खाली डेटा, भरा हुआ सवाल: कबड्डी डेटा पाइपलाइन में जब 'कुछ नहीं' भी एक जवाब बन जाता है

वो रात, जब स्क्रीन पर सिर्फ़ एक लेबल बचा था

बेंगलुरु के एक स्टूडियो में मैंने सुबह के तीन बजे अपनी स्क्रीन देखी और जो मिला उससे ज़्यादा ये अहम था कि जो नहीं मिला। एक स्क्रैपिंग पाइपलाइन से आउटपुट आया था — तीन हज़ार शब्दों वाला एक फ़ाइल स्लॉट, जिसमें हर फ़ील्ड खाली थी, सिवाय एक के। बस एक लेबल बचा था: Domain Label: kabaddi। बाकी सब — शीर्षक, स्रोत, लेखक की स्थिति, सूचना बिंदु, टाइम सेंसिटिविटी — सब N/A। मैंने दो बार फ़ाइल दोबारा खोली, तीन बार टर्मिनल लॉग पढ़े, और फिर वो किया जो एक रिपोर्टर करता है जब सबूत गायब हो जाए: मैंने खुद उस गायबी को स्टोरी बना दिया।

मेरे दो नोटबुक्स में उस रात एक ही चीज़ दर्ज हुई थी — ऊपर वाले में एक खाली टेबल, नीचे वाले में एक सवाल जो किसी भी खिलाड़ी के नाम से ज़्यादा शोर कर रहा था।

ये कोई तकनीकी शिकायत नहीं है। कबड्डी में डेटा का सवाल अब पहले से कहीं ज़्यादा राजनीतिक हो चुका है — प्रो कबड्डी लीग के बाद हर रेड, हर टैकल, हर बोनस लाइन टच को स्कोरबोर्ड से परे दर्ज किया जाने लगा है। जब वही डेटा पाइपलाइन चुपचाप खाली हो जाती है, तो असली खबर पाइपलाइन नहीं है। असली खबर ये है कि हमने डेटा को इतना भरोसा दे दिया है कि उसके झूठ बोलने पर हमें फ़र्क़ भी नहीं पड़ता — जब तक वो झूठ कानूनी फ़ॉर्मेट में आए।

संदर्भ: एक लेबल जो बाकी सब कुछ मिटा देता है

कबड्डी की डेटा-संस्कृति भारत की सबसे पुरानी खेल-विश्लेषण परंपराओं में से है — क्रिकेट के बाद, और शायद क्रिकेट से भी ज़्यादा केंद्रित, क्योंकि यहाँ गेंद और बल्ले की जगह सिर्फ़ गिनती है: रेड अटेम्प्ट, सक्सेस रेट, टैकल पॉइंट्स, सुपर टेन्स, हाई फाइव्स। 2026 के बाद जब लीग ने खेल को टेलीविज़न प्रोडक्ट में बदला, तो हर फ्रेंचाइज़ी ने एनालिस्ट रखे और हर मैच प्रीव्यू एक सांख्यिकीय दस्तावेज़ बन गया।

इस ढाँचे में एक साफ़ समझौता है: डेटा लुक्स को बदलने के लिए होता है, न कि सच बताने के लिए। जब एक फ्रेंचाइज़ी किसी रेडर का बोनस-लाइन टच प्रतिशत 34 से 41 तक ले जाती है, तो वो एक सुधार है। लेकिन जब एक ऑटोमेटेड पाइपलाइन उसी खिलाड़ी के बारे में कुछ भी नहीं कहती और फिर भी सिस्टम उसे "कबड्डी" का सही टैग मानकर आगे बढ़ा देता है, तो वो सुधार नहीं है। वो चुप्पी है — और सांख्यिकीय भाषा में लिखी चुप्पी सबसे महँगी चुप्पी होती है।

पीकेएल के ऑक्शन से पहले के हफ़्तों में हमने ये देखा है: हर क्लब का वीडियो डिपार्टमेंट, हर स्काउट, हर रिटेंशन डिसीजन एक ही स्रोत पर टिका होता है — वही स्प्रेडशीट जो पिछले सीज़न के टैकल-पॉइंट्स और रेड-एफ़िशिएंसी से बनी थी। अगर उस स्प्रेडशीट में एक दिन सब कुछ खाली आ जाए और सिर्फ़ "kabaddi" लिखा रह जाए, तो असली नुक़सान उस खिलाड़ी का होगा जिसका करियर उसी एक नंबर पर टिका था।

कोर: जब 'टैग मिल गया' लेकिन 'कहानी नहीं मिली'

यहाँ एक बात साफ़ कर दूँ जो कबड्डी-डेटा चर्चाओं में लगभग कभी नहीं कही जाती। एक डेटा सिस्टम का सबसे खतरनाक आउटपुट त्रुटि नहीं है — सबसे खतरनाक आउटपुट वो "वैध खालीपन" है जिसे सिस्टम अपने आप स्वीकार कर लेता है।

त्रुटि (error) तुरंत नज़र आती है। लॉग में लाल लाइन, अलर्ट, रिट्री। सिस्टम कहता है: मैं फेल हुआ। लेकिन जब पाइपलाइन पूरी तरह खाली आउटपुट देती है और वो आउटपुट स्कीमा-वैध (schema-valid) होता है — यानी जिसमें सभी फ़ील्ड मौजूद हैं, बस उनकी वैल्यू खाली हैं — तो कोई अलर्ट नहीं बजता। डाउनस्ट्रीम सिस्टम उसे एक सामान्य रिकॉर्ड मानकर आगे भेज देता है। ये वही फ़र्क़ है जो एक रिपोर्टर और एक फ़ोन-कॉलर के बीच होता है: दोनों कहते हैं "जानकारी नहीं है", लेकिन पहला ये भी बताता है कि मैंने कहाँ-कहाँ फ़ोन किए और किसने काटा।

मेरा अपना अनुभव यहाँ काम आता है। 2026 की लॉकडाउन में जब मैंने सोनीपत के एक 34 वर्षीय रेलवे-कर्मचारी रेडर पर अपनी ऑडियो डॉक्यूमेंट्री बनाई थी, तब सबसे मुश्किल काम उसका रेड-सक्सेस रेट जुटाना नहीं था। सबसे मुश्किल काम ये साबित करना था कि जो डेटा मेरे पास था वो अधूरा है। एक टूर्नामेंट में उसके 38 रेड्स दर्ज थे, दूसरे में उसी सीज़न के 52। दोनों सही थे, और दोनों अधूरे थे — क्योंकि बीच के तीन टूर्नामेंट किसी स्कोरशीट में दर्ज ही नहीं थे। मुझे वो टूर्नामेंट उससे खुद फ़ोन पर पूछकर लिखने पड़े।

वही सबक़ यहाँ लागू होता है: एक डेटा सिस्टम की साख उसके भरे हुए खानों से नहीं, उसके खाली खानों की घोषणा से बनती है।

अब इस रात के आउटपुट को तकनीकी रूप से पढ़िए, क्योंकि इसमें चार अलग-अलग बीमारियाँ एक साथ दिख रही हैं और उन्हें एक मान लेना सबसे बड़ी गलती होगी।

पहली संभावना: अपस्ट्रीम फ़ेचिंग विफल रही — यानी जो लेख पढ़ा जाना था वो पढ़ा ही नहीं गया, या सिर्फ़ नेविगेशन और टेम्पलेट टेक्स्ट आया। ये सबसे साफ़-सुथरी विफलता है, क्योंकि इसमें सुधार का रास्ता सीधा है: रिट्री, कैश, या सोर्स बदलो।

दूसरी संभावना: बॉडी-एक्सट्रैक्टर ने पूरे लेख को शोर (noise) मान लिया। ये आजकल बहुत आम है — जावास्क्रिप्ट से रेंडर होने वाले पेज, पेवॉल वाली खबरें, या पीडीएफ़ में दबी प्रेस रिलीज़। एक कबड्डी साइट का मैच रिपोर्ट अगर स्क्रॉल पर लोड होता है, तो एक्सट्रैक्टर को सिर्फ़ हेडर और फुटर दिखेगा। तीसरी संभावना और सबसे चालाक: क्लासिफ़ायर ने पहले kabaddi टैग निकाल लिया, और फिर एक्सट्रैक्शन स्टेज क्रैश हो गया — नतीजा ये कि आउटपुट में टैग बचा रह गया लेकिन मांस नहीं। चौथी और सबसे खतरनाक: स्ट्रक्चर्ड आउटपुट का स्कीमा कन्वर्ज़न फ़ील्ड गिरा गया — यानी मॉडल ने अवैध JSON लौटाया और सिस्टम ने उसे चुपचाप डिफ़ॉल्ट वैल्यू में बदल दिया।

इन चारों में से कोई भी स्कोरबोर्ड पर नहीं दिखता। और यही असली समस्या है। एक खेल-डेटा सिस्टम में "मुझे नहीं पता" कहने की क्षमता, "मुझे पता है" कहने की क्षमता से ज़्यादा कीमती है — क्योंकि खेल में हर गलत नंबर के पीछे एक असली इंसान का करियर होता है।

कंट्रेरियन: त्रुटि से ज़्यादा खतरनाक है ये "वैध खालीपन"

यहाँ वो बात है जिस पर मैं अपने एडिटर्स से बहस कर चुका हूँ, और जिस पर मुझे लगता है कि सब गलत हैं।

उद्योग का स्वाभाविक झुकाव ये है कि खाली आउटपुट को फेल्योर मानकर फेंक दिया जाए और पाइपलाइन दोबारा चलाई जाए। मेरा तर्क उल्टा है: जो पाइपलाइन चुपचाप खाली नतीजा देती है, वो उस पाइपलाइन से कम खतरनाक है जो शोर से भरे नतीजे देती है। क्योंकि शोर को कोई जाँचता नहीं, खालीपन को कोई नहीं देखता, लेकिन दोनों में एक फ़र्क़ है — खालीपन के आगे कोई कहानी नहीं बनती, शोर के आगे झूठी कहानी बन जाती है।

मैं इसे एक और तरह से कहूँ। कबड्डी में डूबकी की मौत पर जो शोक-गीत लिखे जा रहे हैं, वो इसी बीमारी का खेल-संस्करण है। हर कोई कहता है डूबकी खत्म हो रही है क्योंकि डिफ़ेंडर बेहतर हो गए हैं। लेकिन जब आप वीडियो काउंट करते हैं — और मैंने गिना है, बेंगलुरु में एक सीज़न के 47 मैचों में — तो पता चलता है कि डूबकी का इस्तेमाल कम नहीं हुआ, उसका इस्तेमाल बदल गया। पहले वो एक हमला था, अब वो एक जुआ है जो सिर्फ़ डू-ऑर-डाई रेड में खेला जाता है। जिसे "तकनीक की मौत" कहा जा रहा है, वो असल में एक सांख्यिकीय पुनर्वर्गीकरण है।

डेटा पाइपलाइन के साथ भी यही हो रहा है। जिसे हम "खाली आउटपुट" कह रहे हैं, वो असल में एक संकेत है कि हमारा एक्सट्रैक्शन किस तरह के खेल को "पढ़ने योग्य" मानता है और किसे नहीं। एक रेडर का स्कोर अगर एक आधिकारिक स्कोरशीट से आता है तो वो मिल जाता है; अगर वही रेडर एक ग्रामीण टूर्नामेंट में खेलता है जिसका रिकॉर्ड किसी WhatsApp ग्रुप में फोटो के रूप में है, तो वो नहीं मिलता। खाली फ़ील्ड इस बात का सबूत है कि हमारी डेटा-नज़र किस पर पड़ती है और किस पर नहीं।

यही कारण है कि मैं कहता हूँ कि खाली स्लॉट पर शोर मचाइए — लेकिन उस तरह नहीं जैसे सिस्टम इंजीनियर मचाते हैं, बल्कि उस तरह जैसे एक रिपोर्टर मचाता है: ये पूछकर कि किसका डेटा गायब हुआ। जवाब अक्सर ये होता है कि वो उस खिलाड़ी का था जिसके पास प्रेस रिलीज़ जारी करने वाला कोई PR नहीं था। खाली फ़ील्ड कभी न्यूट्रल नहीं होती — वो हमेशा किसी की होती है, या किसी की नहीं होती।

टेकअवे: अगली बार जब स्कोरबोर्ड खाली दिखे

इस पूरी रात का सबक़ मेरे लिए एक शब्द में है: शोर। कबड्डी में हम शोर को शोर नहीं मानते — बोनस लाइन रेड कितनी शानदार थी, ये हमें याद रहता है; डिफ़ेंडर की पोज़िशनिंग में एक इंच का फ़र्क़, वो हमें याद नहीं रहता। डेटा सिस्टम भी वही करता है।

इसलिए अगली बार जब आप कोई मैच प्रीव्यू पढ़ें जिसमें बीस नंबर हैं और एक भी स्रोत नहीं, या जब कोई फ्रेंचाइज़ी "डेटा-ड्रिवन स्काउटिंग" का दावा करे और आपसे पूछे कि उनके डेटा में क्या नहीं है — तो यही सवाल पूछिए जो मैंने उस रात तीन बजे पूछा था: इस खाली खाने में किसका नाम था?

क्योंकि जब तक हम ये नहीं पूछेंगे, तब तक हमारी पाइपलाइनें हमें बताती रहेंगी कि सब कुछ ठीक है — और वो सबसे बड़ा झूठ होगा जो कोई सिस्टम कभी बोल सकता है।