खाली कॉलम का स्कोरकार्ड: क्रिकेट डेटा पाइपलाइन की वह विफलता जिसने खुद को 'सफल' बताया

2026 की सर्दी में ओल्ड ट्रैफर्ड की एक छोटी कोठरी में — जहां एक VHS डेक, उधार का लैपटॉप और एक केतली रखी थी — मैंने सोलह काउंटी चैंपियनशिप मैचों की 1,847 गेंदें एक-एक करके कोड कीं। उस शीट में ग्यारह ऐसी गेंदें थीं जिनके आगे मैंने 'अज्ञात' लिखा; कैमरा एंगल ऐसा था कि रिलीज़ पॉइंट ही नहीं दिखता था, और मैंने उन ग्यारह खानों को कभी अनुमान से नहीं भरा। शीट अधूरी लगती थी, झूठी नहीं।

पिछले हफ्ते मेरे डेस्क पर एक वैसा ही अधूरा रिकॉर्ड आया, बस पैमाना अलग था। एक क्रिकेट विश्लेषण फ़ाइल: शीर्षक खाली, स्रोत खाली, सूचना बिंदुओं की सूची खाली, इकाइयां खाली, समय-संवेदनशीलता का आकलन अनुपस्थित, स्रोत-गुणवत्ता का आकलन अनुपस्थित। बचा था सिर्फ़ एक टैग — cricket_asia — और एक स्थिति: 'अवर्गीकृत'। सिस्टम ने इसे 'विफल' नहीं कहा। उसने इसे पास कर दिया, और उसके बाद आठ आयामों वाला एक पूरा विश्लेषण ढांचा भर दिया गया जिसमें लगभग हर खाने में N/A लिखा था।

यह क्रिकेट की खबर नहीं है। यह उस खबर की रिपोर्ट है जो खबर बनने से पहले ही मर गई, और किसी ने शोक सभा नहीं बुलाई।

2026 में जब मैं इंडियन एक्सप्रेस, मद्रास में ट्रेनी था, तब कवरेज की शृंखला सरल थी: स्कोरकार्ड आता, उप-संपादक कॉलम गिनता, रिपोर्टर मैदान से टिप्पणी जोड़ता। एक गलत ओवर-संख्या पकड़ी जा सकती थी, क्योंकि वह किसी इंसान की आंख के सामने पड़ी होती थी। आज शृंखला चार परतों की है — फ़ेच, एक्सट्रैक्शन, क्लासिफिकेशन, लेखन। पहली तीन परतें मेरी नहीं हैं। चौथी परत मेरी है, और पहली तीन के बिना वह कुछ भी नहीं है।

त्रुटि (error) और शून्य (null) एक चीज़ नहीं हैं — और पूरा मामला इसी फ़र्क़ पर टिका है। त्रुटि में एक गलत संख्या होती है, जिसे कोई पकड़ सकता है। शून्य में कोई संख्या ही नहीं होती, और लिखने वाला उस खाली जगह को विशेषणों से भर देता है। क्रिकेट पत्रकारिता की सबसे पुरानी चोरी यही है: जहां आंकड़ा नहीं होता, वहां माहौल लिख दिया जाता है, और माहौल को कोई गलत साबित नहीं कर सकता।

इस फ़ाइल में जो हुआ, उसे तीन पंक्तियों में रखा जा सकता है। कुल सूचना बिंदु: शून्य। शून्य से पढ़े गए आयाम: आठ, और हर एक में N/A। दर्ज स्थिति: 'अवर्गीकृत' — 'विफल' नहीं।

विफलता का हस्ताक्षर साफ़ पढ़ा जा सकता है। टैग बचा रहा, विषय खत्म हो गया। इसका मतलब है कि क्लासिफायर ने कुछ टेक्स्ट देखा — वरना वह क्षेत्रीय टैग नहीं बना पाता — और एक्सट्रैक्टर ने वही टेक्स्ट आगे नहीं भेजा। दूसरा संकेत शीर्षक का पूरी तरह गायब होना है। अगर गड़बड़ सारांश (summarisation) परत पर होती, तो शीर्षक ज़रूर बचता; कोई भी सारांश-इंजन शीर्षक से कुछ न कुछ लौटाता। शीर्षक का न होना बताता है कि खराबी फ़ेच या पार्स परत पर है, और इसलिए इलाज भी वहीं खोजा जाना चाहिए।

मेरा अनुमान — और यह अनुमान है, माप नहीं — यह है कि स्रोत ऐसा पेज था जो पाठ-स्क्रैपर को खाली बॉडी लौटाता है: कोई लाइव स्कोरकार्ड पेज, जावास्क्रिप्ट से बना शरीर, या पेवॉल के पीछे का पाठ। तीनों में से किसी की भी जांच एक ही किफायती तरीके से हो सकती है — यूआरएल लॉग करके, हेडलेस रेंडरर या रीडर-मोड फ़ॉलबैक से एक दोबारा फ़ेच। नतीजा दो में से एक होगा: या तो शून्य से ज़्यादा सूचना बिंदु मिलेंगे (क्षणिक त्रुटि थी), या फिर वही खाली बॉडी लौटेगी (ढांचागत समस्या है और उस स्रोत के लिए स्किप-नियम चाहिए)।

असली बग, मेरे हिसाब से, वह खाली रिकॉर्ड नहीं है। असली बग वह स्थिति-लेबल है जो उसे 'अवर्गीकृत' कहकर आगे जाने देता है। क्योंकि 'अवर्गीकृत' एक ऐसा शब्द है जो स्वचालित गुणवत्ता जांच से पार हो जाता है — वह दिखता है जैसे वर्गीकरण का काम बाकी है, जबकि सच यह है कि पढ़ने के लिए कुछ था ही नहीं। यह साइलेंट फेलियर है, और साइलेंट फेलियर क्रिकेट डेटा में सबसे महंगा होता है क्योंकि वह अगली बार उसी स्रोत के हर लेख में दोहराया जाएगा। नियम सरल रखना चाहिए: शून्य सूचना बिंदु या शून्य शीर्षक वाला रिकॉर्ड पाइपलाइन स्तर पर हार्ड रिजेक्ट हो, नॉन-200 स्टेटस लौटे, खाली-सफल पेलोड न जाए।

यह मानक क्या है, यह मैं अपनी ही शीटों से बता सकता हूं, क्योंकि यही एकमात्र पैमाना है जिस पर मैं खुद को बांधता हूं। 2026 में सोलह मैचों और 1,847 गेंदों पर मैंने पाया कि लंकाशायर के सीमरों का औसत 24.1 था जब विकेटकीपर मध्यम गति पर स्टंप्स के पास खड़ा होता था, और 38.6 जब वह पीछे खड़ा होता था। सोलह मैच छोटा नमूना है — मैंने उसे नियम नहीं कहा, अंतर कहा; पर अंतर के साथ नमूना लिखा। 2026 में मुंबई इंडियंस की डेथ-ओवर मैचअप बोर्ड बनाते वक्त हमारी डेथ-ओवर इकॉनमी सोलह मैचों में 9.6 से 8.2 पर आई — फिर भी मैंने इसे 'क्रांति' नहीं, एक बदलाव लिखा। 2026 में मैंने यूएई में खेले गए आईपीएल के साठ मैच नब्बे मिनट की देरी से कोड किए; मेरी शीटों में चेज़ करने वाली टीमों का जीत-प्रतिशत 62 निकला, जबकि 2026 में वह 48 था — और मैंने 'द साइलेंस टैक्स' में कारण के तौर पर मैदान की चुप्पी को चुना, 'टीमों का जज़्बा' नहीं। 2026 की मेगा नीलामी में मैंने 169 बिके लॉट लाइव कोड किए और राजस्थान रॉयल्स द्वारा जयदेव उनादकट पर ₹11.5 करोड़ खर्च करने को दुर्लभता का प्रीमियम कहा, प्रतिभा का फ़ैसला नहीं — और यह सीज़न शुरू होने से पहले लिखा, बाद में नहीं।

इन चारों उदाहरणों में तीन चीज़ें मौजूद थीं: नमूना, वैकल्पिक कीमत, और यह बताना कि कहां अनुमान है। इस फ़ाइल में तीनों शून्य थे। इसलिए अगर मैं यहां आगे बढ़ता और लिखता कि 'एशिया कप में स्पिनरों को देर से ड्रिफ्ट मिलेगा' या 'होम-अवे स्प्लिट निर्णायक होगा', तो मैं सबूत के बजाय अनुमान बेच रहा होता — और पाठक को फ़र्क़ भी नहीं पता चलता। यह भी याद रखें कि cricket_asia एक क्षेत्रीय टैग है, प्रारूप का टैग नहीं। टेस्ट, वनडे और टी20 के बेंचमार्क आपस में बदले नहीं जा सकते; टी20 फिनिशर का पार स्ट्राइक-रेट 180+ और टेस्ट ओपनर का पार स्ट्राइक-रेट दो अलग जीव हैं। प्रारूप पता न हो, तो बेंचमार्क चुनना ही एक पद्धति-त्रुटि है। और चूंकि कोई मैदान, कोई मेज़बान देश, कोई पारी-स्थिति दर्ज नहीं है, क्रिकेट का सबसे शक्तिशाली व्याख्यात्मक चर — घरेलू परिस्थिति — विश्लेषण से पूरी तरह बाहर हो जाता है।

सब उंगली मॉडल पर रख रहे हैं — सारांश-इंजन पर, भाषा-मॉडल पर। मेरा पढ़ना उलटा है। सारांश-इंजन ने कभी टेक्स्ट देखा ही नहीं; जो चीज़ कभी आई ही नहीं, उसे समझा नहीं जा सकता। असली आरोपी वह वैलिडेशन गेट है जिसने शून्य सूचना बिंदु वाले रिकॉर्ड को 'अवर्गीकृत' कहकर आगे निकलने दिया। इस उद्योग में मॉडल बदलना महंगा है और गेट कठोर करना सस्ता; हम हमेशा महंगा काम पहले करते हैं क्योंकि वह ज़्यादा आधुनिक दिखता है।

दूसरा उलटा कोण यह है कि यह विफलता जितनी शोर करती है, उससे कहीं ज़्यादा खतरनाक है इसकी चुप्पी। इस रिपोर्ट का 'जोखिम-पहले' नियम आठ आयामों में एक भी क्रिकेट जोखिम नहीं लगा सका — क्योंकि जिस पर जोखिम लगाया जाए, वही मौजूद नहीं था। खतरा यह है कि कोई पाठक इसे 'साफ़ चिट्ठी' पढ़ ले। सबूत का अभाव सफाई का सबूत नहीं होता, और यह बात किसी भी टीम, बोर्ड, लीग या खिलाड़ी पर लागू है। दस्तावेज़ के सबसे ऊपर एक पंक्ति होनी चाहिए: 'कोई निष्कर्ष नहीं — अपर्याप्त इनपुट'।

तीसरा, इलाज किफायती है और उबाऊ है। शीर्षक-आधारित फ़ॉलबैक: अगर बॉडी एक्सट्रैक्शन विफल हो पर शीर्षक और स्टैंडफर्स्ट बच जाएं, तो कम से कम प्रारूप और मुकाबले का संदर्भ पढ़ा जा सकता था — आठ में से दो आयाम बच जाते, कुल शून्य के बजाय। 2026 की गर्मियों में मैंने जो सीखा, वही यहां लागू है: जीतने वाली चाल आमतौर पर उबाऊ होती है। यहां उबाऊ चाल यह है कि यूआरएल, आउटलेट, टाइमस्टैम्प और HTTP/पार्स स्टेटस को बॉडी-टेक्स्ट की सफलता से अलग सहेजा जाए — ताकि अगली बार पता चले कि पेवॉल हारा या सर्वर।

मैं अपना पक्ष पहले से दर्ज कर रहा हूं, यह बताकर कि मैं कब गलत साबित होऊंगा। अगर उसी यूआरएल पर लॉग किए गए दोबारा फ़ेच से शून्य से अधिक सूचना बिंदु और एक प्रारूप टैग मिल जाए, तो मेरा निदान गलत है — यह ढांचागत गड़बड़ नहीं, क्षणिक फ़ेच त्रुटि थी, और मुझे उतनी ही सफाई से यह लिखना होगा। 2026 में एक गेंदबाज़ के बारे में सच कॉलम के आंकड़ों में रहता था; 2026 में वह उस पंक्ति में रहता है जो सिस्टम ने लिखी ही नहीं।

अगले बैच में एक मीट्रिक जोड़िए: प्रति-रिकॉर्ड एक्सट्रैक्शन यील्ड। शून्य पर हार्ड स्टॉप, और उससे ऊपर कोई समझौता नहीं। यह क्रिकेट की समस्या नहीं लगती — यह क्रिकेट कवरेज की सबसे बड़ी समस्या है, क्योंकि जो खबर कभी लिखी ही नहीं गई, वह पाठक तक कभी नहीं पहुंचती और इसलिए कभी माफ़ी भी नहीं मांगती। अगली बार जब कोई क्रिकेट विश्लेषण बिना एक भी नमूने के पूरे आत्मविश्वास से भरा दिखे, तो एक सवाल पूछिए — किस ओवर में, कितनी गेंदों पर, और उस वक्त कीपर कहां खड़ा था?