खाली डेटा, भरा हुआ टेम्पलेट: क्रिकेट एनालिसिस पाइपलाइन में वह खामी जो कोई नहीं देखता

फरवरी 2026 की बात है। बेंगलुरु में आईपीएल नीलामी चल रही थी और हर डेस्क पर एक ही सुर्खी थी — बेन स्टोक्स 14.5 करोड़, टाइमल मिल्स 12 करोड़। मैंने उस शाम हथौड़े की आवाज़ नहीं सुनी। मैंने नौ सीज़न का बॉल-बाय-बॉल डेटा खोला और चेन्नई के एक एक्चुअरी मित्र के साथ लागत-प्रति-जीत मॉडल बनाया। मॉडल ने स्टोक्स को 8.9 करोड़ पर तौला। 14.5 करोड़ का आंकड़ा तीन हजार शब्दों में घुल गया, लेकिन सबक एक था — जो संख्या सबसे ज़ोर से बोलती है, वही अक्सर सबसे कम बताती है। पिछले हफ्ते मेरे सामने एक अलग तरह का खालीपन आया। एक एनालिसिस पाइपलाइन का स्टेज-1 आउटपुट मेरे डेस्क पर पहुंचा — शीर्षक N/A, लेख का प्रकार अपरिभाषित, सूचना बिंदुओं की सूची खाली, इकाइयों का कॉलम 'ऊपर के बिंदुओं से पहचानें' कह रहा था, जबकि ऊपर कोई बिंदु था ही नहीं। बचा था सिर्फ एक टैग: cricket_world। लेकिन स्टेज-2 का टेम्पलेट पूरा भरा हुआ था — आठ आयाम, जोखिम मैट्रिक्स, ट्रांसमिशन मैप, सिफारिशें। हर खाने में N/A। कागज़ देखने में मुकम्मल था। जानकारी शून्य थी। चालीस पांच साल में मैंने स्कोरकार्ड की गलतियां देखी हैं, लेकिन यह पहली बार था जब मुझे एक ऐसा रिपोर्ट मिला जो अपनी खालीपन को ही सबसे ईमानदार चीज़ बना रहा था। और यही असली कहानी है — क्रिकेट की डेटा अर्थव्यवस्था में सबसे बड़ा जोखिम गलत नंबर नहीं, बल्कि वह खाली नंबर है जिसे गलती से पूरा समझ लिया जाता है। 2026 से लेकर अब तक क्रिकेट पत्रकारिता का एक नियम नहीं बदला — कहानी विवरण से बनती है, टेम्पलेट से नहीं। जब कोई एनालिस्ट 'टीम की बल्लेबाजी गहराई: N/A' लिखकर आठ पन्नों की रिपोर्ट सौंप देता है, तो नुकसान रिपोर्ट में नहीं होता। नुकसान उस पल होता है जब कोई संपादक उसे 'पूरी रिपोर्ट' मानकर आगे बढ़ जाता है। N/A कोई भी जानकारी नहीं है — वह टेम्पलेट की संरचना है, डेटा की नहीं। मेरे अनुभव में, जो रिपोर्ट अपने भीतर तीन ठोस संख्याएं नहीं रख सकती, वह पांच सौ शब्दों की सुर्खी भी नहीं बन सकती। आगे का सवाल यह है कि क्या क्रिकेट की डेटा-आधारित पत्रकारिता उसी रास्ते पर जा रही है जिस पर आज की ट्रांसफर मार्केट गई है? जब मूल्यांकन मॉडल पूरे हो जाते हैं, तो सवाल पूछना बंद हो जाता है कि मॉडल में डाला क्या गया था। 2026 की दुबई वाली रात मुझे याद है — पाकिस्तान ने भारत को दस विकेट से हराया और हर पोस्ट-मॉर्टम 'इरादे' की बात करने लगा। मैंने नमूने का आकार गिना — विदेशी हालात में एक रात — और मॉडल बनाया जिसे अगली नीलामी में सीलबंद लिफाफे की तरह खोला गया। जहां डेटा खाली हो, वहां बेहतर मॉडल काम नहीं आता। यह सीधी बात है: शून्य से गुणा करने पर कोई मूल्यांकन बचता नहीं। मुझे लगता है कि अगले दो साल में क्रिकेट एनालिटिक्स में सबसे महत्वपूर्ण नौकरी वह नहीं होगी जो सबसे अच्छा मॉडल बनाती है, बल्कि वह होगी जो सबसे पहले पहचानती है कि मॉडल के भीतर डाला गया डेटा वास्तव में कितना कम है। हम उस दिन का इंतज़ार करें जब कोई संपादक किसी खाली रिपोर्ट के पहले पन्ने पर लिख दे: यहां कोई जानकारी नहीं थी, इसलिए कोई निष्कर्ष नहीं है। और हम सब उसे पेशेवर मानें।