Stage-1 में ग्यारह में से ग्यारह फ़ील्ड खाली: cricket_asia पर एक ऑडिट, जहाँ शून्य ही ईमानदार नतीजा है

ग्यारह में से ग्यारह। Stage-1 की जो डिकंस्ट्रक्शन शीट मेरे डेस्क पर खुली, उसमें हर ठोस फ़ील्ड खाली थी। शीर्षक N/A, स्रोत N/A, लेख-प्रकार "अवर्गीकृत", एक-पंक्ति सारांश खाली, लेखक का रुख खाली, लेख का उद्देश्य खाली, सूचना-बिंदुओं की सूची खाली। इकाइयाँ, समय-संवेदनशीलता और स्रोत-गुणवत्ता — तीनों पर एक ही टिप्पणी दर्ज थी: "मूल्यांकन नहीं हुआ"। पूरे दस्तावेज़ में एक ही प्रविष्टि ज़िंदा बची थी: एक टैग, cricket_asia। ऐसी शीट के सामने दो रास्ते होते हैं। पहला — टैग को आधार मानकर दो हज़ार शब्द लिख देना: एशिया कप की संभावनाएँ, उभरते स्पिनर, ब्रॉडकास्ट कीमतें। दूसरा — यह दर्ज करना कि जिस पाइपलाइन ने यह शीट बनाई, उसने माप किया ही नहीं। मैं दूसरा रास्ता चुनता हूँ, क्योंकि पहला रास्ता डेटा नहीं, अनुमान बेचता है। Stage-1 का काम सीधा है: एक लेख को उसके अंगों में तोड़ना — शीर्षक, स्रोत, प्रकार, लेखक का रुख, सूचना-बिंदु, इकाइयाँ, समय-संवेदनशीलता, स्रोत-गुणवत्ता। बाद के हर निष्कर्ष की नींव यही शीट होती है। शीर्षक खाली है तो मुख्य-सुर्खी और लेख के सामंजस्य की जाँच ही नहीं हो सकती। स्रोत और प्रकाशन तिथि खाली है तो समय-संवेदनशीलता तय नहीं होती — और जिस ख़बर का तारीख़ तय न हो, वह ख़बर ही नहीं, अफ़वाह है। सूचना-बिंदु खाली हैं तो उद्धरण-योग्य तथ्यों की संख्या शून्य है। इकाइयाँ खाली हैं तो एक भी संख्या किसी भी दावे से नहीं बाँधी जा सकती। जो एकमात्र डेटा बचा है, वह टैग है — और टैग पता है, विषय नहीं। cricket_asia किसी URL की श्रेणी से आया हो सकता है, साइट-मैप से, या किसी पुराने वर्गीकरण मॉडल की आदत से। यह संभव है कि मूल लेख क्रिकेट पर ही था; यह भी संभव है कि वह एशियाई खेल-राजनीति पर था और क्रिकेट सिर्फ़ एक मिसाल था। बॉडी टेक्स्ट देखे बिना दोनों संभावनाएँ बराबर हैं, और बराबर संभावनाओं पर लिखा हुआ विश्लेषण किसी भी मायने में विश्लेषण नहीं, सजावट है। मैंने पहली IPL नीलामी की कीमत लिवरपूल की एक डेस्क से, सिर्फ़ रणजी वनडे स्कोरकार्ड के सहारे लगाई थी। उस बोर्ड में बाएँ हाथ का एक अनकैप्ड स्पिनर आठ रन प्रति ओवर के दबाव में प्रति सौ गेंद विकेट के हिसाब से पाँचवें स्थान पर था; वह तीस हज़ार डॉलर के बेस पर दो लाख डॉलर में बिका। उसी बोर्ड ने एक नामी विदेशी बल्लेबाज़ को अठहत्तर में इकतालीसवाँ रखा था; उसने उस सीज़न चार सौ रन बनाए। सबक़ यह नहीं था कि स्कोरकार्ड झूठे होते हैं। सबक़ यह था कि पतला डेटा भी डेटा होता है — और उस दिन मेरे पास स्कोरकार्ड थे। आज इस शीट में स्कोरकार्ड भी नहीं है। यह डेटा-अंतराल नहीं, डेटा-शून्य है, और शून्य से कीमत नहीं निकलती। 2026 की स्पॉट-फ़िक्सिंग फाइलों ने मेरे मॉडल को ऑडिट में बदल दिया और मैं कभी वापस नहीं गया। एक फ़्रैंचाइज़ी की अनुपालन टीम के लिए मैंने 2026 से 2026 तक के 214 ट्रांसफ़र की बहीखाता-समीक्षा की; सत्रह सौदों में कीमत और प्रदर्शन का अंतर दो स्टैंडर्ड डिविएशन से आगे था, और किसी भी सौदे के पीछे चोट, भूमिका-बदलाव या नई गेंद का बढ़ा हुआ हिस्सा जैसा कोई दर्ज क्रिकेट-कारण नहीं था। रिपोर्ट आंतरिक रही, तरीक़ा नहीं। उस तरीक़े का पहला नियम यही था: बिना दर्ज क्रिकेट-कारण के कोई फ़ैसला प्रकाशित नहीं होगा। आज वही नियम यहाँ लागू होता है। मूल पाठ नहीं है तो नतीजा नहीं है। खाली फ़ील्ड के पीछे तीन तकनीकी रास्ते हैं, और तीनों अलग-अलग जाँच माँगते हैं। पहला — फ़ेच खाली लौटा: पेज 200 नहीं, या पे-वॉल, या रीडायरेक्ट चेन। दूसरा — बॉडी पार्सर लक्ष्य DOM पर मिस कर गया: आजकल के ज़्यादातर स्पोर्ट्स पेज जावास्क्रिप्ट से भरते हैं, और स्थिर HTML में सिर्फ़ नेविगेशन मिलता है। तीसरा — एन्कोडिंग या भाषा बेमेल: देवनागरी टेक्स्ट का और मॉडल की भाषा-पहचान का टकराव। तीनों में लक्षण एक ही है, null, लेकिन इलाज पूरी तरह अलग है। बिना यह जाने कि विफलता किस परत पर हुई, Stage-2 चलाना सिर्फ़ ग़लती को महँगा बनाना है। यहाँ एक अनुशासन की ज़रूरत है जो डेटा-पत्रकारिता में अक्सर छूट जाती है: null को दुनिया के बारे में माप मान लेना। null उपकरण के बारे में माप है। जब मैं मैच देखता हूँ, मैं पहले स्कोरबोर्ड पढ़ता हूँ और फिर उन ख़ानों को देखता हूँ जो भरे ही नहीं गए — क्योंकि खाली ख़ाना अक्सर बताता है कि किस चीज़ को नापने का फ़ैसला ही नहीं हुआ। इस शीट में "समय-संवेदनशीलता: अनुमानित नहीं" और "स्रोत-गुणवत्ता: अनुमानित नहीं" एक साथ लिखा होना यही कह रहा है कि सिस्टम ने लेख को देखा ही नहीं। मैं अपने हर निष्कर्ष के साथ उसका खंडन-परीक्षण भी प्रकाशित करता हूँ, इसलिए यहाँ भी करता हूँ। मेरा निष्कर्ष बदल जाएगा अगर: दोबारा फ़ेच में एक भी ठोस फ़ील्ड भरा लौटे; या मूल पाठ का मैनुअल पाठ मिल जाए, शीर्षक, स्रोत, प्रकाशन तिथि और तीन से पाँच सत्य-कथनों के साथ; या पुराना कैश कॉपी उपलब्ध हो जाए। तब तक जो अनिश्चितताएँ खुली हैं, वे साफ़ लिखी जानी चाहिए: कौन-सा पार्सर चला, किस समय, किस भाषा-सेटिंग के साथ, और क्या crawl-लॉग में कोई 4xx या टाइमआउट दर्ज है। यहाँ असहज सच यह है कि खाली रिपोर्ट बेकार नहीं है; वह मुफ़्त कंट्रोल ग्रुप है। 2026 में जब IPL UAE में खेला गया और स्टेडियम खाली रहे, मुझे एक दशक से चाहा जा रहा नियंत्रण मिल गया। 2026 के साठ मैच भीड़ के साथ, 2026 के साठ मैच बिना भीड़ — घरेलू जीत की दर 58 प्रतिशत से गिरकर 44 प्रतिशत हो गई; यात्रा और लगातार मैचों को हटाने के बाद मात्र छह अंक भीड़ के खाते में बचे, बाक़ी फ़िक्स्चर डिज़ाइन था। शोर हटाने पर असली चर दिखता है। यहाँ शोर यानी लेख; हटाने पर सामने आता है उपकरण। उलटा ख़तरा भी यही है, और वह ज़्यादा महँगा है। आज का सबसे बड़ा इंटीग्रिटी जोखिम यह नहीं कि डेटा गुम है; जोखिम यह है कि कोई सिस्टम उस गुम डेटा को भर दे, भरोसेमंद लहजे में। जो मॉडल खाली फ़ील्ड को संभावित सामग्री से भरता है, वह पाठक की नज़र में अलग नहीं पड़ता — और इसीलिए ज़्यादा ख़तरनाक है। यहाँ मुझे सीमा साफ़ खींचनी है: पाइपलाइन विफलता का मतलब संपादकीय दमन या जानबूझकर छिपाना नहीं है। अनियमितता और मंशा दो अलग चीज़ें हैं, और डेटा में दिख रही गड़बड़ को नीयत का सबूत पढ़ लेना वही पुरानी ग़लती है जो 2026 के बाद सबको महँगी पड़ी। असली कहानी यहीं है: सिर्फ़ टैग से बनी रिपोर्ट ठीक वैसे ही पूरी लगती है जैसे मापी गई रिपोर्ट, और पाठक के पास दोनों में फ़र्क़ करने का कोई तरीक़ा नहीं, जब तक प्रकाशक पाइपलाइन का हाल न छापे। अगले दौर का सिग्नल तीन संख्याओं में दिखेगा: री-फ़ेच की सफलता दर, पार्सर की हिट दर, और उन लेखों का अनुपात जिनका प्रकार टैग से तय हुआ, बॉडी से नहीं। पहली दो संख्याएँ सुधरते ही ज़्यादातर "विश्लेषण" अपने आप गिर जाएँगे। सवाल यह है कि क्या उस गिरावट को प्रकाशित किया जाएगा — या खाली जगह फिर भर दी जाएगी और पाठक फिर कभी नहीं जान पाएगा कि कौन-सी ख़बर नापी गई थी और कौन-सी सिर्फ़ टैग से बनी थी।