आठ आयाम, ग्यारह तालिकाएँ और शून्य सूचना-बिंदु: क्रिकेट डेटा पाइपलाइन की उस खामी का ऑडिट

शून्य।

रिपोर्ट मेरे डेस्क पर पूरी तरह तैयार होकर आई थी — आठ विश्लेषण-आयाम, ग्यारह तालिकाएँ, छह श्रेणियों वाला जोखिम-मैट्रिक्स, चार-स्तंभ वाली स्टार-रेटिंग और अंत में एक Comprehensive Assessment। काग़ज़ पर वह सब मौजूद था जो एक अनुशासित क्रिकेट रिपोर्ट में होना चाहिए। पहले पन्ने पर मुझे वही संख्या मिली जिसकी मुझे छियालीस साल से आदत है, बस इस बार वह गलत जगह बैठी थी: सूचना-बिंदु — शून्य।

यह कोई अधूरा नोट नहीं था। यह ऐसा ढाँचा था जिसने अपने सारे औपचारिक नियम पूरे कर लिए और अपनी सारी सामग्री खो दी। Stage-1 का काम स्रोत-लेख को सूचना-बिंदुओं, मुख्य दृष्टिकोणों, इकाइयों और मेटाडेटा में तोड़ना है; Stage-2 उसी ढाँचे पर विश्लेषण चढ़ाता है। Stage-2 उस छत से ऊपर नहीं जा सकता जो Stage-1 ने बनाई हो। यहाँ छत ज़मीन पर थी और उस पर आठ मंज़िलें खड़ी कर दी गई थीं।

Eden Gardens के बहीखाते ने मुझे सिखाया था कि बोलने से पहले मिलान करो। 2026 में मैंने वह पहला मैनुअल बॉल-बाय-बॉल फ़ीड कीबोर्ड किया था — 37 मैच, क़रीब 22,400 गेंदें — और 13 मार्च की रात कोलकाता में भीड़ के बाद मैंने एक निजी dBase बही खोली थी: हर गेंद, रन रेट, डॉट बॉल, चरण-विभाजन। चार साल बाद उसी बही ने चौदह मैच अलग कर दिए जहाँ 15वें से 40वें ओवर के बीच रन रेट आधार-रेखा से 1.8 नीचे गिरा, जबकि विकेट-पात सपाट रहा। वह इकतालीस पन्नों की प्रिंटआउट किसी और के नाम पर छपी। मेरे लिए सबक़ साफ़ था: संख्या ही डिलीवरेबल है, बायलाइन नहीं।

इसलिए जब यह रिपोर्ट आई, मैंने उसे समाचार की तरह नहीं, बहीखाते की तरह पढ़ा।

जो फ़ील्ड ज़िंदा बचीं, वही सबसे बड़ा सुराग़ हैं। डोमेन लेबल भरा हुआ था — cricket_world। लेख-प्रकार वहाँ था — Unclassified। अतिरिक्त टिप्पणियाँ मौजूद थीं। मर गईं वे फ़ील्ड जिनमें सामग्री भरनी थी: सूचना-बिंदु, इकाइयाँ, मुख्य दृष्टिकोण, स्रोत-गुणवत्ता, समय-संवेदनशीलता। यह असमानता ही निदान है। अगर दस्तावेज़ कहीं अटका होता — पेवॉल, कटा हुआ पाठ, फ़ेच विफलता — तो आम तौर पर आधा-अधूरा टेक्स्ट बचता है और डोमेन लेबल भी नहीं आता। यहाँ उल्टा हुआ: ढाँचा बना, भरने का चरण चुपचाप विफल रहा। यह सबसे ख़तरनाक विफलता-श्रेणी है, क्योंकि वैलिडेटर इसे पास कर देता है। ख़ालीपन शोर नहीं करता।

यही वजह है कि मैंने इस रिपोर्ट को एक क्रिकेट रिपोर्ट के रूप में नहीं, एक प्रक्रिया-रिपोर्ट के रूप में दर्ज किया।

प्रारूप पहचान यहाँ सजावटी शर्त नहीं, बाध्यकारी शर्त है। Test, ODI, T20 — तीनों के पैमाने अलग हैं और एक-दूसरे पर स्थानांतरित नहीं होते। स्ट्राइक रेट, इकॉनमी रेट, औसत और "अच्छा प्रदर्शन" की परिभाषा तक प्रारूप-विशिष्ट है। जिस रिपोर्ट में यह तय न हो कि मैच किस प्रारूप का था, वहाँ पावरप्ले-मध्य-डेथ ओवर का विभाजन, नई गेंद का व्यवहार या होम-ग्राउंड का असर — कुछ भी टिकाऊ नहीं कहा जा सकता। मैंने यहाँ प्रारूप नहीं मान लिया, क्योंकि मान लेना इस पूरे ढाँचे का सबसे बड़ा पाप है: एक प्रारूप के आँकड़े दूसरे पर चिपकाकर कोई भी कहानी बनाई जा सकती है, और वह कहानी झूठी होगी।

इसी तर्क से खिलाड़ी-आयाम भी ख़ाली है। कोई नाम नहीं, तो भूमिका-वर्गीकरण नहीं — सलामी बल्लेबाज़, एंकर, फ़िनिशर, तेज़, स्पिन, ऑलराउंडर। और मैंने यहाँ अपनी स्मृति से किसी खिलाड़ी के करियर के आँकड़े नहीं भरे। चालीस साल की याददाश्त में बहुत कुछ है, पर स्मृति से निकला आँकड़ा स्रोत-प्रमाण नहीं होता; वह उधार का आँकड़ा है जो रिपोर्ट का हिस्सा होने का दिखावा करता है।

मरम्मत का क्रम तय है: पहले इकाइयाँ, फिर प्रारूप, फिर आँकड़े, फिर कथा। इकाइयाँ और प्रारूप अकेले आयाम एक, तीन और सात को गुणात्मक रूप से खोल देते हैं। आँकड़े सबसे बाद में आते हैं, क्योंकि व्यापार-आयाम सबसे महँगा है — ब्रॉडकास्ट अधिकारों का मूल्य, फ़्रैंचाइज़ी वैल्यूएशन, नीलामी की कीमत; ये चीज़ें किसी विश्लेषक की स्मृति में सत्यापन-योग्य परिशुद्धता के साथ नहीं बचतीं। हर नीलामी की एक सीलिंग होती है; असली काम यह खोजना है कि उसे किसने बनाया। यहाँ वह सीलिंग ख़ुद गायब थी — और उसके बिना बोली का आकलन केवल अनुमान बन जाता है।

एक और बात जो मुझे सबसे ज़्यादा चुभी: स्रोत-प्रमाण की हानि पाठ की हानि से बड़ी है। प्रकाशक, URL, बायलाइन और टाइमस्टैम्प — चारों अनुपलब्ध थे। पाठ दोबारा मँगाया जा सकता है; स्रोत-प्रमाण शायद दोबारा नहीं मिलेगा। जिस दिन किसी रिपोर्ट में यह चारों न हों, उस दिन हम यह भी नहीं बता सकते कि ख़बर किसकी है और किस तारीख़ की है। इसी क्रम में एक छोटी, पर चिढ़ाने वाली चूक दर्ज हुई — डोमेन लेबल Cricket के बजाय cricket_world लौटा। यह टैक्सोनॉमी ड्रिफ्ट है, और डाउनस्ट्रीम रूटिंग नियम ऐसे ही मौन होकर क्रिकेट सामग्री को चूक जाते हैं।

जोखिम-मैट्रिक्स में छह श्रेणियाँ थीं। पाँच ख़ाली। एक — "शून्य साक्ष्य-आधार पर निष्कर्ष जारी करने का जोखिम" — उच्च, और वह पहले ही घट चुका था। मैंने उस पंक्ति को दो बार पढ़ा।

ख़तरा रिपोर्ट के भीतर नहीं, रिपोर्ट के लिबास में है। पूरी तरह सजी हुई आठ-आयामी रिपोर्ट पढ़ने में ठोस लगती है, भले ही हर इनपुट फ़ील्ड ख़ाली हो। इसे छिपाया नहीं जा सकता; इसे पहले पन्ने पर लिखना पड़ता है। दूसरा उलटा तथ्य यह है कि अनुपस्थिति को मंज़ूरी मत समझिए। रिपोर्ट में सट्टेबाज़ी या सत्यनिष्ठा से जुड़ा कोई ध्वज नहीं दिखा, और कोई इसे क्लीन चिट मान सकता है — जबकि सच यह है कि कोई भी फ़ील्ड भरी ही नहीं गई थी, तो ध्वज उठता कहाँ से। शून्य का अर्थ अज्ञात है, स्वच्छ नहीं।

तीसरा उलटा तथ्य सबसे निर्मम है। आठ में से सबसे अनुमान-भारी आयाम — उद्योग-संचरण, यानी युवा विकास से प्रसारण और पूँजी-नेटवर्क तक की श्रृंखला — वही है जहाँ विश्लेषक को अपनी स्मृति से भरने का सबसे ज़्यादा लालच होता है। इस रिपोर्ट ने वहाँ भरा नहीं, और यही उसका सबसे ईमानदार काम है। मैं अपने ही जाल को जानता हूँ: वर्षों तक सही विचलन खोजने के बाद विचलन आवाज़ की आदत बन जाता है, और फिर वह बही से नहीं, स्वभाव से निकलता है। कहानी मिलने से पहले मुझे विचलन मिल जाता है — यही मेरी पहचान है और यही मेरा ख़तरा भी। इसलिए कभी-कभी यह लिखना पड़ता है कि पारंपरिक संख्या सही थी। यहाँ पारंपरिक प्रवृत्ति — खाली जगह को याददाश्त से भर देना — ग़लत थी, और उसे भरा नहीं जाना चाहिए था।

तालिका निष्कर्ष नहीं, साक्ष्य की लय है। इस रिपोर्ट की ग्यारह तालिकाएँ एक ही बात कहती हैं: जिस लेख पर यह बनी थी, वह कभी पढ़ा ही नहीं गया।

आगे का काम तकनीकी है, और सस्ता है। Stage-1 के हर पेलोड पर एक कठोर वैलिडेशन गेट लगना चाहिए: सूचना-बिंदु शून्य हो तो पेलोड अस्वीकार हो, अलर्ट जाए, आगे न गुज़रे। पुनः-निष्कर्षण में नामित-इकाई और प्रारूप-पहचान पर ज़ोर दिया जाए; यही सबसे ऊँची उपज वाली मरम्मत है। और अगर यह पेलोड किसी बैच का हिस्सा था, तो बैच की जाँच ज़रूरी है — ऐसी चुपचाप विफलता अक्सर दोहराती है।

सवाल जो मेरे डेस्क पर टँगा रह गया: हमारे संग्रह में कितनी रिपोर्टें ऐसी हैं जो पूरी दिखती हैं और कुछ भी ऑडिट नहीं करतीं? जिस दिन इसका जवाब तालिका में आएगा, उस दिन यह रिपोर्ट अपना काम कर चुकी होगी।