शून्य सूचना बिंदु: क्रिकेट का डेटा पाइपलाइन जब चुपचाप खाली लौटता है

शून्य सूचना बिंदु: क्रिकेट का डेटा पाइपलाइन जब चुपचाप खाली लौटता है

स्क्रीन पर पेलोड खुला और उसमें लिखा था — शून्य सूचना बिंदु। मेरा पहला रिफ़्लेक्स भरने का था। पच्चीस साल की उम्र तक जो सबसे काम की आदत मैंने बनाई है, वह यह पहचान है कि भरने का रिफ़्लेक्स और समझने का रिफ़्लेक्स देखने में एक जैसे लगते हैं, और उन दोनों के बीच का फ़र्क़ पकड़ना ही असली काम है। उस रात मेरे पास एक ऐसा दस्तावेज़ था जिसका शीर्षक N/A था, स्रोत N/A था, लेख का प्रकार "Unclassified" था, एक-वाक्य सारांश खाली था, लेखक का रुख़ N/A था और — यह सबसे निर्णायक हिस्सा था — सूचना बिंदुओं की संख्या ज़ीरो थी। नामित संस्थाओं की जगह भी खाली थी, बस एक टेम्पलेट का वाक्य बचा था: "ऊपर दिए गए सूचना बिंदुओं से पहचानें।"

एक फ़ील्ड ज़िंदा बचा था। डोमेन लेबल — cricket_asia.

वह लेबल ही जाल है। खाली फ़ाइल हर किसी को खाली दिखती है; उसे गलत तरीक़े से भरने के लिए आपको मेहनत करनी पड़ती है। लेकिन खाली फ़ाइल के ऊपर एक नाम चिपका दीजिए — एशिया, क्रिकेट, कोई पहचाना-सा क्षेत्र — और अचानक भरने का रिफ़्लेक्स जायज़ लगने लगता है। यही वह जगह है जहाँ जानकारी नहीं, जानकारी की शक्ल बनती है। और क्रिकेट जैसे खेल में, जहाँ हर आँकड़े के पीछे एक भावना बिकती है, शक्ल और सच के बीच का फ़र्क़ बहुत महँगा पड़ता है।

सूचना बिंदु क्या होता है, और वह क्यों गायब हुआ

इस काम में मैंने तीन साल पहले जो परतें बनाई थीं, उन्हें समझना ज़रूरी है। किसी भी क्रिकेट लेख को मशीन पढ़ती है, तो एक परत उसे तोड़ती है — शीर्षक, स्रोत, लेखक का रुख़, और उससे निकाले गए ठोस तथ्य, जिन्हें हम सूचना बिंदु कहते हैं। यही वह परमाणु इकाई है जिस पर आगे का पूरा विश्लेषण टिकता है। दूसरी परत उन बिंदुओं को खेल के ढाँचे में रखती है — प्रारूप कौन-सा है, चरण कौन-से हैं, टीम की गहराई कैसी है, पैसा कहाँ से आ रहा है, नियम क्या कह रहे हैं।

इस बार पहली परत चुपचाप खोखली लौट आई। दूसरी परत के पास बैठने की जगह ही नहीं बची।

यहाँ एक बात साफ़ कर देना ज़रूरी है, क्योंकि यही इस पूरे मामले की गिरह है। जिस दस्तावेज़ ने मुझे यह सब लिखने पर मजबूर किया, वह "जानकारी-रहित लेख" नहीं था। लेख कहीं मौजूद रहा होगा — किसी अख़बार में, किसी वेबसाइट पर, किसी पे-वॉल के पीछे, किसी तस्वीर के रूप में, या किसी देवनागरी टाइपसेटिंग में जिसे पार्सर पढ़ नहीं पाया। जो विफल हुआ, वह तथ्य नहीं थे; विफल हुआ निष्कर्षण। और इसी वजह से आपके पास एक बेहद धोखेबाज़ हालत पैदा होती है: जानकारी का अभाव और जानकारी का दुर्व्यवहार एक जैसा दिखने लगता है।

क्रिकेट इस पाइपलाइन पर कितना निर्भर है

मैं एशिया के क्रिकेट पर लिखता हूँ, और यहाँ की जानकारी-आपूर्ति श्रृंखला अजीब तरह से बहुस्तरीय है। एक तरफ़ बॉल-बाय-बॉल फ़ीड हैं, ब्रॉडकास्ट ग्राफ़िक्स हैं, प्रेस कॉन्फ़्रेंस की ट्रांसक्रिप्ट हैं, बोर्ड के प्रेस रिलीज़ हैं। दूसरी तरफ़ वे चीज़ें हैं जो कभी फ़ीड में नहीं आतीं — क्षेत्रीय भाषा के अख़बारों में एक कॉलम का इंच, मैदान पर बैठे स्ट्रिंगर की हाथ से लिखी शीट, और वे मैच जिनका स्कोरकार्ड किसी ऐप में कभी अपलोड ही नहीं हुआ। तार्किक रूप से देखें तो इन सबका वज़न बराबर होना चाहिए। व्यावसायिक रूप से देखें तो यह बराबर कभी नहीं रहा। और तकनीकी रूप से देखें तो यह बराबर तब भी नहीं रहता जब सब कुछ ठीक चल रहा हो।

इसीलिए इस रिपोर्ट का सबसे उपयोगी निष्कर्ष खेल के बारे में नहीं है। सबसे उपयोगी निष्कर्ष यह है कि विफलता वर्गीकरण की परत में नहीं, निष्कर्षण की परत में बैठी है — और ये दोनों परतें एक-दूसरे से जुड़ी नहीं हैं। लेबल बच गया क्योंकि वर्गीकरण चल गया। हर तथ्य गायब हो गया क्योंकि निष्कर्षण कभी चला ही नहीं। जब कोई सिस्टम इस तरह दो टुकड़ों में बँटा हो, तो वह अपनी नाकामी की ख़बर भी आधी भेजता है।

अगर आप ख़ुद इस पाइपलाइन के मालिक होते, तो क्या देखते

इस पूरे प्रसंग से मुझे जो चीज़ मिली, वह एक जाँच-सूची है। इसे मैं अपनी नोटबुक में लिखकर रखता हूँ, क्योंकि क्रिकेट में डेटा की नाकामी कभी अकेली नहीं आती।

पहला सिग्नल — स्टेज-वन की भरावट दर। हर पेलोड में कितने सूचना बिंदु निकले, यह गिनते रहिए। ज़ीरो लौटना एक बात है; बार-बार ज़ीरो लौटना दूसरी बात है। पहला मामला शायद उस एक स्रोत की ग़लती है। दूसरा मामला बताता है कि आपकी पूरी फ़ीड में एक अंधा कोना है। दोनों का इलाज अलग है, और इन्हें एक समझ लेना ही सबसे महँगी भूल है। मेरा अंदाज़ा है कि इस फ़ीड में भरावट दर पाँच से दस फ़ीसदी के बीच कहीं बैठती है — यह अंदाज़ा है, माप नहीं, और मापने के लिए मुझे कम से कम पचास पेलोड चाहिए।

दूसरा सिग्नल — संस्था-निष्कर्षण की सेहत। जब भी डोमेन लेबल तय हो जाए और नामित संस्थाओं की सूची खाली रहे, समझिए कि आपके दो कंपोनेंट बिछड़ चुके हैं। अगर लेबल cricket_asia बता रहा है लेकिन एक भी खिलाड़ी, टीम, बोर्ड या टूर्नामेंट का नाम सामने नहीं आ रहा, तो आपके पास विषय नहीं है — बस एक ताक़ पर रखा हुआ विषय-सा दिखता है।

तीसरा सिग्नल — स्रोत की वापसी-योग्यता। मूल लिंक दोबारा खोलिए। अगर स्रोत से टेक्स्ट निकल आता है और स्टेज-वन फिर भी खाली लौटता है, तो ग़लती स्रोत की नहीं, पार्सर की है। अगर स्रोत तस्वीर है, पे-वॉल है, या जावास्क्रिप्ट से बनता है, तो पार्सर बेकसूर है और आपकी पूरी रणनीति बदलनी पड़ेगी। यह जाँच पाँच मिनट लेती है और एक झूठी रिपोर्ट रोक देती है।

चौथा सिग्नल — समय-संवेदनशीलता की मुहर। जिस फ़ाइल में तारीख़ ही दर्ज न हो, उसे आप किसी चक्र में नहीं रख सकते — न दौरे में, न नीलामी के मौसम में, न टूर्नामेंट की खिड़की में। बिना तारीख़ वाली जानकारी क्रिकेट में सबसे ख़तरनाक चीज़ है, क्योंकि हर पुराना आँकड़ा नए संदर्भ में पहनकर चल सकता है।

पाँचवाँ सिग्नल — खाली पेलोड का झुंड बनना। यह सबसे मूल्यवान जाँच है। अगर खाली पेलोड किसी एक आउटलेट के आसपास जमा हो रहे हैं, तो समस्या उस आउटलेट की टेम्पलेट या स्क्रिप्टिंग की है। और अगर वे किसी एक समय-खिड़की में जमा हो रहे हैं, तो समस्या आपके अंतर्ग्रहण के समय की है। यह फ़र्क़ जानने से मरम्मत दस गुना सस्ती हो जाती है।

जोखिम का ख़ाली मैट्रिक्स, और एक झूठ जो हम सब बोलते हैं

यहाँ एक चीज़ पर मैं ठहरना चाहता हूँ क्योंकि यह मेरे पूरे तरीक़े की रीढ़ है। अगर आप इस पूरे प्रसंग से जोखिम की रेटिंग निकालने बैठें, तो सही जवाब "कम जोखिम" नहीं है। सही जवाब "अज्ञात जोखिम" है।

अज्ञात और कम जोखिम दो अलग जानवर हैं, और उद्योग इन्हें हर रोज़ एक-दूसरे की जगह बैठा देता है। जब कोई जोखिम-मैट्रिक्स खाली हो, तो उसे कम जोखिम पढ़ना एक झूठा नकारात्मक नतीजा है — यानी ख़तरा मौजूद है, लेकिन आपकी रिपोर्ट में वह "सब ठीक है" की शक्ल में बैठा है। यह एकमात्र ऐसी ग़लती है जिसकी सज़ा तुरंत नहीं मिलती। वह महीनों बाद मिलती है, तब जब आप पूछते हैं कि उस सीरीज़ की कवरेज इतनी पतली क्यों रह गई, और किसी के पास जवाब नहीं होता।

मेरा अपना ट्रैकर इसी बीमारी से ग्रस्त था

2026 के विश्व कप के दौरान मैंने चौंसठ मैचों का एक लाइव शीट बनाया था — हर कॉर्नर, हर फ़्री किक, हर थ्रो-इन, पहला टच, दूसरी गेंद, शॉट तक का समय। वह शीट मेरा खिलौना था जब तक उसने मुझे क्रिकेट का पावरप्ले पढ़ना नहीं सिखाया। पावरप्ले अराजकता नहीं है; वह एक बाज़ार है जिसमें एक घड़ी है और एक डर का प्रीमियम है। यह मैंने उसी शीट से सीखा। लेकिन उसी शीट में एक बग था जो मुझे दो साल बाद समझ आया: जब कैमरा रिप्ले की तरफ़ कटता था और उसी दौरान कोई कॉर्नर हो जाता था, तो मेरी शीट में वह दर्ज नहीं होता था। और मेरा मॉडल उस ख़ाली जगह को यह पढ़ता था — वहाँ कोई कॉर्नर हुआ ही नहीं।

ख़ाली जगह को ज़ीरो पढ़ना और ख़ाली जगह को अज्ञात पढ़ना — इन दोनों के बीच का फ़र्क़ पूरे खेल-विश्लेषण की सबसे बड़ी चूक है। मेरे मॉडल ने झूठ नहीं बोला। झूठ मेरी ग़ैरहाज़िरी ने बोला, और मॉडल ने उसे दोहरा दिया।

यही बात क्रिकेट पर लगाइए। रणजी ट्रॉफ़ी की कवरेज पतली है — यह जानकारी है। WPL के वादे और उसकी डिलीवरी के बीच का फ़ासला — यह भी जानकारी है। कोरोना के महीनों में तीन ख़ाली वेन्यू पर खेले गए साठ मैच, और उसी साल उन्नीस दिसंबर को एडिलेड में छत्तीस रन पर ढेर — यह सब मेरी उस नोटबुक में है जो मैंने रद्द हुए इंटर्नशिप के बाद खोली थी। ख़ाली स्टेडियम ने मुझे सिखाया था कि ग़ैरहाज़िरी का भी एक बैलेंस शीट होता है। आज वही सबक डेटा पर लागू होता है: जो मैच फ़ीड में नहीं आया, वह मैच हुआ नहीं — यह निष्कर्ष निकालना वही ग़लती है जो मैंने रिप्ले के कट पर की थी।

जो मॉडल नहीं देख सकता

हर बार मुझे यह एक पैराग्राफ़ लिखना पड़ता है, और आज वह ज़्यादा ज़रूरी है। मेरी पूरी जाँच-सूची उस चीज़ को नहीं पकड़ सकती जो असल में हुई। वह संपादक नहीं पकड़ सकती जिसने वह कॉपी ही नहीं छापी। वह स्कोरर नहीं पकड़ सकती जो उस दिन मैदान पर नहीं आया। वह स्ट्रिंगर नहीं पकड़ सकती जिसने मराठी में लिखा और उसका लिखा कभी किसी फ़ीड तक नहीं पहुँचा। वह क्लब सचिव नहीं पकड़ सकती जिसके पास ईमेल भेजने का वक़्त ही नहीं था। मेरा मॉडल मुझे बता सकता है कि जानकारी नहीं आई; वह मुझे यह नहीं बता सकता कि जानकारी भेजी ही नहीं गई या भेजी गई और रास्ते में खो गई। इस अंतर को पाटने के लिए मुझे इंसानों से बात करनी पड़ती है, और वह काम किसी भी शीट से धीमा है।

उलटी बात, और फिर उलटी बात पर उलटी बात

कमरे में जो लोग बैठे हैं, वे कहेंगे कि यह इंजीनियरिंग की समस्या है — पाइपलाइन ठीक करो, पार्सर बदलो, काम ख़त्म। मैं इससे सहमत नहीं हूँ, क्योंकि क्रिकेट वह अकेली जगह है जहाँ एक ख़ाली फ़ाइल और एक रणजी का दोहरा शतक देखने में एक जैसे लगते हैं। जहाँ दूसरे उद्योगों में ख़ाली डेटा का मतलब होता है "ग्राहक ने कुछ नहीं किया", वहाँ क्रिकेट में ख़ाली डेटा का मतलब अक्सर होता है "किसी ने देखा ही नहीं"। यह खेल की समस्या है, सर्वर की नहीं।

अब उसी उलटी बात पर किल-लिस्ट लगाइए। मैं यह कहने की तरफ़ खिंच रहा हूँ कि यह कवरेज-पूर्वाग्रह का सबूत है — कि जिस क्रिकेट में पैसा कम है, वह सिस्टम से गायब हो जाता है। यह दावा आकर्षक है और शायद सही भी है। लेकिन मेरे पास इसका नमूना एक है। एक पेलोड से पूरी फ़ीड की पूर्वाग्रह-संरचना निकालना ठीक वही ग़लती है जो मैंने 2026 में बेन स्टोक्स के साथ की थी।

उस फ़रवरी में, कक्षा ग्यारहवीं की परीक्षा से दो हफ़्ते पहले, मैंने पुणे के अपने कमरे में एक एक्सेल मॉडल बनाया था — प्रति करोड़ रन और विकेट, हाथ से टाइप किए गए स्कोरकार्ड से। राइज़िंग पुणे सुपरजायंट ने स्टोक्स के लिए चौदह करोड़ पचास लाख रुपये दिए, और मेरे मॉडल ने उन्हें नौवें नंबर पर रखा था। वे टूर्नामेंट के सर्वश्रेष्ठ खिलाड़ी बने और फ़ाइनल हैदराबाद में एक रन से हारा। मैंने एक स्प्रेडशीट बनाई थी नीलामी की क़ीमत तय करने के लिए, और उसने मेरी अपनी धारणाओं की क़ीमत तय कर दी। उसके बाद मैंने खुलकर "मेरा मॉडल स्टोक्स के बारे में क्यों ग़लत था" लिखा, डेथ ओवरों के असर को दोबारा तौल कर। उस दिन से मेरी हर रिपोर्ट यह पूछकर शुरू होती है कि यह कैसे ग़लत हो सकती है।

तो यही नियम अपने ऊपर लगाता हूँ। कवरेज-पूर्वाग्रह का दावा अभी "अभी क़ीमत नहीं लगी" वाली फ़ाइल में जाएगा, एक तय तारीख़ के साथ — मुझे कम से कम पचास पेलोड चाहिए, और यह देखना है कि ख़ाली लौटने की दर का संबंध उस मैच की व्यावसायिक क़ीमत से है या सिर्फ़ उसके फ़ॉर्मैट से। जब तक वह नमूना नहीं आता, मैं उबाऊ वाला निष्कर्ष छापूँगा: यह एक पाइपलाइन की ख़राबी है, इसका एक नाम है, इसकी एक मरम्मत है, और इसे कवरेज-संकट का नाम देकर बड़ा करना फ़िलहाल जायज़ नहीं।

मरम्मत, ठोस शब्दों में

ख़ाली पेलोड को "कोई संकेत नहीं" नहीं कहना चाहिए। उसे "पार्स विफल" कहना चाहिए। यह दो अलग स्थिति-कोड हैं और इन्हें मिलाना ही असली गुनाह है, क्योंकि "कोई संकेत नहीं" सिस्टम को चुप करा देता है जबकि "पार्स विफल" उसमें अलार्म बजाता है। दूसरा, आगे की परत को तब तक न चलाएँ जब तक कम से कम एक सूचना बिंदु और कम से कम एक नामित संस्था मौजूद न हो — यह सख़्त शर्त है, सुझाव नहीं। तीसरा, जब पेलोड खोखला हो तो डोमेन लेबल हटा दीजिए या उस पर "असत्यापित" की मुहर लगाइए, वरना वह लेबल उस खालीपन को ज्ञान की तरह बेचता रहेगा। चौथा, दोबारा चलाने से पहले मूल लिंक, आउटलेट, लेखक और प्रकाशन का समय उठा लीजिए, क्योंकि बिना स्रोत के आप उसकी गुणवत्ता भी नहीं आँक सकते।

आगे की तरफ़

अब जब भी मैं कोई स्कोरकार्ड खोलता हूँ, मैं ख़ुद से एक सवाल पूछता हूँ, और मेरा सुझाव है कि आप भी पूछें: जो ख़ाली खाना मुझे दिख रहा है, वह वहाँ शून्य है या वहाँ सुराख़ है? शून्य आपको एक नतीजा बताता है। सुराख़ आपको यह बताता है कि आपका नक्शा अधूरा है, और नक्शा अधूरा होने की ख़बर मैदान की किसी भी ख़बर से ज़्यादा क़ीमती है।

इस साल के चक्र में मेरा अनुमान यह है कि एशिया की फ़ीड में ऐसे ख़ाली पेलोड की दर सुधरेगी भी और बिगड़ेगी भी — सुधरेगी, क्योंकि निष्कर्षण उपकरण ठीक हो रहे हैं; बिगड़ेगी, क्योंकि टूर्नामेंट के दबाव में आउटलेट क्षेत्रीय भाषा और तस्वीर-आधारित सामग्री पर ज़्यादा ज़ोर डालेंगे, और वही हमारा सबसे कमज़ोर पार्सिंग कोना है। मेरी सीमा: अगर अगले पचास पेलोड में ख़ालीपन की दर दस फ़ीसदी से ऊपर रहती है, तो मैं इसे इंजीनियरिंग की ख़राबी नहीं, संपादकीय चुनाव मानूँगा। अगर वह पाँच फ़ीसदी से नीचे आ जाती है, तो यह सिर्फ़ एक टूटा हुआ पार्सर था और मैं यह पूरा लेख भूल जाऊँगा।

जिस सुबह मैंने एडिलेड में छत्तीस रन पर ढेर होते देखा था, मैंने पहले यह पूछा था कि क्या यह पिच थी या पारी थी। जवाब में मुझे एक ख़ाली स्कोरकार्ड मिला जिसमें इकतालीस ओवर में सब कुछ दर्ज था और कुछ भी समझाया नहीं गया था। क्रिकेट हमें हमेशा वही सिखाता है — गिनती पूरी होना और समझ पूरी होना दो अलग काम हैं। सवाल यह नहीं है कि आपके पास कितना डेटा है। सवाल यह है कि जहाँ डेटा नहीं है, वहाँ आपने शून्य लिखा है या सुराख़।