जब स्कोरकार्ड ख़ाली आता है: एक क्रिकेट डेटा पाइपलाइन की शून्य-निष्कर्ष ऑडिट

रात ग्यारह बजकर चालीस मिनट पर डेस्क पर वह फ़ाइल खुली जिसका नाम क्रिकेट रिपोर्ट था। शीर्षक के खाने में N/A छपा था। स्रोत के खाने में N/A। "सूचना बिंदु" वाला कॉलम एक ख़ाली सूची लौटा रहा था, और एंटिटी वाले खाने में एक वाक्य लिखा था — "ऊपर दिए सूचना बिंदुओं से पहचानें" — जबकि ऊपर कोई सूचना बिंदु मौजूद ही नहीं था। मैं स्कोरर की कुर्सी से शुरू करता हूँ, और उस कुर्सी का पहला सबक़ यही था कि ख़ाली खाना शून्य नहीं होता; वह किसी और चीज़ की गवाही दे रहा होता है। — जड़: 2026 का स्कोरर।

2026 की गर्मियों में उप्पल में जो फ़ीड मिलती थी वह रन गिनती थी, गेंद का आकार नहीं। उस कमी ने मुझसे 640 हाथ से बनाए फ़ील्ड मैप निकलवाए — हर ओवर की शुरुआत में नौ फ़ील्डर ग्राफ़ पेपर पर, और हर मैप पर बल्लेबाज़ का स्कोरिंग ज़ोन टैग। आज की फ़ाइल में रन भी नहीं थे। नौ फ़ील्डर बनाने के लिए भी एक काम की बात चाहिए: कौन-सी टीम, कौन-सा फ़ॉर्मैट, कौन गेंदबाज़। तीनों में से एक भी दर्ज नहीं था। छह सौ चालीस मैप के बाद मुझे जो पैटर्न समझ आया, वह पिच का नहीं था — दोहराव का था। आज का दोहराव यह था कि पाइपलाइन का ऊपरी हिस्सा चुपचाप ख़ाली लौट आया और नीचे के हर खाने ने उस ख़ालीपन को विरासत में लिया।

संदर्भ

स्टेज-1 डिकंस्ट्रक्शन का जो पैकेज स्टेज-2 तक पहुँचा, उसे तकनीकी भाषा में "इफ़ेक्टिवली एम्प्टी" कहा गया है। इसमें चार चीज़ें साफ़ तौर पर अनुपलब्ध थीं: लेख का शीर्षक, लेख का स्रोत, लेख का प्रकार (Test, ODI, T20 या The Hundred में से कुछ भी तय नहीं), और सबसे अहम — सूचना बिंदुओं की सूची, जो पूरी तरह ख़ाली थी। एंटिटी वाले खाने में निर्देश था कि ऊपर के बिंदुओं से पहचान कर ली जाए, लेकिन ऊपर कोई बिंदु था ही नहीं। समय-संवेदनशीलता की जाँच स्टेज-1 में की ही नहीं गई थी, और स्रोत की गुणवत्ता आँकने के लिए जिन खानों की ज़रूरत होती है, वे भी भरे नहीं गए थे।

क्रिकेट में यह स्थिति उतनी मासूम नहीं है जितनी दिखती है। फ़ॉर्मैट का लेबल गायब होने का मतलब है कि हर आँकड़ा अपना पैमाना खो देता है। T20 में सात से नीचे की इकॉनमी अच्छी मानी जाती है; Test में वही संख्या बेमानी है। बल्लेबाज़ का स्ट्राइक रेट T20 में हर सौ गेंद पर रन है, गेंदबाज़ के लिए यह प्रति विकेट गेंदें है — एक ही शब्द, दो अलग मायने, और बीच में फ़ॉर्मैट की दीवार। इसलिए जब लेबल न हो, तो स्ट्राइक रेट या इकॉनमी की कोई भी तुलना सीधे उस ग़लती में गिरती है जिसे मैं अपनी निजी एरर लेजर में सबसे ऊपर रखता हूँ: क्रॉस-फ़ॉर्मैट मिश्रण। आठ विश्लेषण आयाम — फ़ॉर्मैट और मैच, खिलाड़ी तकनीक, टीम परिदृश्य और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम और शासन, जोखिम पक्ष, सार्वजनिक कथा और अपेक्षा, और उद्योग संचरण — सब खोले गए और सब में एक ही पंक्ति दर्ज हुई: पर्याप्त सूचना नहीं।

यहाँ एक बात दर्ज करनी ज़रूरी है, क्योंकि यही मेरी डेस्क की आदत है। नियम-शासन वाले हिस्से में जो पंक्तियाँ बची रह गईं — 2026 का क्रोंजे मामला, 2026 का पाकिस्तान स्पॉट-फ़िक्सिंग प्रकरण, 2026 का IPL स्पॉट-फ़िक्सिंग मामला, ICC का राजस्व-मॉडल विवाद, NOC और केंद्रीय अनुबंध की व्यवस्था — वे इस लेख के बारे में कोई दावा नहीं हैं। वे महज़ डोमेन ज्ञान हैं, टेम्पलेट को पूरा रखने के लिए रखे गए हैं। स्रोत और अनुमान को अलग-अलग पैराग्राफ़ में रखने का नियम 2026 से मेरे हर फ़ुटनोट में है, और यहाँ वह सबसे ज़्यादा लागू होता है।

मुख्य विश्लेषण

स्टेज-2 ने जो रिपोर्ट बनाई, उसमें क्रिकेट के बारे में एक भी दावा नहीं है। यह कमज़ोरी नहीं, प्रक्रिया है। चार जोखिम साफ़ नाम लेकर दर्ज किए गए। पहला, फ़ैब्रिकेशन का जोखिम, स्तर उच्च — ख़ाली इनपुट पर बनाया गया कोई भी क्रिकेट-कथन मनगढ़ंत होता। दूसरा, फ़ॉर्मैट की अनिश्चितता, स्तर उच्च — लेबल के बिना हर मीट्रिक तुलना असंगत हो जाती है, और इसलिए फ़ॉर्मैट पहला खाना है जो बहाल होना चाहिए। तीसरा, स्रोत-गुणवत्ता का अंधापन, स्तर मध्यम — स्रोत-फ़ील्ड ख़ाली होने पर एक एग्रीगेटर या फ़ैन-अकाउंट को बोर्ड की प्रेस रिलीज़ या किसी अधिकृत पत्रकार की रिपोर्ट से अलग करना नामुमकिन है। चौथा, साइलेंट एंटिटी लॉस, स्तर मध्यम — शून्य एंटिटी निकलीं, यानी कोई बड़ा नाम (राष्ट्रीय टीम, मार्की खिलाड़ी, बोर्ड का फ़ैसला) बिना किसी अलार्म के गुम हो सकता है।

इन चारों में जो सबसे ज़्यादा चुभती है, वह चौथी है। मेरे पास 2026 से लेकर आज तक का रॉ लॉग रखा है, इसलिए मैंने यह सीखा है कि डेटा का सबसे ख़तरनाक रूप वह नहीं होता जो ग़लत आता है; सबसे ख़तरनाक वह है जो आता ही नहीं और किसी को फ़र्क़ नहीं पड़ता। 2026 की गर्मियों में जब स्पॉट-फ़िक्सिंग का मामला खुला, तब मैं एक हैदराबादी फ़र्म में लाइव स्कोरिंग फ़ीड पर बैठा था, और दो फ़्रैंचाइज़ियों को फ़ीड सप्लाई होती थी। डेस्क का बाक़ी हिस्सा प्रतिक्रिया के पीछे भाग रहा था; मैंने छह हफ़्ते अपने ही एम्प्लॉयर के एक्सेस लॉग की ऑडिट में लगाए — किसे टॉस से पहले प्लेइंग XI दिख सकती है, और कब। चौंतीस पन्नों की उस आंतरिक समीक्षा ने लाइव डेटा एक्सेस के लिए दो-व्यक्ति नियम की सिफ़ारिश की, और फ़र्म ने सितंबर 2026 में उसे लागू कर दिया। चौंतीस पन्नों की प्रोसेस ऑडिट और कुछ नहीं होती — वह उस नक़्शे का नाम है जहाँ भरोसा टूटा था। यहाँ भरोसा उस जगह टूटा जहाँ एक्सट्रैक्शन ने शून्य लौटाया और किसी अलार्म ने आवाज़ नहीं की।

इसीलिए स्टेज-2 की सबसे काम की सिफ़ारिश यह है: स्टेज-1 पाइपलाइन में एक स्वचालित झंडा जोड़ा जाए — "शून्य एंटिटी निकली"। यह झंडा तुरंत, अगले बैच से पहले, लगना चाहिए। किसी भी एनालिटिक्स डेस्क पर यही वह जगह है जहाँ विशेषज्ञता ख़र्च होनी चाहिए: फ़ाइल के अंदर नहीं, फ़ाइल के आने की प्रक्रिया में।

सूचना मूल्य रेटिंग भी इसी तरफ़ इशारा करती है। चारों आयाम — खेल मूल्य, उद्योग मूल्य, समयबद्धता मूल्य, संदर्भ मूल्य — पाँच में से एक स्टार पर बंद हुए। इसका मतलब यह नहीं है कि विषय बेकार है। मतलब यह है कि पैकेज उद्धरण-योग्य नहीं है। कोई भी रिपोर्टर जो इस फ़ाइल से एक वाक्य लेकर आगे बढ़ता, वह उद्धरण दे रहा होता जिसकी कोई जड़ नहीं। मेरे नियमों में क्रिकेट के किसी दावे को सौ ट्रैक की गई गेंदों से कम पर चलाना मना है, और हर संख्या के साथ उसका नमूना उसी वाक्य में चलता है। यहाँ नमूना शून्य था। शून्य नमूने पर कोई दावा नहीं बनता, चाहे वह दावा कितना भी आकर्षक लगे।

आगे बढ़ने के लिए पाँच-मद की सूची दर्ज है, और उसे यहीं छाप देता हूँ, क्योंकि यही असली डिलीवरेबल है। एक: लेख का शीर्षक, प्रकाशक, लेखक और प्रकाशन की तारीख़-समय। दो: कम से कम एक सूचना बिंदु, आदर्श रूप में तीन से दस, जो मूल पाठ से शब्दशः जुड़े हों। तीन: फ़ॉर्मैट लेबल और मैच या घटना की प्रकृति। चार: नामित एंटिटी — टीमें, खिलाड़ी, कोच, बोर्ड, लीग। पाँच: स्रोत में उद्धृत हर आँकड़ा (स्कोर, औसत, फ़ीस, तारीख़, रैंकिंग) — और उसे तब तक "डेटा सत्यापन लंबित" का लेबल लेकर चलना चाहिए, जब तक उसे ESPNcricinfo, Cricbuzz या ICC के आधिकारिक आँकड़ों से मिलाया न जाए।

चार संकेत भी निगरानी में रखे गए हैं, हर एक के साथ ट्रिगर की शर्त। पुनः-आपूर्त किया गया स्टेज-1 पैकेज तब गिना जाएगा जब सूचना बिंदु एक या उससे ज़्यादा हों और एंटिटी भी कम से कम एक हो। लेख का शीर्षक और स्रोत मेटाडेटा आने पर स्रोत-गुणवत्ता की ग्रेडिंग और कथा-ताप की जाँच खुलेगी। फ़ॉर्मैट लेबल आते ही हर बेंचमार्क सही जगह टिकेगा। और प्रकाशन की समय-मुहर, अगर वह किसी घटना के बहत्तर घंटे के भीतर की है, तो समय-संवेदनशीलता और कथा-चक्र की अवस्था आँकी जा सकेगी।

उलटा कोण

हर न्यूज़रूम की पहली प्रवृत्ति यह होती है कि ख़ाली फ़ाइल को प्रशासनिक अड़चन मानकर उसके चारों ओर से निकल जाया जाए। तीन सौ शब्द लिख दो, स्कोरकार्ड से कुछ उठा लो, हेडलाइन बना दो। मेरा अनुभव उलटा है: ख़ाली फ़ाइल एक निदान है, अड़चन नहीं। और निदान की दिशा यह है कि गड़बड़ी पाइपलाइन के ऊपरी सिरे पर हुई है — फ़ेच, पार्स या एक्सट्रैक्शन में से किसी एक में। असली लेख का ख़ुद का कोई सूचना-बिंदु शून्य होना लगभग असंभव है; प्रकाशन-योग्य लंबाई का कोई भी क्रिकेट लेख कम से कम दो-तीन निकाले जा सकने वाले बिंदु छोड़ता ही है। इसलिए शून्य उपज का मतलब यह है कि विषय नहीं, प्रक्रिया विफल हुई।

सबसे संभावित वजहें सादी हैं: मूल सामग्री कोई सोशल-मीडिया पोस्ट रही हो, कोई स्कोरकार्ड एम्बेड रहा हो, या कोई पेवॉल के पीछे का अंश। इन तीनों में एक्सट्रैक्शन का विफल होना सबसे सामान्य है। यहाँ एक चेतावनी भी जोड़नी है जिसे स्टेज-2 ने ठीक ही रेखांकित किया: किसी सत्यनिष्ठा-संकेत का न मिलना, सत्यनिष्ठा-जोखिम के न होने का सबूत नहीं है। सिग्नल की अनुपस्थिति और जोखिम की अनुपस्थिति दो अलग-अलग चीज़ें हैं, और दोनों को एक मान लेना उसी तरह की लापरवाही है जैसे ड्रॉप्ड कैच को "तक़दीर" कहकर छोड़ देना।

निष्कर्ष की दिशा

अगले बैच की पहली जाँच स्कोर नहीं होगी। पहली जाँच यह होगी कि सूचना बिंदु एक या उससे ज़्यादा हैं या नहीं, और एंटिटी कम से कम एक निकली या नहीं। दोनों हाँ होते ही आठ-आयामी ढाँचा बिना किसी पुनर्गठन के चल जाएगा — वह तैयार रखा है। जिस दिन स्कोरकार्ड ख़ाली आए, उस दिन सबसे ज़रूरी सवाल यह नहीं होता कि मैच में क्या हुआ था; सबसे ज़रूरी सवाल यह होता है कि फ़ाइल में क्या नहीं आया, और उसकी ख़बर किसी को क्यों नहीं हुई। ऑडिट वहीं शुरू होता है जहाँ हाइलाइट रील ख़त्म होती है।