स्कोरबोर्ड की जगह स्कोर नहीं, स्कोर की जगह सन्नाटा: क्रिकेट डेटा पाइपलाइन की चुपचाप हुई मौत

पिच पर गेंद पुरानी थी, सीम पहली पारी की तरफ झुक रही थी, और कमेंट्री बॉक्स में मेरे ठीक बगल वाला मॉनिटर अचानक सफेद हो गया। न स्कोर, न ओवर, न बल्लेबाज का नाम। एक फॉर्मेटेड खालीपन, ठीक वैसे ही जैसे तीसरे मैन की हैट्रिक के बाद स्टेडियम का साउंड सिस्टम बंद हो जाए। पिछले हफ्ते मेरे डेस्क पर एक डेटा एनालिसिस रिपोर्ट आई, जिसे मैंने देखा और मुझे लगा कि मैं वही अनुभव दोबारा कर रहा हूं। रिपोर्ट के शीर्षक की जगह N/A लिखा था। स्रोत की जगह N/A। लेख का प्रकार Unclassified। सबसे चौंकाने वाला हिस्सा यह था कि रिपोर्ट में 'इनफॉर्मेशन पॉइंट्स' वाला सेक्शन पूरी तरह खाली था। यानी जिस डेटा के आधार पर विश्लेषण होना था, वह डेटा ही कहीं गायब था। यह कोई क्रिकेट रिपोर्ट नहीं थी। यह एक चुपचाप हुई मौत की रिपोर्ट थी, जिसे कोई नहीं देख रहा था। क्रिकेट में पिछले दो दशकों में डेटा का जो साम्राज्य खड़ा हुआ है, वह पूरी तरह से इस बात पर टिका है कि जो गेंद पिच पर पड़ी, उसका एक रिकॉर्ड बनेगा। लाइव स्कोर, आउटपुट पैरामीटर, स्ट्राइक रेट, इकॉनमी, ट्रैकमैन का सीम पोजिशन, डीआरएस का बॉल ट्रैकिंग, ऑक्शन का पर्स अंकगणित, फैंटेसी लीग का अपडेट, ब्रॉडकास्ट ग्राफिक, वेबसाइट का मैच सेंटर, फैंटेसी स्कोर, हर चीज एक वेब पेज से दूसरे वेब पेज तक डेटा के पाइपलाइन से बहती है। किसी भी मैच के दौरान एक बॉल को लेकर चार-पांच अलग-अलग डेटा स्रोत तैयार होते हैं और उन सबको आपस में मिलाना पड़ता है। अगर इस पाइपलाइन में कहीं एक जगह स्क्रैपर को खाली शेल मिल जाए, या पेज कोई पे-वॉल हो जाए, या जावास्क्रिप्ट रेंडरिंग में कंसेंट बॉक्स आ जाए, तो वह डेटा कहीं खो जाता है। और यही हुआ था। स्टेज-1 का डीकंस्ट्रक्शन, जिसे हर एनालिसिस सिस्टम का पहला और सबसे महत्वपूर्ण चरण होना चाहिए, वह पूरी तरह से खाली लौटा। शीर्षक, स्रोत, लेख प्रकार, मुख्य दृष्टिकोण, सूचना बिंदु, इकाई, समय-संवेदनशीलता, स्रोत की गुणवत्ता, सब कुछ। एक भी ठोस तथ्य नहीं। एक भी खिलाड़ी का नाम नहीं। एक भी आंकड़ा नहीं। इसे खेल समाचार की भाषा में समझना मुश्किल है, लेकिन क्रिकेट की भाषा में यह आसान है। मान लीजिए कि आप एक टेस्ट मैच की तीसरी पारी को कवर कर रहे हैं। किसी खिलाड़ी के शतक का इंतजार है, पिच पर बल्लेबाजी टिकी हुई है, लेकिन स्कोरबोर्ड पर एक भी रन नहीं लिखा है। आप कमेंट्री कर क्या रहे हैं? आप कहेंगे कि पिच धीमी हो रही है, फील्ड सेट है, गेंद घूम रही है। लेकिन यह सारी बातें उस स्कोरबोर्ड की निर्भर हैं जो आपको पता होना चाहिए था। डेटा की दुनिया में यही हुआ। एक पार्सर ने कहा कि शीर्षक N/A है, स्रोत N/A है, प्रकार Unclassified है। लेकिन इस खालीपन को भरने के लिए कोई सिस्टम चुपचाप प्रतीक्षा कर रहा है। यही सबसे खतरनाक हिस्सा है। एक बार डेटा पाइपलाइन फेल होती है, तो कोई सिस्टम चिल्लाता नहीं है। कोई अलार्म नहीं बजता। कोई रेड फ्लैग नहीं उठता। एक खाली, लेकिन पूरी तरह से सुंदर ढंग से फॉर्मेट की हुई रिपोर्ट बन जाती है, जो किसी भी सामान्य पाठक को लगेगी कि विश्लेषण हो गया है। और यहीं से सबसे बड़ा खतरा शुरू होता है। क्योंकि उस खाली रिपोर्ट के आठ-आयामी ढांचे में एक मजबूत झुकाव होता है। इस ढांचे को देखकर कोई भी एनालिस्ट सोच सकता है कि चलो, कुछ तो भर दिया जाए। थोड़ी-सी कल्पना, थोड़ा-सा अनुमान, थोड़ी-सी क्रिकेट की समझ। और फिर वही होता है जो मुझे डराता है। मुझे याद है, 2026 में जब मैंने बेंगलुरु के आईपीएल मेगा ऑक्शन को कवर किया था। राइजिंग पुणे सुपरजायंट ने बेन स्टोक्स को 14.5 करोड़ रुपये में खरीदा था। मेरा गट कह रहा था कि यह पैसा बर्बाद होगा। भारतीय परिस्थितियों में स्टोक्स फ्लॉप होंगे। मैंने अपने पॉडकास्ट 'द लॉन्ग ऑफ' पर यही कहा। तीन हफ्ते बाद स्टोक्स टूर्नामेंट के सर्वश्रेष्ठ खिलाड़ी बने। मेरी आंतरिक भावना पूरी तरह हार गई। मैंने तीन हफ्ते तक स्टोक्स की हर पारी दोबारा देखी। जो डेटा मैंने देखा ही नहीं था, उसे अलग करके देखा। यह सबक मुझे जिंदगी भर के लिए मिला। डेटा नहीं होने का मतलब यह नहीं होता कि आप अपनी भावना से कोई कहानी बना लें। डेटा नहीं होने का मतलब यह होता है कि आप जवाब देने से इनकार कर दें। यही सबसे कठिन काम है। एक डेटा पाइपलाइन की नाकामी और मेरे गट की हार में एक गहरा रिश्ता है। दोनों में ही सच्चाई को भावना के साथ बदलने का लालच होता है। जब मेरी भावना पूरी तरह से गलत साबित हुई, तो मैंने खुद को सुधारा। मैंने अपने लेखों में रन-रेट ग्राफ और मैचअप आंकड़े डालने शुरू किए। लेकिन जब एक डेटा पाइपलाइन खाली लौटती है, तो कोई भी उस खालीपन की जगह कहानी नहीं भर सकता। क्योंकि कहानी भरने वाले हैं पैरामीटर और मॉडल। और वे पैरामीटर, जो खालीपन को 'कोई जोखिम नहीं मिला' के रूप में पेश करते हैं, एक झूठी नकारात्मकता पैदा करते हैं। यह वही है जो डेटा की दुनिया में सबसे बड़ी चूक है। एक साफ-सुथरी रिपोर्ट, जो वास्तव में कुछ भी नहीं कह रही है। इस पूरे घटनाक्रम में जो एक चीज बहुत स्पष्ट है, वह यह है कि जवाब देने से इनकार करना ही एकमात्र ईमानदार जवाब है। आठ-आयामी ढांचे के हर खंड में N/A लिखना, 'अपर्याप्त जानकारी' लिखना, और यह स्वीकार करना कि इस डेटा से कोई निष्कर्ष नहीं निकाला जा सकता, यह एक बहादुरी भरा फैसला है। यह वही बहादुरी है जो एक कमेंटेटर दिखाता है जब वह यह कहता है कि इस पिच पर मुझे कुछ समझ नहीं आ रहा है। कभी-कभी सबसे अच्छी कमेंट्री चुप्पी होती है। और कभी-कभी सबसे अच्छा डेटा विश्लेषण भी। लेकिन यह चुप्पी एक बहुत बड़ी समस्या की तरफ इशारा करती है, जिसे क्रिकेट की दुनिया में अब गंभीरता से लेने की जरूरत है। क्रिकेट अब डेटा के बिना नहीं चल सकता। लाइव स्कोर से लेकर ऑक्शन तक, ब्रॉडकास्ट से लेकर फैंटेसी तक, हर चीज एक डेटा ट्रांसमिशन श्रृंखला पर टिकी है। अगर यह श्रृंखला चुपचाप टूटती है, तो इसका असर सिर्फ एक रिपोर्ट तक सीमित नहीं रहेगा। एक ऑक्शन की कीमत, एक ब्रॉडकास्ट डील, एक खिलाड़ी की चोट की रिपोर्ट, एक टीम के चयन का फैसला, सब प्रभावित होंगे। और यह सब इसलिए होगा क्योंकि किसी ने यह नहीं देखा कि पाइपलाइन खाली है। मुझे मास्को की वह शाम याद आती है। फीफा विश्व कप 2026 में फ्रांस बनाम अर्जेंटीना के मैच में मैंने किलियन एमबाप्पे का नाम तीन बार 'एमबापे' बोल दिया था। सोशल मीडिया पर मेरा मजाक बन गया। मैं होटल लौटा, चुपचाप मैच दोबारा देखा और समझा कि फुटबॉल की निरंतरता और क्रिकेट की अलग-अलग गेंदों की लय अलग होती है। उस दिन मैंने सीखा कि नाम का गलत उच्चारण सिर्फ भाषा की गलती नहीं है। यह जानने और अपनेपन के बीच की दूरी है। उसी तरह, एक खाली डेटा रिपोर्ट सिर्फ तकनीकी खराबी नहीं है। यह जानने और समझने के बीच की दूरी है। डेटा की दुनिया में सबसे बड़ा खतरा यह नहीं है कि कोई गलत आंकड़ा आ जाए। सबसे बड़ा खतरा यह है कि कोई आंकड़ा ही न आए, और फिर भी सब कुछ ठीक चलता रहे। यह वही है जो मैंने 2026 में यूएई की खाली स्टेडियमों में महसूस किया था। मुंबई इंडियंस और किंग्स इलेवन पंजाब के बीच सुपर ओवर के दौरान जब मैंने उस सन्नाटे का बयान किया, तो मेरी आवाज टूट गई। उसके बाद मैंने 'द एम्प्टी कैथेड्रल' नाम का जो लेख लिखा, उसने मुझे सिखाया कि खालीपन को भरने की कोशिश नहीं करनी चाहिए। उसे महसूस करना चाहिए, उसे स्वीकार करना चाहिए, और उसे उसी रूप में दर्ज करना चाहिए। इस रिपोर्ट में एक बात मुझे उम्मीद देती है। यह कि डेटा पाइपलाइन की विफलता को स्टेज-2 पर पकड़ा गया, न कि उसे प्रकाशित कर दिया गया। अगर ऐसा न होता, तो एक मनगढ़ंत विश्लेषण सामने आ जाता, जिसमें काल्पनिक खिलाड़ी, काल्पनिक आंकड़े और काल्पनिक मैच रिपोर्ट होती। और लोग उसे सच मान लेते। यही सबसे बड़ी चूक होती। इसलिए जरूरत है कि हर स्टेज-1 के आउटपुट पर एक सख्त वैलिडेशन गेट लगाया जाए, जो शून्य सूचना बिंदुओं, खाली शीर्षकों और गैर-कैनोनिकल डोमेन लेबल वाली रिपोर्टों को सीधे खारिज कर दे। आने वाले समय में क्रिकेट का डेटा और भी गहरा होगा। वेस्ट इंडीज, ऑस्ट्रेलिया, इंग्लैंड से लेकर भारत तक, हर बोर्ड अपने पास डेटा के पहाड़ जमा कर रहा है। आईपीएल में हर फ्रेंचाइजी के पास अपना डेटा विभाग है। अगले पांच सालों में क्रिकेट का खेल पूरी तरह से डेटा के आधार पर तय होगा। ऐसे में सबसे जरूरी सवाल यह नहीं है कि हमारे पास कितना डेटा है। सबसे जरूरी सवाल यह है कि हमारा डेटा कितना भरोसेमंद है। और भरोसेमंदता का पहला सिद्धांत यह है कि जब जानकारी न हो, तो उसे खाली ही रहने दें। जैसे किसी टेस्ट मैच की पहली गेंद पर कोई कमेंटेटर यह नहीं कहता कि बल्लेबाज ने शतक पूरा कर लिया, वैसे ही खाली डेटा पर कोई एनालिस्ट यह नहीं कह सकता कि विश्लेषण पूरा हो गया। पिच पर गेंद पड़ी, आवाज आई, लेकिन स्कोरबोर्ड खाली है। यह सबसे बड़ा सन्नाटा है। और इस सन्नाटे को सुनना सीखना ही आज के क्रिकेट पत्रकारिता का सबसे बड़ा काम है।