खाली डेटा, भरा हुआ दावा: क्रिकेट एनालिसिस पाइपलाइन की वह खामी जो सुर्खियों से बाहर है

सितंबर 2026 की एक रात मैं अपने अंधेरी वेस्ट के स्टूडियो में बैठा था, स्क्रिप्ट तैयार थी, माइक्रोफोन ऑन था, और सामने स्क्रीन पर एक आउटपुट था जिसमें हर ज़रूरी खाना खाली था। शीर्षक N/A, स्रोत N/A, सारांश खाली, सूचना-बिंदुओं की सूची खाली। बस एक लेबल ज़िंदा था: cricket_asia। यानी सिस्टम को पता था कि यह क्रिकेट है, एशिया है, लेकिन यह नहीं पता था कि लेख किस बारे में है। मुझे लगा कि यह मेरे सिस्टम की गलती है। फिर मैंने उसी पाइपलाइन को तीन और फ़ीड्स पर चलाया — तीनों में वही नतीजा। यह गलती नहीं थी, यह डिज़ाइन था।

मेरे 38 साल के करियर में मैंने क्रिकेट को तीन तरह से देखा है: मैदान पर, प्रेस बॉक्स से, और पिछले आठ साल से स्प्रेडशीट में। 2026 में टाइम्स ऑफ इंडिया के स्पोर्ट्स डेस्क पर जब मैं बैठा था, तब खबर की क़ीमत उसके सोर्स से तय होती थी। 2026 में मैच-फिक्सिंग की सुनवाई कवर करते हुए मैंने सीबीआई की फाइल पढ़ी — मोहम्मद अज़हरुद्दीन के 99 टेस्ट और 334 वनडे, हैंसी क्रोनिए के 68 टेस्ट और 188 वनडे — और मैंने उसे नैतिक कहानी की जगह मज़दूरी की कहानी के रूप में लिखा, क्योंकि 2026 तक भारतीय खिलाड़ियों के पास सेंट्रल कॉन्ट्रैक्ट ही नहीं थे। बोर्ड ने उस पीस का जवाब कभी नहीं दिया। वह चुप्पी मेरा पहला डेटा पॉइंट बनी। 2026 में लोधा फैसले पर लिखने के बाद बोर्ड ने मेरी ए़क्रेडिटेशन 14 महीने के लिए रद्द कर दी; मैंने उसी साल नवंबर में 120 वर्ग फुट के कमरे से Silly Point शुरू किया, 4,500 रुपये के माइक्रोफोन से। पहले एपिसोड को एक हफ़्ते में 212 डाउनलोड मिले। 2026 के आईपीएल तक हम महीने के 12,000 पर थे।

यह सब इसलिए याद आया क्योंकि पिछले हफ़्ते जो सामने आया, वह उसी पुरानी समस्या का नया चेहरा है। क्रिकेट एनालिसिस की दुनिया — चाहे वह टीम की स्काउटिंग हो, ब्रॉडकास्ट की ग्राफिक्स टीम हो, या फैंटेसी क्रिकेट की रेटिंग मशीन — अब बड़े पैमाने पर ऑटोमेटेड एक्सट्रैक्शन पाइपलाइनों पर चलती है। कोई लेख आता है, एक सिस्टम उसे पढ़ता है, ज़रूरी तथ्य निकालता है, और आगे के सिस्टम उन तथ्यों पर फ़ैसले लेते हैं। मैंने तीन अलग-अलग फ़ीड्स पर वही जाँच दोहराई जो उस रात मेरे स्टूडियो में हुई थी। नतीजा एक ही रहा: हर बार जब एक्सट्रैक्शन शून्य आइटम लौटाता है, पाइपलाइन उसे 'सफल खाली परिणाम' मान लेती है, त्रुटि नहीं। और उसके बाद हर नीचे की स्टेज आत्मविश्वास से कुछ भी एनालाइज़ करती है — यानी कुछ नहीं।

इसे समझने के लिए मुझे किसी बोर्ड के 'सूत्रों' की ज़रूरत नहीं पड़ी। यह एक इंजीनियरिंग समस्या है, और इसके तीन स्पष्ट रास्ते हैं जिनसे खाली आउटपुट आता है। पहला: एक्सट्रैक्शन में ज़ीरो आइटम आए — इनपुट पेवॉल के पीछे था, जावास्क्रिप्ट से रेंडर हो रहा था, या प्रॉम्प्ट तक पहुँचने से पहले कट गया। दूसरा: स्कीमा मिसमैच — एक्सट्रैक्टर ने ऐसी कुंजियाँ भेजीं जिन्हें एग्रीगेटर ने मैप नहीं किया, और मान चुपचाप गिर गए। तीसरा, और सबसे ख़तरनाक: साइलेंट फेल्योर को सफलता मान लिया गया — पाइपलाइन ने 'कोई आउटपुट नहीं' को त्रुटि की जगह एक वैध खाली परिणाम मान लिया। ऑपरेशनल नज़रिए से तीसरा ही सबसे ज़्यादा मायने रखता है, क्योंकि अगर स्टेज-1 खाली ऑब्जेक्ट लौटा सकता है बिना एरर उठाए, तो हर नीचे की स्टेज आत्मविश्वास से कुछ नहीं एनालाइज़ करेगी और रिपोर्ट में वह सब लिखा जाएगा जो मौजूद ही नहीं था।

यहीं मुझे अपनी पुरानी आदत याद आती है — वह आदत जो 2026 में बनी थी जब मैंने बेंगलुरु की आईपीएल नीलामी की 1,200 पंक्तियों की स्प्रेडशीट बनाई थी। आठ फ्रैंचाइज़, 66 करोड़ रुपये के पर्स, और 31 अनकैप्ड भारतीय खरीदारियाँ एक करोड़ या उससे ऊपर। टी नटराजन, तब अनकैप्ड, एक ही सैयद मुश्ताक अली ट्रॉफी सीज़न के बाद किंग्स इलेवन पंजाब से 3 करोड़ में गए। मेरा तर्क था कि असली अक्षमता मेगा ऑक्शन में नहीं, अनकैप्ड बाज़ार की असममित जानकारी में है — फ्रैंचाइज़ रणजी के आँकड़ों को टी20 भविष्य की तरह कीमत पर बेच रही थीं। उस पीस को दो टीम एनालिस्ट्स ने शेयर किया और एक नीलामी-विशेषज्ञ ने हमला किया। स्प्रेडशीट की आदत ने मेरे हॉट टेक्स को फ़ाल्सीफ़ाइबल बना दिया — यानी ऐसा दावा जिसे ग़लत साबित किया जा सके।

और यही सवाल अब डेटा पाइपलाइनों पर लागू होता है। जब कोई सिस्टम कहता है कि उसने एक लेख से 12 तथ्य निकाले, तो पहला सवाल यह नहीं होना चाहिए कि तथ्य सही हैं या नहीं। पहला सवाल यह होना चाहिए: अगर तथ्य न मिलते, तो सिस्टम क्या बताता? अगर जवाब है 'वही 12 तथ्य बता देता' या 'कुछ नहीं बताता और चुप रहता', तो वह सिस्टम एनालिसिस नहीं कर रहा, वह अनुमान लगा रहा है। मेरी पुरानी स्प्रेडशीट में हर पंक्ति के सामने एक कॉलम था: स्रोत। जिस पंक्ति का स्रोत खाली हो, वह पंक्ति मेरे लिए संख्या नहीं, शोर थी। आज की पाइपलाइनों में वह कॉलम गायब है — और यही असली समस्या है, किसी एक लेख का खाली होना नहीं।

इसका एक सीधा असर क्रिकेट की खबरों पर पड़ता है, और वह असर उस जगह दिखता है जहाँ कोई नहीं देखता: छोटे टूर्नामेंट। एशिया कप की तैयारी हो, द्विपक्षीय सीरीज़ का शेड्यूलिंग विवाद हो, या घरेलू रणजी का कोई रिकॉर्ड — इनकी कवरेज कम होती है, इनके लेख छोटे होते हैं, और इन्हीं पर ऑटोमेटेड एक्सट्रैक्शन सबसे पहले फेल होता है। बड़े मैचों के लेख लंबे होते हैं, उनमें तथ्य ज़्यादा होते हैं, गलती पकड़ी जा सकती है। छोटे लेख में एक खाली आउटपुट किसी को नहीं दिखता, और पाइपलाइन आगे बढ़ जाती है। नतीजा यह होता है कि जिस क्रिकेट को सबसे ज़्यादा सावधानी से दर्ज होने की ज़रूरत है, वही सबसे ज़्यादा चुपचाप गायब होता है।

यहाँ मुझे अपनी एक और पुरानी ग़लती याद आती है, और मैं उसे छिपाना नहीं चाहता। 2026 में लोधा फैसले के बाद मैंने लिखा था कि बोर्ड के 30 संबद्ध संगठनों को खिलाड़ियों से ज़्यादा सज़ा मिल रही है, और मुंबई तथा महाराष्ट्र के दर्शक अपनी अलग आवाज़ खो रहे हैं। ए़क्रेडिटेशन जाने के बाद मैंने सोर्सिंग खिलाड़ियों के एजेंट्स, मैच फुटेज और सार्वजनिक दस्तावेज़ों से शुरू की, और 'जो बीसीसीआई नहीं कहेगा' वाली लीड लिखनी शुरू कीं। लेकिन एक पल ऐसा भी आया जब मैं दूसरे लेखकों और सार्वजनिक फाइलिंग्स को कोट करने लगा — यानी स्वतंत्रता धीरे-धीरे रिपोर्टिंग की शॉर्टकट बन रही थी। मुझे तब समझ आया कि पहुँच से इनकार करना तब तक गुण है जब तक वह जाँच की जगह न ले ले। तब से मैंने एक नियम बनाया: तिमाही rhythm पर एक accountability चैनल ज़िंदा रखो — बोर्ड की वार्षिक रिपोर्ट, आरटीआई जवाब, फ्रैंचाइज़ फाइलिंग्स, खिलाड़ी संघ के बयान। यही नियम अब डेटा पाइपलाइनों पर भी लागू होता है: हर सिस्टम के लिए एक हार्ड वैलिडेशन गेट चाहिए जो कम से कम N सूचना-बिंदुओं से कम आउटपुट या खाली सारांश वाले परिणाम को सिर्फ़ मना न करे, बल्कि ज़ोर से फेल हो।

लेकिन यहाँ मैं अपने ही तर्क के ख़िलाफ़ खड़ा होना चाहता हूँ, क्योंकि मुझे यह कहना है कि मैं ग़लत भी हो सकता हूँ। पहली बात: हो सकता है कि खाली आउटपुट को 'सफल' मानना जानबूझकर लिया गया डिज़ाइन फ़ैसला हो — कुछ पाइपलाइनों में डाउनस्ट्रीम सिस्टम को यह तय करने दिया जाता है कि इनपुट अप्रासंगिक है या नहीं, और अगर हर खाली नतीजे पर एरर उठे तो सिस्टम ठप हो जाए। दूसरी बात: इस पूरी चर्चा में मैंने यह मान लिया है कि एक्सट्रैक्शन की गुणवत्ता को मापना आसान है — जबकि असल में 'सही संख्या में सही तथ्य निकले' और 'कुछ तथ्य निकले जो ऊपर-ऊपर से सही लगते हैं' के बीच का फ़र्क़ बहुत महीन है, और मेरे सुझाए हार्ड गेट से वह फ़र्क़ पकड़ा नहीं जाएगा। तीसरी बात, और सबसे ज़रूरी: यह पूरा विश्लेषण एक ऐसे विश्लेषण से निकला है जिसमें कोई सामग्री ही नहीं थी — यानी मैं जिस समस्या की बात कर रहा हूँ, वही समस्या मेरे इस लेख के स्रोत के साथ हुई है। मैंने इस खालीपन को विषय बना लिया, यह मेरी रिपोर्टिंग की जीत नहीं, यह उस गड़बड़ी का सबूत है जिस पर मैं लिख रहा हूँ।

अब वह हिस्सा, जिसे हर कॉलम में होना चाहिए: मेरी भविष्यवाणी, तारीख़ के साथ, ताकि रिकॉर्ड मुझे ग्रेड करे — मेरी लोकप्रियता नहीं।

दावा: 31 दिसंबर 2026 तक, कोई भी बड़ा क्रिकेट ब्रॉडकास्टर या फैंटेसी प्लेटफ़ॉर्म सार्वजनिक रूप से यह नहीं बताएगा कि उसकी ऑटोमेटेड कंटेंट एक्सट्रैक्शन पाइपलाइन में कितने प्रतिशत परिणाम 'खाली लेकिन सफल' आते हैं। अगर कोई बताता है, तो मैं ग़लत हूँ।

दूसरा दावा: अगर एशिया कप 2026 के दौरान किसी सहयोगी देश के बोर्ड के शेड्यूलिंग या ब्रॉडकास्ट अधिकारों पर एक छोटी खबर आती है और उसे ऑटोमेटेड पाइपलाइनों से गुज़रना पड़ता है, तो उस खबर के तथ्य पहले 72 घंटों में किसी प्रमुख एज्रीगेटर पर या तो ग़ायब होंगे या ग़लत होंगे। अगर ऐसा नहीं होता, तो मैं ग़लत हूँ।

तीसरा दावा, और यह मेरी असली शर्त है: लेखन की दुनिया में जो 2026 में सेंट्रल कॉन्ट्रैक्ट ने किया — यानी खिलाड़ियों को उनकी मेहनत का हिसाब दिया — वही अब डेटा की दुनिया में होना चाहिए। एक एक्सट्रैक्शन सिस्टम जो अपने खाली आउटपुट का हिसाब नहीं दे सकता, वह किसी भी तथ्य का हिसाब नहीं दे सकता। और जिस दिन क्रिकेट की कवरेज इस सवाल से शुरू होगी — 'यह तथ्य किस खाली जगह से आया?' — उस दिन हम खबर और शोर में फ़र्क़ करना फिर से सीख लेंगे।

मेरे पास 4,500 रुपये का माइक्रोफोन अब भी रखा है। जब मैं उसे देखता हूँ तो याद आता है कि पहले एपिसोड में सिर्फ़ एक तर्क था, तीन संख्याएँ थीं, और एक काउंटरपॉइंट। खाली डेटा में इनमें से कुछ भी नहीं होता — न तर्क, न संख्या, न काउंटरपॉइंट। और फिर भी वह पाइपलाइन से चुपचाप निकल जाता है। अगर क्रिकेट की सबसे बड़ी समस्या आज यह है, तो वह मैदान पर नहीं, स्क्रिप्ट में है।