लेजर खाली लौटा: क्रिकेट डेटा पाइपलाइन में शून्य-इनपुट का मामला

सत्रह जून 2026 की रात अहमदाबाद में मेरी मेज़ पर एक मोटी कॉपी खुली थी और उसमें 483 पंक्तियाँ भर रही थीं — गेंद, गेंदबाज़, लंबाई, लाइन, शॉट, नतीजा। उसके बाद ग्यारह रातें मैंने वही 483 पंक्तियाँ स्प्रेडशीट में उतारीं। तब से मेरा हर लेख किसी गिनती से खुलता है, किसी विशेषण से नहीं। पिछले हफ्ते मेरे पास एक और लेजर आया। कॉलम बिल्कुल वही थे — तारीख, मैदान, फॉर्मेट, टीम, खिलाड़ी, आंकड़ा, स्रोत। हर कॉलम मौजूद था। हर सेल खाली था। कोई मैच रद्द नहीं हुआ था। जो हुआ, वह यह — पाइपलाइन को मैच की खबर ढोनी थी और उसने रास्ते में सब कुछ गिरा दिया। मैंने राय बनाने से पहले हमेशा सारी डिलीवरी दर्ज की हैं; इस बार दर्ज करने के लिए डिलीवरी ही नहीं थीं।

मेरा काम दो चरणों में चलता है। पहला चरण किसी पाठ को तोड़कर सूचना-बिंदु, मुख्य दृष्टिकोण, संस्थाएँ और फॉर्मेट-टैग निकालता है। दूसरा चरण उन परमाणुओं पर आठ-आयामी ढाँचा लगाता है — फॉर्मेट और मैच-अवस्था, खिलाड़ी तकनीक और आंकड़े, टीम परिदृश्य और रैंकिंग, लीग-वाणिज्य, नियम और शासन, जोखिम-मैट्रिक्स, सार्वजनिक कथा, और उद्योग-संचरण। इस बार पहले चरण से जो लौटा, उसमें शीर्षक अनुपलब्ध, स्रोत अनुपलब्ध, लेख-प्रकार 'Unclassified', सूचना-बिंदुओं की सूची खाली, मुख्य दृष्टिकोण खाली, संस्थाएँ अन-निकालित, समय-संवेदनशीलता 'आंकी नहीं गई', और स्रोत-गुणवत्ता 'आंकी नहीं जा सकती'। बचा सिर्फ़ एक टुकड़ा: रूटिंग लेबल cricket_asia।

उस लेबल का दर्जा समझ लेना ज़रूरी है। यह फाइलिंग श्रेणी है, साक्ष्य नहीं। यह बताता है कि लेख किस विभाग को सौंपा गया था — संभवतः एशियाई क्रिकेट, यानी एशिया कप या ACC का दायरा, या BCCI, PCB, SLC, BCB, ACB, CAN जैसे बोर्ड। यह नहीं बताता कि लेख में क्या लिखा था। इस रिपोर्ट में यह टुकड़ा एक भी निष्कर्ष का आधार नहीं बना; जहाँ भी यह आया, उसके साथ विश्वास-स्तर 'कम' ही दर्ज रहा।

खाली डेटा से मेरा पहला सामना 2026 में हुआ, जब IPL संयुक्त अरब अमीरात में खेला गया और स्टेडियम खाली थे। तब स्टंप माइक इकलौता ईमानदार गवाह था। मैंने 2,914 फील्डिंग-क्रमों को हाथ से बारह-चर वाले दबाव-सूचकांक में बदला — हर दस गेंदों पर फील्डिंग-हस्तक्षेप गिनने वाला PPDA जैसा माप। वह सूचकांक विकेट के अंतर का केवल छह प्रतिशत समझा पाया। स्टेडियम खाली था, और मेरी परिकल्पना उसके साथ चुप हो गई। मैंने वह शून्य परिणाम फिर भी छाप दिया, क्योंकि शून्य परिणाम साफ़-सुथरा लौटा था और मैंने उसे लिख लिया।

अब असली ऑडिट। सबसे पहले एक अंतर, जिसे पढ़ने वाले सबसे ज़्यादा गलत समझते हैं: 'N/A — अपर्याप्त सूचना' का अर्थ है इनपुट गायब है; यह निष्कर्ष नहीं कि मामला साफ़ है। जोखिम-मैट्रिक्स में सट्टेबाज़ी और भ्रष्टाचार की पंक्ति खाली है, इसका मतलब यह कतई नहीं कि कोई इंटेग्रिटी संकेत नहीं मिला। मतलब यह है कि संकेत मिल ही नहीं सकता था, क्योंकि जिस चीज़ पर संकेत मिलता, वह इनपुट में थी ही नहीं। खाली इंटेग्रिटी-पंक्ति और साफ़ इंटेग्रिटी-रिपोर्ट के बीच ज़मीन-आसमान का फर्क है, और यह फर्क किसी रिपोर्ट के सारांश में दिखता नहीं।

आठों आयामों का हिसाब इस तरह निकला। फॉर्मेट तय नहीं हो सका — टेस्ट, वनडे, टी20 या द हंड्रेड — इसलिए पावरप्ले, मध्य ओवर, डेथ ओवर या नई गेंद का कोई चरण परिभाषित ही नहीं हुआ; और फॉर्मेट तय किए बिना तुलना वर्जित है, क्योंकि औसत, स्ट्राइक रेट और इकॉनमी दरें फॉर्मेट के पार तुलनीय नहीं होतीं। मैदान का नाम नहीं, पिच रिपोर्ट नहीं, मौसम नहीं, डीएलएस-व्यवधान नहीं — घरेलू मैदान का पूर्वाग्रह और किस्मत के कारक छानने का कोई ज़रिया नहीं बचा। कोई खिलाड़ी नहीं, इसलिए भूमिका-पहचान शुरू ही नहीं हुई; और सैंपल-साइज़ की जाँच के लिए सैंपल चाहिए — यहाँ सैंपल शून्य है। कोई आर्थिक आंकड़ा नहीं — प्रसारण अधिकार नहीं, फ्रैंचाइज़ी मूल्यांकन नहीं, वेतन नहीं, नीलामी कीमत नहीं — इसलिए 'ऊँची नीलामी कीमत बराबर अंतरराष्ट्रीय मज़बूती' वाली जाँच लागू नहीं हो सकी। कोई शासी निकाय नहीं, इसलिए नियम-चेकलिस्ट पूरी तरह शून्य है — नकारात्मक नहीं, शून्य।

विफलता के चार संभावित कारण दर्ज किए गए, और चारों पर विश्वास-स्तर 'कम' ही रहा। लेख का मूल पाठ खाली या कटा हुआ पहुँचा। स्रोत गैर-पाठ्य था — वीडियो, पेवॉल वाला पन्ना, या केवल-चित्र PDF। लेख क्लासिफायर की ज्ञात श्रेणियों से बाहर गिरा और 'Unclassified' टैग ने सूचना-बिंदु तोड़ने की प्रक्रिया बीच में रोक दी। या पाइपलाइन की सीरियलाइज़ेशन में खराबी आई और भरे हुए खाने तोड़ने के बाद गिर गए।

यहाँ से शुरू होती है असली परीक्षा, और वह तकनीकी नहीं, नैतिक है। खाली टेम्पलेट भरने का दबाव डालते हैं। हर खाली खाना कहता है: मुझमें कुछ डालो। एशिया कप की कहानी, भारत-पाकिस्तान का फ्रेम, आईपीएल नीलामी की अटकलें — सब तैयार बैठे हैं, और सब बेबुनियाद। मॉडल उधार लेना आसान है; उसे चुकाना असली काम है। जिस पल मैंने एक भी टीम, खिलाड़ी या आंकड़ा बिना साइटेबल स्रोत के भर दिया, वह दस्तावेज़ विश्लेषण नहीं रह जाता — वह सजावट बन जाता है। और सजावट वाला दस्तावेज़ खाली दस्तावेज़ से ज़्यादा खतरनाक है, क्योंकि खाली दस्तावेज़ गिर जाता है और सजावट वाला आगे फैल जाता है।

यहाँ एक उलटा संकेत है, और वही इस पूरे मामले में सबसे दिलचस्प है। लेख-प्रकार 'Unclassified' है, लेकिन डोमेन लेबल भरा हुआ है। यानी विफलता वर्गीकरण के बाद हुई, पहले नहीं। स्रोत सचमुच खाली होता तो वर्गीकरण भी खाली लौटता। तो कहानी 'लेख खाली था' नहीं है; कहानी 'पाइपलाइन ने एक असली लेख गिरा दिया' है। यह अंतर बड़ा है, क्योंकि पहली कहानी का इलाज संपादकीय है और दूसरी का इंजीनियरिंग। मैंने पहले भी यह गलती की है — बैक-टेस्ट चलाया और सही होने की उम्मीद रखी, यही पहली गलती थी। सबसे बड़ा जोखिम यह नहीं कि रिपोर्ट खाली लौटी; सबसे बड़ा जोखिम यह है कि वह भरावट के साथ लौटती और किसी ने उसे सच मान लिया।

दूसरी बात, झूठी सटीकता। 483 डिलीवरी का लेजर मुझे एक अधिकार देता है, और वह अधिकार दशमलव के साथ आता है। लेकिन उस अधिकार को वहाँ नहीं ले जाया जा सकता जहाँ 12 मैचों का सैंपल है या 30 गेंदों की स्पेल। यहाँ ईमानदार संख्या शून्य है, और शून्य के बाद दशमलव नहीं लगता।

पूरी रिपोर्ट पर एक ही टैग टिकता है: अपूर्ण — उद्धृत न करें। और जो न्यूनतम इनपुट माँगा गया है, वह सूची बहुत छोटी है: शीर्षक, प्रकाशक, बाइलाइन और प्रकाशन तिथि; फॉर्मेट-टैग, जो बिना शर्त ज़रूरी है; मैच की प्रकृति और अगर लाइव है तो मौजूदा स्थिति; नामित संस्थाएँ — टीम, खिलाड़ी, कोच, मैदान, शासी निकाय; और कम से कम एक मात्रात्मक आंकड़ा, अपने फॉर्मेट-संदर्भ के साथ। हर आंकड़े के साथ एक तारीख, एक मैदान और उसे गिनने वाला व्यक्ति जुड़ा होता है; जिस आंकड़े के साथ ये तीन नहीं, वह आंकड़ा नहीं, अफवाह है।

अगली बार जब कोई रिपोर्ट साफ़-सुथरी दिखे, तो यह मत पूछिए कि उसमें क्या मिला। यह पूछिए कि उसमें कितने खाने भरे गए थे। लेजर को इससे कोई फर्क नहीं पड़ता कि मैं क्या उम्मीद रखता था।