खाली रिकॉर्ड, भरा स्कोरबोर्ड: एशियाई क्रिकेट कवरेज की असली समस्या स्रोत की है, डेटा की नहीं

एक डेटा पाइपलाइन चली। आउटपुट आया — एक रिकॉर्ड, जिसमें सिर्फ़ एक फ़ील्ड भरी थी: cricket_asia. शीर्षक खाली। स्रोत खाली। प्रकाशन की तारीख खाली। एक वाक्य का सारांश खाली। और जिस परत पर पूरा क्रिकेट विश्लेषण टिकता है — एटॉमिक इन्फॉर्मेशन पॉइंट्स — वह पूरी तरह खाली। इसे तकनीकी खराबी मानकर आगे बढ़ा जा सकता है। मैं इसे नतीजा मानती हूँ: जिस चीज़ को हम "एशियाई क्रिकेट कवरेज" कहते हैं, उसका एक बड़ा हिस्सा बिना स्रोत, बिना तारीख और बिना तथ्य-परत के चल रहा है।

2026 में, गुजरात यूनिवर्सिटी में पहले साल के दौरान, मैंने 42 रणजी मैचों का बॉल-बाय-बॉल डेटा स्क्रैप किया — जलज सक्सेना के आर्म-बॉल पर एक लॉजिस्टिक मॉडल बनाने के लिए। नतीजा सबको याद रहता है: आर्म-बॉल पर 34% फ़ॉल्स शॉट, ऑफ़-ब्रेक पर 19%. जो याद नहीं रहता, वह है मॉडल से पहले के तीन दिन। मैंने वे तीन दिन सिर्फ़ यह जाँचने में लगाए कि हर पंक्ति के साथ स्रोत और तारीख मौजूद है या नहीं। जिन पंक्तियों में यह नहीं था, वे मॉडल तक पहुँचीं ही नहीं। एक खाली फ़ील्ड अगर पाइपलाइन से पार निकल जाए, तो वह डेटा नहीं रहता — वह शोर बन जाता है, बस अच्छे कपड़े पहने हुए।

एशियाई क्रिकेट दुनिया भर में सबसे ज़्यादा क्रिकेट-घंटे पैदा करता है। आईपीएल, डब्ल्यूपीएल, एशिया कप, एसीसी के आयु-वर्ग और इमर्जिंग टीम्स टूर्नामेंट, खाड़ी की फ़्रैंचाइज़ी लीग। सितंबर 2026 में दुबई में खेला गया टी20 एशिया कप फाइनल भारत ने जीता; 2026 का एशिया कप हाइब्रिड मॉडल में पाकिस्तान और श्रीलंका के बीच बँटा था। इतने आयोजनों का सीधा मतलब है रोज़ाना सैकड़ों प्रीव्यू, रिव्यू, टीम न्यूज़, पिच रिपोर्ट और प्रेडिक्शन नोट।

मात्रा का दूसरा चेहरा रीपब्लिश इकोनॉमी है। स्कोरकार्ड एक जगह बनता है और उसके बाद कम से कम बीस जगहों पर दोबारा लिखा जाता है। कहीं तारीख बदल जाती है, कहीं स्रोत का नाम गायब हो जाता है, कहीं संदर्भ काट दिया जाता है, और कहीं पुराना आँकड़ा नए मैच के मुख्य पैराग्राफ में बैठ जाता है।

17 सितंबर 2026, कोलंबो का आर. प्रेमदासा स्टेडियम। श्रीलंका 50 रन पर ढेर, मोहम्मद सिराज के 6/21, भारत दस विकेट से जीता। "50" वह संख्या है जो हर एशियाई क्रिकेट पीस में लौटती है। लेकिन 50 अपने आप में जानकारी नहीं है। 50 के साथ यह भी चाहिए कि टॉस किसने जीता, ओस किस ओवर से असर करने लगी, पिच की गति स्पिनरों के लिए क्या थी और भारत ने पावरप्ले में कितने विकेट लिए। जो कवरेज किसी संख्या को उसके कंडीशन-सेट से अलग कर देती है, वह पाठक को जानकारी नहीं देती — वह उसे एक ऐसा हथियार दे देती है जिसे वह आगे कहीं भी ग़लत दिशा में चला सकता है।

मैं किसी भी क्रिकेट रिकॉर्ड को चार शर्तों पर परखती हूँ: शीर्षक यानी दावा क्या है; स्रोत और तारीख यानी किसने कहा, कब कहा; एटॉमिक इन्फॉर्मेशन पॉइंट्स यानी तथ्य अलग-अलग लिखे गए हैं या एक पैराग्राफ में उलझे हुए; और एंटिटी लिस्ट यानी कौन-से खिलाड़ी, टीम, बोर्ड और टूर्नामेंट। एक भी अनुपलब्ध हो तो नीचे की हर परत गिर जाती है। तारीख नहीं, तो मैं घटना को समय के साथ वेट नहीं कर सकती — तीन सीज़न पुराना 34% फ़ॉल्स-शॉट रेट आज के 34% से बिल्कुल अलग चीज़ है, क्योंकि बीच में गेंद, एक्शन और मैदान बदल चुके हैं। स्रोत नहीं, तो मैं दो विरोधी दावों में फ़ैसला नहीं कर सकती। इन्फॉर्मेशन पॉइंट्स नहीं, तो एंटिटी एक्सट्रैक्शन अनुमान बन जाता है — और अनुमान से बना प्रीव्यू वह होता है जिसमें ग़लत प्लेइंग इलेवन छप जाता है और पाठक को पता भी नहीं चलता।

cricket_asia इस अनुमान का सबसे साफ़ नमूना है। यह लेबल एशिया कप हो सकता है, एसीसी इमर्जिंग टीम्स कप हो सकता है, खाड़ी में खेली जा रही कोई द्विपक्षीय सीरीज़ हो सकती है, या मलेशिया की घरेलू टी20 लीग भी। लेबल एक श्रेणी है, जानकारी नहीं। क्रिकेट कवरेज की सबसे पुरानी आदत यही है — खाली फ़ील्ड को श्रेणी के नाम से भर देना और फिर उस भरे हुए खाने को तथ्य मान लेना।

मेरा आईपीएल 2026 वाला अध्ययन इसलिए टिका कि उसमें हर मैच की पंक्ति के साथ वेन्यू, तारीख, दर्शक-स्थिति और ओस बिंदु अलग-अलग कोडेड था। 60 मैच, खाली स्टेडियम, और नतीजा — डीआरएस ओवरटर्न दर 34% से गिरकर 28%, और लक्ष्य का पीछा करने वाली टीमों की जीत 52% से 58% तक। अगर मेरे पास सिर्फ़ "आईपीएल_2020_यूएई" लिखा एक लेबल होता, तो यह निष्कर्ष कभी अस्तित्व में नहीं आता। यही बात एशियाई क्रिकेट के ज़्यादातर डेटा प्रोडक्ट्स पर लागू होती है: पैटर्न इसलिए नहीं मिलता कि क्रिकेट में पैटर्न नहीं हैं, बल्कि इसलिए कि पैटर्न दिखाने लायक पंक्तियाँ कभी बनीं ही नहीं।

यहाँ एक परत जुड़ती है जिसे डेटा फ़र्म कम बोलती हैं। खाली स्टेडियम में पीछा करने वालों की 58% जीत दर दो अलग वजहों से आ सकती है — दर्शकों की अनुपस्थिति से, या उस सीज़न की ओस से। मैं इन दोनों को अलग सिर्फ़ इसलिए कर पाई कि ओस बिंदु हर पारी के लिए दर्ज था। जिस मॉडल में कंडीशन वैरिएबल नहीं होते, वहाँ ये दोनों एक ही स्पष्टीकरण में घुल जाते हैं और फिर वही स्पष्टीकरण हर सीज़न दोहराया जाता है। A crowd of zero still leaves a fingerprint on the scoreboard — लेकिन उँगली का निशान पढ़ने के लिए यह जानना ज़रूरी है कि स्कोरबोर्ड पर कौन-कौन से हाथ लगे थे।

इसका सीधा असर वैल्यूएशन पर पड़ता है। ऑक्शन और रिटेंशन मॉडल में मैं हमेशा दो चीज़ें अलग रखती हूँ: रोल स्कार्सिटी, और उपलब्ध इन्फॉर्मेशन की गुणवत्ता। एक ट्रांसफ़र फ़ीस स्प्रेडशीट से जुड़ी अफ़वाह है — लेकिन फ़्री एजेंट की साइनिंग-ऑन फ़ीस उससे भी कम ऑडिटेबल होती है, क्योंकि वहाँ स्प्रेडशीट भी मौजूद नहीं होती। और रिटेंशन मॉडल की सबसे बड़ी खामी यह दिखती है कि सिस्टम युवा पोटेंशियल को भारी वेट देता है जबकि ड्रेसिंग-रूम के रसायन के पास कोई कॉलम ही नहीं होता — मतलब यह नहीं कि वह नापा नहीं जा सकता, मतलब यह है कि हमने अभी नापने की कोशिश नहीं की।

एनालिटिक्स सर्कल में एक आरामदायक मान्यता चलती है: डेटा बढ़ाओ, समस्या ख़त्म। एशियाई क्रिकेट में यह उलटा काम करता है। समस्या डेटा की कमी नहीं, प्रोवेनेंस की है। बिना स्रोत वाली हज़ार पंक्तियाँ जोड़ने से मॉडल बेहतर नहीं होता — वह ज़्यादा आत्मविश्वासी और कम सही हो जाता है, और यह सबसे ख़तरनाक संयोजन है।

दूसरी आपत्ति यह आती है कि स्रोत की कमी पत्रकारिता की समस्या है, विश्लेषण की नहीं। मेरे अनुभव में यह उलटा है — विश्लेषण उसी डेटा पर बैठता है जो पत्रकारिता इकट्ठा करती है। जहाँ अपस्ट्रीम में तारीख और स्रोत की जगह खाली है, वहाँ डाउनस्ट्रीम का मॉडल उस खाली जगह को अपनी धारणा से भर देगा। अनुमान भरना कोई नैतिक चूक नहीं, एक तकनीकी ज़रूरत है — पाइपलाइन खाली सेल स्वीकार नहीं करती।

तीसरी बात, जो मुझे ख़ुद पर लागू करनी पड़ती है: आँख का अपना क्षेत्र है। पिच पढ़ना, गेंदबाज़ के एक्शन में थकान देखना, फ़ील्डर की चाल से चोट का अंदाज़ा लगाना — यहाँ मॉडल कमज़ोर है और मैं यह मानती हूँ। लेकिन आँख से देखी बात भी तभी सबूत बनती है जब उसके साथ तारीख, वेन्यू और मैच की स्थिति लिखी हो। अन्यथा वह वही किस्सा बन जाती है जिसके ख़िलाफ़ यह पूरा तरीक़ा खड़ा है।

अगले साइकल का असली संकेत यह होगा कि क्या एसीसी और बड़े आयोजक अपने मैच-सेंटर और प्रेस-नोट में स्रोत और तारीख को अनिवार्य फ़ील्ड बनाते हैं। जब तक ऐसा नहीं होता, मैं हर एशिया कप प्रीव्यू पर एक ही सवाल पूछूँगी: यह दावा किस तारीख का है और इसे पहले किसने कहा था?

जो पाइपलाइन खाली रिकॉर्ड को खाली कहकर लौटा दे, वही भरोसेमंद है। जो उसे "cricket_asia" कहकर आगे भेज दे, वह सिर्फ़ तेज़ है। तेज़ और भरोसेमंद का फ़र्क़, एशियाई क्रिकेट में, अगले दो सीज़न में तय होगा।