खाली स्कोरकार्ड: जब क्रिकेट डेटा पाइपलाइन ने सही दिखने वाला रिकॉर्ड लौटाया

पिछले हफ़्ते एक टेक्स्ट-एनालिसिस रिकॉर्ड मेरे सामने आया। हर फ़ील्ड अपनी जगह मौजूद थी — शीर्षक, स्रोत, लेख-प्रकार, सूचना-बिंदु, मुख्य दृष्टिकोण, इकाइयाँ, समय-संवेदनशीलता। फ़ॉर्मैट साफ़-सुथरा, जैसे किसी मैच का स्कोरकार्ड आधे घंटे पहले खुल गया हो। और हर लेबल के आगे वही एक शब्द: N/A। सूचना-बिंदुओं की सूची खाली। मुख्य दृष्टिकोण का खंड खाली। "इकाइयाँ" वाले खाने में एक निर्देश पड़ा था — "ऊपर दिए सूचना-बिंदुओं से पहचानें" — जबकि ऊपर कोई सूचना-बिंदु था ही नहीं। डोमेन लेबल भरा हुआ था: cricket_world।

मतलब साफ़ था। सिस्टम तक लेख की पहचान पहुँच गई थी। लेख खुद नहीं पहुँचा।

सत्रह साल से मैं क्रिकेट को खाते की किताब की तरह पढ़ता आया हूँ — पहले गिनती, फिर नतीजा; और अगर गिनती नतीजे में बदलने से इनकार कर दे, तो गिनती छाप देना। यह रिकॉर्ड उसी आदत की परीक्षा था। मार्च 2026 में पुणे के MCA स्टेडियम में ऑस्ट्रेलिया ने भारत को 333 रन से हराया था; भारत 105 और 107 पर ढेर हो गया, स्टीव ओ'कीफ़ ने 12/70 लिया। उस वक़्त "रैंक टर्नर" वाली कथा हर अख़बार में थी। मैंने कथा नहीं लिखी, गेंद-दर-गेंद शीट बनाई — स्पिन डिफ़्लेक्शन, बैट-पैड, शॉट टाइप, रिलीज़ पॉइंट। शीट ने बताया कि भारत के बीस में से चौदह विकेट स्पिन या बैट-पैड दबाव से गिरे। उस दिन के बाद से मेरा एक ही नियम है: किसी भी दावे से पहले लॉग।

आठ-आयामी ढाँचा — प्रारूप और मैच, खिलाड़ी तकनीक, टीम परिदृश्य, लीग अर्थशास्त्र, शासन-नियम, जोखिम, सार्वजनिक कथा, उद्योग-संचरण — इन सबकी नींव एक ही चीज़ पर टिकी है: ठोस सूचना-बिंदु। एक स्कोरलाइन, एक तारीख, एक अनुबंध की रकम, एक कोट। जब वे न हों, ढाँचा खुद को भर नहीं सकता। अगर भरने की कोशिश करे, तो जो बनता है वह क्रिकेट नहीं होता — क्रिकेट जैसा दिखने वाला अनुमान होता है।

यही अंतर सबसे ज़्यादा नज़रअंदाज़ होता है। डेटा का न होना और गलत डेटा का होना दो अलग बीमारियाँ हैं। पहली ईमानदार है; दूसरी संक्रामक।

मैंने जो जाँच की, वह तीन परतों पर थी।

पहली परत — गड़बड़ी नीचे हुई या ऊपर? रिकॉर्ड का ढाँचा सही था, लेबल पूरे थे, डोमेन असाइन हुआ था। अगर सारांश बनाने वाली परत फेल होती, तो कच्चे बिंदु बचे रह जाते और सिर्फ़ निष्कर्ष खाली मिलता। यहाँ उल्टा हुआ: बिंदु ही नहीं आए। इसका मतलब फेच या पार्स की परत पर पानी गया — पेपरवॉल, जावास्क्रिप्ट से बना पेज, या रेट लिमिट। ठोस सबूत: खाली सूचना-बिंदु, और साथ में भरा हुआ डोमेन लेबल। दोनों एक साथ सिर्फ़ एक ही कहानी कहते हैं।

दूसरी परत — क्या किसी एक आयाम को बचाया जा सकता था? नहीं। प्रारूप तय न हो तो पावरप्ले-मिडिल-डेथ का विभाजन ही अवैध है; टेस्ट के नए गेंद के माइलस्टोन और टी20 के डेथ ओवर एक ही तालिका में नहीं बैठाए जा सकते। खिलाड़ी तय न हो तो भूमिका नहीं, फ़ॉर्म-ट्रेंड नहीं, आयु-वक्र नहीं, चोट का इतिहास नहीं। टीम तय न हो तो ICC रैंकिंग नहीं, घरेलू-बाहरी प्रोफ़ाइल नहीं, बेंच की गिरावट नहीं। लीग तय न हो तो ब्रॉडकास्ट अधिकार, फ़्रैंचाइज़ी मूल्यांकन, नीलामी का अंकगणित — सब अटक जाता है। आठ में से आठ आयाम खाली लौटे, और वे ईमानदारी से खाली लौटे।

तीसरी परत सबसे ज़रूरी थी। जोखिम-मैट्रिक्स में छह श्रेणियाँ — खेल, कार्मिक, वाणिज्यिक, नियम, जनमत, प्रणाली — विवरण-रहित थीं। लेकिन एक जोखिम जो साफ़ दिख रहा था, वह खेल का नहीं था: एनालिटिकल कंटैमिनेशन। खाली इनपुट पर आगे का कोई भी चरण चलाना ऐसे दावे पैदा करता है जिन्हें कोई झूठा भी नहीं साबित कर सकता। मुझे पता था कि अगर मैंने इस रिकॉर्ड के ऊपर "कप्तानी का दबाव" या "नीलामी में पैसों का खेल" जैसा एक भी पैराग्राफ़ जोड़ दिया होता, तो पाठक को कोई फ़र्क़ नहीं पड़ता। फ़र्क़ सिर्फ़ रिकॉर्ड को पड़ता। मैं पैटर्न की तलाश में गया था और उसकी अनुपस्थिति लेकर लौटा — तो अनुपस्थिति को ही हेडलाइन बनाया।

इस जाँच में एक चीज़ मिली जो किसी भी आयाम में दर्ज नहीं थी: संरचनात्मक रूप से वैध रिकॉर्ड सबसे ख़तरनाक होता है, क्योंकि वह त्रुटि जैसा नहीं दिखता। कोई भी स्वचालित उपभोक्ता इसे "कम सामग्री वाला वैध परिणाम" समझकर आगे बढ़ा सकता था। खेल-पत्रकारिता में यही बीमारी रोज़ चलती है — टाइमस्टैम्प वाला बुलेटिन स्कोरकार्ड से दस मिनट पहले आ जाता है, और डेस्क बुलेटिन छाप देता है। मैं उस दस मिनट के फ़ायदे को कुछ नहीं मानता, अगर आँकड़ा गलत निकले।

सबसे कम बिकने वाला माल यही है। तेज़ बहस में "अपर्याप्त सूचना" लिखना हार मान लिया जाता है, जबकि रिपोर्टिंग में वह सबसे कठिन काम है। हमारी क्रिकेट-कवरेज की पुरानी आदत है कि खाली जगह को कथा से भर दिया जाए। रणजी ट्रॉफ़ी इसका सबसे साफ़ उदाहरण है — बॉल-बाय-बॉल डेटा पतला, फ़ील्डिंग का रिकॉर्ड लगभग अनुपस्थित, इसलिए चयन की बहसें आँकड़ों से नहीं, नाम की साख से चलती हैं। हर गायब स्कोरकार्ड अपने आप में एक निष्कर्ष है, और उसे निष्कर्ष की तरह लिखा जाना चाहिए, अनुमान की तरह नहीं। जो लॉग ही नहीं है, उसे हाइलाइट रील कभी नहीं बदल सकती।

साथ में एक स्वीकारोक्ति भी ज़रूरी है, क्योंकि प्रॉक्सी को छिपाना मेरे पेशे की सबसे पुरानी आदत है। जो डोमेन लेबल भरा मिला, वह केवल यह बताता है कि पहचान पाइपलाइन तक पहुँची — यह नहीं कि लेख अंतरराष्ट्रीय क्रिकेट का था या फ़्रैंचाइज़ी का। उस अनुमान की निश्चितता कम है, और मैंने उसे कम ही लिखा है। जिस जगह सबूत ख़त्म होता है, वहाँ वाक्य भी ख़त्म होना चाहिए।

जो सुधार मैं सुझाऊँगा वह तकनीकी है, लेकिन उसका असर पत्रकारिता पर पड़ेगा: शून्य सूचना-बिंदु वाले किसी भी आउटपुट को सिस्टम स्तर पर त्रुटि घोषित किया जाए, "कम सामग्री वाला परिणाम" नहीं। एक सेंटिनल, एक हार्ड गेट — और साइलेंट विफलता ख़त्म। साथ में ठोस माँग: हर इनपुट के साथ URL, प्रकाशक, बायलाइन और प्रकाशन-समय दर्ज हो, ताकि स्रोत की गुणवत्ता को अलग से तौला जा सके। अगली बार जब कोई स्कोरकार्ड खुले और सारे खाने भरे दिखें, तो पहला सवाल यह नहीं होना चाहिए कि टीम कौन जीती। पहला सवाल यह होना चाहिए कि इस स्कोरकार्ड में असल में कितनी गेंदें दर्ज हैं।