जब लेजर खाली लौटा: शून्य इनपुट वाली क्रिकेट एनालिसिस पाइपलाइन की ऑडिट रिपोर्ट

रात के दो बजकर चालीस मिनट, त्रिप्लिकेन का कमरा। स्क्रीन पर एक पूरा खाका खुला था — आठ आयाम, हर आयाम के नीचे अपनी तालिका, अपने रिस्क फ्लैग, अपनी एनालिटिकल कन्क्लूज़न की जगह। फॉर्मेट और मैच विश्लेषण, खिलाड़ी तकनीक और डेटा, टीम लैंडस्केप और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम और शासन, जोखिम-पक्ष, सार्वजनिक आख्यान और अपेक्षा, क्रिकेट उद्योग ट्रांसमिशन। सब कुछ अपनी जगह पर था। और हर सेल में वही एक वाक्यांश — अपर्याप्त जानकारी, N/A।

गिनती मैंने दो बार की, क्योंकि पहली बार मुझे अपनी ही नज़र पर संदेह हुआ। सूचना बिंदु: शून्य। शीर्षक: उपलब्ध नहीं। स्रोत: उपलब्ध नहीं। लेख का प्रकार: अवर्गीकृत। जो बचा था, वह सिर्फ़ एक टैग था — cricket_asia। बाकी सब खाली।

2026 में चेपौक की प्रेस बॉक्स में पहली बार यह एहसास हुआ था कि स्कोरकार्ड और कमेंट्री हमेशा एक ही मैच नहीं बता रहे होते। तब मैंने एक नियम बनाया था: लेजर और ब्रॉडकास्ट में फ़र्क़ हो, तो जागकर कारण निकालो। इस बार लेजर खुद खाली लौटा, और उसने शोर भी नहीं मचाया। शोर न मचाना, इस मामले में, सबसे तेज़ चेतावनी थी।

संदर्भ: एक फॉर्मेट गेट, और एक बचा हुआ टैग

क्रिकेट का डेटा विश्लेषण दो चरणों में चलता है। पहला चरण कच्चे स्रोत से तथ्य निकालता है — शीर्षक, स्रोत, प्रकाशन तिथि, लेख का प्रकार, मुख्य दृष्टिकोण, सूचना बिंदु, इसमें शामिल संस्थाएँ, समय-संवेदनशीलता और स्रोत की गुणवत्ता। दूसरा चरण उन तथ्यों के ऊपर आठ-आयामी विश्लेषण खड़ा करता है। पूरी शर्त एक ही है — हर निष्कर्ष किसी सूचना बिंदु से जुड़ा होना चाहिए, और उसका हवाला दिया जाना चाहिए।

यह शर्त सजावट नहीं है। क्रिकेट में सबसे पहला और अनिवार्य कदम फॉर्मेट की पहचान है, क्योंकि टेस्ट, वनडे और टी20 के मेट्रिक्स आपस में तुलनीय नहीं हैं। एक सलामी बल्लेबाज़ का टेस्ट औसत और टी20 स्ट्राइक रेट एक ही तराजू पर नहीं तोले जा सकते। एक तेज़ गेंदबाज़ की चार ओवर की स्पेल में इकॉनमी और दस ओवर की स्पेल में इकॉनमी दो अलग चीज़ें हैं। पावरप्ले, मिडल ओवर और डेथ ओवर का बँटवारा टी20 का औज़ार है, टेस्ट का नहीं। जब तक फॉर्मेट तय नहीं, कोई भी मेट्रिक चुनना मनमानी है।

इस इनपुट में फॉर्मेट था ही नहीं। मैच था ही नहीं। खिलाड़ी, टीम, लीग, नियम, घटना — कुछ भी नामित नहीं था। जो बचा था वह एक क्षेत्रीय टैग था, और वह भी घोषित टैक्सोनॉमी से मेल नहीं खाता: स्कीमा में लेबल Cricket है, और रिकॉर्ड में cricket_asia आया। यह छोटी सी असंगति बड़ी बात बताती है — जो क्लासिफायर चला, उसने सामग्री नहीं, संदर्भ पकड़ा।

सबसे ज़्यादा बोलने वाली बात वे फ़ील्ड थीं जो खाली थीं और जिन्हें खाली होने की ज़रूरत नहीं थी। लेख का प्रकार तय करने के लिए लेख की सामग्री पढ़नी ही नहीं पड़ती। समय-संवेदनशीलता का आकलन तिथि से हो जाता है। स्रोत की गुणवत्ता स्रोत के नाम से तय होती है। ये तीनों भी N/A थे। इसका मतलब साफ़ है — समस्या स्रोत में सामग्री की कमी नहीं थी, समस्या निष्कर्षण (extraction) की थी। संभावित कारण गिनाऊँ: पेडवॉल, जावास्क्रिप्ट से बना पेज जिसे पार्सर पढ़ नहीं पाया, पीडीएफ़ जिसका टेक्स्ट लेयर टूटा हुआ था, जियो-ब्लॉक, या वीडियो ट्रांसक्रिप्ट जो कभी जनरेट ही नहीं हुआ। चारों में एक चीज़ समान है — स्रोत मौजूद था, पाइपलाइन तक नहीं पहुँचा।

निदान: पाँच जोखिम, और उनमें सबसे बड़ा

रिपोर्ट ने पाँच जोखिम दर्ज किए। मैं उन्हें उसी क्रम में रख रहा हूँ जिस क्रम में वे नुकसान पहुँचाते हैं, न कि जिस क्रम में वे सुंदर लगते हैं।

पहला और सबसे बड़ा — फ़ॉल्स नेगेटिव। शून्य जोखिम वाला आउटपुट दिखने में क्लीनियरेंस जैसा लगता है। सिस्टम में अगर यह रिकॉर्ड ऐसे चला गया कि 'जाँच पूरी, कोई सामग्री जोखिम नहीं', तो यह सबसे महँगी गलती होगी। सही पढ़त है — 'जाँचा ही नहीं गया'। साफ़ निकलना और जाँचा न जाना, दोनों एक जैसे दिखते हैं और बिल्कुल अलग चीज़ें हैं। मेरे 11 साल के मैच देखने के अनुभव में यही फ़र्क़ सबसे ज़्यादा नुकसान करता है — क्योंकि जो मैच देखा ही नहीं गया, उसका स्कोरकार्ड भी साफ़ दिखता है।

दूसरा — हैलुसिनेशन का दबाव। अगर अगले कदम पर किसी मॉडल या पत्रकार से कहा जाए कि 'इस क्रिकेट लेख पर कुछ लिखो', तो सबसे आसान रास्ता है एक विश्वसनीय लगने वाली कहानी गढ़ लेना — कोई टूर्नामेंट, कोई खिलाड़ी, कोई नीलामी का आँकड़ा। नियम सख़्त रखना पड़ेगा: कम से कम एक उद्धरण-योग्य सूचना बिंदु के बिना लेखन वर्जित। यह नियम मैंने अपने ऊपर भी लगाया हुआ है।

इसकी एक सजीव मिसाल मेरे पास है। 2026 में मैंने आईपीएल के बॉल-बाय-बॉल फ़ाइल पर एक्सपेक्टेड-रन्स मॉडल बनाया और दो हज़ार शब्दों में लिखा कि क्रिकेट के पास असली xG नहीं है क्योंकि विकेट का जोखिम मॉडल में ही नहीं है। उस लेख ने 40,000 पढ़ाई और मेरा पहला उद्योग-ईमेल कमाया। मैंने एक सीज़न के लिए xG उधार लिया था और दो साल उसे लौटाने में लगा दिए। सबक यही था — जिस मेट्रिक की सीमा आप नहीं लिखते, वह आपकी जगह बोलने लगती है।

तीसरा — चुपचाप होती पाइपलाइन विफलता। जो फ़ील्ड बिना सामग्री भी भरे जा सकते थे, वे भी खाली थे। यह संकेत है कि इनजेशन या निष्कर्षण का चरण टूटा हुआ है और अगले लेख पर भी टूटेगा। अगर एक हफ़्ते के भीतर पाँच प्रतिशत से ज़्यादा रिकॉर्ड खाली लौटते हैं, तो यह एक-दो लेख की गड़बड़ नहीं, सिस्टम की खराबी है और इंजीनियरिंग एस्केलेशन का मामला बनता है। ठीक करने का सबसे सस्ता तरीका — Stage-1 के आउटपुट पर एक वैलिडेशन गेट, जो शून्य सूचना बिंदु वाला पेलोड सीधे रिजेक्ट करे और दोबारा निष्कर्षण शुरू करे, Stage-2 को कॉल ही न करे।

चौथा — टैक्सोनॉमी ड्रिफ़्ट। लेबल cricket_asia आया जबकि स्कीमा में Cricket है। दो में से एक बात सच है: या तो क्षेत्रीय सब-टैगिंग जानबूझकर है, या क्लासिफायर ने डिफ़ॉल्ट मार दिया है। अगर जानबूझकर है तो उसे नेस्टेड फ़ील्ड के रूप में औपचारिक बनाना चाहिए — domain: Cricket, region: Asia — वरना डाउनस्ट्रीम फ़िल्टर इस रिकॉर्ड को चुपचाप गिरा देंगे।

पाँचवाँ — स्रोत-गुणवत्ता का अंधापन। स्रोत का नाम ही नहीं है, तो भरोसे का भार तय करने का कोई तरीका नहीं। आधिकारिक बोर्ड, आईसीसी, ईएसपीएनक्रिकइन्फ़ो, क्रिकबज़, एग्रीगेटर, या सेल्फ-मीडिया — इन पाँच श्रेणियों का भार अलग-अलग है और आठों आयामों पर लागू होता है। स्रोत की प्रोवेनेंस Stage-1 का अनिवार्य, कभी-न-खाली होने वाला फ़ील्ड होना चाहिए।

इन सबके बीच एक बात जो रिपोर्ट ने ठीक कही और जिसे मैं दोहराना चाहूँगा — नल-हैंडलिंग का प्रोटोकॉल काम कर गया। ढाँचा टूटा नहीं, उसने खुद को पूरा खोलकर हर खाने में 'उपलब्ध नहीं' लिख दिया। यह विनम्रता नहीं, डिज़ाइन है। मेरे करियर में जो सबसे उपयोगी दस्तावेज़ बने, वे वही थे जिन्होंने यह लिखा कि उन्हें क्या नहीं मिला।

2026 में लॉकडाउन के दौरान मैंने यूएई में खेले गए आईपीएल के 60 मैचों को 2026 के होम-एंड-अवे सीज़न के खिलाफ़ एक प्राकृतिक प्रयोग की तरह इस्तेमाल किया। होम विन रेट 55.3 प्रतिशत से गिरकर 48.3 प्रतिशत पर आ गया। चेज़िंग टीमों का विन रेट उलटी दिशा में गया। और डीआरएस ओवरटर्न रेट लगभग नहीं बदला — जिसने भीड़ के दबाव में अंपायरिंग पर मेरी अपनी थ्योरी को मार डाला। मैंने वह नेगेटिव रिज़ल्ट छाप दिया, पूरे प्रोटोकॉल के साथ। उस एक काम ने मुझे 2026 में एक डिजिटल डेस्क का पेड रिटेनर दिलाया, और पहला बायलाइन जिसके साथ मेथड्स नोट छपा। खाली स्टेडियम चुप्पी नहीं होता; वह एक अनियंत्रित प्रयोग होता है। यही बात खाली इनपुट पर भी लागू होती है — वह 'कोई समाचार नहीं' नहीं है, वह 'समाचार अनुपलब्ध' है।

जानकारी मूल्य की रेटिंग रिपोर्ट ने जो दी, वह कठोर है और सही है। खेल मूल्य एक स्टार, उद्योग मूल्य एक स्टार, समय-प्रासंगिकता एक स्टार, संदर्भ मूल्य दो स्टार। तीनों शून्य-समान रेटिंग एक ही वजह से हैं — टेस्ट, वनडे, टी20 में से कोई फॉर्मेट पहचाना ही नहीं जा सका। और जब फॉर्मेट ही न हो, तो औसत, स्ट्राइक रेट, इकॉनमी — कुछ भी अर्थपूर्ण नहीं।

विपरीत पक्ष: टैग को निष्कर्ष मत समझिए

सबसे लुभावना रास्ता यह है कि cricket_asia को सुराग़ मान लिया जाए और उससे एक कहानी खींच ली जाए — एशिया कप, कोई एशियाई बोर्ड, आईपीएल या पीएसएल या आईएलटी20 से जुड़ी कोई खबर। रिपोर्ट ने खुद इस टैग को 'निम्न विश्वास' कहा है। क्षेत्रीय टैग किसी घटना का सबूत नहीं होता। 'एशिया' में शीर्ष शक्तियाँ भी आती हैं, मध्य-स्तर की टीमें भी, और उभरती हुई ताकतें भी — तीनों का स्क्वाड-स्ट्रक्चर बिल्कुल अलग है। इस टैग से कोई विश्लेषणात्मक रिज़ॉल्यूशन नहीं निकलता।

मुझे यहाँ अपनी सबसे पुरानी गलती याद आती है — चार्ट के ज़रिए एक हॉट-टेक को वैध बनाना। चार्ट अधिकार जैसा पढ़ा जाता है, और 27 साल के डेटा राइटर पर स्टार-भरे बाज़ार में 'निर्णायक' दिखने का दबाव लगातार रहता है। बचाव एक ही है: निष्कर्ष और उसकी अनिश्चितता एक ही पैराग्राफ़ में लिखो। अगर चार्ट एक वाक्य की चेतावनी नहीं सह सकता, तो वह निष्कर्ष नहीं, राय है।

यह भी मान लेना ग़लत होगा कि खाली आउटपुट ढाँचे की हार है। उलटा है। जिस दिन किसी एनालिसिस इंजन ने खाली इनपुट पर भरा हुआ आउटपुट दे दिया, उस दिन आपको पता चल जाएगा कि उसकी हर हरी बत्ती झूठी है। क्रिकेट में सबसे उपयोगी दस्तावेज़ वह नहीं जो सबसे ज़्यादा कहता है; वह है जो सबसे ईमानदारी से यह कहता है कि उसके पास क्या नहीं है। मैं अपनी शीट में एक कॉलम हमेशा उन चीज़ों के लिए रखता हूँ जिन्हें मैं अभी माप नहीं सकता। इस हफ़्ते उस कॉलम में एक ही एंट्री है: यह पूरा लेख।

टेकअवे

Stage-2 को दोबारा शुरू करने के लिए कम से कम पाँच चीज़ें चाहिए: लेख का शीर्षक और स्रोत, प्रकाशन तिथि के साथ; तीन से पाँच ठोस सूचना बिंदु; टीम, खिलाड़ी, कोच, लीग, वेन्यू की सूची; फॉर्मेट का संकेत; और स्रोत की गुणवत्ता का आकलन। इनमें से एक भी न हो, तो सही आउटपुट N/A ही है।

सवाल यह नहीं है कि पाइपलाइन क्यों खाली लौटी। सवाल यह है कि उस रात कितने क्रिकेट डेस्क ऐसे थे जिन्होंने इसी खाली इनपुट पर छह सौ शब्द फ़ाइल कर दिए होंगे, और उनमें से किसी ने यह नहीं लिखा होगा कि उन्होंने क्या नहीं देखा।