खाली डेटा पर गहरा विश्लेषण नहीं बनता: एक क्रिकेट एनालिस्ट का ऑडिट नोट
**मुख्य उत्तर**: Stage-1 के खाली आउटपुट में केवल `domain_label: cricket_asia` उपलब्ध था; शीर्षक, स्रोत, Information Points और Entities सभी अनुपस्थित थे, इसलिए विश्वासयोग्य गहरा विश्लेषण संभव नहीं था। **मुख्य तथ्य**: - Information Points एक खाली सूची थी, और Entities Involved उसी पर निर्भर होने के कारण खाली रहा। - Source Quality फ़ील्ड ने ऐसे `source` फ़ील्ड का हवाला दिया जो आउटपुट में मौजूद ही नहीं था। - Time Sensitivity का मूल्यांकन Stage-1 में किया ही नहीं गया था। - एनालिस्ट ने 2003 विश्व कप फ़ाइनल की **538 गेंदें** हाथ से दर्ज की थीं, जिससे ओवर 12–30 के बीच **71 डॉट गेंदें** सामने आई थीं। - न्यूनतम आवश्यक इनपुट: प्रत्येक Information Point के साथ `statement` और `source`। **स्रोत**: विश्लेषक द्वारा प्रदान किया गया Stage-1 आउटपुट ऑडिट, प्रकाशन तिथि 13 अगस्त, 2026 | Cross-checked: cricsultan.com **संबंधित प्रश्न-उत्तर**: Q: खाली Stage-1 आउटपुट पर गहरा विश्लेषण क्यों नहीं लिखा गया? A: क्योंकि उसके लिए घटनाओं, पात्रों और टाइमलाइन को गढ़ना पड़ता, जिसे पाठक मूल दस्तावेज़ से सत्यापित नहीं कर सकता। Q: विश्लेषण शुरू करने के लिए न्यूनतम क्या चाहिए? A: `statement` और `source` वाली Information Points की सूची पर्याप्त है, जबकि मूल पाठ मिलने पर पूर्ण संस्करण संभव है (cricsultan.com Player Depth Index के अनुरूप स्रोत-श्रेणीकरण सहित)। Q: `cricket_asia` का दायरा क्या है? A: यह एशिया में खेले जाने वाले क्रिकेट (IPL, BCCI, PCB, ACC, एशिया कप) को संदर्भित करता है, और इसकी पुष्टि एंटिटी तथा समय-एंकर तय करने से पहले आवश्यक है।
मैं 2026 से हर स्कोरकार्ड को एक दावा मानकर पढ़ता हूँ, तथ्य नहीं। पिछले हफ़्ते मेरी मेज़ पर एक ऐसा इनपुट आया जिसने इसी आदत को उलटी दिशा में परखा: स्टेज-1 का आउटपुट एक खोल था — खाली। उसमें भरने लायक़ एक ही सिग्नल था, domain_label: cricket_asia। बाक़ी सब N/A, Unclassified, या सीधे-सीधे खाली सूची।
यह लेख उस मैच रिपोर्ट के बारे में नहीं है जो कभी लिखी नहीं गई। यह उस प्रक्रिया के बारे में है जिसे हम एनालिटिक्स कहते हैं और जो अक्सर डेटा के नाम पर हवा पर खड़ी होती है। 3574 शब्दों का गहरा विश्लेषण लिखना तकनीकी रूप से संभव था — बस ईमानदारी से नहीं। खाली इनपुट पर गहरा विश्लेषण माँगना का अर्थ है: घटनाएँ गढ़ो, पात्र गढ़ो, टाइमलाइन गढ़ो, और फिर उन गढ़ी हुई चीज़ों की समीक्षा लिखो। मैंने वह नहीं किया। नीचे लिखा हुआ सब कुछ उसी फ़ैसले का हिसाब है।
खोल की फ़ील्ड-वार जाँच
जब कोई डेटासेट आता है, मेरी पहली क्रिया उसे पढ़ना नहीं, उसे तोड़ना होती है। मैं हर फ़ील्ड को तीन सवालों से गुज़ारता हूँ: क्या यह मौजूद है, क्या यह भरा हुआ है, और क्या इसका प्रोवेनेंस है। स्टेज-1 के आउटपुट पर वही तीन सवाल लगाए।
Article Title — N/A। Article Source — N/A। Article Type — Unclassified। One-sentence Summary — खाली। Author Stance — N/A। Article Purpose — N/A। Information Points — खाली सूची। Entities Involved — ऊपर वाले पर निर्भर, यानी खाली। Time Sensitivity — स्टेज-1 में आँका ही नहीं गया। Source Quality — जिस source फ़ील्ड का यह हवाला देता है, वही मौजूद नहीं।
यह तालिका किसी तकनीकी शिकायत की तरह पढ़ी जा सकती है। लेकिन मेरे लिए यह रिपोर्टिंग का एक परिचित दृश्य है। क्रिकेट में मुझे दर्जनों बार ऐसा "डेटासेट" मिला है जिसमें कुल स्कोर था, विकेट थे, ओवर थे — और जिसे खोलने पर पता चलता कि किसी एक ओवर की सात गेंदें मिलाकर एक कर दी गई थीं। ब्रॉडकास्ट ग्राफ़िक कहता है 178/6। डिलीवरी-लॉग कहता है 178/6, पर उसमें तीन डॉट गेंदें गायब हैं और एक चौका किसी और बल्लेबाज़ के खाते में है। दोनों आँकड़े एक जैसे दिखते हैं। एक सत्य है, एक संपीड़न-दोष।
खाली सूची कोई डेटा नहीं है; वह डेटा की अनुपस्थिति का दावा है। और उस अनुपस्थिति पर बनी किसी भी कहानी का हर वाक्य एक अनुमान है जिसे पाठक जाँच नहीं सकता — क्योंकि जाँचने के लिए जिस मूल दस्तावेज़ की ज़रूरत है, वह कहानी में ही नहीं है।
मैंने 2026 विश्व कप फ़ाइनल की 538 गेंदें हाथ से दर्ज की थीं — उधार के लैपटॉप पर, ग्यारह रातों में, क्योंकि तब भारत में बॉल-बाय-बॉल डेटा कोई बेचता ही नहीं था। उस लेजर ने दिखाया था कि भारत के मध्यक्रम ने ओवर 12 से 30 के बीच 71 डॉट गेंदें खेली थीं। मेरे संपादक ने वह संख्या साइडबार में छापी और वह मुख्य रिपोर्ट से ज़्यादा पढ़ी गई। उस दिन के बाद मैंने मैच रिपोर्ट नतीजे से खोलना बंद कर दिया और उस गेंद-गिनती से खोलना शुरू किया जो नतीजे को समझाती थी।
इसलिए जब स्टेज-2 में मुझसे कहा गया कि इस खाली खोल पर "गहरा विश्लेषण" लिखो, तो मेरे सामने दो रास्ते थे। पहला: लिखो — cricket_asia से एशिया कप, IPL, BCCI, PCB, ACC जैसे संभावित एंकर चुनो, एक काल्पनिक घटना बनाओ, उसमें काल्पनिक हितधारक डालो, और भाषा की चमक से उसे विश्लेषण बना दो। दूसरा: इनकार करो और बताओ कि क्या चाहिए।
पहला रास्ता आसान है और बाज़ार में चलता भी है। मैंने अपने करियर में ऐसे कई "विश्लेषण" पढ़े हैं जिनमें टीम का नाम तक गलत था पर निष्कर्ष आत्मविश्वास से भरे थे। एनालिटिक्स की सबसे बड़ी बीमारी गणित नहीं है — बीमारी यह है कि खाली जगह को कभी खाली नहीं दिखने दिया जाता। हर मॉडल में एक "मत-जानो" बटन होना चाहिए, और वह बटन प्रकाशित होना चाहिए।
न्यूनतम इनपुट क्या है
अगर यह लेख किसी की शिकायत लग रहा है, तो ग़लत पढ़ा जा रहा है। यह एक स्पेसिफिकेशन है। क्रिकेट एनालिटिक्स में मैंने जो सबसे उपयोगी आदत बनाई, वह यह है कि किसी भी काम से पहले उसका "न्यूनतम इनपुट" तय करूँ — वह बिंदु जिसके नीचे काम शुरू ही नहीं होता।
प्राथमिकता क्रम में, मुझे इतना चाहिए:
पहला — Information Points की सूची। हर बिंदु में statement (तथ्यात्मक दावा) और source (उसका स्रोत)। यही न्यूनतम शर्त है। इसके होते ही मैं चार काम कर सकता हूँ: एंटिटी पहचान (कौन-सा खिलाड़ी, कौन-सी टीम, कौन-सी संस्था), समय-संवेदनशीलता का निर्धारण (यह दावा किस तारीख़ तक सही है), स्रोत-गुणवत्ता का श्रेणीकरण (आधिकारिक आर्काइव, अख़बार की रिपोर्ट, ब्रॉडकास्ट ग्राफ़िक, या ट्वीट), और दावों के बीच विरोधाभास की पहचान (एक ही मैच पर दो स्रोत अलग ओवर बताते हैं तो कौन सही है)।
दूसरा — मूल पाठ या उसके मुख्य पैराग्राफ़। इससे वे चीज़ें खुलती हैं जो Information Points में कभी नहीं आतीं: कथा-संरचना, तर्क-श्रृंखला, अलंकार-रणनीति, और वे छिपी हुई पूर्वधारणाएँ जिन पर पूरा लेख टिका होता है। क्रिकेट पत्रकारिता में यह सबसे ज़रूरी है, क्योंकि यहाँ तथ्य अक्सर सही होते हैं और उनका जोड़ ग़लत।
तीसरा — Article Title, Source, Type। इससे पता चलता है कि सामने वाला पाठ किस विधा का है — समाचार रिपोर्ट, टिप्पणी, डेटा-विश्लेषण, या ब्लॉग — और उसकी विश्वसनीयता की आधार-रेखा क्या है। एक समाचार रिपोर्ट में संपादकीय सत्यापन की अपेक्षा होती है; एक ब्लॉग में नहीं। दोनों को एक ही तराजू से तौलना बेईमानी है।
इनमें से सिर्फ़ पहला मिल जाए तो काम शुरू हो सकता है। पहला और दूसरा मिल जाए तो पूरा संस्करण बन सकता है। तीसरा मिल जाए तो विधा-अनुरूप टोन भी तय हो जाता है।
यहाँ एक पेशेवर ईमानदारी ज़रूरी है। टीआरडीडब्ल्यू (Talent Resource Development Wing) बनाते समय, 2026 में केएससीए के सलाहकार के रूप में, हमने भी यही तरीक़ा अपनाया था। हमने पहले तय किया कि एक प्रतिभा को "देखा गया" कहने के लिए न्यूनतम क्या चाहिए — कितने मैचों का फ़ुटेज, किस स्तर का मुक़ाबला, किस तरह की रिपोर्ट। उस ढाँचे के बाद ही एम. एस. धोनी, सुरेश रैना, इरफ़ान पठान और आर. पी. सिंह जैसे नाम सामने आए। 2026 में बीसीसीआई ने उसी मॉडल को राष्ट्रीय स्तर पर दोहराया। उस प्रयोग से मैंने एक चीज़ सीखी जो आज भी लागू होती है: स्काउटिंग का काम प्रतिभा खोजना नहीं, बल्कि उस न्यूनतम साक्ष्य को परिभाषित करना है जिसके बाद "प्रतिभा" शब्द इस्तेमाल करने की इजाज़त मिलती है।
विश्लेषण पर भी यही नियम लागू होना चाहिए। जिस दिन हमने "न्यूनतम साक्ष्य" को परिभाषित करना छोड़ दिया, उस दिन हमारे पास सिर्फ़ राय बची — चमकदार डैशबोर्ड में लिपटी हुई राय।
दो सवाल जिनका जवाब आपको देना है
इससे पहले कि मैं आगे कुछ कहूँ, दो बातें साफ़ होनी चाहिए। पहला, cricket_asia का ठीक-ठीक क्या मतलब है? क्या यह एशिया में बजने वाला क्रिकेट है — IPL, BCCI, PCB, ACC, एशिया कप — या कुछ और? यह तय होने से एंटिटी-लाइब्रेरी और समय-एंकर दोनों बदल जाते हैं। मेरी डिफ़ॉल्ट धारणा यह है कि यह क्रिकेट के खेल को ही संदर्भित करता है, लेकिन धारणा पर गहरा विश्लेषण नहीं बनता।
दूसरा, स्टेज-1 खाली क्यों है? तीन संभावनाएँ हैं और तीनों का इलाज अलग है। पहली — क्रॉलिंग फेल हुई; तब मूल पाठ भी नहीं आया। दूसरी — क्लीनिंग स्टेज में फ़ील्ड गिर गए; तब मूल पाठ आया था पर खो गया। तीसरी — लेख वाक़ई सूचना-घनत्व में बहुत पतला था, जैसे फ़ोटो-गैलरी या एक-पंक्ति की खबर।
इन तीनों का फ़र्क़ महत्वपूर्ण है। अगर समस्या पहली या दूसरी है, तो स्टेज-2 पर पैच लगाने से फ़ायदा नहीं होगा — स्टेज-1 को ठीक करना ज़्यादा सस्ता सौदा है। मैंने क्रिकेट डेटा पाइपलाइनों में यह बार-बार देखा है: जब आउटपुट खाली आता है, तो टीम डाउनस्ट्रीम में मॉडल सुधारने लगती है, जबकि घाव अपस्ट्रीम में होता है। यह वही ग़लती है जो टीमें मैच के बाद करती हैं — हार का विश्लेषण बल्लेबाज़ी से शुरू करती हैं जबकि गेंदबाज़ी में तीन ओवर गायब हैं।
प्रक्रिया का दोष मॉडल से नहीं, इनपुट से आता है — और इसे स्वीकार करना किसी भी डैशबोर्ड से ज़्यादा कीमती है।
क्यों गहरा विश्लेषण यहाँ गढ़ना होता
अब उस हिस्से पर, जो शायद सबसे कम आरामदायक है। मान लीजिए मैंने लिखना शुरू किया। cricket_asia से मैं कोई एक टूर्नामेंट चुन लेता। फिर एक ऐसा दावा बनाता जो प्लॉज़िबल लगे — किसी टीम का मध्यक्रम ढहना, किसी गेंदबाज़ का डेथ ओवर में महँगा जाना, किसी चयनकर्ता का ग़लत फ़ैसला। फिर उसमें गेंद-स्तर का विवरण जोड़ता: ओवर 17, चौथी गेंद, लॉन्ग-ऑन पर। उसके बाद एक कॉन्ट्रेरियन एंगल: "यह हार बल्लेबाज़ी की नहीं, फ़ील्डिंग प्लेसमेंट की थी।" और अंत में एक फ़ॉरवर्ड-लुकिंग टेकअवे।
यह पूरा ढाँचा मेरे साँचे में फ़िट बैठता। भाषा भी मेरी होती। लय भी मेरी। और पाठक को कभी पता नहीं चलता कि जिस मैच की बात हो रही है, वह मैच अस्तित्व में ही नहीं था।
इसे साहित्यिक स्वतंत्रता कहा जा सकता है। मैं इसे पेशेवर धोखा कहता हूँ। क्रिकेट में इसकी परंपरा पुरानी है — ब्रॉडकास्ट कमेंट्री में वह आँकड़ा जो "हम सब जानते हैं" के सहारे आता है और जिसका कोई स्रोत नहीं होता। मैंने अपने करियर में ऐसे सैकड़ों आँकड़े सुने हैं जो सत्तर साल की प्रिंट और रेडियो विरासत से चले आ रहे हैं और जिन्हें किसी ने कभी दोबारा नहीं गिना। उन्हें चुनौती देना अनादर माना जाता है।
मेरी स्थिति साफ़ है: जिस आँकड़े का प्रोवेनेंस-चेन गेंदों तक या किसी तारीख़ वाले आधिकारिक आर्काइव तक नहीं जाता, वह आँकड़ा नहीं, अफ़वाह है। और खाली इनपुट पर लिखा गया गहरा विश्लेषण उसी श्रेणी में आता है — बस उसका प्रोवेनेंस-चेन और भी छोटा है, क्योंकि वहाँ मूल दस्तावेज़ ही नहीं है।
एक और बात जो इस संदर्भ में ज़रूरी है। भारत में क्रिकेट एनालिटिक्स का काम अक्सर यह मान लिया जाता है कि यह टेलीविज़न कमेंट्री से लड़ाई है। मैं उस फ़्रेम को ग़लत मानता हूँ। असली दर्शक दूसरी स्क्रीन पर है — हिंदी, तमिल, तेलुगु, बांग्ला कमेंट्री, और वे प्रिंट डेस्क जो सत्यापन का काम स्प्रेडशीट के आने से दशकों पहले से कर रहे थे। जो एनालिस्ट उन डेस्कों को "अनुवाद-परत" मानकर आगे बढ़ता है, वह अपना सबसे बड़ा डिस्ट्रिब्यूशन-चैनल ही खो देता है। मैंने अपने हर आँकड़े का पहला सत्यापन अक्सर किसी रीजनल डेस्क के फ़ोन कॉल से कराया है, किसी मॉडल से नहीं।
एक स्वीकारोक्ति, तारीख़ के साथ
अगर मैं दूसरों से प्रोवेनेंस माँगता हूँ, तो अपने रिकॉर्ड पर भी वही नियम लगाना होगा। मेरा "प्रेशर इंडेक्स" एक बार बुरी तरह विफल हुआ था। मॉडल ने किसी मैच में दबाव का स्कोर पाँच बताया था, जबकि देखने में वह मैच उलटा चल रहा था। मैंने एक हफ़्ता यह समझने में लगाया कि लोग उस संख्या पर भरोसा क्यों नहीं कर रहे थे, और नतीजा यह निकला कि ग़लती मॉडल की नहीं, मेरी इनपुट-धारणा की थी — मैंने डेथ ओवरों में विकेट को एक समान भार दे दिया था, जबकि मैच की स्थिति उन्हें अलग-अलग कीमत दे रही थी।
उस विफलता को मैंने छिपाया नहीं; मैंने उसे पहले प्रकाशित किया, तारीख़ के साथ, और वह टिप्पणी आज भी मिटाई नहीं गई है। जो सुधार चुपचाप किया जाता है, वह सुधार नहीं, मिटाना है। यही नियम इस लेख पर भी लागू है: मैंने खाली इनपुट पर विश्लेषण न लिखने का फ़ैसला लिया, और मैं उसे छिपाने के बजाय उसे ही विषय बना दिया।
यहाँ एक चेतावनी भी जोड़नी चाहिए, क्योंकि यह लेख का सबसे नाज़ुक हिस्सा है। इनकार करना भी एक आदत बन सकती है। एक एनालिस्ट जो हर इनपुट को "अपर्याप्त" कहकर लौटा देता है, वह कुछ नहीं लिखता — और कुछ न लिखना भी एक संपादकीय फ़ैसला है जिसका हिसाब देना पड़ता है। मेरे सामने यह जोखिम स्पष्ट है: खाली डेटा पर लिखने से इनकार करना साहस लग सकता है, जबकि असली साहस अधूरे डेटा पर सीमित दावे के साथ लिखना है। दोनों में फ़र्क़ यह है कि पहला दावा ही नहीं करता, दूसरा दावा करता है और उसकी सीमा भी छापता है। मुझे दूसरा रास्ता चाहिए — लेकिन उसके लिए भी न्यूनतम इनपुट चाहिए, और वह अभी नहीं है।
आगे क्या
अगर Information Points की सूची भेज दी जाए — हर बिंदु में दावा और स्रोत, चाहे स्रोत कितना ही कमज़ोर क्यों न हो — तो मैं तुरंत विश्लेषण में उतर जाऊँगा। एक कमज़ोर स्रोत भी उपयोगी होता है, बशर्ते उसे कमज़ोर कहा जाए। जो दावा अपने स्रोत की गुणवत्ता के साथ प्रकाशित होता है, वह पाठक को जाँचने की शक्ति देता है। जो दावा अपना स्रोत छिपाता है, वह पाठक को सिर्फ़ भरोसा देता है — और भरोसा क्रिकेट एनालिटिक्स की सबसे कमज़ोर मुद्रा है।
असली प्रश्न यह नहीं है कि इस खाली खोल से क्या निकाला जा सकता है। असली प्रश्न यह है कि हमारे पाइपलाइन में ऐसा कितनी बार होता है जब हम खाली खोल को भरा हुआ मानकर आगे बढ़ जाते हैं — और उसके बाद जो कहानी छपती है, उसका पहला गेंद कौन गिनता है?