रिकॉर्ड में स्कोर नहीं, सिर्फ़ लेबल था: क्रिकेट डेटा पाइपलाइन का एक ऑडिट

लिवरपूल में रात ग्यारह बजकर चालीस मिनट पर वह रिकॉर्ड मेरी मेज़ पर आया। ऊपर की तीन पंक्तियाँ ऐसी थीं — लेख शीर्षक: N/A; स्रोत: N/A; मुख्य दृष्टिकोण: खाली। सूचना बिंदु वाले खाने में शून्य प्रविष्टियाँ थीं। "सम्मिलित संस्थाएँ" के सामने कोई नाम नहीं था, बल्कि एक हिदायत पड़ी थी — "ऊपर दिए सूचना बिंदुओं से पहचानें।" हिदायत एक निर्देश है, मान नहीं। पूरे खाली ढाँचे में एक ही चीज़ ज़िंदा बची थी: डोमेन लेबल — cricket_asia।

स्कोरकार्ड पढ़ने से पहले मैं उसका ढाँचा देखता हूँ। यहाँ ढाँचा ही खबर था। मार्च 2026 में कोलकाता में मैंने एक पारी का ढहना पाँच-पाँच ओवर के ब्लॉक में दर्ज किया था; भारत 252 का पीछा कर रहा था, स्थिति 98/1 से 120/8 तक गई, और मेरी कॉपी में रन रेट 5.4 से 2.1 पर उतरा हुआ था। उस दिन खामोशी को एक आँकड़ा मिल गया था। आज इस रिकॉर्ड में खामोशी को कुछ नहीं मिला। शून्य भी आँकड़ा होता है — बशर्ते आप उसे शून्य लिखने का साहस रखें, न कि उसके ऊपर कोई कहानी चढ़ा दें।

संदर्भ: चार चरणों की सीढ़ी, और एक सीढ़ी जो टूटी

क्रिकेट डेटा डेस्क का काम चार चरणों में चलता है। चरण-शून्य में स्रोत का URL और फ़ेच समय दर्ज होता है। चरण-एक में निष्कर्षण होता है — शीर्षक, प्रकाशक, तिथि, संस्थाएँ, और तीन से पाँच ठोस सूचना बिंदु। चरण-दो में आठ आयामों वाला विश्लेषण बनता है। चरण-तीन में वह प्रकाशन तक जाता है।

इस रिकॉर्ड में चरण-शून्य का कोई निशान नहीं है — न URL, न फ़ेच टाइमस्टैम्प। चरण-एक का निष्कर्षण खाली लौटा। चरण-दो को वही खाली ढाँचा विरासत में मिला। और फिर भी एक लेबल बचा रह गया। यही बात इस पूरे मामले को दिलचस्प बनाती है: जिस मशीन ने सामग्री नहीं पढ़ी, उसने श्रेणी ज़रूर तय कर दी।

मेरी आदत पुरानी है। अप्रैल 2026 में जब हैंसी क्रोनिए के इक़बाल सामने आए और दिसंबर में सीबीआई ने मोहम्मद अज़हरुद्दीन का नाम लिया, तब मैंने कोई बाइट नहीं खदेड़ी। पाँच महीने में 2026 से आगे के 340 एकदिवसीय मैचों का डेटाबेस बनाया — ग़ैर-मामूली नो-बॉल गिनती, टॉस-से-नतीजा क्लस्टर, डेड रबर में ढहते स्कोर। बारह मामले छापे, इकतीस इसलिए रोक दिए कि उनके पीछे बोर्ड की रिपोर्ट या अदालती दस्तावेज़ नहीं था। उसी दिन से मेरा नियम है: काग़ज़ नहीं, आरोप नहीं। आज वही नियम मशीन-रिकॉर्ड पर लगाता हूँ: सूचना बिंदु नहीं, विश्लेषण नहीं।

कोर: जो मिला, जो नहीं मिला, और दोनों का फ़र्क़

रिकॉर्ड की हालत इस तरह दर्ज है:

| फ़ील्ड | दर्ज मान | स्थिति | |---|---|---| | लेख शीर्षक | N/A | अनुपलब्ध | | स्रोत | N/A | अनुपलब्ध | | लेख प्रकार | अपवर्गीकृत | अनुपलब्ध | | मुख्य दृष्टिकोण | खाली | अनुपलब्ध | | सूचना बिंदु | शून्य प्रविष्टि | अनुपलब्ध | | सम्मिलित संस्थाएँ | निर्देश-स्ट्रिंग | अमान्य मान | | डोमेन लेबल | cricket_asia | उपलब्ध | | समय-संवेदनशीलता | आँका नहीं गया | अनुपलब्ध |

आठ में से सात फ़ील्ड खाली, और आठवाँ — सम्मिलित संस्थाएँ — किसी मान की जगह हिदायत भर है। यह वह पैटर्न है जिसे मैं "आधा चला पाइपलाइन" कहता हूँ: वर्गीकरण करने वाला हिस्सा चला, निष्कर्षण करने वाला हिस्सा गिर गया। [मेरा अनुमान, मध्यम निश्चयता।]

यहाँ सबसे ज़रूरी अनुशासन यह है कि "आकलन संभव नहीं" और "कम जोखिम" को कभी एक न लिखा जाए। पहला वाक्य ज्ञान के बारे में दावा है; दूसरा दुनिया के बारे में। जब फ़ॉर्मैट ही तय न हो — टेस्ट, एकदिवसीय, टी-20, द हंड्रेड — तो पावरप्ले की दक्षता पर बोलना, मध्य ओवरों की गति पर बोलना, या नई गेंद के पहले घंटे पर बोलना, तीनों बराबर के अपराध हैं। क्रिकेट में फ़ॉर्मैट एक ऐसा एंकर है जिसके बिना हर आँकड़ा अनाथ हो जाता है। पावरप्ले वे ओवर हैं जिनमें 30-गज़ के घेरे से बाहर सीमित फ़ील्डर ही रखे जा सकते हैं — टी-20 में पहले छह, एकदिवसीय में तय ब्लॉक। बिना फ़ॉर्मैट, यह परिभाषा भी किसी काम की नहीं।

आठ आयामों का हश्र यह रहा:

| आयाम | स्थिति | कारण | |---|---|---| | प्रारूप व मैच विश्लेषण | आकलन संभव नहीं | कोई मैच, शृंखला या आयोजन नामित नहीं | | खिलाड़ी तकनीक व डेटा | आकलन संभव नहीं | कोई खिलाड़ी नामित नहीं, n = 0 | | टीम परिदृश्य व रैंकिंग | आकलन संभव नहीं | तीन अलग ICC तालिकाओं में से कोई चुनी ही नहीं जा सकती | | लीग व वाणिज्यिक पारिस्थितिकी | आकलन संभव नहीं | कोई लीग, बोर्ड, प्रसारक या फ़्रैंचाइज़ी नहीं | | नियम व शासन | आकलन संभव नहीं | कोई नियम, निर्णय, अपील या प्रतिबंध वर्णित नहीं | | जोखिम पक्ष | आकलन संभव नहीं | छह खेल-जोखिम श्रेणियाँ अमूल्यांकित | | सार्वजनिक कथा व अपेक्षा | आकलन संभव नहीं | लेखक का पक्ष और उद्देश्य दोनों N/A | | उद्योग संचरण | आकलन संभव नहीं | कोई प्रारंभिक घटना नहीं जिसे आगे ट्रेस किया जाए |

जोखिम मैट्रिक्स में आठवीं पंक्ति बाक़ी है, और वही एकमात्र श्रेणी योग्य है: विश्लेषणात्मक सत्यनिष्ठा — स्तर उच्च, संभावना निश्चित, क्योंकि यह जोखिम घटित हो चुका है। खाली पेलोड पर इतना कड़ा टेम्पलेट लगाइए, और नतीजा यही होता है कि मॉडल गढ़े हुए स्ट्राइक रेट, काल्पनिक नीलामी क़ीमतें और भूतिया चोट रिपोर्ट भर देता है। ऐसा आउटपुट फ़ॉर्मैट में विश्लेषण से अलग पहचाना नहीं जाता और सार में शून्य होता है। मैंने इसीलिए साफ़ मना किया: यह दस्तावेज़ नतीजे का रिकॉर्ड नहीं, शून्य-परिणाम का रिकॉर्ड है।

पुनः-रन के लिए छह इनपुट अनिवार्य और सामूहिक रूप से पर्याप्त हैं: लेख शीर्षक के साथ प्रकाशक और प्रकाशन तिथि; एक नामित प्रतियोगिता — जैसे "एशिया कप 2026" या "आईपीएल 2026 नीलामी" या "इंग्लैंड में भारत का तीसरा टेस्ट"; एक नामित टीम या खिलाड़ी, मान के रूप में, हिदायत के रूप में नहीं; कम से कम तीन अलग-अलग तथ्यात्मक बिंदु, जो स्कोर, आँकड़ा, लेन-देन या फ़ैसला बताएँ, विषय-लेबल नहीं; लेखक का पक्ष या लेख का उद्देश्य, चाहे मोटा-मोटा ही सही; और एक वास्तविक तिथि या घटना-खिड़की।

इस रिकॉर्ड के साथ जो सबसे सस्ता प्रयोग संभव है, वह है रीग्रेशन टेस्ट। उसी स्रोत पर निष्कर्षण दोबारा चलाइए और अंतर देखिए। अगर दूसरी बार सूचना बिंदु भर जाएँ, तो कारण क्षणिक था — फ़ेच टाइमआउट या पार्सर का अपवाद। अगर वही खालीपन दोहराया जाए, तो कारण संरचनात्मक है: पेवॉल, जावास्क्रिप्ट से बना बॉडी, गैर-लेख पृष्ठ, या एन्कोडिंग की खराबी। यही फ़र्क़ तय करता है कि मरम्मत एक घंटे की है या एक हफ़्ते की।

और एक गेट भी चाहिए, जो अभी नहीं है: जिस चरण-एक रिकॉर्ड में सूचना बिंदु खाली हों, या "सम्मिलित संस्थाएँ" में मान की जगह हिदायत लिखी हो, उसे आगे बढ़ाने से साफ़ मना कर दिया जाए। साथ में चरण-शून्य पर स्रोत का URL और पुनः-प्राप्ति का समय स्थायी रूप से सहेजा जाए, ताकि दोबारा खोजबीन के बिना दोबारा निष्कर्षण हो सके।

कंट्रेरियन: खाली रिकॉर्ड सबसे ख़तरनाक इसलिए है कि वह भरा हुआ दिखता है

यहाँ सहसंबंध और कारण को अलग करना पड़ेगा। लेबल का मौजूद होना "संसाधित हो चुका" के साथ सहसंबद्ध है, पर उसका कारण नहीं। जिस रिकॉर्ड में cricket_asia लिखा हो, वह ऊपर की नज़र में पूरा दिखता है — और नीचे की ऑडिट में खोखला निकलता है। खराबी का सबसे महँगा रूप वह नहीं जो दिखती है; वह है जो दिखती नहीं, क्योंकि लेबल उसे ढक लेता है। मेरी शंका यह भी है कि यह लेबल गहरे वर्गीकरण से नहीं, सतही कीवर्ड क्लासिफ़ायर से आया है — क्योंकि पूरी सामग्री लुटने के बाद भी वह बचा रह गया।

दूसरी बात मेरे अपने स्वभाव के ख़िलाफ़ है। मुझे सच्चाई का इंतज़ार करने की आदत है, और वह आदत मुझे कई बार सही साबित कर चुकी है। पर इस मामले में इंतज़ार का मतलब होगा कि कहानी आगे निकल जाए और विश्लेषण उस बातचीत का पोस्टमॉर्टम बन जाए जिसे अब कोई नहीं कर रहा। इसलिए मैं अनंतिम तालिका छाप रहा हूँ, त्रुटि-सीमा के साथ, और मिलान की तारीख़ भी लिख रहा हूँ। विधि में जल्दी, आँकड़े में सटीकता — यही इस ट्रेड-ऑफ़ का सही पक्ष है।

तीसरी बात उलटी दिशा में है। लोककथा से मेरी चिढ़ इतनी तेज़ हो सकती है कि मैं वह सब भी काट दूँ जो आँकड़े में नहीं उतरता — चेपॉक का शोर, भारत में टेस्ट के टिकट क्यों बिकते हैं, वह पूरा माहौल जो किसी स्प्रेडशीट में नहीं आता। यहाँ सावधानी आसान है, क्योंकि यहाँ कथा है ही नहीं। असली परीक्षा तब होती है जब खबर ज़ोर से चिल्लाती है और उसके पीछे काग़ज़ पतला होता है — तब काटना कठिन होता है। जिस शाम यह रिकॉर्ड आया, उस शाम मुझे काटना नहीं पड़ा। मुझे सिर्फ़ खाली खाना खाली लिखना पड़ा।

टेकअवे: अगली बार का संकेत

मुझे शुक्रवार तक एक ही आँकड़ा चाहिए: इस समय पूरे कॉर्पस में कितने रिकॉर्ड ऐसे हैं जिनका लेबल है और सामग्री नहीं? वही असली खबर होगी, क्योंकि एक खाली रिकॉर्ड दुर्घटना है और हज़ार खाली रिकॉर्ड एक आदत। और जब तक वह संख्या नहीं आती, यह सवाल मेज़ पर रहेगा — क्या हम क्रिकेट की कहानियाँ जुटा रहे हैं, या सिर्फ़ उनके लेबल इकट्ठा कर रहे हैं?