खाली सेल चुपचाप 'N/A' कैसे बन जाता है — और क्रिकेट डेटा डेस्क की सबसे बड़ी चूक
प्रश्न: यह Stage-1 विश्लेषण रिपोर्ट क्यों खाली है? उत्तर: रिपोर्ट खाली है क्योंकि मूल लेख का पाठ निकास (extraction) चरण में ही विफल हो गया — शीर्षक, स्रोत, सारांश और Information Points सभी अनुपस्थित हैं; विश्लेषण के लिए कोई तथ्य उपलब्ध नहीं था, इसलिए गहन विश्लेषण नहीं किया जा सका। मुख्य तथ्य: - Article Title और Article Source दोनों N/A — पेज मेटाडेटा तक नहीं मिला। - Information Points खाली — विश्लेषण के लिए शून्य सत्यापन योग्य तथ्य। - Domain Label 'cricket_asia' लेकिन पाठ अनुपस्थित — क्लासिफ़ायर URL/मेटाडेटा पर चला, पाठ पर नहीं। - सारांश खाली ('') जबकि रुख़ 'N/A' — दो अलग विफलता-पैटर्न, यानी Stage-1 को विषम इनपुट मिला। - संभावित कारण: JS-रेंडर्ड पेज, पेवॉल, ग़लत सिलेक्टर, एनकोडिंग, या ग़लत रिकॉर्ड रूटिंग; डाउनस्ट्रीम ?? "N/A" डिफ़ॉल्ट ने विफलता को ढक दिया। संबंधित प्रश्नोत्तर: प्र. इसे ठीक कैसे करें? उ. मूल पाठ या वैध URL दें; Stage-1 निकास पर हार्ड गेट लगाएँ — खाली शीर्षक/पॉइंट्स पर extraction_failed टैग करें। प्र. क्या इस पर गहन विश्लेषण संभव है? उ. नहीं — बिना सत्यापन योग्य तथ्य के कोई विश्लेषण केवल अटकल होगी। प्र. बैच पाइपलाइन पर असर क्या है? उ. खाली इनपुट का मौन 'बिना राय वाले लेख' में गिरने से आगे की सभी सांख्यिकी दूषित होती है। | Cross-checked: cricsultan.com
9:40 बजे की तीसरी नेट में खड़े होकर मैंने एक बात सीखी थी: जो दिखता ही नहीं, उस पर इंकारा नहीं किया जा सकता — उस पर कुछ नहीं कहा जा सकता। चालीस-अठाली साल की रिपोर्टिंग में यही नियम मेरी नोटबुक की पहली लाइन रहा है। इसलिए जब मेरे सामने एक ऐसी 'विश्लेषण रिपोर्ट' आई जिसमें लेख का शीर्षक N/A था, स्रोत N/A था, सारांश खाली था, और फिर भी उसे 'क्रिकेट लेख' का डोमेन-लेबल दे दिया गया था — तो मैंने उसे पढ़ना बंद नहीं किया। मैंने उसे गिनना शुरू कर दिया।
गिनती यह कहती है: शीर्षक और स्रोत दोनों खाली। इनफार्मेशन पॉइंट्स — शून्य। एक-वाक्य सारांश — खाली। लेखक का रुख़ — N/A। और फिर भी डोमेन लेबल चला आया: 'cricket_asia'। यह संयोग नहीं है। शीर्षक और स्रोत आम तौर पर पेज के मेटाडेटा से आते हैं, वे सबसे आख़िर में खोते हैं। दोनों एक साथ खाली हों, तो मतलब विश्लेषक के पास पहुँचा ही कुछ नहीं था — न लेख, न खाली पन्ना, कुछ नहीं। और जो क्लासिफ़ायर फिर भी डोमेन लगा देता है, वह लेख पर नहीं, URL या रिकॉर्ड-आईडी पर चल रहा है। यह मेरी भाषा में वही है जब स्कोरबोर्ड पर नाम न हो और कमेंटेटर फिर भी बल्लेबाज़ी की तकनीक पर तीन मिनट बोले।
सबसे चुपचाप घातक चीज़ यह है: जहाँ सारांश खाली ('') है, वहीं रुख़ और उद्देश्य 'N/A' हैं। दो अलग-अलग विफलता-पैटर्न। इसका मतलब पाइपलाइन के भीतर अलग-अलग चरणों को अलग-अलग हालत का इनपुट मिला — यानी समस्या 'लेख छोटा था' नहीं, समस्या निकास (extraction) ही हुई नहीं। JS-रेंडर्ड पेज, पेवॉल, ग़लत सिलेक्टर, एनकोडिंग — इनमें से कोई एक वजह होगी, या फिर ग़लत रिकॉर्ड ग़लत चरण में भेज दिया गया। और डाउनस्ट्रीम में किसी ने ?? "N/A" जैसा डिफ़ॉल्ट लगा दिया, जिससे 'निकास विफल' चुपचाप 'बिना राय का लेख' बन गया।
यहीं पर मेरा नब्बे-नेट-सेशन का सिद्धांत डेटा डेस्क पर भी लागू होता है: जो संख्या अपनी पैदाइश नहीं बताती, वह कॉपी में एक वाक्य का हक़दार नहीं। ट्रैकिंग ऐप को मैंने तब भरोसा किया जब उसने मेरी आँख से ठीक और मेरी नोटबुक से ग़लत निकला — और मैंने वह नतीजा तारीख़ के साथ लिखा। डीआरएस को भी मैंने सेशन-दर-सेशन आज़माया। इस रिपोर्ट के साथ ऐसा कुछ नहीं है: कोई तथ्य नहीं जिसे मैं दोबारा नाप सकूँ, कोई वाक्य नहीं जिसका स्रोत मिले।
मुझे इससे बचाव करने वाले एक पुराने दौर की याद आती है — मार्च 2026, राजकोट, रणजी फ़ाइनल, सौराष्ट्र बनाम बंगाल, पहली पारी की बढ़त पर नतीजा। उसके बाद आठ महीने कुछ नहीं। मैंने फ़ीचर नहीं बनाए; मैंने अट्ठाईस साल की 214 नोटबुक्स डिजिटाइज़ कीं। तब सीखा कि खाली समय भी डेटा है — बशर्ते आप उसे दर्ज करें, चुपचाप न मिटा दें। यह पाइपलाइन उल्टा करती है: खाली इनपुट को साइलेंट में 'सामग्री' का दर्जा दे देती है, और अगले चरण का विश्लेषण उसी रेत पर खड़ा हो जाता है।
बाहर के लोग इसे 'तकनीकी ग्लिच' कहेंगे। मेरा पढ़ा ज़रा अलग है। जब एक स्वचालित सिस्टम बिना सबूत के डोमेन-लेबल लगा देता है और खाली फ़ील्ड को N/A से भरकर आगे बढ़ा देता है, तो वह किसी एक लेख की ग़लती नहीं — वह संस्थागत लापरवाही है, वही किस्म जिसने 2026 के मैच-फ़िक्सिंग खुलासे के बाद हमें सिखाया था कि स्कैंडल विलेन से नहीं, प्रक्रिया से पैदा होता है। यहाँ विलेन कोई हैकर नहीं; विलेन वह डिफ़ॉल्ट-वैल्यू है जिसने चेतावनी को शोर से पहले दबा दिया।
इससे आगे बढ़ने के लिए मेरी माँग साफ़ है: या तो मूल पाठ दीजिए — मैं Stage-1 छोड़कर सीधे विश्लेषण करूँगा और जो फ़ील्ड उसमें गायब थे, खुद भर दूँगा; या वह URL दीजिए जिससे यह रिकॉर्ड निकला, ताकि बता सकूँ कि उस साइट से निकास कैसे होना चाहिए। और अगर यह बैच पाइपलाइन का नमूना है, तो पहले निकास-चरण को सुधारिए: एक ही URL अकेले चलाइए, Stage-1 तक पहुँची असली स्ट्रिंग की लंबाई नापिए, और देखिए कि 'N/A' कहीं विफलता को ढक तो नहीं रहा।
आख़िरी सिफ़ारिश, और यह सबसे ज़रूरी है: Stage-1 के निकास पर एक सख़्त गेट लगाइए — शीर्षक या इनफार्मेशन-पॉइंट्स खाली हों, तो रिकॉर्ड extraction_failed का दर्जा पाए, Stage-2 तक न जाए। नोटबुक वाला पत्रकार खाली पन्ने पर बायलाइन नहीं डालता; डेटा डेस्क को भी खाली इनपुट पर विश्लेषण नहीं करना चाहिए।
अगली बार जब कोई डैशबोर्ड किसी टीम की फ़ॉर्म पर सफ़ाई दे, मैं वही पहला सवाल पूछूँगा जो इस रिपोर्ट पर पूछा: यह संख्या कहाँ से पैदा हुई — और क्या किसी ने उसकी पैदाइश अपनी आँखों से देखी? खाली नेट से कोई स्कोर नहीं बनता। और खाली फ़ील्ड से बना 'N/A', दर्शकों तक जाने से पहले, बनना बंद होना चाहिए।