खाली फ़ील्ड भी एक नतीजा है

तेरह अगस्त 2026 की रात मैंने एक क्रिकेट रिपोर्ट पर अपनी एक्सट्रैक्शन पाइपलाइन चलाई। आउटपुट लौटा: शीर्षक N/A, स्रोत N/A, प्रकार Unclassified, एक-वाक्य सार खाली, लेखक का रुख़ N/A, सूचना-बिंदुओं की सूची शून्य, इकाइयों की सूची में कुछ नहीं। पूरे रिकॉर्ड में एक ही सेल भरी थी — Domain Label: cricket_world।

सिस्टम ने इतना बता दिया कि जिस पाठ का उसे विश्लेषण करना था वह क्रिकेट से जुड़ा है, और उस पाठ की एक भी जानकारी नहीं दी। पुराने दिनों में मैं ऐसा रिकॉर्ड फाड़कर फेंक देता था। अब नहीं। मैंने उसे सेव किया, तारीख़ डाली, और उसी फ़ाइल में दर्ज किया कि इस खाली रिकॉर्ड के ऊपर कोई निष्कर्ष नहीं बनेगा।

यह लेख उसी खाली फ़ाइल के बारे में है — और उस दूरी के बारे में जो क्रिकेट कवरेज में 'डेटा नहीं मिला' और 'डेटा ऐसा ही था' के बीच रोज़ तोड़ी जा रही है।

नंबर से पहले एक गेंद होती है, और कोई न कोई उसे गिनता है। मार्च 2026 में मैंने 538 डिलीवरीज़ हाथ से लिखीं, तब जाकर टोटल पर भरोसा करना छोड़ा। उस वक़्त भारत में बॉल-बाय-बॉल डेटा कोई वेंडर नहीं बेचता था, इसलिए जोहान्सबर्ग से लौटकर ग्यारह रातें एक उधार के लैपटॉप पर बैठकर मैंने हर गेंद दर्ज की। स्कोरकार्ड कहता है ऑस्ट्रेलिया ने 359/2 बनाए और भारत 234 पर ढेर हो गया, 125 रन का अंतर। स्कोरकार्ड यह नहीं कहता कि ओवर 12 से 30 के बीच भारतीय मध्यक्रम ने 71 डॉट गेंदें खेलीं। मेरे रजिस्टर ने यह कहा। एडिटर ने उस नंबर को साइडबार में छापा और वह साइडबार मुख्य रिपोर्ट से ज़्यादा पढ़ा गया।

उस रात के बाद मेरी हर रिपोर्ट में कम से कम एक नंबर ऐसा होता है जो मैंने खुद बनाया है — स्कोरकार्ड से उठाया हुआ नहीं।

पाइपलाइन क्या करती है, और वह कहाँ टूटती है

आज मेरी पाइपलाइन का Stage-1 चार काम करता है: पेज फ़ेच करना, डोम पार्स करना, फ़ील्ड एक्सट्रैक्ट करना, और अंत में डोमेन लेबल लगाना। Stage-2 उन फ़ील्डों से दलील और निष्कर्ष निकालता है। खाली Stage-1 कोई रहस्य नहीं है — वह तीन विफलताओं में से एक है, और तीनों की उँगली का निशान अलग है।

पेलोड खाली: HTTP 200 लौटा, content-length शून्य के आसपास, पेज का ढाँचा खुला पर बॉडी में कुछ नहीं। पेपरवॉल, या वह जावास्क्रिप्ट जो सर्वर पर रेंडर ही नहीं हुआ।

फ़ेच ब्लॉक: 403 या 429, या कोई रोबोट-दीवार। पेज मौजूद है, हमारे पास नहीं।

पार्सर बेमेल: 200 लौटा, बॉडी में चालीस हज़ार अक्षर भी हैं, पर हमारे सेलेक्टर ने शून्य नोड पकड़े। साइट का डोम बदला, हमारा पार्सर नहीं।

तीनों में फ़र्क़ करने वाला सबूत लॉग में मौजूद रहता है — अगर लॉग रखा गया हो। मेरी टीम का नियम सख़्त है: नल को नल रहने दो। डिफ़ॉल्ट वैल्यू भरना उसी परिवार का पाप है जो छुपा हुआ संपादन है, और छुपा संपादन मेरे तरीके के ख़िलाफ़ सबसे बड़ा अपराध है।

एक मॉडल जो खाली इनपुट पर आत्मविश्वास से 'cricket_world' लौटाता है, वही मॉडल आधे-अधूरे इनपुट पर पूरा शतक गढ़ देगा।

यहीं क्रिकेट का डेटा-कारोबार दिलचस्प हो जाता है। बीसीसीआई जो चाहे सार्वजनिक करता है, और जो सार्वजनिक होता है वह अक्सर सार होता है — टोटल, औसत, स्ट्राइक रेट। डिलीवरी-लेवल रिकॉर्ड कम ही खुलते हैं। ऐसे बाज़ार में 'मुझे मैच याद है' सबसे सस्ता स्रोत है और सबसे महँगा भी, क्योंकि उसकी जाँच नहीं हो सकती। जहाँ आधिकारिक आर्काइव चुन-चुनकर खुलता है, वहाँ पाइपलाइन की विफलता सबसे ख़तरनाक चीज़ बन जाती है — वह चुपचाप भर दी जाती है।

मेरे कलेक्शन के अनुभव में यह भरने की आदत वहाँ सबसे तेज़ होती है जहाँ डिलीवरी-लेवल आर्काइव पतला है — घरेलू महिला क्रिकेट और रणजी के कुछ हिस्सों में यह पतलापन जाना-पहचाना है। पतले आर्काइव पर मोटा दावा छापना तकनीक की ग़लती नहीं, कवरेज की ग़लती है।

एक लेबल से कितने दावे निकलते हैं

जिस रिकॉर्ड में एक लेबल हो और तथ्य शून्य, वह रिकॉर्ड किसी निष्कर्ष का आधार नहीं बन सकता। मेरे पास काम करने का एक न्यूनतम मानक है। तीन सूचना-बिंदु चाहिए, हर एक के साथ उसका स्रोत। लेखक के रुख़ का एक उद्धृत पैराग्राफ़ चाहिए। इकाइयों की सूची चाहिए — कौन-सा खिलाड़ी, कौन-सी टीम, कौन-सी संस्था। इनके बिना Stage-2 का काम अनुमान है, और अनुमान को विश्लेषण कहना उस पाठक से धोखा है जो सुर्ख़ी पढ़कर आया था।

तथ्य-परत सबसे पहले आती है। स्कोर, तारीख़, खिलाड़ी का किस टीम से रिश्ता, टूर्नामेंट का कौन-सा चरण — ये आपस में मेल खाते हैं या नहीं। स्रोत आधिकारिक है या दूसरे हाथ का। एक भी असंगति मिले तो पूरा रिकॉर्ड संदिग्ध हो जाता है, चाहे उसका लेबल कितना साफ़ हो।

दलील का ढाँचा इसके बाद आता है। लेखक किन तथ्यों से किस निष्कर्ष तक पहुँचता है, और बीच में कौन-सा क़दम छूटा हुआ है। तीन मैचों के आधार पर किसी गेंदबाज़ को 'दबाव में फिट' घोषित करना आम है; छूटा हुआ क़दम यह है कि तीन मैच किसी भी नतीजे के लिए नमूना ही नहीं हैं।

रुख़ और फ़्रेमिंग की जाँच अपनी पसंद से नहीं, चयन की गिनती से होती है। एक ही कोच का बयान उद्धृत करना, एक ही ड्रेसिंग-रूम की छवि दोहराना — यह चयन-पूर्वाग्रह है, और वह सुर्ख़ी में ही एक तथ्य बन जाता है।

समय-संवेदनशीलता की परत अलग है। मैच-पूर्व भविष्यवाणी और मैच-बाद समीक्षा की जाँच-क्षमता अलग होती है। पहली को भविष्य की परत पर तौला जाता है, दूसरी को रिकॉर्ड से मिलाया जाता है। मैं हर सुर्ख़ी वाले दावे के साथ कॉन्फ़िडेंस स्टेटमेंट छापता हूँ, ताकि जहाँ नंबर नरम था वहाँ पाठक खुद देख सके।

सूचना-वृद्धि आख़िरी परत है। पुरानी बात दोहराना भी एक काम है, पर वह न्यूज़ नहीं है। नया क्या है — एक फ़ील्ड जो पहले किसी ने नहीं जोड़ा, एक तारीख़ जो पहले किसी ने नहीं दी, एक सुधार जो पहले किसी ने नहीं छापा।

इन पाँचों में से कोई भी खाली फ़ील्ड के ऊपर नहीं चढ़ती।

हर स्कोरकार्ड उन फ़ैसलों का सार है जो ऐसे लोगों ने लिए जिनसे आप कभी नहीं मिले। 2026 फ़ाइनल का टोटल सही है — 359/2, 234, 125 रन। वही टोटल दर्शक को यह नहीं बताता कि ओवर 12 से 30 के बीच क्या हुआ। यही संपीड़न है: पाँच सौ से ज़्यादा गेंदें सिमटकर चार नंबरों में आ जाती हैं, और वे नंबर अपने आप में झूठे नहीं होते, अधूरे होते हैं।

ब्रॉडकास्ट ग्राफ़िक्स पर जो नेट रन रेट चढ़ता है, वह भी किसी एक ओवर के भीतर लिए गए फ़ैसलों का जोड़ है — किस ओवर में कितने रन आए, किस गेंदबाज़ के ख़िलाफ़ किस बल्लेबाज़ ने कितनी गेंदें खर्च कीं। जब तक आप उसे डिलीवरी से दोबारा नहीं बनाते, आप एक ग्राफ़िक उधार ले रहे हैं, तथ्य नहीं।

2026 में केएससीए के सलाहकार के तौर पर मैंने तालेंट रिसोर्स डेवलपमेंट विंग खड़ा किया था। सोच सीधी थी: ज़ोनल सेलेक्टर की नज़र के भरोसे मत बैठो, ऐसी रिकॉर्ड-चेन बनाओ जिसमें हर खिलाड़ी की पहुँच दर्ज हो। 2026 में बीसीसीआई ने उस मॉडल को पूरे देश में दोहराया, और उसी चेन से महेंद्र सिंह धोनी, सुरेश रैना, इरफ़ान पठान और आर. पी. सिंह जैसे नाम सामने आए। उस मॉडल ने एक बात सिखाई जो आज भी लागू है: खोज वहाँ होती है जहाँ रिकॉर्ड की चेन बनी रहती है; तेज़ नज़र वहाँ भी चूकती है जहाँ सुविधा सबसे ज़्यादा होती है।

वह जगह जहाँ हम खाली जगह को याद से भर देते हैं

यहाँ मुझे अपने ही पेशे की सबसे आसान ग़लती लिखनी है — खाली जगह को याद से भर देना। क्रिकेट का कमेंट्री बॉक्स सत्तर साल से इसी तरीके पर चला है, और वह तरीका हमेशा ग़लत नहीं था; वह बस जाँच-योग्य नहीं था। डेटा डेस्क का काम याद को मिटाना नहीं, उसके सामने ऐसा नंबर रखना है जिसे कोई दोबारा गिन सके।

अपनी एक विफलता भी दर्ज करता हूँ। कुछ साल पहले मेरा प्रेशर इंडेक्स एक मैच में पाँच बजा रहा था। प्रेशर इंडेक्स ने पाँच कहा था। मुझे एक हफ़्ता लगा यह समझने में कि किसी ने उसे क्यों नहीं माना। मेरा पहला रिफ़्लेक्स यह था कि मैं मेथडोलॉजी और ज़ोर से समझाऊँ — ENTJ वाली आदत। ग़लती वहाँ थी। समस्या मॉडल में नहीं, इनपुट की उस डिलीवरी-लेवल धारणा में थी जो गिर गई थी। उस हफ़्ते के बाद मेरा नियम बना: विफलता का केस पहले छापो, टूटी हुई धारणा का नाम लो, पाठक को ग़लती खुद दोहराने दो — सुधार बाद में।

संयोग और कारण के बीच की खाई भी इसी जगह खुलती है। एक ही मैच में दो चीज़ें साथ घटीं — कप्तान बदला और रन रेट चढ़ा — इसका मतलब यह नहीं कि एक ने दूसरी को बनाया। टेप के तीन घंटे बाद संयोग एक बचाव योग्य पक्ष नहीं रह जाता, पर तीन घंटे से कम पर वह सबसे आकर्षक कहानी होती है और सबसे कमज़ोर दलील।

अमेरिका में जन्मा और सेबरमेट्रिक्स की ट्रेनिंग लेकर यहाँ काम करते हुए एक चीज़ साफ़ दिखती है, और उसे लिखना ज़रूरी है: भारत के प्रिंट डेस्क और क्षेत्रीय भाषा के पत्रकार स्प्रेडशीट से दशकों पहले तथ्य जाँच रहे थे, और आज भी जाँच रहे हैं। उन्हें 'प्री-एनालिटिकल' कहना सस्ता और ग़लत है। मेरे लिए हिंदी और तमिल कमेंट्री अनुवाद की परत नहीं, वितरण का असली चैनल है।

और एक पेशेवर जाल जिसे मैं रोज़ महसूस करता हूँ: नीलामी के हफ़्ते में एक ऑक्शन-पर्स सिम्युलेटर रणजी नॉकआउट ऑडिट से कई गुना ज़्यादा चलता है। प्रोडक्ट-दिमाग़ वहीं बैठ जाता है जहाँ दर्शक हैं। इसलिए मैंने दो डैशबोर्ड अलग रखे हैं — दर्शक वाला और संपादकीय वाला। रणजी और महिला क्रिकेट के ऑडिट एक तय कैलेंडर पर बनते हैं, पिछले महीने के पेजव्यू पर नहीं।

अगले साइकल में क्या माँगना है

खाली Stage-1 पर तीन वैध रास्ते हैं, और तीनों में मेहनत है। दूसरे रेंडरर के साथ फिर फ़ेच करो और लॉग में कारण कोड लिखो। रिकॉर्ड को 'विफल' चिह्नित करो, साथ में विफलता का वर्ग — पेलोड, ब्लॉक, पार्सर। या इंसान तक एस्केलेट करो, जो तय करे कि यह कहानी जारी रखने लायक है या नहीं। कोई चौथा रास्ता नहीं है, और चौथा रास्ता ही रोज़ चुना जाता है — अनुमान से भर देना।

अगले टूर्नामेंट साइकल में मैं तीन चीज़ें माँगूंगा, और वे तीनों मेरे अपने डैशबोर्ड पर भी लागू होंगी। हर रिकॉर्ड के साथ एक तारीख़ — आर्काइव का दिन, कलेक्शन का दिन, प्रकाशन का दिन। हर सुर्ख़ी वाले दावे के साथ कॉन्फ़िडेंस स्टेटमेंट — नमूना कितना छोटा है, कौन-सी धारणा नरम है। और हर सुधार सार्वजनिक, पुराने नंबर को दिखता हुआ, तारीख़ के साथ।

मेरे सीएमएस में इस वक़्त कितने N/A पड़े हैं जिन्हें डैशबोर्ड 'तथ्य' पढ़ रहा है? यह सवाल मैं हर सोमवार अपनी टीम से पूछता हूँ, और अभी तक हर सोमवार जवाब में कम से कम एक खाली फ़ील्ड निकलती है — जो अब, पहली बार, एक नतीजा है।