खाली रिकॉर्ड, भरा हुआ भरोसा: क्रिकेट की डेटा पाइपलाइन का साइलेंट फेल्योर

रिकॉर्ड सिस्टम से लौटा। एक फ़ील्ड भरी थी — डोमेन टैग: cricket_asia। शीर्षक N/A। स्रोत आउटलेट N/A। सामग्री-प्रकार अपरिभाषित। सूचना-बिंदुओं की सूची खाली। मुख्य दृष्टिकोण — सारांश, रुख़, उद्देश्य — तीनों खाली। शामिल इकाइयाँ: ऐसी कोई इकाई नहीं जिससे पहचान शुरू हो। समय-संवेदनशीलता आँकी नहीं गई। स्रोत-गुणवत्ता आँकी नहीं गई।

और स्टेटस लाइन में लिखा था — Unclassified। FAILED नहीं।

यही इस पूरी रिपोर्ट का विषय है। क्रिकेट का एक डेटा रिकॉर्ड पूरी तरह खाली लौट सकता है और सिस्टम के भीतर उसे विफलता का दर्जा नहीं मिलता। टैग बच जाता है, कंटेंट नहीं। क्लासिफ़ायर चल जाता है, एक्सट्रैक्टर नहीं। और जिस क्षण वह रिकॉर्ड किसी विश्लेषक की मेज़ तक पहुँचता है, उसी क्षण एक और स्कोरकार्ड-कहानी बिना सबूत के रवाना हो जाती है — क्योंकि कमरे में किसी ने यह नहीं पूछा कि जिस फ़ाइल पर बहस हो रही है, उसमें एक भी तथ्य ज़िंदा है या नहीं।

पिछले दस साल में मैंने क्रिकेट को राय की तरह नहीं, रजिस्टर की तरह पढ़ा है। बॉल-बाय-बॉल लॉग, नीलामी के खाते, चोट के दशक-लंबे बहीखाते। इस काम में सबसे खतरनाक चीज़ गलत नंबर नहीं होती। सबसे खतरनाक चीज़ यह भ्रम होता है कि नंबर मौजूद है — जबकि वहाँ कुछ भी नहीं था, और सिस्टम ने उसे हरी झंडी दे दी।

यह रिपोर्ट उसी हरी झंडी का पोस्टमॉर्टम है।

एक खाली रिकॉर्ड की शक्ल

जो ऑडिट नतीजा सामने आया है, उसे अगर एक वाक्य में रखना हो तो यह है: किसी क्रिकेट रिकॉर्ड की मूल सामग्री शून्य है, केवल क्षेत्रीय टैग जीवित बचा है। यह एक असामान्य और बेहद उपयोगी फिंगरप्रिंट है। अगर पूरा रिकॉर्ड खाली होता — टैग भी नहीं — तो हम कहते कि पेज खुला ही नहीं, अनुरोध विफल रहा, आगे बढ़ो। लेकिन टैग का बच जाना बताता है कि सिस्टम ने उस पेज पर कुछ पढ़ा ज़रूर। उस कुछ को वर्गीकृत कर दिया, सही खाने में डाल दिया, और फिर वही कुछ सामग्री-परत तक पहुँचाने में असमर्थ रहा।

यह पाइपलाइन के आर्किटेक्चर का सवाल है, पत्रकारिता के इरादे का नहीं। सिस्टम में दो अलग-अलग नौकरियाँ हैं: एक जो पेज से शब्द निकालती है, दूसरी जो उन शब्दों को विषय के हिसाब से पहचानती है। जिस दिन क्लासिफ़ायर जागता है और एक्सट्रैक्टर सोता रहता है, उस दिन आपको बिल्कुल ऐसा रिकॉर्ड मिलता है — जिसका लेबल भरोसेमंद लगता है और जिसका शरीर खोखला है।

क्रिकेट-पत्रकारिता में इस शक्ल की घटनाएँ नई नहीं हैं, बस अब इनका नाम रखा जाने लगा है। हम सालों तक ऐसी खबरें छापते रहे जिनका आधार एक ट्वीट, एक स्क्रीनशॉट, एक ऐसा लिंक था जो बाद में 404 दिखाता था। फ़र्क़ यह है कि अब सिस्टम अपनी विफलता को संरचनात्मक रूप में दर्ज कर रहा है, और हम उसे पढ़ने की ज़हमत नहीं उठा रहे।

क्रिकेट का डेटा असल में बहता कहाँ से कहाँ है

इस विफलता को समझने के लिए क्रिकेट की डेटा-चेन को सीधे लाइन में रखना ज़रूरी है, क्योंकि हर जोड़ पर कुछ टूट सकता है और हर टूटन का इलाज अलग है।

सबसे नीचे स्कोरर बैठता है — स्टेडियम में, एक लैपटॉप और एक सॉफ्टवेयर के साथ। वह हर गेंद पर कुछ दर्ज करता है: रन, बल्लेबाज़, गेंदबाज़, डिलीवरी का टाइप, लाइन, लेंथ, शॉट, फ़ील्डिंग पोज़िशन। यह डेटा मैच के दौरान ही स्कोरिंग सॉफ्टवेयर से फ़ीड में जाता है, फ़ीड से एग्रीगेटर तक, एग्रीगेटर से ब्रॉडकास्ट ग्राफ़िक्स तक, और कुछ मिनटों में फ़ैंटेसी ऐप्स और कमेंट्री बॉक्स तक। आप जो लाइव स्कोर देखते हैं, वह इसी चेन का सबसे दिखाऊ सिरा है।

ध्यान दीजिए कि इस चेन में जो सबसे ज़रूरी परत है, वह सबसे कम दिखती है — स्कोरिंग की परिभाषाएँ। किसे 'यॉर्कर' कहा जाएगा, किसे 'लो फुल टॉस'। किसे 'डॉट बॉल' गिना जाएगा। किसे 'ड्रॉप कैच' कहा जाएगा और किसे 'हार्ड चांस'। ये परिभाषाएँ हर सिस्टम में अलग हैं और ये कभी सार्वजनिक रूप से तुलनीय नहीं की जातीं। जब मैं किसी गेंदबाज़ की डेथ-ओवर इकॉनमी निकालता हूँ, तो सबसे पहले मुझे यह तय करना होता है कि मैं किस परिभाषा पर खड़ा हूँ। यही वह जगह है जहाँ से ज़्यादातर 'विश्लेषण' शुरू ही नहीं होता।

तीन अलग-अलग दुनिया: टेस्ट, वनडे, टी20

क्रिकेट की एक बुनियादी सच्चाई है जिसे हर डेटा-सिस्टम को पहली शर्त की तरह मानना चाहिए: इसके तीनों फ़ॉर्मेट की मापें आपस में बदली नहीं जा सकतीं।

टेस्ट ओपनर का स्ट्राइक रेट और टी20 फ़िनिशर का स्ट्राइक रेट एक ही इकाई में लिखे जाते हैं और फिर भी दोनों का कोई तुलनात्मक अर्थ नहीं होता। एक में 45 शानदार है, दूसरे में 145 औसत से नीचे। गेंदबाज़ की इकॉनमी टी20 में 8 से नीचे रहना उपलब्धि है, वनडे में वही आँकड़ा बीच के ओवरों में सामान्य है, और टेस्ट में इकॉनमी का कोई ऐसा मतलब ही नहीं जो मैच जिताए। आईसीसी भी इसीलिए तीन अलग रैंकिंग तालिकाएँ रखता है — टेस्ट, वनडे और टी20ई — और वे एक-दूसरे की जगह नहीं ली जा सकतीं।

अब उस रिकॉर्ड पर लौटिए जिसकी चर्चा हो रही है। उसमें फ़ॉर्मेट का कोई संकेत नहीं बचा। न टेस्ट, न वनडे, न टी20, न द हंड्रेड, न कोई घरेलू टूर्नामेंट। इसका मतलब यह नहीं कि मैच नहीं था। इसका मतलब यह है कि जो भी था, उसका फ़ॉर्मेट अब अज्ञात है — और फ़ॉर्मेट अज्ञात होने की स्थिति में क्रिकेट में कोई भी तुलना वैध नहीं रहती।

फ़ॉर्मेट टैग का गायब होना एक हार्ड स्टॉप है

मैं इसे 'हार्ड स्टॉप' इसलिए कहता हूँ क्योंकि यह टाला नहीं जा सकता। फ़ॉर्मेट अज्ञात होने पर आप यह तय ही नहीं कर सकते कि आप किस बेंचमार्क के खिलाफ़ बात कर रहे हैं। आप नहीं कह सकते कि यह प्रदर्शन अच्छा था या बुरा, क्योंकि 'अच्छा' की परिभाषा फ़ॉर्मेट से आती है।

यही वजह है कि जब कोई रिकॉर्ड फ़ॉर्मेट टैग के बिना आता है, तो सही पेशेवर व्यवहार है — विश्लेषण रोक देना और ऊपर की परत को वापस भेजना। जो व्यवहार गलत है, वह यह है कि हम अनुमान लगा लें: 'टैग में एशिया लिखा है, तो ज़रूर एशिया कप होगा, तो ज़रूर टी20 होगा, तो चलो डेथ-ओवर की बात कर लेते हैं।' अनुमानों की यह सीढ़ी तीन क़दम में एक ऐसी कहानी बना देती है जिसमें कोई भी ईंट असली नहीं है।

और यही वह जगह है जहाँ मैं अपने पेशे की सबसे पुरानी आदत को नाम से पकड़ना चाहता हूँ। क्रिकेट-कमेंट्री में 'फ़ॉर्मेट' को अक्सर संदर्भ की तरह लिया जाता है, आधारशिला की तरह नहीं। जबकि डेटा के स्तर पर फ़ॉर्मेट आधारशिला है। फ़ॉर्मेट हटा दीजिए और ऊपर की पूरी इमारत हवा में खड़ी रह जाती है — देखने में ठीक, छूने पर कुछ नहीं।

तीन संभावित वजहें, और उन्हें अलग कैसे करें

अब उस खाली रिकॉर्ड के पीछे की तकनीकी वजहों की जाँच। तीन संभावनाएँ हैं, और तीनों का इलाज अलग है। इन्हें अलग किए बिना आगे बढ़ना बेकार है।

पहली संभावना — संरचनात्मक। स्रोत पेज ऐसा था जिसे टेक्स्ट-स्क्रैपर पढ़ ही नहीं सकता। लाइव स्कोरकार्ड पेज, वीडियो या हाइलाइट पेज, जावास्क्रिप्ट से बना पेज, या पेवॉल के पीछे का शरीर। इन चारों में टेक्स्ट मौजूद दिखता है, पर सर्वर से लौटने वाले खाली शरीर में नहीं होता। स्क्रैपर को कुछ नहीं मिलता, वह खाली हाथ लौटता है, और ऊपर की परत उसे 'कोई सामग्री नहीं' की तरह पढ़ती है।

दूसरी संभावना — क्षणिक। अनुरोध गया, सर्वर ने समय पर जवाब नहीं दिया, टाइमआउट हुआ। अगली बार उसी लिंक पर वही सामग्री सही-सलामत मिल सकती है। इसका मतलब यह है कि विफलता का दोहराव ही उसे बीमारी बनाता है; एक बार की विफलता दुर्घटना है।

तीसरी संभावना — फ़ील्ड-मैपिंग। पेज से टेक्स्ट निकला भी, पर जिस खाने में डाला जाना था, वह खाना गलत जुड़ा था। निकालने वाली परत ने 'शीर्षक' की जगह कहीं और डाल दिया, और नीचे की परत ने पढ़ा कि शीर्षक खाली है। इस स्थिति में डेटा सिस्टम में मौजूद था, बस अनुपलब्ध दिख रहा था।

इन तीनों को अलग करने का सबसे सस्ता परीक्षण यही है कि स्रोत का URL, आउटलेट, प्रकाशन-समय और HTTP/पार्स स्टेटस अलग से दर्ज किया जाए — सामग्री-निष्कर्षण की सफलता से स्वतंत्र रूप से। फिर एक बार हेडलेस रेंडरर या रीडर-मोड फ़ॉलबैक से पुनः-फ़ेच। अगर दूसरी कोशिश में सामग्री आ गई, तो वह क्षणिक थी। अगर वही खाली लौटी, तो संरचनात्मक। और अगर सामग्री आई पर शीर्षक फिर भी खाली दिखा, तो मैपिंग की गड़बड़ है।

सफलता के आकार की विफलता

यहाँ असली मुद्दा तकनीकी नहीं, प्रक्रियागत है। जो रिकॉर्ड खाली लौटा, उसे सिस्टम ने 'FAILED' नहीं कहा। उसे 'Unclassified' कहा। यह फ़र्क़ छोटा लगता है और घातक है।

'FAILED' एक ऐसा शब्द है जो रास्ता रोकता है। वह ऑपरेटर को बुलाता है, डैशबोर्ड पर लाल रंग भरता है, बैच को रोकता है। 'Unclassified' एक ऐसा शब्द है जो रास्ता खोलता है। वह कहता है — यह रिकॉर्ड किसी खाने में नहीं गया, इसे किसी खाने में डाल दो। और जब आप उसे किसी खाने में डाल देते हैं, तो वह आगे की पूरी प्रक्रिया में एक सामान्य रिकॉर्ड की तरह चलता रहता है।

इसे मैं 'सफलता के आकार की विफलता' कहता हूँ। सिस्टम ने अनुरोध पूरा किया — 200 का जवाब दिया। तकनीकी दृष्टि से कुछ भी टूटा नहीं। कोई एरर कोड नहीं, कोई अपवाद नहीं, कोई चेतावनी नहीं। और इसीलिए स्वचालित गुणवत्ता जाँच इसे पकड़ नहीं पाई। क्योंकि वे जाँचें इस सवाल पर बनी होती हैं कि 'क्या चीज़ गिरी है', उस सवाल पर नहीं कि 'क्या चीज़ आई ही नहीं'।

मेरा अनुभव कहता है कि यह कोई नई बीमारी नहीं है।

दस साल में मैंने क्रिकेट के जितने डेटासेट खुद बनाए हैं, उनमें हर बार सबसे ज़्यादा समय निकालने वाला हिस्सा विश्लेषण नहीं था — वह यह पहचानना था कि डेटा में कहाँ गड्ढे हैं। 2026 के लॉकडाउन में मैंने आईपीएल के हर डेथ-ओवर डिलीवरी का डेटाबेस बनाया था। मैंने पैनडेमिक के बाद के हर डेथ ओवर को निकाला। स्प्रेडशीट कबूल करने लगी।

जो पहली चीज़ कबूल हुई वह यह थी कि कुछ मैचों में डिलीवरी-टाइप का फ़ील्ड खाली था। स्कोरिंग सॉफ्टवेयर में उस गेंद पर 'यॉर्कर' दर्ज नहीं हुआ था, या हुआ था पर फ़ीड में नहीं आया। अगर मैंने उन खाली खानों को शून्य मान लिया होता, तो मेरा पूरा यॉर्कर-प्रतिशत गलत हो जाता — और मैं उसे बड़े भरोसे के साथ छाप देता। मुझे उन खानों को 'अज्ञात' के रूप में अलग रखना पड़ा, और हर निष्कर्ष के साथ यह बताना पड़ा कि वह कुल डिलीवरी के कितने प्रतिशत हिस्से पर टिका है।

यही आदत आज भी मेरे हर टुकड़े में है। कोई भी निष्कर्ष जिसके नीचे सैंपल साइज़ और अपूर्णता-दर पहली लाइन में दर्ज नहीं है, वह राय है, माप नहीं।

इकाई-निष्कर्षण का अंतराल

खाली रिकॉर्ड में एक और दरार है जिसे अलग से देखा जाना चाहिए — इकाइयों का अभाव। यानी किसी खिलाड़ी, टीम, टूर्नामेंट या स्थल का नाम।

यह कम ध्यान दिया जाने वाला, पर बहुत साफ़ संकेत है। अगर रिकॉर्ड में सामग्री-बिंदु शून्य हैं लेकिन इकाइयाँ मिली हैं, तो मतलब सामग्री-परत तक कुछ पहुँचा था और नाम पहचाने गए थे। अगर सामग्री-बिंदु भी शून्य हैं और इकाइयाँ भी शून्य हैं — जो यहाँ हुआ — तो मामला गहरा है। इसका मतलब है कि नाम-पहचानने वाली परत को कुछ भी नहीं मिला, यानी विफलता बहुत ऊपर है, शायद फ़ेच या पार्स की सबसे पहली परत पर।

इसका सीधा फ़ायदा यह है कि यह हमें इलाज की दिशा देता है। अगर इकाइयाँ निकल रही होतीं और सारांश नहीं बन रहा होता, तो मरम्मत सारांश बनाने वाली परत में होती। यहाँ मरम्मत सबसे नीचे है, और वहीं से शुरू करनी चाहिए।

जो बोर्ड छापते नहीं

अब इस तकनीकी विफलता को बड़े संदर्भ में रखता हूँ, क्योंकि यह एक अकेली खराबी नहीं है। यह भारतीय और एशियाई क्रिकेट की उस बड़ी आदत का छोटा नमूना है जिसे मैं कई साल से लिख रहा हूँ — प्रदर्शन का डेटा बहुतायत में, और निर्णय का डेटा बिल्कुल नहीं।

स्कोरकार्ड में क्रिकेट असाधारण रूप से उदार है। हर गेंद, हर रन, हर विकेट, हर फ़ील्डिंग-गलती दशकों तक सार्वजनिक अभिलेखों में जीवित रहती है। आप 2026 का कोई भी रणजी मैच उठाइए, बॉल-बाय-बॉल विवरण मिल जाएगा। यह उदारता क्रिकेट की सबसे बड़ी विरासत है।

उसी खेल में, निर्णयों के स्तर पर सूचना अंधकार है। रणजी ट्रॉफ़ी में एक तेज़ गेंदबाज़ एक सीज़न में कितने ओवर फेंकता है, यह किसी भी सार्वजनिक डेटाबेस में एक जगह, एक प्रारूप में, एक बार में नहीं मिलता। आपको हर मैच का स्कोरकार्ड खोलना पड़ता है, ओवर जोड़ने पड़ते हैं, और फिर भी यह पता नहीं चलता कि उनमें से कितने ओवर 'मजबूरी में' फेंके गए और कितने 'योजना के तहत'।

चोट की निगरानी इससे भी आगे की समस्या है। किस खिलाड़ी को कब क्या चोट लगी, कितने दिन का आराम मिला, किस आधार पर उसे वापस मैदान पर भेजा गया — यह सब टुकड़ों में बिखरा है, और किसी भी बोर्ड के पास इसका एक भी सार्वजनिक रजिस्टर नहीं है जिसे कोई बाहरी व्यक्ति जाँच सके। चयन के आधार तो और भी दुर्लभ हैं। बैठक में क्या तर्क चले, किस मीट्रिक ने किस खिलाड़ी का पलड़ा भारी किया — यह कभी दर्ज नहीं होता, और इसीलिए कभी जाँचा नहीं जा सकता।

महिला क्रिकेट में यह अंतर सबसे तेज़ी से बढ़ा है। डब्ल्यूपीएल के प्रसारण अधिकारों के बड़े आँकड़े सार्वजनिक हो गए, लेकिन उसी स्तर का डेटा-ढाँचा सार्वजनिक नहीं हुआ। अगर आपके पास हर मैच का बॉल-बाय-बॉल डेटा उस गहराई में नहीं है जिस गहराई में पुरुषों का है, तो बड़ा प्रसारण सौदा केवल दृश्यता बढ़ाता है, माप नहीं।

इसी असमानता का एक नमूना मेरी अपनी फ़ाइल में है।

2026 में, सत्रह साल की उम्र में, मैंने चैंपियंस ट्रॉफ़ी का फ़ाइनल देखा — भारत पाकिस्तान से 180 रन से हारा, द ओवल में। उस रात हर जगह एक ही वाक्य चल रहा था: बुरा दिन था। मुझे वह वाक्य अधूरा लगा, इसलिए मैंने अगले महीने एक स्क्रिप्ट लिखी और पूरे टूर्नामेंट का गेंद-दर-गेंद डेटा पार्स किया।

ऑटोप्सी उस एक स्कोरकार्ड लाइन से शुरू हुई थी जिसने मेरा दिमाग़ नहीं बदला। उसने उसे कॉलम-दर-कॉलम तोड़ दिया। जो निकला वह यह था कि भारत के शीर्ष तीन बल्लेबाज़ों का पावरप्ले स्ट्राइक रेट पाकिस्तान के मुकाबले बहुत पीछे था — 78 बनाम 95 — और बीच के ओवरों में डॉट-बॉल प्रतिशत 48 के आसपास था। यानी वह 'बुरा दिन' नहीं था। वह एक पुराना खाका था जिसे एक दिन में उजागर होना था।

उस पोस्ट ने मुझे सिखाया कि भावना को डेटा से बदला जा सकता है, बशर्ते डेटा में गड्ढे न हों। अगर उस स्क्रिप्ट में कुछ स्कोरकार्ड पार्स न हो पाते और मैं उन्हें चुपचाप छोड़ देता, तो मैं वही कहानी उलटी दिशा में लिख सकता था — बड़े आत्मविश्वास के साथ, बड़े आँकड़ों के साथ, और पूरी तरह गलत।

जब स्प्रेडशीट ने नीलामी के बाज़ार की कमज़ोरी दिखाई

कुछ साल बाद मैंने वही आदत नीलामी पर लगाई। तीन सौ ट्रांसफ़र। एक पैटर्न, जिसे कमरे में किसी ने छापना नहीं चाहा।

2026 की मेगा नीलामी से पहले मैंने खिलाड़ियों को भूमिका, उम्र, घरेलू-विदेशी दर्जे और कीमत के हिसाब से कोड किया। सबसे साफ़ पैटर्न यह निकला कि बाज़ार अनुभव को नहीं, बल्कि पहचान को दाम देता है — और जिन भूमिकाओं पर कोई बोली नहीं लगाता, वे अक्सर सबसे कम दाम पर सबसे ज़्यादा वापसी देती हैं।

उसी मॉडल में एक नाम सबसे ऊपर आया: तिलक वर्मा। उन्नीस साल, सैयद मुश्ताक़ अली ट्रॉफ़ी में 147 का स्ट्राइक रेट और 40 के आसपास औसत। मेरे मूल्यांकन में वे उस नीलामी के सबसे कम आँके गए बल्लेबाज़ थे। मुंबई इंडियंस ने उन्हें 1.7 करोड़ रुपये में खरीदा। पदार्पण सीज़न में उन्होंने 397 रन बनाए, 131 के स्ट्राइक रेट से।

मैं यह इसलिए नहीं लिख रहा कि मेरा मॉडल सही निकला। मैं यह इसलिए लिख रहा हूँ कि उस मॉडल की सबसे कमज़ोर कड़ी वही थी जिस पर किसी ने ध्यान नहीं दिया — घरेलू टूर्नामेंट का डेटा। सैयद मुश्ताक़ अली ट्रॉफ़ी के स्कोरकार्ड में कई मैचों की डिलीवरी-लेवल जानकारी उस गहराई में नहीं मिलती जिस गहराई में आईपीएल की मिलती है। यानी मेरा निष्कर्ष एक ऐसे डेटासेट पर बना था जिसमें दरारें थीं, और मैंने उन दरारों को लिखा भी था। अगर मैंने उन्हें छिपाया होता, तो वही सफल भविष्यवाणी एक झूठे भरोसे का आधार बन जाती।

फ़ॉर्मेट और क्षेत्र: दो अलग चीज़ें, जिन्हें एक समझ लिया जाता है

उस खाली रिकॉर्ड में जो एक चीज़ बची थी, वह थी — cricket_asia। यह एक क्षेत्रीय टैग है। यह बताता है कि विषय एशियाई क्रिकेट के दायरे में है। यह ज़रूरी तौर पर बताता नहीं कि विषय क्या है।

एशियाई क्रिकेट के दायरे में कई अलग-अलग तरह की चीज़ें आती हैं: एशिया कप, एशियन क्रिकेट काउंसिल के आयोजन और फ़ैसले, किसी बोर्ड का प्रशासनिक निर्णय, आईपीएल या पीएसएल या आईएलटी20 जैसी फ़्रैंचाइज़ी अर्थव्यवस्था, या कोई खिलाड़ी-केंद्रित खबर। इन पाँचों में से किसी के लिए भी यह टैग सही हो सकता है।

इसलिए cricket_asia को फ़ॉर्मेट का विकल्प नहीं माना जा सकता। यह एक श्रेणी है और फ़ॉर्मेट दूसरी श्रेणी है, और इन दोनों को मिला देना वही गलती है जो हर दिन कमेंट्री में होती है। जब कोई कहता है कि 'एशियाई टीमों का स्पिन खेलना कमज़ोर है', तो वह एक क्षेत्रीय टैग से एक तकनीकी निष्कर्ष निकाल लेता है, बिना यह बताए कि किस फ़ॉर्मेट में, किस परिस्थिति में, किस सैंपल पर।

खाली डेटा को हथियार मत बनाइए

अब उस हिस्से पर आता हूँ जहाँ मुझे अपनी ही आदत पर लगाम लगानी है।

जब एक रिकॉर्ड खाली लौटता है, तो सबसे बड़ा प्रलोभन यह होता है कि उस खालीपन को सबूत बना दिया जाए। 'देखिए, डेटा ही नहीं है — इसीलिए मैं कह रहा था कि सिस्टम टूटा हुआ है।' यह वाक्य बहुत आकर्षक लगता है और बहुत गलत है।

यहाँ जो हुआ है, वह एक स्क्रैपिंग की खराबी है। इसका किसी बोर्ड के प्रशासन से, किसी चयन समिति के फ़ैसले से, किसी टीम की रणनीति से, किसी खिलाड़ी के करियर से कोई संबंध नहीं है। यह मान लेना कि तकनीकी विफलता किसी संस्थागत गोपनीयता का सबूत है, वही पाप है जिसे मैं दूसरों पर लगाता हूँ — सहसंबंध को तंत्र समझ लेना।

मुझे साफ़ लिखना है: साक्ष्य का अभाव, सफ़ाई का प्रमाण नहीं है, और गोपनीयता का प्रमाण भी नहीं है।

यही बात खाली रिकॉर्ड के दूसरे पहलू पर भी लागू होती है। चूँकि इस रिकॉर्ड में किसी खिलाड़ी, टीम, लीग या बोर्ड के खिलाफ़ कोई जोखिम दर्ज नहीं हुआ, कोई पाठक यह न समझ ले कि उन सबके लिए हरियाली की रिपोर्ट आई है। जोखिम सूची इसलिए खाली है कि विषय ही मौजूद नहीं था। खाली काग़ज़ को क्लीन चिट मत पढ़िए।

असली पेंच कहीं और है, और वह ज़्यादा शर्मनाक है।

क्रिकेट में डेटा की कमी नहीं है। क्रिकेट में उस डेटा के बारे में दस्तावेज़ीकरण की कमी है जो बताता है कि डेटा कैसे बना। हमारे पास हर गेंद है। हमारे पास यह दर्ज नहीं है कि उस गेंद को 'यॉर्कर' किसने कहा, किस परिभाषा से कहा, और किसने उसे बाद में बदल दिया। हमारे पास हर रन है। हमारे पास यह दर्ज नहीं है कि चयन बैठक में वह रन किस वज़न से गिना गया।

यही असमानता उस खाली रिकॉर्ड का असली पाठ है। जिस सिस्टम ने 'टैग बचा लिया पर सामग्री गँवा दी', वह उसी आदत का तकनीकी रूप है जिसे हम संस्थागत स्तर पर रोज़ देखते हैं — लेबल सुरक्षित रखो, शरीर छोड़ दो। विज्ञप्ति छाप दो, आँकड़े मत छापो। रैंकिंग बता दो, आधार मत बताओ।

अगली बार का सिग्नल

इस जाँच का नतीजा कोई क्रिकेट निष्कर्ष नहीं है। यह एक तकनीकी निष्कर्ष है, और इसे तकनीकी भाषा में ही लिखा जाना चाहिए: शून्य सूचना-बिंदु वाले किसी भी रिकॉर्ड को विश्लेषण के दरवाज़े तक नहीं पहुँचना चाहिए। प्रवेश-द्वार पर सख्त शर्त लगनी चाहिए — शीर्षक अनुपस्थित हो तो अनुरोध अस्वीकार, सूचना-बिंदु तय संख्या से कम हों तो गैर-200 स्टेटस, और खाली सफलता-पेलोड कभी न लौटे।

उसके बाद तीन मरम्मतें हैं जो सस्ती हैं और तुरंत हो सकती हैं। पहली — शीर्षक-आधारित फ़ॉलबैक। अगर शरीर नहीं मिला पर शीर्षक और पहला पैराग्राफ़ मिला, तो उतना ही विश्लेषण में आना चाहिए। यहाँ तक तो शीर्षक भी नहीं बचा था, जो अपने आप में बताता है कि खराबी सारांश की परत पर नहीं, उससे बहुत नीचे है। दूसरी — स्रोत-प्रकार का वर्गीकरण, अनुरोध भेजने से पहले। लाइव स्कोरकार्ड, वीडियो, पेवॉल और जावास्क्रिप्ट पेजों के लिए अलग रास्ता चाहिए, वरना वही विफलता हर बैच में दोहराएगी। तीसरी — टैग-मानकीकरण। cricket_asia को प्राथमिक डोमेन Cricket की जगह नहीं बैठने देना चाहिए; क्षेत्रीय टैग दूसरा गुण है, पहला नहीं।

और क्रिकेट के लिए एक शर्त अलग से जोड़नी होगी, क्योंकि क्रिकेट बाकी खेलों से अलग है: फ़ॉर्मेट टैग अनिवार्य मेटाडेटा है, वैकल्पिक नहीं। जो रिकॉर्ड यह नहीं बता सकता कि वह टेस्ट का है, वनडे का है या टी20 का, वह रिकॉर्ड विश्लेषक तक पहुँचने का हक़दार नहीं। इस एक शर्त से हम उन दर्जनों गलत तुलनाओं को रोक सकते हैं जो हर सीज़न बड़े आत्मविश्वास के साथ छपती हैं।

दस साल पहले मैंने एक फ़ाइनल के बाद एक स्क्रिप्ट लिखी थी, क्योंकि मुझे लगा था कि बुरे दिन का बहाना डेटा से टूट जाएगा। वह भरोसा आज भी बना हुआ है। बस उसमें एक शर्त जुड़ गई है सालों से: मुझे पहले यह साबित करना होता है कि जिस डेटा से मैं बहस कर रहा हूँ, वह मौजूद है।

अगर आपकी पाइपलाइन एक खाली रिकॉर्ड लौटा सकती है और उसे सफलता कह सकती है, तो आपके पुरालेख में अभी कितने ऐसे खाली रिकॉर्ड बैठे हैं जो खुद को विश्लेषण कह रहे हैं — और उनमें से कितनों पर आपने पहले ही भरोसा कर लिया है?