स्कीमा सही, तथ्य शून्य: क्रिकेट डेटा पाइपलाइन की ख़ामोश विफलता

मंगलवार की सुबह चेन्नई की मेज़ पर एक फ़ाइल खुली थी — आठ खंड, हर खंड में उपशीर्षक, हर उपशीर्षक के नीचे तालिका, हर तालिका में कोशिकाएँ। प्रारूप और मैच विश्लेषण, खिलाड़ी तकनीक और डेटा, टीम परिदृश्य और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम-शासन, जोखिम मैट्रिक्स, जन-कथा, उद्योग संचरण। कोई चालीस पंक्तियाँ। एक भी तथ्य नहीं।

फ़ाइल में शीर्षक N/A था, स्रोत N/A, प्रकाशन तिथि N/A, लेख का प्रकार “Unclassified”, सूचना बिंदुओं की सूची शून्य, समय-संवेदनशीलता “आँकी नहीं गई”। खिलाड़ियों-टीमों वाला खाना स्वयं निर्देश दे रहा था कि नाम “ऊपर दिए सूचना बिंदुओं से पहचानें”, जबकि ऊपर कोई बिंदु नहीं था। भरा हुआ था बस एक खाना — डोमेन लेबल: cricket_world।

विसंगति इतनी छोटी थी कि उसे नज़रअंदाज़ किया जा सकता था; इसीलिए मैंने नहीं किया।

दो-स्तरीय पाइपलाइन में पहला स्तर लेख को तोड़कर तथ्य निकालता है — फ़ॉर्मैट, टीम, खिलाड़ी, तारीख़। दूसरा स्तर उन तथ्यों पर विश्लेषण का ढाँचा चढ़ाता है और पहले स्तर की सूचना-सीमा से ऊपर नहीं जा सकता। यहाँ पहले स्तर ने शून्य लौटाया; दूसरे ने ईमानदारी से हर खाने में N/A भर दिया। यही ईमानदारी एकमात्र कारण है कि फ़ाइल पूरी रिपोर्ट की तरह नहीं, विफलता की तरह पढ़ी गई।

क्रिकेट में यह रिक्ति अवरोधक है। स्ट्राइक रेट, इकॉनमी, औसत — तीनों फ़ॉर्मैट के भीतर अलग मतलब रखते हैं और एक-दूसरे पर स्थानांतरित नहीं होते। टेस्ट का 45 और टी20 का 45 एक संख्या हैं, एक दावा नहीं। फ़ॉर्मैट तय न हो तो “अच्छा प्रदर्शन” परिभाषित ही नहीं होता। फ़ाइल में फ़ॉर्मैट N/A था, इसलिए उसके बाद की हर पंक्ति — चाहे कितनी भी भरी दिखती — अपने आप रद्द थी।

अपने संग्रह से एक मिसाल। 2026 की नीलामी में राइज़िंग पुणे सुपरजायंट ने बेन स्टोक्स को 14.5 करोड़ में खरीदा; उस समय मेरे ए.वी.आई. सूचकांक में उनका अंक 0.78 था, लीग औसत 1.0। वहाँ ख़तरा संख्या का नहीं, संख्या के साथ चले आने वाले संदर्भ का था। आज ख़तरा एक कदम पीछे खिसक चुका है — संख्या बनने से पहले की कड़ी में।

पहला सबक़: यह पाइपलाइन की नहीं, ढाँचे की विफलता है। लेख पढ़ा ही न गया होता तो डोमेन लेबल भी ख़ाली आता। वह भरा था, यानी वर्गीकरण चला था — केवल मेटाडेटा देखकर चला था। मुख्य पाठ कभी भीतर आया ही नहीं। जिस क्षण सिस्टम ने दस्तावेज़ स्वीकार्य माना, उसी क्षण सामग्री खो चुकी थी और किसी ने शोर नहीं मचाया। यह चुपचाप निगली गई त्रुटि का लक्षण है, अस्वीकृत दस्तावेज़ का नहीं।

दूसरा सबक़ और महँगा है। स्रोत, URL, बायलाइन, टाइमस्टैम्प — चारों N/A। पाठ दोबारा मँगाया जा सकता है; प्रोवेनेंस दोबारा नहीं बनती। जिस लेख का प्रकाशक और तारीख़ दर्ज न हो, उसकी गुणवत्ता का दर्जा जीवनभर के लिए अटक जाता है। री-एक्सट्रैक्शन में सबसे सस्ते लौटते हैं नाम और फ़ॉर्मैट; सबसे महँगी लौटती हैं रकमें — नीलामी की कीमतें, प्रसारण अधिकारों के चक्र, अनुबंध की शर्तें। यही क्रम मैं हर मरम्मत में रखता हूँ: इकाइयाँ, फिर फ़ॉर्मैट, फिर आँकड़े, अंत में कथा।

तीसरा सबक़ तारीख़ का है। जिस पेलोड में समय-संवेदनशीलता दर्ज न हो, वहाँ सदाबहार लेख और कल की ख़बर एक जैसी दिखती हैं। ट्रांसफ़र विंडो में यह भेद सबसे ज़रूरी है: दो दिन पुराना अनुबंध-संकेत और दो महीने पुराना अनुबंध-संकेत एक ही डिब्बे में सफ़र करते हैं, और पाठक को पता नहीं चलता कि कौन सा ज़िंदा है।

चौथा सबक़ बैच का है। ढाँचा-सम्मत ख़ाली पेलोड अकेले नहीं आते। जिन सिस्टमों में यह विफलता एक बार आई, वहाँ भेजी गई पड़ताल आम तौर पर बताती है कि एक ही बैच के अन्य लेख भी उसी तरह शून्य लौटा रहे थे। यानी गड़बड़ी संयोग नहीं, पार्सर की आदत है।

पाँचवाँ सबक़ छोटा पर चुभने वाला है। डोमेन लेबल cricket_world लौटा, जबकि तय शब्दावली में Cricket होना चाहिए था। यह सिर्फ़ नामकरण का फ़र्क़ लगता है, पर राउटिंग नियम पहचान-शब्दों पर चलते हैं। जिस दिन लेबल मेल नहीं खाया, उस दिन क्रिकेट सामग्री चुपचाप किसी और खाने में चली जाती है और किसी को पता नहीं चलता।

और छठा सबक़ सबसे कम चर्चा में आएगा, जबकि सबसे ज़रूरी है। ख़तरा तकनीकी नहीं, संपादकीय है। ढाँचा-सम्मत ख़ाली पेलोड उस पाठक के लिए सबसे ख़तरनाक है जो सिर्फ़ आकार देखता है। आठ खंड, चालीस पंक्तियाँ, कोई ख़ाली जगह नहीं — देखकर कोई संपादक, कोई अलर्ट सिस्टम, कोई डैशबोर्ड मान लेगा कि विश्लेषण पूरा हुआ। इक्कीस साल स्कोरशीट और नीलामी के बही-खाते पढ़ते हुए जो एक बात सीखी, वह यही है: सबसे महँगी ग़लतियाँ वे होती हैं जो सलीक़े से सजाकर आती हैं।

सहज प्रतिक्रिया होगी — पार्सर ठीक करो, बात ख़त्म। मुझे यह अधूरी लगती है। पार्सर वह जगह है जहाँ विस्फोट हुआ; गड़बड़ी वैलिडेटर में है, जिसने केवल यह जाँचा कि खाने मौजूद हैं, यह नहीं कि उनमें तथ्य हैं। जो ढाँचा ख़ालीपन को पास कर दे, वह ढाँचा नहीं, रसीद है।

और जिसे सब “साफ़ चिट्ठी” समझ रहे हैं, वह असल में शून्य इनपुट का शून्य नतीजा है। इसी रिपोर्ट में एक पंक्ति है — अखंडता के किसी संकेत का न मिलना अखंडता की क्लीन चिट नहीं है। यह वाक्य क्रिकेट-कवरेज के लिए भी उतना ही सच है। जहाँ डेटा ही नहीं, वहाँ लाल झंडा न दिखना हरा झंडा नहीं होता; वहाँ सिर्फ़ अंधेरा है।

और यह समस्या क्रिकेट की नहीं, क्रिकेट-कवरेज की है। ट्रांसफ़र विंडो में रोज़ ऐसे दावे आते हैं जिनके पीछे एक भी सत्यापित बिंदु नहीं होता — बस एक परिचित ढाँचा होता है: सूत्रों के हवाले से, क्लब की दिलचस्पी, चिकित्सा परीक्षण शेष। जिस दावे के पीछे कोई सूचना बिंदु नहीं, वह इसलिए प्रामाणिक नहीं हो जाता कि वह सही खाने में भरा हुआ है। ख़ाली पेलोड अफ़वाह का डेटा-रूप है।

मैं कथा का पीछा नहीं करता; मैं उसका मेल कराता हूँ।

इसलिए अपने काम में एक लिखित ट्रिगर जोड़ा है, जिसे अब सार्वजनिक रखता हूँ: जिस पेलोड में सूचना बिंदु शून्य हों, एक भी नामांकित इकाई दर्ज न हो और फ़ॉर्मैट तय न हो, वह प्रकाशन-योग्य नहीं, चेतावनी-योग्य है। शून्य का अर्थ अनुपस्थित नहीं, अज्ञात है — और अज्ञात को साफ़ चिट्ठी कभी नहीं पढ़ना चाहिए।

स्प्रेडशीट कहानी नहीं है, पर वह कहानी को ईमानदार रखती है।

सवाल यह नहीं कि इस सीज़न में कितने आँकड़े ग़लत निकले। सवाल यह है कि उनमें से कितने उस दरवाज़े से होकर आए जो सिर्फ़ आकार देखता है, तथ्य नहीं।