेपर को मैंने दो हफ्ते रोका था, क्योंकि तीन सीज़न पर बैकटेस्ट बाक़ी था। उन दो हफ्तों में मेरे पास कोई दावा नहीं था, सिर्फ़ एक चल रहा टेस्ट। इस पेशे में यह अजीब लगता है, क्योंकि यहां देरी को अक्षमता माना जाता है और जल्दी को कौशल। जल्दी छपा खाली दावा, देर से छपे सही दावे से ज़्यादा नुकसान करता है।
अब खाली पेलोड वाली उस रिपोर्ट ने वही सबक दोबारा दिया, बड़े पैमाने पर।
शून्य, जीरो नहीं होता
हमारे टूल्स में एक बीमारी है — मिसिंग वैल्यू को डिफ़ॉल्ट से भर देना। रणजी ट्रॉफ़ी लीजिए। नॉकआउट के बाहर कवरेज पतली है; कई मैचों का वीडियो नहीं, कुछ का बॉल-बाय-बॉल नहीं। अगर आप विकेटकीपर की ग्लववर्क रेटिंग बनाते हैं और जिन मैचों का वीडियो नहीं, उन्हें औसत मान देते हैं, तो आपने घरेलू क्रिकेट के सबसे बड़े हिस्से को औसत घोषित कर दिया — जबकि सच यह है कि वहां आपने कुछ देखा ही नहीं। उस खिलाड़ी को न औसत कहा जा सकता है, न अच्छा, न बुरा। उसे अज्ञात कहा जाना चाहिए, और मॉडल में उस अज्ञात को सहने की ताक़त होनी चाहिए।
डब्ल्यूपीएल पर भी यही पैमाना लगता है। 2026 के बाद उसकी असली विरासत का टेस्ट यह नहीं कि कितने लोग देख रहे थे, बल्कि यह कि कितने साफ़-सुथरे, सार्वजनिक और वाकई उपयोगी स्कोरकार्ड बने। ब्रॉडकास्ट के वादे ग्राफ़िक्स में पूरे होते हैं; डेटा-आधार में नहीं।
डेथ-ओवर इकॉनमी का उदाहरण लीजिए। एक गेंदबाज़ के पास अठारह डेथ ओवर का सैंपल है, दूसरे के पास चार का। दोनों का इकॉनमी 9.20 है। पहला औसत है, दूसरा शोर। जिस स्कोरकार्ड पर बोली लग रही है, वह दोनों को एक ही कॉलम में रखता है। क्रिकेट एनालिटिक्स में सबसे महंगी गलती खराब संख्या नहीं है — सबसे महंगी गलती वह संख्या है जो किसी कॉलम में है ही नहीं और हमने उसे शून्य मान लिया।
टैग, एनालिसिस नहीं होता
उस रिपोर्ट में एक ही चीज़ भरी थी — cricket_asia। यह भौगोलिक लेबल है, विश्लेषण नहीं। लेकिन देखिए यह लेबल चुपचाप क्या करता है। जब पाइपलाइन को सिर्फ़ एशिया पता है, तो वह भारत, पाकिस्तान, श्रीलंका, बांग्लादेश, अफ़ग़ानिस्तान और हर एशियाई लीग को एक ही टोकरी में डाल देती है। एक इंटरव्यू, एक ऑक्शन रिपोर्ट और एक गवर्नेंस स्टोरी एक ही रास्ते से गुज़र जाती हैं।
यही गलती मैंने अपने ऑक्शन मॉडल में की थी — शुरुआत में। मैं सब खिलाड़ियों को एक डेटासेट में डाल रहा था। फिर समझ आया कि रिटेंशन इकोनॉमिक्स और ऑक्शन प्राइस दो अलग चीज़ें हैं, और मेगा ऑक्शन व मिनी ऑक्शन के नियम ही अलग हैं। RTM कार्ड का मतलब यह है कि पिछली फ्रैंचाइज़ी की बोली एक छिपी सब्सिडी है। अगर आपका टैग इतना मोटा है कि ये बारीकियां गायब हो जाएं, तो मॉडल चल रहा है पर देख नहीं रहा।
भारत की सेकंड XI को लेकर भी यही दिक्कत है। बेंच पर बैठे गेंदबाज़ का कोई अंतरराष्ट्रीय सैंपल नहीं, इसलिए चयन की बहस में उसकी जगह अनुभव की कमी लिख दी जाती है। यह विश्लेषण नहीं, अनुपस्थिति का दंड है।
खराबी की जगह पहचानना ही आधा काम है
उस रिपोर्ट की सबसे उपयोगी लाइन वह थी जो क्रिकेट के बारे में नहीं थी: वैध डोमेन टैग के साथ पूरी तरह खाली एक्सट्रैक्शन, रीज़निंग की खराबी से ज़्यादा कैप्चर लेयर की खराबी दिखाता है। निष्कर्ष सही है। अगर मॉडल ने सोचा होता तो कम से कम एक एंटिटी निकाल लेता; क्रिकेट लेख में लगभग हमेशा एक खिलाड़ी का नाम होता है। नाम नहीं निकला, मतलब एक्सट्रैक्शन चला ही नहीं।
डिबगिंग में यह बड़ी बात है। खराबी सोच में हो तो मॉडल बदलना पड़ता है। खराबी नल में हो तो सिर्फ़ दोबारा खींचना पड़ता है। दोनों का इलाज एक तरह से करना सबसे आम और सबसे महंगी आदत है।
लाइन भी एक दावा है
कई साल पहले मैंने एक आदत छोड़ी — क्लोज़िंग लाइन को सच कहना। क्लोज़िंग लाइन सच नहीं है; वह बाज़ार है। बाज़ार की सबसे बड़ी खूबी यह है कि वह खाली जगह को भी दाम दे देता है। जब डेटा नहीं आता, लाइन फिर भी बनती है — किसी और के अनुमान से, किसी और की याद से, किसी और के शोर से। उस लाइन को देखकर आप यह नहीं मान सकते कि किसी ने कुछ देखा है। आप सिर्फ़ यह मान सकते हैं कि किसी ने कुछ कहा है।
इसीलिए जब मैं किसी मैच-पूर्व मॉडल को देखता हूं, तो पहला सवाल स्कोर नहीं होता — पहला सवाल यह होता है कि इस संख्या के पीछे कितने मैच हैं, और जो मैच इस संख्या के पीछे नहीं हैं, उनका क्या हुआ।
अब वह हिस्सा जो कोई नहीं लिखता।
इस पूरी घटना में गलती स्क्रैपर की नहीं थी। स्क्रैपर अपना काम कर रहा था — उसे खाली पेज मिला, उसने खाली लौटा दिया। असली जोखिम वह क्षण है जब डेडलाइन पर बैठा एनालिस्ट उस खाली जगह को अपनी याद से भर देता है। और वह भरेगा क्यों? क्योंकि बाज़ार खाली रिपोर्ट के लिए पैसा नहीं देता। बाज़ार दावे के लिए पैसा देता है। इस मैच में कोई सिग्नल नहीं है — यह बेचना मुश्किल है। इस गेंदबाज़ का डेथ-ओवर इकॉनमी 11.4 है — यह बेचना आसान है, चाहे वह 11.4 दो ओवर के सैंपल से आया हो।
इस पेशे में एक अजीब इंसेंटिव है: अनुपस्थिति को स्वीकार करना आलस जैसा दिखता है, और अनुपस्थिति को संख्या में बदल देना मेहनत जैसा। सच उलटा है। जो एनालिस्ट कह सकता है कि मेरे पास यह डेटा नहीं है, वही भरोसेमंद है; बाक़ी प्रेज़ेंटेशन स्किल बेच रहे हैं।
दूसरा उलटा कोण: हम कोई जोखिम नहीं मिला को क्लियरेंस मान लेते हैं। इंटेग्रिटी की दुनिया में यह सबसे खतरनाक पढ़त है। ACU की कोई कार्रवाई नहीं दिखी — इसका मतलब यह नहीं कि जोखिम नहीं। इसका मतलब सिर्फ़ यह है कि आपने देखा नहीं। क्रिकेट में जो दिखता नहीं, वह अक्सर सबसे ज़्यादा मायने रखता है: नॉन-टेलीविज़र्ड मैच, रीजनल भाषा की कमेंट्री डेस्क, स्कोरर का हाथ से लिखा रजिस्टर। यही वे जगहें हैं जहां डेटा सबसे पहले मरता है और जहां से सबसे ज़्यादा खिलाड़ी अनदेखे रह जाते हैं।
और यहीं मेरी अपनी आदत मुझे चेतावनी देती है। स्टार-प्रीमियम को करेक्ट करते-करते मैं सेलेक्शन इकोनॉमिक्स, ब्रॉडकास्ट ग्रैविटी और रीजनल फैंडम को शोर मान बैठता हूं। वह शोर नहीं है। वह एक वैरिएबल है जिसका अपना कोएफ़िशिएंट है। रेपुटेशनल प्रीमियम को एरर टर्म की तरह नहीं, कोएफ़िशिएंट की तरह मॉडल करना चाहिए — वरना हम वही गलती दूसरी दिशा में दोहरा रहे होते हैं।
अगली बार जब आप कोई क्रिकेट एनालिसिस पढ़ें — मेरा भी — तो पहले यह देखें कि उसमें सैंपल लिखा है या नहीं, और टाइम बॉक्स लिखा है या नहीं। जिस दावे में सैंपल नहीं, वह दावा नहीं, अनुमान है। जिस दावे में मिस-रेट नहीं, वह रिपोर्ट नहीं, विज्ञापन है।
उस खाली पेलोड का सबक साफ़ है: दोबारा खींचें, लेकिन पहले असफलता को लॉग करें। उसी URL पर दूसरी बार भी खाली लौटा तो खराबी अस्थायी नहीं, ढांचागत है — कैप्चर का तरीका बदलना पड़ेगा। और सबसे ज़रूरी: वह इंटीग्रिटी बैनर मत हटाइए जो कहता है कि यहां कोई क्रिकेट तथ्य नहीं है। इस पूरी रिपोर्ट का सबसे ईमानदार हिस्सा वही बैनर है।
मेरा मॉडल विश्व कप नहीं जीता था; उसने मुझे बताया था कि मेरी धारणाएं कहां टूटीं। इस बार मॉडल चला ही नहीं। इसलिए सबक सबसे साफ़ है: जब डेटा न आए, तो सही जवाब शून्य है। शून्य लिखना कमज़ोरी नहीं, अनुशासन है।