आठ कॉलम, छह खाली: क्रिकेट डेटा की एक खाली शेल कैसे काल्पनिक मैच रिपोर्ट बन जाती है

मेज़ पर एक पेलोड रखा है। आठ कॉलम हैं, छह खाली हैं। बाकी जो बचा है वह ढांचा है — आर्टिकल टाइप Unclassified, डोमेन लेबल cricket_world, और 'एंटिटीज़ इन्वॉल्व्ड' वाले खाने में बैठा एक निर्देश-वाक्य: "ऊपर दिए गए इन्फॉर्मेशन पॉइंट्स से पहचानें।" जिन इन्फॉर्मेशन पॉइंट्स का वह वाक्य हवाला दे रहा है, वह सूची खाली है। कोई फ़िक्स्चर नहीं, कोई स्कोरलाइन नहीं, कोई वेन्यू नहीं, कोई खिलाड़ी नहीं।

यह रिकॉर्ड परिचित लगता है, और परिचित उस वजह से नहीं जो पहली नज़र में दिखती है। 13 मार्च 2026 को ईडन गार्डन्स के स्कोरर बॉक्स में मेरी शीट त्रुटिहीन थी और उसने कुछ भी नहीं समझाया — 120 रन पर 8 विकेट, 34.1 ओवर, बोतलें, और क्लाइव लॉयड का वह फ़ैसला जिसने मैच श्रीलंका को दे दिया। वह विफलता शुद्धता की विफलता थी। यह विफलता उसकी उल्टी है: समझाने के लिए खड़ा किया गया ढांचा, और समझाने को कोई सामग्री नहीं।

दोनों में एक चीज़ समान है — खालीपन जब भरा हुआ दिखने लगे, तब वह सबसे महंगा पड़ता है। एक साफ़-सुथरी, अच्छी तरह फ़ॉर्मैट की गई, पूरी तरह काल्पनिक क्रिकेट रिपोर्ट किसी भी खराब रिपोर्ट से ज़्यादा नुकसान करती है, क्योंकि उसे पकड़ने का कोई औज़ार पाठक के पास नहीं होता।

संदर्भ: दो स्टेज, एक खाली खाना

इस पाइपलाइन में काम का बँटवारा सीधा है। स्टेज-1 स्रोत दस्तावेज़ से तथ्य निकालता है — जिन्हें 'इन्फॉर्मेशन पॉइंट्स' कहते हैं, यानी वे परमाणु, उद्धरण-योग्य सच जिनसे हर आगे का दावा जुड़ता है। स्टेज-2 उन्हीं पॉइंट्स पर आठ आयामों का विश्लेषण खड़ा करता है: प्रारूप और मैच, खिलाड़ी तकनीक, टीम परिदृश्य, लीग और वाणिज्य, नियम और शासन, जोखिम, जन-कथा, और उद्योग-संचरण।

मेरे अपने काम का नियम यही है और एकतालीस साल से यही रहा है: हर निष्कर्ष के साथ एक मेथड अपेंडिक्स — सैंपल साइज़, एक्सक्लूज़न रूल्स, और यह भी कि मॉडल क्या नहीं देख सकता। जब नमूना शून्य हो, तो ईमानदार उत्तर 'अपर्याप्त जानकारी' है, अनुमान नहीं।

अब इस पेलोड को देखिए। जो फ़ील्ड बचे हैं वे सब संरचनात्मक हैं — आर्टिकल टाइप, डोमेन लेबल, एंटिटीज़ इन्वॉल्व्ड का निर्देश-पाठ। जो फ़ील्ड नहीं बचे वे सब सामग्री-व्युत्पन्न हैं — इन्फॉर्मेशन पॉइंट्स, कोर व्यूइंग पॉइंट्स, समरी, एंटिटीज़। यह बँटवारा यादृच्छिक नहीं है। यह निदान है।

यह बँटवारा बताता है कि गड़बड़ी स्कीमा की परत पर नहीं, सामग्री की परत पर है। सबसे संभावित कारण तीन हैं, और तीनों का इलाज अलग है: दस्तावेज़ कभी मिला ही नहीं (पेवॉल, जावास्क्रिप्ट से बना खाली पेज, 403 या 404), या मिला लेकिन मशीन-पठनीय रूप में नहीं था और चुपचाप गिर गया, या अपस्ट्रीम ट्रंकेशन ने बॉडी काट दी और एक्सट्रैक्टर ने ईमानदारी से 'कुछ नहीं मिला' रिपोर्ट किया।

दूसरी चीज़ जो सीधे दिखती है: डोमेन लेबल cricket_world लौटा है, जबकि पाइपलाइन विशिष्टता Cricket मांगती है। इसे शैली की बहस मत समझिए। यह नियंत्रित शब्दावली का उल्लंहन है, और ऐसे उल्लंघन चुपचाप विफल होते हैं — कोई एरर नहीं उठता, बस आगे का हर मिलान, हर टेम्पलेट चयन, हर क्रॉस-आर्टिकल एग्रीगेशन उस रिकॉर्ड को कभी नहीं पहचानता।

कोर: स्कीमा भरा हुआ, रिकॉर्ड खाली

अगर यह रिकॉर्ड किसी एग्रीगेट टेबल में चला जाए, तो वह एक शून्य-सामग्री पंक्ति जोड़ देगा। गिनती में एक, औसत में शून्य, और क्रिकेट डोमेन के ट्रेंड स्टैटिस्टिक्स में एक ऐसी गड़बड़ जिसे बाद में खोजना लगभग असंभव है। यही असली खतरा है, और यह क्रिकेट का खतरा नहीं — प्रक्रिया का खतरा है।

इस रिकॉर्ड में पाँच जोखिम चिह्नित हुए हैं। दो उच्च स्तर के, दो मध्यम, एक निम्न। क्रम महत्वपूर्ण है।

सबसे ऊपर वह जोखिम है जिसे मैं 'टेम्पलेट-पूर्ति से मनगढ़ंत' कहता हूँ। भरा हुआ स्कीमा खाली सामग्री के चारों ओर खड़ा हो, तो वह किसी भी मॉडल — और सच कहूँ तो किसी भी थका हुए सब-एडिटर — के लिए सबसे तगड़ा निमंत्रण है कि वह खाली खानों में प्रशंसनीय क्रिकेट भर दे। नतीजा वह आउटपुट होता है जो सबसे भरोसेमंद दिखता है और सबसे झूठा होता है: साफ़ ढांचा, सही शब्दावली, आत्मविश्वासी टोन, और शून्य आधार।

दूसरा उच्च जोखिम है साइलेंट कॉर्पस प्रदूषण। यह पंक्ति अगर डेटासेट में घुस गई, तो वह हमेशा के लिए वहाँ रहेगी। इसे EXTRACTION_FAILED टैग करके अलग करना, कारण लॉग करना, और विश्लेषणात्मक टेबल से बाहर रखना — यह तीन कदम बाद में बहुत सस्ते पड़ते हैं और आज न करने पर बहुत महंगे।

मध्यम स्तर पर दो चीज़ें हैं। पहली, वही नियंत्रित शब्दावली का उल्लंघन। दूसरी, बिना तारीख़ और बिना वर्गीकरण वाला रिकॉर्ड — समय-संवेदनशीलता का आकलन ही नहीं हुआ, और स्रोत N/A होने से स्रोत-गुणवत्ता का आकलन असंभव है। ऐसे रिकॉर्ड के लिए मेरा डिफ़ॉल्ट नियम सरल है: जब तक तारीख़ न मिले, इसे पुराना और कम-विश्वसनीय मान लें।

निम्न स्तर पर एक चीज़ बची है जो असल में बहुत बड़ी है: अपस्ट्रीम स्रोत तक पहुँचने की विफलता का पता ही नहीं चला। रिट्रीवल एरर चुपचाप 'कुछ सामग्री नहीं मिली' बनकर आगे बढ़ गया। EMPTY_DOCUMENT और NO_CONTENT_FOUND — ये दो अलग चीज़ें हैं और इन्हें एक ही खाते में डालना हिसाब की गलती है।

अब वह हिस्सा जो मेरे लिए सबसे परिचित है। क्रिकेट का अपना रिकॉर्ड-तंत्र इसी बीमारी से चार दशक से पीड़ित है, बस उसकी शक्ल दूसरी है। 2026 में हंसी क्रोनिए के इक़बाल के बाद मैंने 2026 से 2026 के बीच भारत के 412 एकदिवसीय मैचों को कोड किया था — नो-बॉल की गिनती, डेड-रबर का दर्जा, आउट होने का तरीक़ा। जिन मैचों में दांव पर कुछ नहीं था, उनमें नो-बॉल की आवृत्ति नमूने के औसत से लगभग चालीस प्रतिशत ऊपर थी। मैंने वह कार्यप्रणाली एक कोलकाता के खोजी पत्रकार को दी, नाम नहीं। बायलाइन किसी और के नाम पर गई, और यह ठीक था। डेटाबेस में 412 मैच थे; बायलाइन पर किसी और का नाम था।

लेकिन उस अभ्यास का एक हिस्सा आज भी अधूरा है। जिन 412 मैचों की स्कोरशीट मैंने उठाई, उनमें से कितनी आज भी स्कैन नहीं हुई हैं? किस स्ट्रिंगर ने रात दो बजे वह ओवर-दर-ओवर शीट भरी और उसका नाम कहीं दर्ज नहीं है? यही प्रोवेनेंस का सवाल है, और यह वही सवाल है जो इस खाली पेलोड ने उठाया है — बस यहाँ नुक़सान अलग है। वहाँ अभिलेख गुम था; यहाँ अभिलेख खोखला है और खोखलापन भरा हुआ दिखता है।

क्रिकेट के नियमों में कहा जाता है कि अंपायर को शक हो तो बल्लेबाज़ के हक़ में फ़ैसला दें। डेटा में नियम उल्टा है: शक हो तो रिकॉर्ड को खारिज करें, भरें नहीं। इस पेलोड ने यही किया। आठों आयामों में 'अपर्याप्त जानकारी' लिखा, कोई क्रिकेट-निष्कर्ष नहीं निकाला, और साफ़ कह दिया कि यहाँ से कोई कहानी नहीं बनेगी। मेरे पेशे में यह असामान्य बात है और असामान्य इसलिए है कि इसका इनाम कोई नहीं देता।

यहाँ एक पंक्ति है जिसे हर क्रिकेट डेस्क को दीवार पर टांग लेना चाहिए: झंडा न दिखना, जोखिम न होना नहीं है। जोखिम मैट्रिक्स की छह श्रेणियाँ — खेल, कार्मिक, वाणिज्य, नियम-सत्यनिष्ठा, जन-राय, प्रणाली — सब खाली हैं। इसका मतलब यह नहीं कि कोई जोखिम नहीं। इसका मतलब यह है कि मापने के लिए कुछ था ही नहीं। क्रिकेट की भाषा में कहूँ तो: जिस तेज़ गेंदबाज़ का कोई चोट-रिकॉर्ड नहीं, वह फ़िट नहीं है — वह बस ऐसा गेंदबाज़ है जिसका मेडिकल रिकॉर्ड ही नहीं रखा गया।

इसी तरह की एक और खाली जगह है: समय-संवेदनशीलता अनिर्धारित। यह क्रिकेट पत्रकारिता में रोज़ होने वाली गड़बड़ का डेटा-संस्करण है। टूर्नामेंट से पहले लिखा गया एक प्रीव्यू, जिसमें उस वक़्त का रिक्वायर्ड-रेट टेबल छपा था, कुछ महीनों बाद अगर बिना तारीख़ के दोबारा सामने आ जाए, तो पाठक उसे आज का आँकड़ा समझता है। तारीख़ के बिना दबाव-राज्य (प्रेशर स्टेट) मात्र सजावट है। मैंने यह सबक 2026 की उस रात के बाद एक हफ़्ते में सीखा था, जब मैंने अपनी शीट में रिक्वायर्ड रेट, बचे हुए विकेट और गेंदबाज़ के स्पेल की लंबाई के कॉलम जोड़े। उस रात 34.1 ओवर में 120 पर 8 का आँकड़ा सही था और बेकार था, क्योंकि उसके साथ कोई दबाव-राज्य नहीं था।

यहाँ एक और चीज़ है जिसे मैं इस रिपोर्ट की सबसे उपयोगी देन मानता हूँ: जो आयाम लिखे ही नहीं गए, वे भी जानकारी हैं। पाइपलाइन ने तीन परिदृश्यों — सबसे बुरा, आधार, सबसे अच्छा — को 'अपर्याप्त जानकारी' कहकर छोड़ दिया। एक कमज़ोर विश्लेषक इन तीनों को भर देता, क्योंकि खाली परिदृश्य-तालिका देखकर हाथ खुजाते हैं। और फिर वही तीन पंक्तियाँ किसी बोर्ड रिपोर्ट में 'जोखिम-आकलन' बनकर घुस जातीं और किसी फ़्रैंचाइज़ी की नीलामी रणनीति तय कर देतीं। मैंने अपने करियर में ऐसे 'जोखिम-आकलन' देखे हैं जिनका एकमात्र स्रोत किसी सब-एडिटर की भरने की आदत थी।

यहाँ मेरा असली आपत्ति-बिंदु आता है, और वह मॉडल पर नहीं है। दिक़्क़त यह है कि हमारे पास खाली रिकॉर्ड को खाली दिखाने वाला कोई मानक नहीं है। क्रिकेट कवरेज में 'पता नहीं' लिखना आज भी कमज़ोरी माना जाता है। इसलिए हर खाली खाना भरा जाता है — कभी अनुमान से, कभी सूत्र से, कभी 'समझा जाता है कि' से। जब मैं 2026 में वह डेटाबेस लेकर बैठा था, तो सबसे कठिन काम नो-बॉल गिनना नहीं था। सबसे कठिन काम यह तय करना था कि उन 412 मैचों में से कौन-से मैच 'डेड रबर' की श्रेणी में जाते हैं और कौन-से नहीं। एक्सक्लूज़न रूल लिखना, परिणाम निकालने से हमेशा ज़्यादा ईमानदारी मांगता है।

विरोधाभासी कोण: गड़बड़ी नहीं हुई — गड़बड़ी पकड़ी गई

चलिए उल्टी तरफ़ से देखते हैं। इस पूरे एपिसोड में सबसे ठोस काम यह हुआ कि किसी ने कुछ नहीं लिखा। कोई फ़िक्स्चर नहीं गढ़ा गया, कोई स्कोर नहीं बनाया गया, कोई खिलाड़ी नहीं चुना गया। जब पूरी दुनिया की एआई-संचालित खेल पत्रकारिता ठीक उल्टा कर रही है — खाली जगह को प्रशंसनीय टोन से भरना — तब एक खाली रिकॉर्ड का खाली रह जाना उपलब्धि है, विफलता नहीं। शून्य एक मान है, अनुपस्थिति नहीं।

लेकिन यहीं एक दूसरा, कम आरामदेह निष्कर्ष निकलता है। इस विफलता का पता चलने का कारण मॉडल की समझदारी नहीं थी; कारण यह था कि पेलोड खाली था। अगर स्टेज-1 आधा-अधूरा भरा हुआ आता — दो सही तथ्य और दस अनुमान — तो वही मॉडल उसे आत्मविश्वास से आगे बढ़ा देता। खाली रिकॉर्ड पकड़ में आ जाता है; आधा भरा रिकॉर्ड कभी नहीं। असली सुरक्षा-कवच वह गेट नहीं है जो शून्य को रोकता है, बल्कि वह है जो हर सामग्री-व्युत्पन्न फ़ील्ड के लिए उसका स्रोत-बिंदु मांगता है।

और तीसरा घुमाव, जो मुझे सबसे ज़रूरी लगता है: इस रिकॉर्ड का सबसे तेज़ इलाज बेहतर मॉडल नहीं है। इलाज दो लॉग-लाइनें हैं — रिट्रीवल स्टेटस कोड और स्रोत की तारीख़। एक बार ये दो दर्ज हो जाएँ, तो पता चल जाएगा कि दोष एक्सट्रैक्टर का था या पहुँच का। यह निदान मुफ़्त है; मरम्मत नहीं। इसलिए मेरी सलाह यह है कि स्टेज-1 को दोबारा चलाने से पहले लॉग देखिए। क्रिकेट में भी हम यही गलती करते हैं — हार का कारण चयन को मानकर पहले चयन बदल देते हैं, और पिच की रिपोर्ट बाद में देखते हैं।

अगले दौर का संकेत

अब आगे क्या देखना है, यह साफ़ है। पहला संकेत: दोबारा चलाए गए स्टेज-1 से कितने इन्फॉर्मेशन पॉइंट्स लौटते हैं। दूसरा: रिट्रीवल लॉग में 403, 404, खाली बॉडी या जावास्क्रिप्ट-शेल मिलता है या नहीं। तीसरा: डोमेन लेबल Cricket के रूप में लौटता है या नहीं। चौथा: स्रोत की तारीख़ कहीं से निकलती है या नहीं। जिस दिन ये चारों संकेत हरे हो जाएँ, उस दिन इस रिकॉर्ड पर यह पूरा ढांचा दोबारा चलाया जा सकता है।

मेरे पास इस रिकॉर्ड को लेकर एक ही ठोस बात है और वह क्रिकेट के बारे में नहीं है: मॉडल उतना ही अच्छा होता है जितना अच्छा सवाल आप उससे पूछते हैं — और "जो नहीं है उसे भर दो" सवाल नहीं, निमंत्रण है। दबाव एक लॉग किया गया वेरिएबल है; नतीजे सिर्फ़ शोर हैं। यहाँ नतीजा भी नहीं था, दबाव भी नहीं — सिर्फ़ एक खाली शीट थी जिसे किसी ने ईमानदारी से खाली छोड़ दिया।