खाली रिकॉर्ड: क्रिकेट के डेटा डेस्क में जब 'कुछ नहीं' को 'राय नहीं' पढ़ लिया जाता है

विधि-नोट: क्या गिना गया — स्टेज-1 आउटपुट रिकॉर्ड के सभी बारह फ़ील्ड: शीर्षक, स्रोत, लेख-प्रकार, डोमेन लेबल, एक-वाक्य सार, सूचना-बिंदु, इकाइयाँ, लेखक की स्थिति, उद्देश्य, समय-संवेदनशीलता। कहाँ से — पाइपलाइन के डाउनस्ट्रीम आउटपुट से, ऊपरी धारा के मूल पाठ के बिना। कब — 12 मार्च 2026। सीमा — जब तक मूल पाठ नहीं मिलता, यह नोट किसी मैच के बारे में नहीं, मैच की रिपोर्टिंग के बारे में है।

रिकॉर्ड में बारह खाली जगहें थीं। शीर्षक — N/A। स्रोत — N/A। एक-वाक्य सार — खाली। सूचना-बिंदु — खाली सूची। लेखक की स्थिति — N/A। उद्देश्य — N/A। और इन सबके बीच एक फ़ील्ड ऐसी थी जो भरी हुई थी: domain_label — cricket_asia।

यही असंगति पूरी कहानी है। जिस स्तर ने लेबल दिया, वह चल रहा था। जिस स्तर ने वाक्य लाने थे, वह चुप था। मेरे पास एक आईडी थी, एक यूआरएल था, एक डोमेन था — और एक भी वाक्य नहीं था जिसे मैं उद्धृत कर सकूँ। एक खाली स्टेडियम में बैठकर आप कम से कम पिच पर गिरती गेंद की आवाज़ सुन सकते हैं। एक खाली रिकॉर्ड में वह आवाज़ भी नहीं होती।

फ़ाइलें दो तरह से झूठ बोलती हैं: गलत संख्या से, और खाली जगह से। पहली गलती पकड़ी जाती है। दूसरी चुपचाप आगे बढ़ जाती है — क्योंकि खाली जगह कोई दावा नहीं करती, और जो दावा नहीं करता, उसे काटा नहीं जाता।

यह लेख उसी दूसरी गलती के बारे में है, और उस पेशे के बारे में जो अब पूरी तरह उसी पर टिका है।

सोलह साल से मैं क्रिकेट के आँकड़ों को हाथ से कोड करता आया हूँ। जून 2026 में, दिल्ली में दूसरे साल की समाजशास्त्र की परीक्षा के बाद, ओवल में चैंपियंस ट्रॉफी का फाइनल देखा — पाकिस्तान 338/4, भारत 158 ऑल आउट, 180 रन का अंतर। उस रात मैंने एक शब्द नहीं लिखा। रिकॉर्डिंग से सारी 483 गेंदें हाथ से स्प्रेडशीट में उतारीं: लाइन, लेंथ, शॉट का प्रकार, गेंदबाज़ का प्रकार, फ़ील्ड की स्थिति। शीट बारह पोस्ट के थ्रेड के साथ छापी। चार हज़ार रीट्वीट आए, और एक अख़बार के सब-एडिटर का गुस्से भरा ईमेल, जो पूछ रहा था कि मेरे आँकड़े मैच रिपोर्ट से क्यों नहीं मिलते।

उस रात से मैंने दावे से पहले तरीका लिखना शुरू किया। आज भी हर टुकड़े की पहली दो पंक्तियाँ विधि और स्रोत की होती हैं, तर्क की नहीं। एडिटरों को मेरा वाक्य पहले नहीं मिलता — सोर्स लाइन पहले मिलती है।

क्रिकेट की पत्रकारिता अब एक ऐसी पाइपलाइन पर चलती है जिसके चार स्तर हैं: कच्चे पाठ का निष्कर्षण (extraction), फिर वर्गीकरण (classification), फिर सारांश, फिर विश्लेषण। जो रिकॉर्ड मेरे सामने रखा है, वह पहले और तीसरे स्तर पर फ़ेल हुआ है और दूसरे स्तर पर पास। यही इस पूरे घटनाक्रम का सबसे उपयोगी सबक़ है: पाइपलाइन का कोई भी स्तर 'कुछ नहीं मिला' और 'कुछ नहीं था' के बीच फ़र्क़ नहीं करता, जब तक उसे ज़बरदस्ती न करवाया जाए।

तीन सबूत एक ही दिशा में इशारा करते हैं।

पहला, शीर्षक और स्रोत दोनों खाली हैं। सामान्य निष्कर्षण में यही दो चीज़ें सबसे कम खोती हैं, क्योंकि वे अक्सर पेज के मेटाडेटा से सीधे उठा ली जाती हैं — HTML का टाइटल टैग, ओपन-ग्राफ़ टैग, कैनोनिकल यूआरएल। इन दोनों का एक साथ खाली होना बताता है कि जो इनपुट स्टेज-1 को दिया गया, वह या तो खाली था, या मुख्य लेख का हिस्सा नहीं था।

दूसरा, लेख-प्रकार 'Unclassified' है, मगर डोमेन लेबल 'cricket_asia' ठीक से निकल आया है। दोनों की उम्मीद एक ही स्रोत से थी — मुख्य पाठ से। जब लेबल निकलता है मगर प्रकार नहीं, तो समझना चाहिए कि वर्गीकरण चल रहा है किसी और चीज़ पर: आईडी, यूआरएल, या साइट-स्तर के फ़ीड पर। मुख्य पाठ को छूने वाला स्तर ही फ़ेल हुआ है।

तीसरा, और सबसे चुभने वाला — सार खाली है, मगर 'लेखक की स्थिति' और 'उद्देश्य' N/A लौटे हैं। खाली और N/A अलग-अलग चीज़ें हैं। यह अंतर बताता है कि स्टेज-1 के अलग-अलग क़दमों को एक ही हालत में इनपुट नहीं मिला था। अगर समस्या 'लेख बहुत छोटा था' होती, तो सब कुछ एक जैसा खाली होता। यहाँ तीन अलग-अलग विफलता-मोड हैं, यानी पाइपलाइन टूटी है, लेख नहीं।

सबसे संभावित जड़: मुख्य पाठ निकालने वाला फंक्शन खाली लौटा। इसके चार जाने-पहचाने कारण होते हैं — जावास्क्रिप्ट से बना पेज, जिसमें पाठ सर्वर पर था ही नहीं; पे-वॉल या लॉगिन की दीवार; article चुनने वाला सलेक्टर साइट-डिज़ाइन से मेल न खाना; या टेक्स्ट एन्कोडिंग की गड़बड़ी। पाँचवाँ कारण जिसे लोग गिनते नहीं: राउटिंग। यानी गलत रिकॉर्ड गलत जगह जुड़ गया — पाइपलाइन सही चली, सिर्फ़ सामग्री किसी और लेख की थी।

अब वह हिस्सा जो मेरी नज़र में सबसे महँग है। पाइपलाइन में आम तौर पर ऐसा होता है कि हर चर के नीचे एक बचाव-मूल्य (fallback) लगा दिया जाता है। यानी title?? "N/A"। यह एक लाइन प्रोग्रामर की नज़र में मासूम है — कोई चर null है तो खाली स्ट्रिंग के बजाय N/A लिख दो, कोड क्रैश नहीं होगा। समस्या यह है कि इस लाइन ने एक 'तकनीकी विफलता' को 'सामग्रीगत निष्कर्ष' में बदल दिया। निष्कर्षण फ़ेल हुआ, मगर डेटाबेस में दर्ज हो गया कि इस लेख का शीर्षक ही नहीं है।

इसी के जुड़वाँ भाई हैं खाली सूचियाँ और खाली सारांश। एजेंट देखता है: सूचना-बिंदु शून्य, सार शून्य, शीर्षक N/A — और सोचता है, इस लेख में कोई विश्लेषणीय तथ्य नहीं है। तकनीकी सच यह था: लेख हमारे पास पहुँचा ही नहीं। दोनों वाक्यों के बीच एक पूरा संपादकीय महाद्वीप है, और पाइपलाइन उसे एक शून्य की चौड़ाई में मिला देती है।

खाली रिकॉर्ड खतरनाक इसलिए नहीं है कि वह गलत है। वह खतरनाक इसलिए है कि वह देखने में विनम्र है। जो संख्या गलत आती है, वह बहस छेड़ती है। जो संख्या आती ही नहीं, वह चुपचाप पार हो जाती है और आगे की सारी गणनाओं में 'शून्य योगदान' बनकर बैठ जाती है।

मुझे यह बात खेल के मैदान से पता चली, मीडिया रिपॉज़िटरी से नहीं। सितंबर 2026 में, महामारी के बीच आईपीएल यूएई में बंद दरवाज़ों के पीछे खेला गया। मैं दुबई की एक प्रोडक्शन हाउस के लिए बॉल-लॉगिंग का कॉन्ट्रैक्ट लेकर वहाँ चला गया। मैंने 2026 विश्व कप के दौरान अपना expected-runs-प्रति-गेंद मॉडल सीखा था और उसे चरणों (phases) में तोड़ दिया। 2026 के होम-वेन्यू आँकड़ों की तुलना 2026 के तटस्थ-वेन्यू आँकड़ों से की। ે मिला: भीड़ हटाने के बाद दुबई और अबू धाबी का स्टेडियम-प्रभाव 3 प्रतिशत अंक से नीचे रह गया, जबकि शारजाह का ओस दूसरी पारी की रन-रेट को लगभग एक रन प्रति ओवर तक घुमा देता था।

उस अभ्यास ने मेरी आदत बदल दी। आज मैं '190 बना' नहीं लिखता। मैं लिखता हूँ: 190, जो इस मैदान की दूसरी पारी के औसत से चौदह रन ऊपर है। इससे लिखना धीमा हो गया, और बहस करना बहुत कठिन — यही वह सौदा था जो मुझे करना था।

और यही उस कमी के बारे में सच है जिसे मैं उस खाली रिकॉर्ड में देख रहा हूँ। जब आधार-रेखा (baseline) गायब होती है, तो तुलना का भ्रम बना रहता है। सूचना-बिंदु खाली हैं, मगर विश्लेषण का ढाँचा मौजूद है — शीर्षक, खंड लेखक, सारांश। यानी फ़ॉर्म मौजूद, सामग्री शून्य। यह पाइपलाइन में वही है जो क्रिकेट में 'ओस को भूल जाना' है: मॉडल चलता रहता है, बस जिस चर के लिए वह बना था, वह उसके सामने रखा ही नहीं गया।

क्रिकेट में इस आदत का नमूना मेरे पास दो साल पुराना है। अक्टूबर 2026, दुबई, टी20 विश्व कप। भारत के पहले मैच से तीन हफ़्ते पहले मैंने एक मेमो फैलाया — भारत की मध्य ओवरों की स्कोरिंग दर, ओवर 7 से 15 तक, 6.9 प्रति ओवर थी, आठ सीडेड टीमों में सबसे कम। 24 अक्टूबर को पाकिस्तान ने दुबई में 152 का लक्ष्य बिना विकेट खोए पूरा कर लिया — बाबर आज़म और मोहम्मद रिज़वान। एक हफ़्ते बाद न्यूज़ीलैंड ने भारत को 110/7 पर रोक दिया और भारत बाहर हो गया।

उस मेमो का जो हिस्सा किसी ने नहीं पढ़ा, वह यह था: मैंने यह नहीं लिखा था कि भारत हारेगा। मैंने लिखा था कि अगर मध्य ओवरों की दर 7.4 से नीचे रही, तो दुबई जैसी धीमी पिच पर हार की संभावना बढ़ जाती है। यानी ग़लत होने की शर्त पहले छाप दी गई थी। यही वह अनुशासन है जो उस खाली रिकॉर्ड में नहीं है। उस रिकॉर्ड में कोई शर्त नहीं है — इसलिए कोई उसे ग़लत भी नहीं साबित कर सकता। जो दावा ही न करे, वह कभी हारता नहीं। यह पत्रकारिता का सबसे आरामदायक और सबसे बेकार रूप है।

मुझे यहाँ एक और मिलती-जुलती चीज़ दिखती है, जिससे आम पाठक अनजान है। ट्रांसफ़र और वैल्यूएशन के काम में एक नियम है जिसे मैंने नवंबर 2026 में जेद्दा में सीखा, जब आईपीएल की मेगा नीलामी पहली बार भारत से बाहर हुई और मैंने एक फ़्रैंचाइज़ी के लिए वैल्यूएशन मॉडल बनाया। हर खिलाड़ी के टी20 फ़ेज़ आँकड़ों को 'प्रति करोड़ जीते गए मैच' (wins-added per crore) में बदला, ₹120 करोड़ के पर्स के सामने रखा। मेरी शीट ने कहा कि विकेटकीपर-बल्लेबाज़ का प्रीमियम ग़लत कीमत पर बिक रहा है। रिकॉर्ड रहा: ऋषभ पंत लखनऊ गए ₹27 करोड़ में, श्रेयस अय्यर पंजाब गए ₹26.75 करोड़ में। हमारी तरफ़ से तीन गेंदबाज़ ₹9.4 करोड़ में आए, कमरे में सबसे ज़्यादा हेडरूम बचा — और मैंने महीने भर कोच के फ़ैसले गँवाए।

उस अनुभव से एक ही आदत जीवित बची: वैल्यूएशन को फ़ैसले की तरह नहीं, रेंज की तरह लिखना। 'हमारे मॉडल पर ₹12–15 करोड़' — न कि '₹14 करोड़ का है।' कठोरता तरीके के अंदर रही, वाक्य से बाहर चली गई। कोच इसीलिए पढ़ते रहे।

अब वही सवाल उस खाली रिकॉर्ड पर लगाइए। जब किसी मॉडल का एक इनपुट गायब हो, तो वह ग़लत नतीजा नहीं देता — वह आत्मविश्वासी ग़लत नतीजा देता है। क्योंकि मॉडल 'इनपुट नहीं मिला' नहीं लिखता। वह अपने अंदर मौजूद शून्य को एक असली शून्य मानकर गणना कर लेता है, और आगे बढ़ जाता है। एक वंचित खिलाड़ी के आँकड़े जब वैल्यूएशन शीट में खाली आते हैं, तो सिस्टम उसे 'शून्य रन, शून्य विकेट' पढ़ता है। ट्रांसफ़र मार्केट में यह मौजूदा दौर का सबसे नीरस सच है: बड़ी बोली वह जीतती है जिसके पास सबसे अच्छा स्काउटिंग नेटवर्क हो, न कि ब्रांड। और स्काउटिंग नेटवर्क वही जीतता है जो सबसे कम खाली पंक्तियाँ अपने साथ लाता है।

यहाँ एक कड़ी जोड़ना ज़रूरी है, क्योंकि यहाँ से आगे क्रॉस-फ़ॉर्मेट की सीमा शुरू होती है। वैल्यूएशन फ़ॉर्मूले के बारे में जो बात मैंने आईपीएल के लिए कही, वह अंतरराष्ट्रीय टेस्ट क्रिकेट पर जस की तस नहीं लगाई जा सकती। टी20 फ़ेज़ की स्ट्राइक रेट, प्रति करोड़ प्रीमियम और नीलामी की गणित एक बंद बाज़ार की गणित है, जहाँ पर्स तय है, खिलाड़ी की उपलब्धता तय है, और मैदान का आकार असमान है। टेस्ट में यह ढाँचा टूटता है। अगर मैं आईपीएल के 'डेथ-ओवर स्पेशलिस्ट' प्रोफ़ाइल को किसी टेस्ट पदोन्नति के तर्क में ले जाऊँ, तो मुझे यह लिखना ही होगा कि मैंने कौन-सी धारणा उठाई है और वह किस हालत में फ़ेल होगी: कि रेड-बॉल में ओवर की गिनती, फ़ील्ड प्रतिबंध और बल्लेबाज़ की निरंतरता की तीनों शर्तें बदल जाती हैं। यही वह जगह है जहाँ खेल के आँकड़े और खेल के दावे अलग रास्ते पकड़ लेते हैं — और जहाँ पाइपलाइन की ग़लती सबसे ज़्यादा हानि पहुँचाती है।

सच की सबसे बड़ी दुश्मन खाली जगह नहीं, खाली जगह को भरी हुई मानकर बना निष्कर्ष है। ऐसे निष्कर्ष को न काटा जा सकता है, न जाँचा जा सकता है — क्योंकि उसके जिस टुकड़े को जाँचा जाए, वही मौजूद ही नहीं है।

यहाँ एक और उलटी सोच ज़रूरी है, क्योंकि सबसे आसान रास्ता यह होगा कि मैं एक्सट्रैक्टर को दोष देकर आगे बढ़ जाऊँ। एक्सट्रैक्टर बदले में सबसे सुलझाया जाने वाला हिस्सा है — चार सलेक्टर बदलिए, रेंडरिंग का इंतज़ार जोड़िए, काम हो गया। असली मरम्मत वहाँ नहीं है।

असली दिक्कत इनाम के ढाँचे में है। ऐसी पाइपलाइनें आम तौर पर 'कितने लेख प्रोसेस हुए' पर मापी जाती हैं, न कि 'कितने लेख अंदर से खोखले आए'। जो मीट्रिक थ्रूपुट गिनती है, उसे खाली पंक्ति से कोई फ़र्क़ नहीं पड़ता — खाली पंक्ति प्रोसेस हो गई, गिनती में जुड़ गई, नौकरी अपनी जगह है। खाली रिकॉर्ड किसी एक व्यक्ति की लापरवाही नहीं, बल्कि उस सिस्टम का स्वाभाविक उत्पाद है जो मात्रा गिनता है और घनत्व नहीं।

यहाँ क्रिकेट की वही पुरानी आदत लौटती है, सिर्फ़ डेटा की भाषा में। 2026 में खाली स्टेडियम मुझे नियंत्रित प्रयोग जैसा लगता था — जैसे इस बार माप साफ़ होगा, क्योंकि भीड़ का शोर हट गया। मगर भीड़ हटी और तीन नए चर आ गए: गर्मी, ओस, और दुबई-अबू धाबी की बनावटी पिचें। खाली मैदान कोई शुद्ध मैदान नहीं होता; वह बस अपने ही पूर्वाग्रहों की जगह होता है। पाइपलाइन के खाली रिकॉर्ड के साथ भी यही होता है। खाली जगह कोई तटस्थ जगह नहीं, वह अपने आप में एक सूचना है — जिसे हम शोर समझकर हटा देते हैं, और फिर जो बचता है उसे 'साफ़ डेटा' का नाम दे देते हैं।

रिश्ता और कारण भी यहीं अलग होते हैं। एक लेख के शीर्षक का N/A होना और उसके सूचना-बिंदुओं का खाली होना एक ही घटना के दो लक्षण हैं, एक-दूसरे के कारण नहीं। इसलिए समाधान भी लक्षण-वार नहीं हो सकता। केवल सारांश भरने से, या केवल शीर्षक लिख देने से, वह डेटासेट नहीं सुधरता जिस पर पिछले छह महीने के सारे निष्कर्ष खड़े थे।

क्रिकेट में मैं ऐसा ही एक उदाहरण बार-बार देखता हूँ। कोई पत्रकार लिखता है कि विकेट लेने की क्षमता अब बल्लेबाज़ी से तय होती है, अनुसार चार आँकड़े उद्धृत करता है। पाठक जाँच नहीं सकता, क्योंकि उन आँकड़ों के पीछे का गेंद-दर-गेंद लॉग छपा ही नहीं। एक रिपोर्ट जिसके सारे तथ्य खाली रिकॉर्ड से आ रहे हैं, वह पाठक को कोई गलत सूचना नहीं देती; वह उसे यह भरोसा दे देती है कि जाँच का रास्ता बंद है। यही अंतर है खाली और ग़लत के बीच। ग़लत डेटा बहस को जन्म देता है। खाली डेटा बहस को दफ़्न कर देता है, विनम्रता से।

इसलिए मेरा सुझाव कोई सुधार-सूची नहीं, एक कठोर द्वार है। स्टेज-1 के निकास पर एक जाँच लगाइए: यदि title खाली या N/A हो, या information_points की लंबाई शून्य हो, तो रिकॉर्ड को extraction_failed के रूप में चिह्नित कीजिए और उसे स्टेज-2 में मत भेजिए। यह क्रिकेट स्कोरकार्ड की सबसे पुरानी परिपाटी है — मैच अधूरा रह जाए तो स्कोर में शून्य नहीं लिखा जाता, 'abandoned' लिखा जाता है। पाइपलाइन को भी वही भाषा सीखनी चाहिए।

लेजर बहस नहीं करता। वह बहस ख़त्म होने का इंतज़ार करता है। असली पाइपलाइन वही है जो अपने खाली पन्नों को भी दर्ज कर सके — क्योंकि जिस रिकॉर्ड में 'मुझे कुछ नहीं मिला' लिखना संभव नहीं, वह रिकॉर्ड कभी ईमानदार नहीं हो सकता।

अगली बार जब कोई खेल-पत्रकार किसी सीरीज़ का पूर्वानुमान छापे, तो एक सवाल पूछिए — उसके आँकड़े किस दिन, किस पाइपलाइन से, कितनी खाली पंक्तियों के साथ आए। जवाब मिल जाए तो भरोसा कीजिए। जवाब 'शीर्षक: N/A' हो, तो समझ जाइए कि आपने एक राय नहीं, एक खाली कमरा पढ़ लिया है।

मैंने वह मेमो मंगलवार को भेजा था। उसे मार्च में पढ़ा गया। इस रिकॉर्ड को अब सामने रखा गया है — और यही देखना है कि अगली बार यह खाली लौटता है या भरा हुआ।