खाली शीट जो सबसे ज़ोर से चीखती है: भारतीय क्रिकेट की डेटा पाइपलाइन में एक साइलेंट फेल्योर

पिछले हफ़्ते मेरी डेस्क पर एक फ़ाइल आई। पढ़ने में चालीस सेकंड लगे, समझने में चार दिन। फ़ाइल में कोई एरर मैसेज नहीं था — स्कीमा पूरा था। शीर्षक, स्रोत, आर्टिकल टाइप, कोर व्यूअरपॉइंट, एंटिटीज़, इन्फॉर्मेशन पॉइंट्स, टाइम सेंसिटिविटी: हर की मौजूद थी। और हर की खाली। इन्फॉर्मेशन पॉइंट्स में शून्य आइटम। कोर व्यूअरपॉइंट ब्लैंक। एंटिटीज़ के आगे लिखा था "ऊपर दिए इन्फॉर्मेशन पॉइंट्स से पहचानें" — जबकि ऊपर कोई पॉइंट था ही नहीं। सिर्फ़ एक फ़ील्ड भरी थी: डोमेन लेबल, और उसमें लिखा था cricket_world।

क्रिकेट में हम इसे नो-रिज़ल्ट कहते हैं। मैच रद्द, टॉस नहीं, कोई परिणाम नहीं। लेकिन खाली स्कोरकार्ड और ग़लत भरे स्कोरकार्ड के बीच ज़मीन-आसमान का फ़र्क़ है। मेरे सामने पहला केस था। उद्योग इस वक़्त दूसरे केस से जूझ रहा है — जहाँ डेटा भरा हुआ दिखता है और ग़लत होता है।

बारह साल से मैं भारतीय क्रिकेट के यूथ सिस्टम का रिकॉर्ड रख रहा हूँ — कोच बिहार ट्रॉफ़ी के स्कोरकार्ड, रणजी की पारी-दर-पारी शीट, अंडर-19 के ट्रायल लिस्ट, और पिछले कुछ सालों से इन सबके ऊपर बैठी डेटा पाइपलाइन। जब कोई मुझसे पूछता है कि भारतीय क्रिकेट की सबसे बड़ी अनकही कहानी क्या है, मैं ट्रॉफ़ी की तरफ़ नहीं देखता। मैं उस लिस्ट की तरफ़ देखता हूँ जो ट्रॉफ़ी तक पहुँचने वाले खिलाड़ियों को चुनती है — और उस लिस्ट को बनाने वाले स्प्रेडशीट की तरफ़।

2026 में, बैंगलोर में एमएस स्पोर्ट्स मैनेजमेंट के दूसरे साल में, मैं कर्नाटक स्टेट क्रिकेट एसोसिएशन के यूथ विंग में इंटर्न था। काम था 2026-18 कोच बिहार ट्रॉफ़ी का अंडर-19 डेटा ऑडिट करना। सत्रह साल के एक बल्लेबाज़ का बाएँ हाथ के स्पिन के सामने स्ट्राइक रेट बाईस प्रतिशत गिरा हुआ था, जबकि फ़र्स्ट-क्लास औसत पैंतालीस का था। मैंने बारह मैचों का फुटेज खोला और ट्रिगर मूवमेंट में एक छोटी ख़राबी मिली। दो हफ़्ते का सुधार, और अगले सीज़न स्पिन के सामने औसत अट्ठावन का हो गया। वह बल्लेबाज़ थे देवदत्त पडिक्कल।

2026 के अंत में राजस्थान रॉयल्स में जूनियर प्लेयर डेवलपमेंट एनालिस्ट के तौर पर मुझे आईपीएल 2026 की मेगा ऑक्शन के लिए पचास अनकैप्ड भारतीय खिलाड़ियों को परखने का काम मिला। मेरा सुझाव था तिलक वर्मा — सैयद मुश्ताक़ अली ट्रॉफ़ी में 140 का स्ट्राइक रेट, सिर्फ़ 12 प्रतिशत डॉट बॉल। फ़्रैंचाइज़ी ने बोली नहीं लगाई। मुंबई इंडियंस ने 1.7 करोड़ में खरीदा और उस सीज़न 397 रन बने। मेरी पोस्ट-ऑक्शन रिपोर्ट ने यह स्वीकार किया कि हमारा मॉडल बाएँ हाथ के बल्लेबाज़ों को कम तौल रहा था।

साफ़ ऑडिट ट्रेल ही पहली ईमानदार स्काउटिंग रिपोर्ट है। यही वजह है कि खाली फ़ाइल मुझे परेशान नहीं करती। परेशानी उस पल में शुरू होती है जब एक संरचनात्मक रूप से पूरी रिपोर्ट को लोग ठोस विश्लेषण समझ लेते हैं।

आठ आयामों वाला जो ढाँचा इस रिपोर्ट के नीचे बिछा था, वह हर हिस्से में एक ही जवाब देता है: अपर्याप्त जानकारी। फ़ॉर्मेट अपुष्ट — न टेस्ट, न वनडे, न टी20। क्रिकेट में यह रुकावट है: स्ट्राइक रेट, इकॉनमी रेट, औसत, और 'अच्छे प्रदर्शन' की परिभाषा तक — सब फ़ॉर्मेट के साथ बदलते हैं। फ़ॉर्मेट तय किए बग़र कोई तकनीकी पढ़ना पेश कीजिए, और वह पढ़ना अपने निर्माण से ही अमान्य है।

खिलाड़ी की पहचान नहीं हुई, इसलिए भूमिका तय नहीं हुई — ओपनर, एंकर, फ़िनिशर, तेज़, स्पिन, ऑलराउंडर, विकेटकीपर। टीम नहीं मिली, इसलिए गहराई, संतुलन, बेंच और पीढ़ी-परिवर्तन का कोई आकलन नहीं हुआ। लीग नहीं मिली, इसलिए ब्रॉडकास्ट राइट्स, फ़्रैंचाइज़ी वैल्यूएशन और पर्स को जोड़ने की कोई जगह नहीं बची। और सबसे बड़ी बात — एंटिटीज़ सबसे पहले खोईं। नाम सबसे क़ीमती एक्सट्रैक्शन टारगेट होते हैं, और एक खराब पार्सिंग पास में सबसे पहले वही गिरते हैं।

प्रोवेनेंस का नुकसान बॉडी टेक्स्ट के नुकसान से ज़्यादा महंगा है। स्रोत, यूआरएल, बायलाइन, टाइमस्टैम्प — चारों एन/ए थे। टेक्स्ट दोबारा मँगाया जा सकता है; प्रोवेनेंस अक्सर हमेशा के लिए चला जाता है। प्रोवेनेंस के बिना आप किसी दावे की विश्वसनीयता नहीं आँक सकते, और विश्वसनीयता-ग्रेडिंग के बिना आपकी पूरी रिपोर्ट सिर्फ़ अंदाज़ा बन जाती है।

जो बात तकनीकी तौर पर सबसे दिलचस्प है, वह यह है कि फ़ाइल अस्वीकार नहीं हुई थी — वह स्वीकार हुई और खाली निकली। स्कीमा बना, फिर भरने के चरण में कुछ चुपचाप विफल रहा। ऑटोमेटेड पाइपलाइन में यह सबसे ख़तरनाक फेल्योर मोड है, क्योंकि वैलिडेशन पास हो जाता है और खालीपन चुपचाप आगे बहता रहता है। अगर यह किसी बैच में चला था, तो आस-पास की दूसरी फ़ाइलें भी इसी बीमारी से ग्रस्त हो सकती हैं।

और यहीं असली सबक़ है: एक पूरी दिखने वाली रिपोर्ट अपने आप में एक जोखिम है। आठ खंड, आठ तालिकाएँ, हर तालिका में साफ़ एन/ए — पढ़ने वाले को लग सकता है कि काम हुआ है। असल में काम का एक ही हिस्सा हुआ: यह पता लगाना कि काम नहीं हुआ। इस विश्लेषण की एकमात्र ठोस खोज प्रक्रिया की खोज है — ऊपरी स्तर का एक्सट्रैक्शन विफल रहा, और सही आउटपुट अनुमान नहीं, बल्कि स्पष्ट रूप से खाली घोषित ढाँचा और एक एस्केलेशन है।

भारतीय घरेलू क्रिकेट पर आम शिकायत यह है कि डेटा नहीं है। मैं इससे सहमत नहीं हूँ। रणजी के स्कोरकार्ड मौजूद हैं, कोच बिहार के रिकॉर्ड मौजूद हैं, सैयद मुश्ताक़ अली के बॉल-बाय-बॉल लॉग मौजूद हैं। असली समस्या यह है कि जो डेटा है, वह अस्सी प्रतिशत भरा हुआ है और सौ प्रतिशत भरोसेमंद दिखता है। खाली शीट आपको चेतावनी देती है। अस्सी प्रतिशत भरी शीट आपको धोखा देती है।

इसे ट्रेंड कहने से पहले मैं नीचे की परतें देखना चाहता हूँ। पिछले तीन सालों में जो स्काउटिंग डैशबोर्ड फ़्रैंचाइज़ी और स्टेट यूनिट्स में फैले हैं, उनमें से कितने यह बता सकते हैं कि उनका कोई फ़ील्ड कब खाली आया? हीटमैप सुंदर दिखते हैं और वे खिलाड़ी की असली भूमिका छिपा देते हैं — यह बात मैं पहले भी लिख चुका हूँ। यहाँ उसी बात का डेटा-संस्करण सामने है: एक साफ़ दिखने वाला डैशबोर्ड जिसने कभी अपनी खाली कोशिकाओं का हिसाब नहीं रखा।

और यह भी याद रखना ज़रूरी है कि अख़बार की कवरेज का दबाव इसी दिशा में धकेलता है। बोर्ड और लीग की ख़बरें पाठक खींचती हैं; घरेलू स्कोरकार्ड की अंदरूनी जाँच नहीं। इसलिए जब कोई पाइपलाइन चुपचाप खाली लौटती है, उसे कोई नहीं पकड़ता — क्योंकि उसे पकड़ने के लिए कोई बैठा ही नहीं है।

मेरे पास इस वक़्त सिर्फ़ एक सिफ़ारिश है, और वह तकनीकी है: शून्य इन्फॉर्मेशन पॉइंट वाले पेलोड को आगे न जाने दें। ऐसा वैलिडेशन गेट बनाएँ जो खालीपन को एरर की तरह ट्रीट करे, चेतावनी की तरह नहीं।

नंबर ट्रेलहेड है, चोटी नहीं। और इस हफ़्ते जो नंबर मेरे पास आया, वह शून्य था। अगली बार जब कोई आपको बताए कि भारतीय क्रिकेट का डेटा सिस्टम मज़बूत हो रहा है, तो एक सवाल पूछिए: उनके पास कितनी फ़ाइलें ऐसी हैं जो पूरी दिखती हैं और खाली हैं?