खाली फ़ील्ड, भरा हुआ भ्रम: क्रिकेट डेटा पाइपलाइन की साइलेंट फेल्योर का ऑडिट

पिछले हफ़्ते लिवरपूल के वॉटरफ़्रंट वाले डेस्क पर एक फ़ाइल खुली। एनालिटिक्स पाइपलाइन से निकली रिपोर्ट थी, और मुझे देखना था कि स्कोरकार्ड क्या कहता है। शीर्षक की जगह N/A। स्रोत की जगह N/A। लेख का प्रकार 'Unclassified'। लेखक का रुख N/A, मक़सद N/A, एक पंक्ति का सारांश खाली — और जिस खाने पर पूरा विश्लेषण खड़ा होता है, 'जानकारी के बिंदु', वह पूरी तरह शून्य। एक ही खाना भरा था: डोमेन लेबल, cricket_world।

यही वह पल होता है जब एक डेटा आदमी को तय करना पड़ता है कि खबर लिखे या ऑडिट। मैंने ऑडिट चुना, क्योंकि खाली खाने को भरने का एक ही रास्ता है — कल्पना। और कल्पना से भरी क्रिकेट रिपोर्टें इस उद्योग में पहले से बहुत हैं। मुझे यह समझना था कि आठ खानों वाला साफ़-सुथरा ढाँचा, जिसमें हर खाने में N/A लिखा है, पाठक को यह भ्रम क्यों देता है कि कोई आकलन हुआ ही है।

ट्रांसफ़र विंडो में क्रिकेट कवरेज का मिज़ाज बदल जाता है। अफ़वाह, कॉन्ट्रैक्ट की तारीख़ें, एजेंट की लीक, फ़्रैंचाइज़ी की PR — सब एक साथ आता है और सब एक ही शक्ल में आता है, जैसे खबर हो। इस भीड़ में पाठक का असली सवाल यह नहीं होता कि क्या हुआ; सवाल यह होता है कि किस बात पर भरोसा करें। आउटलेट्स ने इस सवाल का जवाब वॉल्यूम से देना शुरू किया — ज़्यादा खबर, तेज़ खबर, ऑटोमेटेड खबर।

पाइपलाइन अब तीन मंज़िल की है। पहली मंज़िल स्रोत पकड़ती है। दूसरी उसे पढ़ती, वर्गीकृत करती और तथ्य निकालती है। तीसरी उन तथ्यों पर विश्लेषण खड़ा करती है। मेरे पास जो आई, वह तीसरी मंज़िल की उपज थी — पूरी फ़ॉर्मेटेड, आठ आयामों में बँटी, हर आयाम में N/A। यानी दूसरी मंज़िल से ऊपर कुछ पहुँचा ही नहीं। और यही असली खबर है, क्योंकि वह मंज़िल किसी को दिखती नहीं।

सबसे ऊपर जो बैठा है, वह अक्सर सबसे कम दिखता है — अधिकार-चक्र। कौन भुगतान कर रहा है, यह तय करता है कि कौन-सा क्रिकेट लिखा जाएगा और कितनी जल्दी। ऑटोमेशन उसी चक्र का उप-उत्पाद है। जब मात्रा ही कारोबारी मॉडल हो, तो खाली फ़ाइल और भरी फ़ाइल का फ़र्क़ सिस्टम के नज़रिए से छोटा हो जाता है।

एक संरचनात्मक सच भी साथ रखना होगा: वैश्विक क्रिकेट का वाणिज्यिक गुरुत्व लगभग 70% से ज़्यादा भारतीय बाज़ार में बैठा है। इसलिए किसी भी क्रिकेट रिपोर्ट की क़ीमत उस बाज़ार से जुड़ाव पर निर्भर करती है। यहाँ वह जुड़ाव भी साबित नहीं होता — और बिना सबूत उसे मान लेना इस पेशे की सबसे आम आदत है।

मैं यह विश्लेषण लिवरपूल जॉन मूर्स से काइनिसियोलॉजी की MS के कारण नहीं कर रहा — मैं यह इसलिए कर रहा हूँ कि 2026 में मोहम्मद सलाह के 31 सीरी-A मैच हाथ से कोड किए थे। 15 गोल, 11 असिस्ट, और शॉट वॉल्यूम जिसे मॉडल ने £55m का दाम दिया, जबकि फ़ीस £36.9m थी। उस एक चार्ट ने सिखाया कि हाथ से कोडिंग महँगी होती है, और ऑटोमेशन उसी लागत को छिपाने का तरीक़ा है। जब पाइपलाइन खाली लौटती है, लागत गायब नहीं होती — वह पाठक के भरोसे में ट्रांसफ़र हो जाती है।

पहला तथ्य यह है कि यह फ़ेल्योर चुप थी, ज़ोर की नहीं। पाइपलाइन ने कोई एरर नहीं उगला। उसने स्कीमा के आकार का दस्तावेज़ बना दिया — हर फ़ील्ड मौजूद, हर फ़ील्ड खाली। जो वैलिडेशन सिर्फ़ आकार जाँचता है, वह इसे पास कर देता है। यही अंतर खतरनाक है: ज़ोर का फ़ेल्योर पकड़ा जाता है, चुप का फ़ेल्योर डाउनस्ट्रीम पहुँच जाता है — और वहाँ बैठा पाठक, जिसे आठ खानों वाला साफ़ दस्तावेज़ मिला है, यह मान लेता है कि किसी ने कुछ आँका है।

दूसरा तथ्य, जो इस चुप्पी को संदिग्ध बनाता है, डोमेन लेबल है। वह cricket_world है — एक कच्चा टैक्सोनॉमी टोकन, स्कीमा का मानक मान Cricket नहीं। छोटी-सी बात, बड़ी गवाही: वर्गीकरण की मंज़िल चली, पर फ़ॉलबैक मोड में, और उसने अपना काम अधूरा छोड़ा। साथ में लेख का प्रकार Unclassified रह गया। दोनों संकेत मिलकर एक ही बात कहते हैं — पार्सर ने स्रोत पढ़ा, पर टोकनाइज़ नहीं कर पाया।

तीसरा तथ्य: शून्य जानकारी वाला लेख प्रकाशित होना लगभग असंभव है। एक छपा हुआ लेख जिसमें एक भी उद्धरण-योग्य तथ्य न हो, उससे कहीं कम आम है कि स्रोत तक पहुँच ही न हुई हो। सबसे संभावित वजहें, घटती संभावना के क्रम में: पेवॉल या जियोब्लॉक, जावास्क्रिप्ट से बना बॉडी टेक्स्ट, सिर्फ़ तस्वीर या PDF में मौजूद सामग्री, ग़ैर-अंग्रेज़ी स्रोत, या बॉयलरप्लेट हटाने वाला कोई बहुत आक्रामक कदम। इनमें से एक भी वजह क्रिकेट के बारे में कुछ नहीं कहती। वे सब हमारे क्रॉलर के बारे में कहती हैं।

चौथा तथ्य तकनीकी कम, संस्थागत ज़्यादा है। 'जुड़ी संस्थाएँ' वाला खाना अपने आप को दोहराता है — उसमें लिखा है कि संस्थाएँ 'ऊपर दिए गए जानकारी के बिंदुओं से पहचानें', जबकि ऊपर कोई बिंदु ही नहीं है। एक फ़ील्ड जो अपने ही खालीपन की ओर इशारा करता है, वह डिज़ाइन की ग़लती है, संपादकीय की नहीं। ऐसे ढाँचे में हर खाना भरा हुआ लग सकता है और कुछ भी मापा हुआ नहीं।

पाँचवाँ तथ्य एक ठोस लागत है — समय। ट्रांसफ़र विंडो में खबर की उम्र घंटों में नापी जाती है। जिस लेख ने किसी अनुबंध, चयन या बोर्ड के मतदान की बात कही हो, वह 24 घंटे बाद अपना आधा मूल्य खो देता है। यहाँ 'समय-संवेदनशीलता' का खाना भी 'पहले चरण में आँका नहीं गया' कहकर छोड़ दिया गया — यानी यह भी पता नहीं कि कितनी देर हो चुकी है।

छठा तथ्य: इस विफलता की भरपाई किसी बाहरी डेटासेट से नहीं हो सकती। क्रिकेट में प्रारूप पहले तय होता है, तभी कोई संख्या मायने रखती है — T20 में 145 की स्ट्राइक रेट और टेस्ट में 25 की गेंदबाज़ी औसत दो अलग दुनियाएँ हैं। जब प्रारूप ही तय न हो, तो बाहरी आँकड़ा अंदर लाना ग़लती को और बढ़ा देता है। इसीलिए यहाँ कोई संख्या नहीं भरी गई — भरी जाती तो वह अनुमान होती, माप नहीं।

यहाँ एक पेशेवर बात दर्ज करनी ज़रूरी है, क्योंकि विंडो में सब जल्दी में हैं। एक खाली डेटासेट तटस्थ निष्कर्ष नहीं होता; वह एक अलग माप होता है — और यहाँ वह पाइपलाइन की नब्ज़ नाप रहा है, किसी टीम की नहीं। जिस पल हम N/A को 'कोई टिप्पणी नहीं' की तरह पढ़ते हैं, उसी पल एक ऐसी रिपोर्ट को हरी झंडी दे देते हैं जिसने कुछ भी नहीं मापा।

और यहीं मेरा पुराना नियम काम आता है: मॉडल भरोसा तब कमाता है जब वह दिखाता है कि वह कहाँ टूटता है। यह पाइपलाइन अपनी टूटन नहीं दिखा पाई, क्योंकि उसकी संरचना में वह जगह ही नहीं थी जहाँ लिखा जाए, 'मैं यहाँ फ़ेल हुआ।' आकार-जाँच वाले वैलिडेशन ने उसे ढक दिया। 2026 के बंद-दरवाज़ों वाले काम में भी यही सबक था: बुंदेसलीगा 16 मई को लौटा, घरेलू जीत की दर 43% से 33% पर आई, घरेलू xG अंतर +0.28 से −0.06 पर। उस अनुपात ने मजबूर किया कि हर मॉडल लेख में एक अनिवार्य कॉन्टेक्स्ट पैराग्राफ़ जोड़ूँ। यह रिपोर्ट उसी सबक का उल्टा उदाहरण है — कॉन्टेक्स्ट खाली, बाक़ी सब मौजूद।

इसका सीधा असर विंडो-रिपोर्टिंग पर पड़ता है। रोज़ सैकड़ों ऑटोमेटेड अपडेट निकलते हैं — फ़ीस, अनुबंध की अवधि, रिलीज़ क्लॉज़, वेतन-बिल पर असर। यह ठीक वही सामग्री है जिसमें जानकारी-घनत्व सबसे ज़्यादा होना चाहिए। अगर ऐसी कोई फ़ीड चुपचाप खाली लौटती है, तो पाठक को यह भी नहीं पता चलेगा कि उसने कुछ नहीं पढ़ा। वह अगली अफ़वाह पर चला जाएगा — जो शायद इसी पाइपलाइन की अगली उपज हो।

यहाँ एक ऐतिहासिक सावधानी ज़रूरी है। मेरी आदत है कि हर चुप्पी को संस्थागत इशारा मान लूँ — कोई चयन नहीं हुआ, तो ज़रूर गहरा कारण है; कोई मैच प्रसारित नहीं हुआ, तो ज़रूर कोई फ़ैसला है। यह आदत कभी-कभी सही निकलती है, और इसीलिए खतरनाक है।

इस मामले में तीन साधारण वजहें पहले रखनी होंगी, और उन्हें पीछे नहीं धकेलना चाहिए: सर्वर ने बॉडी नहीं दी; साइट ने पेवॉल लगाया; या डेस्क पर उस दिन आदमी कम थे। इनमें से कोई साज़िश नहीं है। अगर मैं इन्हें छोड़कर सीधे 'क्रिकेट का सत्ता-ढाँचा कुछ छिपा रहा है' लिख दूँ, तो वही ग़लती करूँगा जो दूसरों में निकालता हूँ।

फिर भी एक असली सवाल बचता है, और वह पाइपलाइन से बड़ा है। हमारा उद्योग रिपोर्ट का आकार बेचता है, रिपोर्ट का गोदाम नहीं। आठ खानों वाला ढाँचा, रंगीन ग्राफ़, 'आठ आयामों में विश्लेषण' — यह दिखता है। इसीलिए खाली खानों वाला दस्तावेज़ भी पूरा बना और प्रकाशन-योग्य लगा। जिस दिन उद्योग ने संख्या से ज़्यादा ढाँचे को अहमियत दी, उस दिन साइलेंट फेल्योर अनिवार्य हो गया। मैं संख्या से बहस नहीं करता; मैं उसके आसपास का वाक्य ऑडिट करता हूँ — और यहाँ वाक्य ही गायब है।

आगे क्या देखना है। अगली बार जब कोई क्रिकेट फ़ीड साफ़-सुथरा, खानों में बँटा अपडेट दे, तो एक सवाल पूछें: इसमें कितनी जानकारी है, बनाम कितनी जगह भरी है? अगर शून्य जानकारी पर भी रिपोर्ट आकार में पूरी लगती है, तो दिक्क़त पाइपलाइन की है — और पाइपलाइन पाठक को कभी नहीं बताती कि उसने कुछ नहीं बताया।

सेट पीस की तारीफ़ से पहले उसका फ़ेल होना दोहरा लेने की आदत अब क्रिकेट के डेटा-ढाँचे पर लगानी होगी। चुप्पी गुमशुदा डेटा नहीं है; वह एक अलग माप है। सवाल यह नहीं कि खाली खाना क्या छिपा रहा है। सवाल यह है कि आप उसे भरा हुआ क्यों मान बैठे।