टैग भरा, तथ्य खाली: क्रिकेट डेटा पाइपलाइन की वह खामी जो सबसे महंगी पड़ती है

हुक

उस रात स्क्रीन पर जो ऑब्जेक्ट लौटा, वह स्कीमा की नज़र में बिल्कुल स्वस्थ था। फ़ील्ड के नाम अपनी जगह थे, ब्रैकेट बंद थे, और टैक्सोनॉमी वाली लाइन में साफ़ लिखा था — cricket_asia। जिस डिब्बे में इनफ़ॉर्मेशन पॉइंट्स आनी चाहिए थीं, वह खाली था। शीर्षक की जगह N/A, स्रोत की जगह N/A, आर्टिकल टाइप की जगह Unclassified, और एंटिटीज़ वाले हिस्से में एक गोल-मोल निर्देश जो खुद उन्हीं इनफ़ॉर्मेशन पॉइंट्स की तरफ़ लौटा रहा था जो कहीं थीं ही नहीं। क्रिकेट डेस्क का काम मैदान का नक्शा बनाकर खेल पढ़ना है; उस रात मेरे सामने ऐसा नक्शा रखा था जिसमें घास दिख रही थी, बाउंड्री दिख रही थी, पिच का आयत भी खिंचा हुआ था — पर एक भी फ़ील्डर खड़ा नहीं था। 2026 के आईपीएल फ़ाइनल में हैदराबाद की टेप मैंने हर डेथ ओवर पर रोककर बुमराह के वाइड यॉर्कर के एंगल और स्वीपर कवर की ज्यामिति उतारी थी। उस दिन मेरे पास 129 रन का स्कोर, क्रुणाल पांड्या की 47 और 3/14, और बॉल-बाय-बॉल सामग्री — तीनों थे। इस बार ढाँचा मौजूद था और सामग्री ग़ायब। यह रिपोर्ट उसी खालीपन की है।

संदर्भ

मल्टी-स्टेज कंटेंट डेस्क ऐसे ही नहीं चलते। पहली स्टेज का काम कच्ची सामग्री को तोड़कर एक ढाँचा बनाना है — शीर्षक, स्रोत, आर्टिकल का प्रकार, सूचना के बिंदु, इसमें शामिल इकाइयाँ, समय-संवेदनशीलता और स्रोत की गुणवत्ता। दूसरी स्टेज इन्हीं बिंदुओं को मैच, खिलाड़ी, टीम, लीग और शासन-व्यवस्था के चश्मे से पढ़ती है। मैं सालों से यह लिखता आया हूँ कि हर स्टेज का आउटपुट अगली स्टेज का कच्चा माल है, और अगर माल खाली है तो कारख़ाना चलता रहेगा, बस जो निकलेगा वह हवा होगा।

हिंदी-भाषी क्रिकेट डेस्क के लिए यह बात भाषा से जुड़ी बन जाती है। प्राइमरी सोर्स अंग्रेज़ी में होते हैं, मीडियम टैग और टैक्सोनॉमी अंग्रेज़ी में, और कहानी हिंदी में ढलती है। इन सबके बीच एक निर्देश खिसक जाए तो स्टेज-1 ऐसा ऑब्जेक्ट सौंप देता है जो देखने में स्वस्थ है और काम का नहीं। cricket_asia जैसा टैग इस भ्रम को और पक्का करता है। वह एक क्षेत्रीय वर्गीकरण है — भारत, पाकिस्तान, श्रीलंका, बांग्लादेश, अफ़ग़ानिस्तान के बोर्ड और वहाँ लगने वाली लीग इसके दायरे में आती हैं। यह बताता है कि सामग्री का झुकाव एशियाई क्रिकेट की तरफ़ है, यह नहीं कि सामग्री क्या है।

टूर्नामेंट साइकल में इस खालीपन की कीमत सबसे ज़्यादा होती है। मल्टी-नेशन टूर्नामेंट में हफ़्तों तक हर दिन आउटपुट निकलता है, डेडलाइन इंसानी नहीं बल्कि कैलेंडर की होती है, और स्टेज-1 का ऑब्जेक्ट खाली मिलने पर सबसे सहज राह दिखती है — उपलब्ध जानकारी से जगह भर दो। वहीं अपहरण होता है। मैं तेरह साल दुबई में क्रिकेट बुलाने और टूटने-बनने की टेप देखने के बाद एक बात पर पक्का हो गया हूँ: अनुमान कोई रिपोर्ट नहीं है। अनुमान एक्शन नोट है, और वह भी तब जब वह अपना नाम लिखकर आए।

कोर विश्लेषण

खाली पेलोड की तीन शक्लें होती हैं। एक वह जो बैठ जाता है — कोई स्रोत खोला ही नहीं जा सका, पेज पेवॉल के पीछे था, या लिंक किसी वीडियो-पोस्ट का था। दूसरा वह जो कटकर आता है — टेक्स्ट एक्सट्रैक्शन आधा पेज पढ़कर रुक गया और शीर्षक से लेकर निष्कर्ष तक सब हवा हो गया। तीसरा वह जो स्कीमा की शर्तें पूरी करता है, पर सामग्री के मूल्य का परीक्षण पास नहीं करता। सबसे ख़तरनाक वही तीसरा है, क्योंकि वह चेकलिस्ट के सारे टिक लेकर आता है। इस पेलोड में एक बात और चुभी — एंटिटीज़ की परिभाषा खुद इनफ़ॉर्मेशन पॉइंट्स पर लौट रही थी, यानी चक्र बन गया था; ऐसे चक्र को डिज़ाइन में ही ऐसा जाल भंग करने वाला नियम चाहिए जो कहे: जिस फ़ील्ड का पैरेंट खाली है, वह अपने-आप रद्द माना जाए।

मैदान पर उतरने का पहला दरवाज़ा फ़ॉर्मेट है। यह शिष्टाचार नहीं, मजबूरी है। टेस्ट में ओपनर को औसत और बॉल्स फेस्ड पर तौलते हैं, टी20 में फ़िनिशर को 180 से ऊपर की स्ट्राइक रेट पर, और गेंदबाज़ की इकोनॉमी का मतलब फ़ॉर्मेट के हिसाब से तीन-चार गुना बदल जाता है। जब तक टेस्ट, वनडे या टी20 तय न हो, किसी भी आँकड़े का हवाला देना ऐसा है जैसे पावरप्ले की बाउंड्री-सप्रेशन फ़ील्डिंग को डेथ ओवरों पर लागू कर दिया जाए। फ़ॉर्मेट गेट है, सजावट नहीं।

दूसरा दरवाज़ा है — कम से कम तीन ऐसी सूचनाएँ जिनका अपना स्रोत हो, और कम से कम एक नामित इकाई। नाम न हो तो भूमिका तय नहीं होती; भूमिका तय न हो तो मेट्रिक का चुनाव ही ग़लत होता है। यह वही अंतर है जो आईपीएल नीलामी की शीट पढ़ने और टीम शीट पढ़ने में है। जब दुबई में मैं 2026 के एशिया कप फ़ाइनल की कमेंट्री बॉक्स में बैठा था — भारत ने 223 रन का लक्ष्य तीन विकेट से हासिल किया, बांग्लादेश 222 पर ढेर, लिटन दास की 121, केदार जाधव के नाबाद 23 और रवींद्र जडेजा के 23 के सहारे — तब मैंने हाइलाइट रील नहीं भरी थी। मस्टफ़िज़ुर रहमान के कटर ज़ोन और शाकिब अल हसन के ख़िलाफ़ भारत की ब्लॉक-स्पेस रोटेशन का नक्शा उतारा था। मध्य ओवरों का दबाव वह शांत बहस है जिसे स्कोरबोर्ड हमेशा हार जाता है, और उस बहस को लिखने के लिए गेंदबाज़ का नाम, ओवर का नंबर और बैटर हाथ का पक्ष — तीनों चाहिए।

तीसरा दरवाज़ा स्रोत की गुणवत्ता है। यह वह फ़ील्ड है जिसे स्टेज-1 ने 'आकलन नहीं' कहकर छोड़ दिया। नीलामी से पहले एजेंट-आधारित लीक इस उद्योग की सबसे पुरानी छवि है, और ट्रांसफ़र फ़िगर का बिना ग्रेडिंग उद्धरण भारतीय मीडिया की सबसे तेज़ आदत। मेरी स्थायी लाइन यही रही है — आईपीएल नीलामी की कीमत और अंतरराष्ट्रीय क्रिकेट की ताक़त दो अलग चीज़ें हैं; बाज़ार एक नक्शा है जिस पर ठेके और मौसम दोनों लिखे होते हैं। स्रोत की श्रेणी तय न हो तो नीलामी का आँकड़ा तथ्य नहीं, अफ़वाह का भेस बन जाता है।

चौथा दरवाज़ा समय-संवेदनशीलता। यह पेलोड चुपचाप ऐसा हो सकता है जिसकी तारीख़ ही किसी टूर्नामेंट से पहले की हो, यानी नतीजों से पहले लिखा प्रीव्यू, जो अब बेमानी है। बिना तारीख़ वाली टिप्पणी को पाठक का विश्वास मुफ़्त में मिल जाता है — यह किसी भी डेस्क का सबसे बड़ा अंदरूनी क़र्ज़ है।

पाँचवाँ दरवाज़ा शासन और नियमों की परत है, जिसे इस पेलोड में छूने का कोई ज़रिया ही नहीं था। DRS के अंपायर-कॉल, बारिश के बाद DLS के संशोधित लक्ष्य, धीमी ओवर-रेट की सज़ा, NOC के बिना विदेशी लीग में उतरना, RTM कार्ड से पुरानी फ्रैंचाइज़ का खिलाड़ी बरक़रार रखना, WTC की अंक-तालिका — ये सब ऐसे बिंदु हैं जहाँ खेल और प्रशासन एक ही मैदान पर खड़े होते हैं। इनमें से किसी पर भी निर्णय तभी संभव है जब सामग्री में घटना का नाम हो। ACU की जाँच या किसी भी अभियोग का उल्लेख बिना पुष्टि के दोहराना कानूनी जोखिम है, और खाली इनपुट पर ऐसा जोखिम लेना बेहतरीन पत्रकारिता नहीं, लापरवाही है।

इन पाँचों के बीच एक बात मैं साफ़ लिखकर रखना चाहता हूँ, क्योंकि दुबई से देखते हुए यह सबसे ज़रूरी अनुशासन है। जो डेटा दिखाता है, वह एक बात है; जो ब्रॉडकास्ट दिखाता है, वह दूसरी; और जो मैं यहाँ बैठकर नहीं देख सकता — ड्रेसिंग रूम का ताप, आउटफ़ील्ड की हवा, दर्शकों का सन्नाटा — वह तीसरी। तीसरी श्रेणी को पहली की अकादमिक चमक उधार लेने नहीं देनी चाहिए।

कॉन्ट्रैरियन एंगल

आम धारणा यह है कि ख़तरा मॉडल के भर जाने में है — कि वह कहीं कोई काल्पनिक स्कोर, काल्पनिक औसत, काल्पनिक क़िस्सा न गढ़ ले। मेरा अनुभव उलटा है। ख़तरा सबसे पहले खालीपन में है, और उससे भी पहले उस ढाँचे में है जो खालीपन को वैध बनाकर भेजता है। cricket_asia का टैग भरा हुआ था, स्कीमा की कुंजियाँ अपनी जगह थीं, ब्रैकेट बंद थे — यानी वह ऑब्जेक्ट अपने साथ अधिकार का लिफ़ाफ़ा लेकर आया था। डेस्क पर बैठा आदमी ऐसे लिफ़ाफ़े को खोलकर देखता है कि अंदर कुछ नहीं है, पर जल्दी में वह लिफ़ाफ़े की मुहर पढ़कर संतोष कर लेता है। यही असली चूक है।

लॉकडाउन के महीनों में मैं हर गेंद को फ़्रेम-दर-फ़्रेम कोड करता था। फ़िल्म रूम ने यह सिखाया कि दबाव का एक चेहरा होता है और एक टाइमस्टैम्प, और ग़लती आम तौर पर एक फ़्रेम पहले हो चुकी होती है। इस मामले में वह फ़्रेम स्टेज-1 का रन था। खाली पेलोड के बाद भी विश्लेषण निकालना ठीक वैसा ही है जैसे घटिया फ़ुटेज पर फ़ील्डिंग पोज़िशन समझाना — दर्शक मान लेंगे, क्योंकि तर्क सुना हुआ और साफ़ है। और यहीं मैं अपने पेशे की एक बेआराम बात लिखता हूँ: किसी साइकल का सबसे कीमती विश्लेषण कभी-कभी यह कहने में लगता है कि इस बार विश्लेषण नहीं होगा।

हर सिस्टम लीक करता है; असली कारीगरी यह जानने में है कि कहाँ खड़े होकर उस लीक को देखा जाए। इस पेलोड का लीक पूरे रिपोर्टिंग कारख़ाने से ऊपर था, इसलिए उसे पैच करने का काम भी वहीं है।

टेकअवे

अगली बार जब यह पाइपलाइन दौड़े, तो पहली जाँच यह होनी चाहिए कि इनफ़ॉर्मेशन पॉइंट्स की संख्या तीन से कम न हो और कम से कम एक नाम ऑब्जेक्ट में लिखा हो। अगर तारीख़ और स्रोत की ग्रेडिंग दोनों खाली हैं, तो विश्लेषण आगे न बढ़े। यह पेलोड अपनी जगह एक तोहफ़ा है — अनुउत्पादन के लिए तैयार एक टेस्ट केस। अब देखने की बात यह है कि डेस्क इसे डिबग सामग्री की तरह फ़ाइल करता है, या उस जगह से गुज़र जाता है जहाँ सबसे अच्छा ढाँचा सबसे अच्छी कहानी समझ लिया जाता है।