स्कीमा पास, डेटा गायब: क्रिकेट रिपोर्टिंग में 'साइलेंट नल' की जांच-पड़ताल

पिछले हफ़्ते एक विश्लेषण-पेलोड मेरे सामने आया। ग्यारह फ़ील्ड थीं, ग्यारहों मौजूद थीं, स्कीमा वैलिडेशन साफ़ पास हो गया। और उनमें से दस खाली थीं। शीर्षक N/A, सारांश खाली, स्रोत N/A, लेखक का रुख N/A, सूचना-बिंदुओं की सूची खाली। सिर्फ़ एक फ़ील्ड में सामग्री थी — डोमेन लेबल: cricket_world। यानी खेल का नाम पता था, बाक़ी कुछ नहीं। न फ़ॉर्मेट, न टीम, न खिलाड़ी, न तारीख़, न स्रोत की गुणवत्ता।

यह साधारण बग नहीं था। एरर आती तो पाइपलाइन रुक जाती, लाल झंडा उठता, री-रन होता। यह नहीं रुकी। यह चुपचाप आगे बढ़ गई, क्योंकि उसका आकार सही था। और यही असली ख़तरा है — वह गड़बड़ी जो वैलिडेशन गेट से निकल जाती है, वह ख़ाली नहीं दिखती। वह भरी हुई दिखती है।

क्रिकेट में यह समस्या नई नहीं है। बस अब यह स्कोरबोर्ड की जगह सॉफ़्टवेयर में दिख रही है। 2026 में, चेन्नई की एक बायोमेकैनिक्स लैब में जूनियर रिसर्च पद पर बैठे मुझे यह एहसास ग्यारह हफ़्ते में हुआ, जब मैंने तमिलनाडु प्रीमियर लीग के सभी 32 मैच ब्रॉडकास्ट फ़ीड से हाथ से कोड किए — 4,112 गेंदें, हर एक पर रिलीज़ हाइट, रेवोल्यूशन और पिच ज़ोन का टैग। डेटाबेस कह रहा था कि चेपॉक का पहली पारी का पार 148 है, जबकि टीमें 165 का पीछा करती रहती थीं। और यह भी कि ओवर 7 से 15 के बीच गिरे 58% विकेट पाँचवीं स्टंप लाइन की गेंदों पर गिरे। चेपॉक सुपर गिलीज़ ने ख़िताब जीता; वह आँकड़ा किसी ने नहीं छापा जो यह समझाता। मैंने छापा, 900 शब्दों में, एक ऐसी साइट के लिए जिसने ₹1,500 दिए।

उस सर्दी के बाद मैंने पिचों को "स्पिन-फ़्रेंडली" कहना बंद कर दिया और उन्हें निर्देशांक कहना शुरू किया। आदत बदली: हर टुकड़ा किसी मापे जा सकने वाले दावे से खुलता है — एक पार स्कोर, एक लाइन, एक रिलीज़ एंगल — और उसके बाद कहानी आती है। यही वजह है कि 2026 के इंग्लैंड दौरे में मैंने 6,354 गेंदें, हर एक पर सीम पोज़िशन, लेंथ बैंड और लेटरल मूवमेंट, ड्यूक्स बॉल के सामने दर्ज कीं। और यही वजह है कि 2026 में UAE में IPL के सभी 60 मैच कोड करने के बाद मुझे पता था कि 60 में से 37 मैच दूसरी बल्लेबाज़ी करने वाली टीम ने जीते — ओस ने, रणनीति ने नहीं।

और अब वही सवाल सॉफ़्टवेयर के स्तर पर लौट आया है: जब किसी रिकॉर्ड में सामग्री गायब हो, तो गायब होना किसकी ग़लती है?

साइलेंट नल की शारीरिक रचना समझिए। छह फ़ील्ड एक साथ ख़ाली थीं — सूचना-बिंदु, इकाइयाँ, लेखक का रुख, लेख का उद्देश्य, समय-संवेदनशीलता, स्रोत-गुणवत्ता। छह अलग-अलग विफलताएँ मान लेना आसान है। मेरा अनुमान उलटा है: ये एक ही रिट्रीवल विफलता के छह लक्षण हैं। इकाई-निष्कर्षण वाला चरण उस सूचना-बिंदु ऑब्जेक्ट से पढ़ रहा था जो ख़ाली था; स्रोत-गुणवत्ता वाला चरण उसी फ़ील्ड पर निर्भर था जो उसे भरना था। यह डिपेंडेंसी-ऑर्डरिंग की गड़बड़ी है, छह बग नहीं। मरम्मत की क़ीमत छह गुना नहीं, एक गुना है — लेकिन पहचानने की क़ीमत छह गुना है, क्योंकि हर लक्षण अलग दिखता है।

दूसरा हिस्सा ज़्यादा चुभता है: फ़ॉर्मेट टैग। ICC तीन अलग रैंकिंग टेबल रखता है — टेस्ट, ODI, T20I। टैग न हो तो आप कोई टेबल चुन ही नहीं सकते। 140 का स्ट्राइक रेट T20 में एलीट है और टेस्ट में लगभग अप्रासंगिक। 3.5 की इकॉनमी टेस्ट में किफ़ायती है और T20 में लगभग बेकार। यानी फ़ॉर्मेट के बिना हर आँकड़ा अनाथ है — और जो उस अनाथ आँकड़े को किसी भी टेबल से बाँध दे, वह विश्लेषण नहीं कर रहा, सजावट कर रहा है।

यहाँ एक पुरानी गड़बड़ी नई शक्ल में लौटती है। मेरा सीम-डेटाबेस तब तक पूरा लगा जब तक गायब ओवर दोहराने नहीं लगे। 2026 इंग्लैंड दौरे के लेजर में ओवर 25 से 40 के बीच भारतीय सीमरों की इकॉनमी 3.6 थी, जबकि जेम्स एंडरसन ने 14.5 की औसत से 24 विकेट लिए और सैम कर्न यह सीरीज़ चालीस-चालीस मिनट के दौर में जीत गए। यह विरोधाभास नहीं था। यह कवरेज का छेद था — वह फ़ेज़ जो फ़ीड में सबसे कम दर्ज होता है, वही फ़ेज़ जो मैच तय करता है। मध्य ओवर, दूसरी स्पेल, गीली गेंद पर डेथ बॉलिंग। अनुपस्थिति संरचनात्मक है, संयोग नहीं।

वही तर्क अब विश्लेषण-पाइपलाइन पर लागू होता है। एक ख़ाली-पर-सुगठित पेलोड एरर से ज़्यादा ख़तरनाक है, क्योंकि एरर स्कीमा फेंक देती है और ख़ाली पेलोड स्कीमा पास कर जाता है। यही 'साइलेंट नल' है।

और जब ऐसा छेद बनता है, तो उसमें हमेशा कुछ भर जाता है। नीचे की हर परत पर यह संरचनात्मक दबाव होता है कि कुछ तो देना है, और सबसे आसान भराव है एक असली टीम, एक असली खिलाड़ी, एक असली क़ीमत। वह अनुमान नहीं होता, वह गढ़ना होता है — और वह इसलिए पकड़ में नहीं आता क्योंकि वह सत्य-जैसा दिखता है। भारतीय क्रिकेट की दूसरी और तीसरी श्रेणी में यही सबसे बड़ा जोखिम है: जहाँ चयन-तर्क बनता है, वहीं रिकॉर्ड सबसे पतला है।

इसीलिए स्रोत-गुणवत्ता की सीढ़ी पहले तय करनी होती है, बाद में नहीं: आधिकारिक बोर्ड की घोषणा > प्रतिष्ठित पत्रकार > सामान्य मीडिया > ट्रैफ़िक के लिए दौड़ता अकाउंट। ट्रांसफ़र-विंडो में यह सीढ़ी ही असली फ़िल्टर है, क्योंकि जो सामग्री वाकई मायने रखती है — रिलीज़-क्लॉज़ की संरचना, वेज बिल, अनुबंध की अवधि — वह शोर में सबसे कम बोली जाती है।

उलटा कोण यह है: ख़ाली रिकॉर्ड, भरे हुए रिकॉर्ड से कम ख़तरनाक है। जब सामग्री साफ़ गायब हो, तो कोई भी समझदार पाइपलाइन कहेगी 'अपर्याप्त सूचना, आकलन संभव नहीं' और रुक जाएगी। जोखिम तब शुरू होता है जब आधा-भरा रिकॉर्ड हर गेट पार कर जाता है और उसकी कमी कहीं दर्ज नहीं होती।

और एक चेतावनी जो हर सारांश में दोहराई जानी चाहिए: जोखिम का स्तर "N/A — अपर्याप्त सूचना" लिखा जाना "कम जोखिम" नहीं है। साक्ष्य का अभाव और साक्ष्य का अभाव होना — ये दो अलग वाक्य हैं, और क्रिकेट पत्रकारिता इन दोनों को रोज़ मिला देती है। जब किसी सीरीज़ के आँकड़े नहीं मिलते और हम लिख देते हैं "कोई चोट की चिंता नहीं", तो हम डेटा की गैर-मौजूदगी को सुरक्षा का प्रमाण बना देते हैं।

तीसरा उलटा कोण, और शायद सबसे ज़रूरी: यह विफलता तकनीकी है, पर इसका इलाज तकनीकी से आगे है। Stage-1 के लिए एक कठोर completeness gate चाहिए — ख़ाली सूचना-बिंदु, अनुपलब्ध इकाइयाँ, अनसुलझी समय-संवेदनशीलता वाला पेलोड Stage-2 में प्रवेश ही न पाए। बाक़ी सब बहस है।

अगली बार जब कोई डेटा-सेट बेहद साफ़-सुथरा दिखे, तो एक सवाल पूछिए: इसका चेंजलॉग कहाँ है? जो मॉडल अपनी ख़ाली जगहें नहीं बता सकता, वह अपनी गलतियाँ भी नहीं बता सकेगा। मैं अपनी अगली TNPL शीट में एक कॉलम जोड़ रहा हूँ — "कौन सा ओवर गायब है"। अभी नहीं पता उसमें क्या भरूँगा। शायद यही सबसे ईमानदार शुरुआत है।