खाली लेजर का ऑडिट: क्रिकेट डेटा की वह रिपोर्ट जिसने गवाही देने से इनकार किया

पिछले हफ़्ते मेरी मेज़ पर एक रिपोर्ट आई जिसमें शीर्षक था, स्रोत का खाना था, शून्य से आठ तक आठ विश्लेषण-खंड थे, एक "समग्र निर्णय" था, और अंत में सट्टेबाज़ी से जुड़ा अस्वीकरण भी था। काग़ज़ पूरा भरा हुआ लगता था। फिर मैंने आकलन वाले खाने पढ़े। खिलाड़ी की तकनीक, टीम का परिदृश्य, लीग का वाणिज्य, नियम-कायदे, जोखिम, जन-नैरेटिव, उद्योग-संचरण, और अंत में "विशेषज्ञ शब्दावली" तक — हर जगह एक ही वाक्य दर्ज था: "अपर्याप्त जानकारी, आकलन संभव नहीं।" ग्यारह जगह खिलाड़ी का नाम आना चाहिए था; ग्यारहों खाली थे। मुझे 2026 का एक स्कोरकार्ड याद आया जिसमें ग्यारह नाम छपे थे और रन के खाने स्याही से नहीं, जगह छोड़कर भरे गए थे। उस वक़्त मैंने क्लर्क को फ़ोन किया था। इस बार क्लर्क कोई नहीं था — केवल एक पाइपलाइन थी, और उसने अपना काम पूरा होने का दावा किया था।

दो मंज़िलों वाली इमारत, और पहली मंज़िल पर ताला

क्रिकेट डेटा डेस्क का काम दो मंज़िलों में बँटा होता है। पहली मंज़िल पर कच्चा माल आता है: लेख का शीर्षक, स्रोत, लेख का प्रकार, लेखक का रुख़, सूचना बिंदुओं की सूची, उसमें आए लोग और संस्थाएँ, समय-संवेदनशीलता, और स्रोत की गुणवत्ता। इसे स्टेज-1 डिकंस्ट्रक्शन कहते हैं। दूसरी मंज़िल पर असली विश्लेषण बैठता है — प्रारूप और मैच, खिलाड़ी की तकनीक और आँकड़े, टीम का ढाँचा, लीग का पैसा, नियम-कायदे, जोखिम, जन-नैरेटिव, और उद्योग में उस ख़बर का संचरण। दूसरी मंज़िल की हर सीढ़ी पहली मंज़िल के ईंटों पर टिकी होती है। अगर पहली मंज़िल पर ताला लगा हो, तो दूसरी मंज़िल का नक़्शा कितना भी साफ़ हो, उस पर कोई कमरा नहीं बनता।

मैं इस इमारत में पचास साल से आ-जा रहा हूँ। जून 2026 की रात बैंगलोर में एक ट्रेडिंग फ़र्म में क्लर्की करते हुए मैंने भारत के विश्व कप अभियान का पहला स्कोरकार्ड हार्डबाइंड लेजर में उतारना शुरू किया था। चौदह महीने बाद मेरे पास 27 मैच, चार लेजर और लगभग ग्यारह सौ पन्ने थे, जिन्हें ऑल इंडिया रेडियो के कमेंट्री नोट्स और अख़बार में छपे सुधारों से मिलाया गया था। कर्नाटक स्टेट क्रिकेट एसोसिएशन को भेजे गए सारांश के बदले मुझे 2026-85 रणजी सीज़न में एम. चिन्नास्वामी स्टेडियम में भुगतान वाली स्कोरर की कुर्सी मिली। उस एक चौदह-महीने की कवायद ने मेरी आदत बना दी: मैं वह आँकड़ा नहीं लिखता जिसे किसी प्राथमिक स्कोरकार्ड तक न पहुँचा जा सके, और हर संख्या के साथ यह भी दर्ज करता हूँ कि उसे आख़िरी बार कब जाँचा गया।

अप्रैल 2026 में जब क्रोनिए कांड फूटा, तब तक मेरा निजी डेटाबेस ग्यारह सौ एकदिवसीय मैचों तक पहुँच चुका था — पहले काग़ज़ पर, 2026 से कंप्यूटर पर। दिल्ली के एक जाँच-पत्रकार ने डेटा माँगा; मैंने चालीस मैचों की ओवर-रेट, नो-बॉल और आउट होने के समय की तालिकाएँ दीं, और "संदिग्ध" खिलाड़ियों की एक सूची के प्रकाशन को रोक दिया, क्योंकि उन विसंगतियों को साधारण खराब क्रिकेट से अलग नहीं किया जा सकता था। उसकी जगह मैंने बारह पन्नों का एक मेथड्स नोट लिखा, और पत्रकार ने उसी को उद्धृत किया। सहकर्मी उसे मेरा "सावधानी-कर" कहते हैं। मैं उसे 2026 का नियम कहता हूँ।

जनवरी 2026 की मेगा नीलामी में, आरसीबी के पहले पूर्णकालिक विश्लेषक के रूप में, मैंने हर खिलाड़ी को "प्रतिस्थापन स्तर से ऊपर प्रति रन और प्रति विकेट" के हिसाब से दाम लगाया था, चिन्नास्वामी की छोटी स्क्वायर बाउंड्री के लिए समायोजित करके। मेरी शीट ने एक कम प्रसिद्ध विदेशी ऑलराउंडर को उस बड़े नाम से ऊपर रखा था जिसे फ्रैंचाइज़ी ने 1.6 मिलियन डॉलर में खरीदा था। टीम फ़ाइनल तक पहुँची और चेन्नई से 58 रन से हार गई। उस शीट की तीन तस्वीरें मेरे पास आज भी रखी हैं, इसलिए नहीं कि मैं सही था, बल्कि इसलिए कि मॉडल की त्रुटि-सीमा उसी काग़ज़ पर लिखी थी।

इसलिए जब कोई रिपोर्ट खाली लौटती है, तो मेरा पहला सवाल यह नहीं होता कि कहानी क्या है। पहला सवाल यह होता है कि रिकॉर्ड कहाँ टूटा।

बचा हुआ एक ही निशान

इस रिपोर्ट में जो एक चीज़ बची थी, वह थी एक टैग: क्रिकेट_वर्ल्ड। यानी सिस्टम को यह तो पता चल गया कि स्रोत क्रिकेट से जुड़ा है, लेकिन यह नहीं पता चला कि उसमें क्या था। यह टैग साक्ष्य नहीं है; यह एक क्लासिफ़ायर का आउटपुट है। यह बता सकता है कि चिट्ठी किस विभाग की है, यह नहीं बता सकता कि चिट्ठी में क्या लिखा है। रिपोर्ट ने ख़ुद ही इस पर अपना भरोसा "मध्यम" दर्ज किया, और वह सही है — क्योंकि एक ही फ़ील्ड से क्रॉस-वैलिडेशन नहीं होती।

इस एक टैग से यह अनुमान नहीं निकाला जा सकता कि बात टेस्ट की है, वनडे की है, टी20 की है, या द हंड्रेड की; यह भी नहीं कि कौन सी टीम, कौन सा खिलाड़ी, कौन सी प्रतियोगिता, कौन सा नीलामी-चक्र। और यहीं वह जगह है जहाँ क्रिकेट-विश्लेषण की सबसे आम बीमारी शुरू होती है — खाली जगह को अपने अनुमान से भर देना।

पाँच संभावनाएँ, और उन्हें परखने के पाँच तरीके

रिपोर्ट ने पहली बात यह मानी कि स्टेज-1 खोखला लौटा, और उससे पहले यह पूछा कि ऐसा क्यों हुआ। यही उसका सबसे ईमानदार हिस्सा है।

पहली संभावना, मध्यम संभावना के साथ: स्रोत पेज पे-वॉल या जावास्क्रिप्ट के पीछे था और एक्सट्रैक्टर को खाली बॉडी मिली। जाँच का तरीका सीधा है — देखें कि रॉ HTML आया था या नहीं, और उसमें लेख-बॉडी का नोड खाली था या ग़ायब। अगर नोड मौजूद था पर खाली, तो सामग्री शायद वहीं है; दूसरे रेंडरर से दोबारा निकालिए।

दूसरी संभावना, उतनी ही मध्यम: स्रोत टेक्स्ट ही नहीं था — वीडियो, पॉडकास्ट, या सिर्फ़ तस्वीर वाला सोशल पोस्ट। इसका सुराग़ रिपोर्ट ने ख़ुद पकड़ा: लेख का प्रकार "अवर्गीकृत" लौटा, जो यह बताता है कि पाइपलाइन वर्गीकरण की मंज़िल तक पहुँची ही नहीं। ऐसे मामले में पहले ट्रांसक्रिप्ट बनाना होगा, तब कोई विश्लेषण।

तीसरी संभावना: वाक़ई पाइपलाइन की गड़बड़ी, यानी जॉब बीच में कट गया। इसे रन-लॉग और टाइमस्टैम्प से जाँचा जा सकता है, और अगर यही वजह निकली तो पूरी रिपोर्ट को रद्द करके स्टेज-1 दोबारा चलाना चाहिए।

चौथी संभावना, कम-से-मध्यम: स्रोत सिर्फ़ एक हेडलाइन या टीज़र कार्ड था — पुश नोटिफ़िकेशन या एग्रीगेटर का कार्ड — जिसमें बॉडी कभी रही ही नहीं।

पाँचवीं, कम: लेख कैप्चर और प्रोसेसिंग के बीच हटा दिया गया, जियो-ब्लॉक हो गया, या साइट से ग़ायब हो गया।

इन पाँचों में से कोई एक चुनना रिपोर्ट का काम नहीं था, और उसने किया भी नहीं। लेकिन एक अनुमान उसने ज़रूर दर्ज किया, और वह अनुमान ठोस है: सभी फ़ील्ड एक साथ खाली होना — आधे भरे, आधे खाली होने की जगह — इनजेशन लेयर की विफलता की ओर इशारा करता है, डिकंपोज़िशन लेयर की ओर नहीं। डिकंपोज़िशन टूटता है तो शीर्षक और कुछ बिंदु बचे रह जाते हैं, केवल उनके बीच के रिश्ते बिगड़ते हैं। यहाँ शीर्षक भी नहीं बचा। साथ में "अवर्गीकृत" प्रकार और "समय-संवेदनशीलता: आकलित नहीं" — दोनों मिलकर बताते हैं कि पाइपलाइन वर्गीकरण तक पहुँची ही नहीं। यह अनुमान रिपोर्ट ने कम-से-मध्यम भरोसे के साथ दर्ज किया, और यही सही शिष्टाचार है।

जो गड़बड़ी सबसे महँगी है

यहाँ मुझे अपना 2026 का नियम लागू करना पड़ा, क्योंकि इस रिपोर्ट का सबसे बड़ा जोखिम क्रिकेट में नहीं, रिपोर्ट के रूप में है। खाली इनपुट पर भरे हुए शीर्षकों वाला दस्तावेज़ — जिसमें "खिलाड़ी की तकनीक", "लीग का वाणिज्य", "नियम-कायदे" जैसे भारी-भरकम सिरे लगे हों — दिखने में विश्लेषण जैसा होता है। डेडलाइन पर बैठा संपादक सिरे पढ़ता है और आगे बढ़ा देता है। यह जोखिम उच्च स्तर का है, और इलाज सस्ता है: ऐसा हार्ड गेट लगाइए कि सूचना बिंदुओं की सूची खाली हो तो जॉब ज़ोर से विफल हो, चुपचाप पूरा दिखने वाला स्टेज-2 रिपोर्ट छापकर बाहर न भेजे।

दूसरा उच्च-स्तरीय जोखिम स्रोत-प्रामाणिकता का है। शीर्षक N/A और स्रोत N/A — इसका मतलब है कि साक्ष्य की ज़ंजीर कहीं से भी जाँची नहीं जा सकती। इलाज सीधा: इनजेशन के समय शीर्षक और स्रोत URL को अनिवार्य, कभी-खाली-न-रहने वाला फ़ील्ड बनाइए; न मिले तो जॉब अस्वीकार।

तीसरा, मध्यम स्तर का: जावास्क्रिप्ट या पे-वॉल वाले पेजों पर चुपचाप विफलता। सभी फ़ील्ड एक साथ खाली होने का पैटर्न बताता है कि सामग्री शायद मौजूद है, पर पकड़ी नहीं गई। एक हेडलेस-ब्राउज़र फ़ॉलबैक और बॉडी-लंबाई की न्यूनतम सीमा वाला चेक, डिकंपोज़िशन से पहले।

चौथा, मध्यम: कैप्चर का समय-चिह्न खो जाना। अगर लेख बाद में मिल भी गया, तो उसकी समय-संवेदनशीलता शायद कभी वसूल न हो — मैच-प्रीव्यू मैच के अगले दिन बेकार हो जाता है। समय-चिह्न को इनजेशन पर स्वतंत्र रूप से दर्ज करना चाहिए, चाहे डिकंपोज़िशन सफल हो या न हो।

पाँचवाँ, निम्न: क्रिकेट_वर्ल्ड लेबल को साक्ष्य मान लेना। यह रूटिंग का इशारा भर है।

रिकवरी की सूची

रिपोर्ट ने इस खाली नतीजे को सुधारने के लिए सात अनिवार्य फ़ील्ड गिनाए हैं, और यह सूची किसी भी क्रिकेट डेस्क के लिए उपयोगी है। शीर्षक, जो विषय को स्थिर करता है। स्रोत URL और प्रकाशक, जो स्रोत-गुणवत्ता की जाँच का एकमात्र रास्ता है। प्रकाशन या कैप्चर का समय-चिह्न, जो समय-संवेदनशीलता का एकमात्र आधार है। कम से कम तीन सूचना बिंदु, जो हर निष्कर्ष के नीचे "साक्ष्य" वाली पंक्ति भरेंगे। प्रारूप का टैग। कम से कम एक नामित टीम या खिलाड़ी। और प्रतियोगिता या लीग का नाम, जहाँ लागू हो।

इन सात में दो शर्तें ऐसी हैं जिनके बिना बाक़ी पाँच भी बेकार हैं। एक तो प्रारूप का टैग; दूसरा, कम से कम एक नामित इकाई। रिपोर्ट ने ख़ुद माना कि इन दोनों के बिना तकनीक, टीम, जोखिम और नैरेटिव — चारों आयाम भरे ही नहीं जा सकते।

एक प्रारूप-टैग अनिवार्य क्यों है

यह बात उतनी तुच्छ नहीं है जितनी लगती है। पचास साल से स्कोरकार्ड के साथ बैठने के बाद मैं यह दावा कर सकता हूँ कि क्रिकेट में सबसे महँगी गलती एक ही है — एक प्रारूप का पैमाना दूसरे पर लगा देना।

टी20 का फ़िनिशर 180 से ऊपर की स्ट्राइक रेट पर नापा जाता है; वनडे का मध्यक्रम उसी आदमी से 95 की स्ट्राइक रेट और 45 की औसत माँगता है; टेस्ट में औसत और छोटी अवधि की सहनशीलता मायने रखती है, स्ट्राइक रेट नहीं। तीनों को एक ही तराज़ू पर रखना वैसा ही है जैसे नीलामी की क़ीमत को अंतरराष्ट्रीय प्रदर्शन मान लेना। मैच के भीतर भी चरण बदलते हैं — टी20 में पहले छह ओवर का पावरप्ले, आख़िरी पाँच ओवर का डेथ, वनडे में दो नई गेंदें, टेस्ट में सत्र-दर-सत्र घिसाई। बिना प्रारूप के इनमें से कोई भी चरण नामित नहीं किया जा सकता।

इसी तरह, बारिश आने पर लक्ष्य का संशोधन डकवर्थ-लुईस-स्टर्न पद्धति से होता है, और उसे जाने बिना किसी पीछा करने वाली पारी को "धीमी" कहना बेईमानी है। डीआरएस में अंपायर कॉल की सीमा टेक्नोलॉजी की त्रुटि-पट्टी को सुरक्षित रखती है, इसलिए वह कॉल जजमेंट का विकल्प नहीं, उसका विस्तार है। विदेशी लीग में खेलने के लिए बोर्ड का एनओसी चाहिए, और नीलामी में आरटीएम का अधिकार पुरानी फ्रैंचाइज़ी को उसी बोली पर खिलाड़ी लौटाने का हक़ देता है — इन दोनों के बिना लीग और राष्ट्रीय टीम के टकराव की कोई कहानी नहीं बनती। बिना प्रारूप, बिना इकाई, ये सारे औज़ार अलमारी में पड़े रहते हैं। cricsultan.com के प्लेयर डेप्थ इंडेक्स जैसा संदर्भ-सूचकांक भी तब तक लागू नहीं होता जब तक यह तय न हो कि हम टेस्ट की गहराई नाप रहे हैं या टी20 की।

अब वह बात, जो इस रिपोर्ट ने अपनी सबसे उपयोगी पंक्ति में कही है: आँकड़े परिशुद्ध हो सकते हैं, सटीक होना दूसरी चीज़ है। खेल-मूल्य, उद्योग-मूल्य और समय-मूल्य — तीनों को पाँच में से एक स्टार मिला। यह परिशुद्ध है। सटीक भी है। और यही अंतर अच्छे विश्लेषक और आँकड़ा-पुजारी में है।

जो नतीजा नहीं है, उसे नतीजा बनाने का लालच

दो लालच इस मामले में बहुत तेज़ हैं, और दोनों को ठुकराना पड़ेगा।

पहला लालच यह है कि खालीपन को साज़िश पढ़ा जाए। कुछ नहीं मिला, इसलिए ज़रूर कुछ छिपाया गया है। नहीं। आर्काइव का खाली होना आर्काइव के बारे में एक तथ्य है, मैच के बारे में नहीं। तेईस साल पहले मैंने इसी गलती को रोका था — ओवर-रेट और नो-बॉल की विसंगतियाँ ऐसी तालिका बना रही थीं जिसे कोई भी साज़िश के रंग में पढ़ सकता था। मैंने वह सूची रोकी, क्योंकि विसंगति और साधारण खराब क्रिकेट के बीच की रेखा उस डेटा में मौजूद नहीं थी। जो ग़ायब था, वह उस नाम के नीचे दर्ज था जो कोई इस्तेमाल नहीं करता था।

दूसरा लालच ज़्यादा परिष्कृत है और इसलिए ज़्यादा ख़तरनाक: रिपोर्ट के अपने रेटिंग-खाने को "संतुलन" के लिए ऊपर खींच देना। संदर्भ-मूल्य को दो स्टार मिले। क्रिकेट के नज़रिए से वह दो भी ज़्यादा है; इंजीनियरिंग के नज़रिए से कम। यही सच्चाई है — इस दस्तावेज़ की पूरी क़ीमत एक पाइपलाइन की मरम्मत में है, क्रिकेट की समझ में शून्य। इसे दो से तीन करने से कोई जानकारी नहीं जुड़ती, केवल एक झूठ जुड़ता है।

और एक तीसरी बात, जिसे रिपोर्ट ने केवल एक पंक्ति में छुआ: हो सकता है स्रोत में कभी गद्य था ही नहीं। अगर वह टीज़र कार्ड था, तो एक्सट्रैक्टर दोबारा चलाना पैसा और समय दोनों जलाना है। यह जाँच पहले होनी चाहिए, दोबारा चलाने से पहले। खर्च करने से पहले लागत नापना — यही नीलामी की मेज़ पर सीखा था, और वहाँ भी यही काम आया।

आगे क्या देखना है

चार लेजर, एक सीज़न, और सच के तीन संस्करण — 2026 में यह मेरी आदत थी, और 2026 में यह मेरा पैमाना है। आर्काइव ने गवाही देने से इनकार किया, तो मैंने उसके हाशिये को समन भेजा; इस बार हाशिये में केवल एक टैग मिला। अगला कदम विश्लेषण नहीं, मरम्मत है: खाली सूचना-बिंदुओं पर ज़ोर से विफल होने वाला गेट, अनिवार्य शीर्षक और स्रोत, कैप्चर का स्थायी समय-चिह्न, और एक नियंत्रण-लेख जो हर हफ़्ते उसी पाइपलाइन से गुज़ारा जाए।

जब तक वह गेट नहीं लगता, सवाल यह नहीं है कि इस बार क्या छूटा। सवाल यह है कि पुराने आर्काइव में कितनी ऐसी रिपोर्टें पड़ी हैं जो पूरी दिखती हैं, जिनके सिरे भरे हुए हैं, और जिन्हें किसी ने उद्धृत भी कर लिया। मैंने लेजर में ख़ामोशी को अनुपस्थिति नहीं, एक डेटम पढ़ना सीखा — पर हर ख़ामोशी को डेटम मान लेना भी उतनी ही बड़ी भूल है। फ़र्क़ यह है कि उसे डेटम कहने से पहले आपने उसकी जाँच की हो।