खाली लेजर: क्रिकेट की डेटा पाइपलाइन ने स्कोर की जगह शून्य लौटाया

मैंने सीएफए नोटबुक पहला शंकु हिलने से पहले खोली थी। आदत 2026 की है — सात बजे पहुँचो, ड्रिल गिनो, और जो देखा है उसे काग़ज़ पर लिखने से पहले दो बार जाँचो। इस हफ़्ते उसी आदत से एक दूसरा काग़ज़ खुला: आठ खानों वाली एक ऑडिट शीट, जिसमें हर खाना भरा हुआ था और हर खाने में "अपर्याप्त सूचना" टँका हुआ था।

शीर्षक: उपलब्ध नहीं। स्रोत: उपलब्ध नहीं। लेख-प्रकार: "अवर्गीकृत"। सूचना-बिंदु: शून्य। एंटिटी: "ऊपर दिए सूचना-बिंदुओं से पहचानें" — और ऊपर कोई सूचना-बिंदु ही नहीं था। समय-संवेदनशीलता: आँकी नहीं गई। डोमेन लेबल: cricket_world। यह किसी मैच की रिपोर्ट नहीं थी; यह मैच रिपोर्ट की खाली रसीद थी — फ़ॉर्म पूरा वैध, कंटेंट पूरा शून्य।

क्रिकेट कवरेज इस वक़्त तीन परतों पर खड़ी है: बॉल-बाय-बॉल फ़ीड, करार और नीलामी का अंकगणित, और ब्रॉडकास्ट ग्राफ़िक्स जिन्हें दर्शक सबूत मान लेता है। रिटेंशन और ट्रांसफ़र साइकिल में पाठक संख्याओं में डूबा हुआ है — पर्स बचा या नहीं, किसे रिलीज़ किया, किस पर राइट-टू-मैच खर्च हुआ। ऐसे मौसम में हर प्रकाशित आँकड़ा एक दावा है, और हर दावे के पीछे किसी न किसी स्तर पर एक एक्सट्रैक्शन परत होती है।

उस परत का काम सीधा है। पहला स्टेज लेख को परमाणु सूचना-बिंदुओं में तोड़ता है, एंटिटी निकालता है, प्रोवेनेंस दर्ज करता है। दूसरा स्टेज उस ढाँचे पर आठ-आयामी विश्लेषण लगाता है — फ़ॉर्मेट, खिलाड़ी तकनीक, टीम परिदृश्य, लीग अर्थव्यवस्था, शासन, जोखिम, सार्वजनिक कथा, और उद्योग संचरण। दूसरा स्टेज पहले स्टेज की सीलिंग से ऊपर कभी नहीं जा सकता। सीलिंग शून्य हो तो नीचे जो भी बनेगा, वह शून्य ही होगा — चाहे उसका ख़ाका कितना भी भरा हुआ दिखे।

यहीं असली खबर है। जिस दस्तावेज़ की समीक्षा मेरे सामने थी, उसमें आठों आयाम मौजूद थे और आठों खाली थे। फ़ॉर्मेट के खाने में लिखा था कि टेस्ट, वनडे, टी20 या द हंड्रेड में से कुछ भी तय नहीं किया जा सकता। टीम के खाने में लिखा था कि कोई राष्ट्रीय या फ़्रैंचाइज़ी टीम नामित नहीं है। लीग के खाने में लिखा था कि कोई प्रसारण-अधिकार, कोई पर्स, कोई करार-अवधि दर्ज नहीं। यह विश्लेषण नहीं था; यह विश्लेषण का एक्स-रे था, और एक्स-रे में मरीज़ दिख ही नहीं रहा था।

क्रिकेट में फ़ॉर्मेट कोई विवरण नहीं, लोड-बेयरिंग दीवार है। स्ट्राइक रेट, इकॉनमी रेट और औसत एक फ़ॉर्मेट से दूसरे में स्थानांतरित नहीं होते। टी20 में जो 130 का स्ट्राइक रेट सभ्य है, वही टेस्ट के पहले दिन की सुबह में एक अलग बयान है। पावरप्ले, मिडिल ओवर और डेथ ओवर की चरण-तर्क भी फ़ॉर्मेट तय होने से पहले लागू ही नहीं होती। इसलिए जब रिपोर्ट ने फ़ॉर्मेट अपुष्ट बताया और उसके बाद कोई सामरिक निष्कर्ष देने से मना कर दिया, तो उसने विश्लेषण की कमज़ोरी नहीं दिखाई — उसने एकमात्र ईमानदार रास्ता चुना। जो विश्लेषक बिना फ़ॉर्मेट के स्ट्राइक रेट पर बोल देता है, वह ग्राहक को पुरानी कीमत पर नया माल पकड़ा रहा होता है।

दूसरा नुक़सान उससे महँगा है जितना दिखता है। प्रकाशक, यूआरएल, बायलाइन और टाइमस्टैम्प — चारों अनुपलब्ध थे। टेक्स्ट दोबारा मँगाया जा सकता है; प्रोवेनेंस अक्सर हमेशा के लिए चला जाता है। स्रोत ग्रेडिंग के बिना आप यह तय नहीं कर सकते कि जो लिखा गया था वह प्रेस रिलीज़ की भाषा थी या रिपोर्टिंग। और इस साइकिल में, जहाँ हर एजेंट-सूत्रित आँकड़ा बाज़ार में गोली की तरह घूमता है, बिना प्रोवेनेंस का आँकड़ा हथियार से कम नहीं।

तीसरी बात तकनीकी है, पर नतीजा संपादकीय है। जो पेलोड मिला वह खाली था, मगर स्कीमा के हिसाब से वैध था। डोमेन लेबल भरा हुआ था, लेख-प्रकार "अवर्गीकृत" था। इसका मतलब साफ़ है: वर्गीकरण मेटाडेटा या फ़ीड पर चला, लेख के शरीर तक कभी पहुँचा ही नहीं। पेवॉल या कटौती वाली खराबी में आमतौर पर आधा-अधूरा टेक्स्ट बचता है; यहाँ कुछ भी नहीं बचा। सबसे ख़तरनाक विफलता वह है जो वैलिडेशन पास कर जाए। जो सिस्टम खाली पेलोड को "स्वीकृत" की मुहर दे देता है, वह अगली बार भी वही मुहर देगा — और अगर यह किसी बैच में चला था, तो उसी बैच के भाई-बहन आइटम भी उसी बीमारी के साथ आगे बढ़ रहे होंगे।

एक छोटी-सी चूक अलग से दर्ज होनी चाहिए: डोमेन लेबल cricket_world लौटा, जबकि निर्धारित लेबल "Cricket" था। यह बारीकी मामूली लगती है जब तक आप याद न करें कि राउटिंग नियम ठीक इन्हीं लेबल पर चलते हैं। ग़लत लेबल का मतलब है कि क्रिकेट सामग्री चुपचाप उस दराज़ में गिर जाती है जहाँ कोई उसे खोजने नहीं आता।

रिकवरी का क्रम भी उसी दस्तावेज़ ने तय किया था, और वह क्रम मेरे अपने काम के तरीक़े से मेल खाता है: पहले एंटिटी, फिर फ़ॉर्मेट, फिर आँकड़े, और सबसे अंत में कथा। एंटिटी और फ़ॉर्मेट अकेले ही चार आयामों को खोल देते हैं। आँकड़े बाद में आते हैं, क्योंकि आँकड़े वह चीज़ है जिसे सबसे आसानी से गढ़ा जा सकता है और सबसे मुश्किल से जाँचा जा सकता है।

रेपिनो ने मुझे सिखाया था कि सेट-पीस एक ऐसा लेजर है जिसके पैर होते हैं। 2026 विश्व कप से पहले मैंने इंग्लैंड के कोने-रूटीन तीन हफ़्ते गिने, और उनके 12 में से 9 सेट-पीस गोल सत्रों की गिनती से निकाले — किसी भावुक वाक्य से नहीं। उसी तर्ज पर हालैंड के करार पर मैंने तीन स्रोतों से €60 मिलियन (₹ करीब 5.4 अरब) की रिलीज़-क्लॉज़ और पाँच साल का सौदा पक्का किया, और 13 जून 2026 की घोषणा का इंतज़ार किया। जो आँकड़ा दो सत्रों या तीन स्रोतों से पार न करे, वह मेरे कॉलम में नहीं आता। 17 जून 2026, एतिहाद — खाली स्टेडियम में मैंने भीड़ के शोर की जगह बेंच की आवाज़ें लिखीं, तीन-शून्य जीत के स्कोरबोर्ड के साथ। खाली सीटों का मतलब खाली प्रोटोकॉल नहीं होता; चेकिंग की आवाज़ सुनिए।

यहीं बाहरी पाठक सबसे बड़ी भूल करता है। वह कहेगा कि यह पूरा मामला एक इंजीनियरिंग टिकट है, क्रिकेट से इसका कोई रिश्ता नहीं। उलटा है। क्रिकेट कवरेज ने पिछले कुछ सालों में सत्यापन का काम चुपचाप पाइपलाइन को सौंप दिया है और उस सौदे को कठोरता कहना शुरू कर दिया है। जो रिपोर्ट आठ भरे खानों के साथ आती है और आठों में शून्य रखती है, वह असल में एक स्पष्ट चेतावनी है — गढ़े हुए आँकड़े से कहीं ज़्यादा ईमानदार। क्योंकि जब सिस्टम याद से जवाब देता है, तो वह शून्य नहीं लौटाता; वह ऐसा आँकड़ा लौटाता है जो अखबार में छपने लायक दिखता है और कहीं दर्ज नहीं है।

दूसरी बाहरी ग़लती यह मानना है कि सबसे ज़्यादा नुक़सान खिलाड़ी के आँकड़े का हुआ। नहीं। सबसे महँगा खाली खाना वह था जिसका नाम "लेखक का रुख" था — N/A। स्टैंड नहीं तो फ़्रेमिंग नहीं, फ्रेमिंग नहीं तो आप प्रमोशनल भाषा और रिपोर्टिंग में फ़र्क़ नहीं कर सकते। नीलामी के मौसम में यह फ़र्क़ ही सब कुछ है। और एक आख़िरी अनुशासन, जिसे हर ऑडिट शीट पर टाँगना चाहिए: जोखिम-सूची में कोई ध्वज न मिलना, क्लीन चिट नहीं होता। किसी खिलाड़ी, टीम या बोर्ड के नाम न होने से यह नहीं मान लिया जाएगा कि सब कुछ दुरुस्त है — यह केवल यह बताता है कि जाँचने के लिए कुछ था ही नहीं।

बीट भीड़ में नहीं, दोहराव में होती है। इस पूरे घटनाक्रम में जो दोहराया जा सकने वाला सबक़ निकलता है, वह यह है कि पाइपलाइन में एक सख़्त गेट चाहिए: शून्य सूचना-बिंदु वाला पेलोड चुपचाप आगे न जाए, वह अलर्ट पैदा करे। री-एक्सट्रैक्शन एक बार में हो सकता है और सस्ता है — बस नामित-एंटिटी और फ़ॉर्मेट डिटेक्शन पर ज़ोर देना है, साथ में प्रोवेनेंस कैप्चर चालू रखना है। जो चीज़ें अब देखनी हैं: री-एक्सट्रैक्शन में कम से कम एक सूचना-बिंदु नामित एंटिटी और घोषित फ़ॉर्मेट के साथ आए, प्रकाशक और टाइमस्टैम्प लौटें, बैच में सहोदर पेलोड की जाँच हो, और लेबल स्कीमा को दुरुस्त किया जाए ताकि क्रिकेट सामग्री गलत दराज़ में न गिरे।

सवाल जो मेरी नोटबुक में खुला पड़ा है, वह आँकड़ों का नहीं, रसीदों का है: इस सीज़न में छपे हुए कितने क्रिकेट नंबर ऐसे पेलोड से आए जिन्हें किसी ने शून्य से पहले नहीं जाँचा? जिस दिन यह गिनती शुरू होगी, उस दिन पता चलेगा कि खाली लेजर सिर्फ़ एक तकनीकी दुर्घटना थी या हमारी रिपोर्टिंग की आदत।