आठ कॉलम भरे, एक भी तथ्य नहीं: क्रिकेट कवरेज की डेटा पाइपलाइन में चुपचाप हुई नाकामी

दिल्ली में दिसंबर की एक रात, लगभग दो बजे। एक फैक्चुअल प्रोडक्शन हाउस के एडिट सूट में स्क्रीन पर एक रिपोर्ट खुली है — आठ सेक्शन, हर सेक्शन में टेबल, हर टेबल में कॉलम, और हर कॉलम में वही एक शब्द दोहराया हुआ: N/A। फ़ॉर्मेट एन/ए। मैच की प्रकृति एन/ए। खिलाड़ी एन/ए। टीम एन/ए। लीग एन/ए। ब्रॉडकास्ट राइट्स एन/ए। जोखिम मैट्रिक्स में असली पंक्ति एक ही है — 'विश्लेषणात्मक सत्यनिष्ठा: उच्च, पहले ही साकार'। बाकी सब खाली।

मेरे पास उसी तरह का एक और दृश्य है, 2026 का। बायो-बबल डॉक्यूमेंट्री पर काम करते हुए हमने हर शूट में रूम टोन रिकॉर्ड किया था — खाली स्टेडियम की आवाज़, जिसमें कैन्ड क्राउड नॉइज़ के नीचे एक लगातार भिनभिनाहट थी। उस फ़िल्म में हमने खामोशी को एक बीट की तरह लिखा, गैप की तरह नहीं। स्क्रीन पर खुली उस रिपोर्ट की खामोशी अलग किस्म की थी। वह अंदर से खोखली थी और बाहर से मुकम्मल दिख रही थी — और यही अंतर पूरी कहानी है।

जिस एक कॉलम पर पूरा ढाँचा टिका था

आधुनिक क्रिकेट कवरेज और स्काउटिंग के पीछे अब दो-चरणीय ढाँचा काम करता है। पहला चरण स्रोत से सामग्री निकालता है — शीर्षक, स्रोत, लेख का प्रकार, एक वाक्य का सार, लेखक का रुख, सूचना-बिंदु, मूल दृष्टिकोण, शामिल संस्थाएँ, समय-संवेदनशीलता और स्रोत की गुणवत्ता। दूसरा चरण उन सूचना-बिंदुओं पर आठ विश्लेषणात्मक आयाम खड़े करता है: फ़ॉर्मेट और मैच, खिलाड़ी तकनीक और आँकड़े, टीम परिदृश्य और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम और शासन, जोखिम, सार्वजनिक कथा, और उद्योग-संचरण।

इस पूरे ढाँचे में भार उठाने वाला एक ही कॉलम है — सूचना-बिंदु। जिस रन की बात हो रही है, उसमें वह सूची खाली लौटी। शीर्षक एन/ए। स्रोत एन/ए। प्रकार अवर्गीकृत। मूल दृष्टिकोण खाली। संस्थाएँ निकाली ही नहीं गईं। यानी जिस इमारत के आठ फ्लोर बनने थे, उसकी नींव की जगह रेत थी।

फ़ॉर्मेट पहले, आँकड़ा बाद में

क्रिकेट में यह क्रम मज़ाक नहीं, ज़रूरत है। टेस्ट, वनडे, टी20 और द हंड्रेड — इनके बल्लेबाज़ी औसत, स्ट्राइक रेट और इकॉनमी रेट आपस में बदले नहीं जा सकते। टी20 का पावरप्ले छह ओवर का होता है, डेथ ओवर सोलह से बीस तक, और टेस्ट का फेज़-मॉडल पूरी तरह अलग — सत्र, गेंद की उम्र, पिच का व्यवहार। जब तक फ़ॉर्मेट तय नहीं, कोई भी मीट्रिक उद्धृत नहीं की जा सकती, कोई तुलना नहीं बनती, कोई ट्रेंड टेस्ट नहीं होता। यही वजह है कि इस रिपोर्ट में हर आँकड़े वाला बॉक्स एन/ए है — क्योंकि फ़ॉर्मेट ही तय नहीं हुआ।

एक छोटा लेकिन चुभने वाला संकेत भी मिला। डोमेन लेबल 'cricket_world' लौटा, जबकि स्कीमा 'Cricket' मांगता है। यह कॉस्मेटिक दिखता है, पर है नहीं। ऐसा तब होता है जब पाइपलाइन वैधता जाँच के बजाय कोई डिफ़ॉल्ट ऑब्जेक्ट लौटा दे। सस्ता-सा संकेत, जो बताता है कि आगे जो कुछ आया, वह सत्यापित पार्स नहीं था।

नाकामी अनुवाद में नहीं, अंतर्ग्रहण में

रिपोर्ट का सबसे ईमानदार निष्कर्ष यही है: विफलता समझने में नहीं, सामग्री खींचने में हुई। सबसे संभावित कारण — पे-वॉल, जावास्क्रिप्ट से बना बॉडी, सिर्फ़ वीडियो एसेट, या कटा हुआ पेलोड। यह अच्छी खबर है, क्योंकि अंतर्ग्रहण की मरम्मत एक ही सेशन में हो सकती है।

और एक संकेत जो मुझे सबसे ज़्यादा चुभा: किसी भी क्रिकेट लेख से एक भी टीम एंटिटी न निकलना असामान्य है। ज़्यादातर क्रिकेट टेक्स्ट में कम से कम एक पक्ष का नाम तो होता ही है। जब एक भी नाम नहीं निकलता, तो संभावना बढ़ जाती है कि जो सामग्री अंदर गई थी, वह लेख का बॉडी टेक्स्ट ही नहीं था — कुकी नोटिस, पे-वॉल स्टब, या खाली टेम्पलेट। क्रिकेट पत्रकारिता में यह उस पल जैसा है जब आप रिकॉर्डिंग चलाते हैं और माइक ने आपकी आवाज़ नहीं, बल्कि कमरे का पंखा पकड़ा हो।

दाँव एकतरफ़ा है, और यही पूरी बात है

रिपोर्ट जोखिम-मैट्रिक्स में जो एक पंक्ति सचमुच भरी हुई है, वह तकनीकी नहीं, एपिस्टेमिक है — 'साइलेंट फेल्योर मोड: पाठक एक पूरी दिखने वाली रिपोर्ट पर भरोसा कर लेता है जो असल में खाली है।' संभावना मध्यम-से-उच्च, प्रभाव उच्च।

इस असमानता को समझना ज़रूरी है। एक झूठा-नकारात्मक नतीजा — यानी सही तरीके से यह कह देना कि डेटा नहीं है — की कीमत एक दोबारा-रन है। एक झूठा-सकारात्मक नतीजा, यानी ऐसा विश्लेषण जो सुनने में ठीक लगे, उस पर बना हर फ़ैसला दूषित हो जाता है। क्रिकेट में यह फ़र्क़ महँगा पड़ता है, क्योंकि नीलामी की कीमतें, रिटेंशन के आँकड़े और राइट्स के आँकड़े आगे बहुत सारे फ़ैसलों में जाते हैं।

इसीलिए चारों सूचना-मूल्य श्रेणियों का एक-एक स्टार मिलना कोई कमज़ोरी नहीं, सही आचरण है। खेल मूल्य शून्य, क्योंकि न फ़ॉर्मेट, न मैच, न खिलाड़ी, न डेटा। उद्योग मूल्य शून्य, क्योंकि कोई वाणिज्यिक या शासनिक सूचना नहीं। समयबद्धता शून्य, क्योंकि समय-संवेदनशीलता का आकलन ही नहीं हुआ — सूचना की कोई तारीख़ ढूँढ़ी ही नहीं जा सकती। और संदर्भ मूल्य शून्य, क्योंकि यह उद्धरण-योग्य नहीं; इसका एकमात्र उपयोग यह है कि यह विफल पहले चरण का नमूना है।

वाणिज्यिक क्रिकेट के आँकड़े वैसे भी बिना ग्रेड के आते हैं

यहाँ एक पुरानी आदत की याद आती है। जो खबरें वाणिज्यिक क्रिकेट की होती हैं — एजेंट के हवाले से छपी कीमतें, 'बताई जा रही' राइट्स वैल्यू, नीलामी से पहले लीक हुए फ़िगर — वही सबसे कम सत्यापित होती हैं। इस रिपोर्ट में स्रोत की गुणवत्ता का आकलन ही नहीं हुआ, इसलिए अगर एक भी आँकड़ा आया होता, तो उसे भी भरोसे के किसी स्तर पर नहीं रखा जा सकता था। स्तर आम तौर पर चार होते हैं: आधिकारिक, प्रतिष्ठित पत्रकार, सामान्य मीडिया, और ट्रैफ़िक-चालित। जो चीज़ें सबसे तेज़ी से फैलती हैं, वे अक्सर आख़िरी श्रेणी की होती हैं — और ग्रेड उनके साथ चलता ही नहीं।

यहीं वह चीज़ घुसती है जिस पर मैं सालों से लिखती आई हूँ। लाइव डेटा अब सिर्फ़ कमेंट्री बॉक्स तक नहीं जाता। वह ट्रेडिंग फ़ीड, फ़ैंटेसी प्लेटफ़ॉर्म, ब्रॉडकास्टर के ग्राफ़िक्स और स्काउटिंग डैशबोर्ड — सब जगह जाता है। ऐसे में एक खाली पेलोड जो पूरा दिखता है, सबसे ख़तरनाक चीज़ है, क्योंकि आगे की हर मशीन उसे 'डेटा उपलब्ध नहीं' नहीं, बल्कि 'डेटा' पढ़ती है।

वे छह संकेत जो अब मैं ट्रैक करूँगी

पहला, पहले चरण की पूर्णता — सूचना-बिंदुओं की गिनती और शीर्षक एन/ए न होना। दूसरा, स्रोत की पुनःप्राप्ति — क्या मूल URL से बॉडी टेक्स्ट दोबारा निकल सकता है। तीसरा, स्कीमा अनुपालन — डोमेन लेबल 'Cricket' है या कोई डिफ़ॉल्ट मान। चौथा, दोबारा-रन में फ़ॉर्मेट टैगिंग — टेस्ट/वनडे/टी20 पहले तय हो, मीट्रिक बाद में। पाँचवाँ, एंटिटी एक्सट्रैक्शन — दो से कम नाम मिले तो स्रोत संभवतः हेडलाइन-मात्र है। छठा, तारीख़ और समय-संवेदनशीलता — बिना तारीख़ की सामग्री रैंकिंग, फ़ॉर्म और वाणिज्यिक विश्लेषण, तीनों में बासी हो जाती है।

आसान इलाज, और महँगा दोष

सबसे सहज निष्कर्ष यही निकलेगा: स्क्रैपर ठीक करो, काम हो गया। मुझे यह अधूरा लगता है। स्क्रैपर सस्ता हिस्सा है। महँगा दोष यह है कि आठ विश्लेषणात्मक आयाम, टेबल, जोखिम-मैट्रिक्स और 'हिडन इन्फ़ॉर्मेशन' जैसे हेडर — यह सब मिलकर विश्लेषण जैसा दिखता है। हेडर वाली टेबल काम जैसी लगती है। चालीस बार दोहराया गया एन/ए टेम्पलेट जैसा लगता है — और टेम्पलेट वही चीज़ है जिसे पाठक स्कैन करके आगे बढ़ जाता है।

यहाँ मुझे अपना प्यारा फ़्रेम छोड़ना पड़ेगा, क्योंकि यह मौक़ा उसका नहीं है। हर करियर में एक डर्बी होता है और एक लॉर्ड्स, यह बात तब काम करती है जब स्कोरकार्ड पहुँच चुका हो — तब सवाल यह उठता है कि वे रन किस मैदान पर बने। इस रन में सवाल यह नहीं था कि डेटा डेस्क ने डर्बी पर 171 बनाए या लॉर्ड्स पर नौ। सवाल यह था कि स्कोरकार्ड ही कभी पहुँचा नहीं। दिक्कत मंच के आकार की नहीं थी, आपूर्ति की थी।

दूसरा पलटाव, जो इस मामले में ज़्यादा काम का है: भरने का दबाव। पाइपलाइन पूर्णता को इनाम देती है, ढाँचा इनकार को। रिपोर्ट में जो एक चीज़ बिना गलती के बची, वह वही थी जो लिखी ही नहीं गई — 'अपर्याप्त सूचना'। उस नाइट डेस्क पर मुझे यही सिखाया गया था कि खाली स्लॉट भरने का सबसे तेज़ तरीक़ा अंदाज़ा होता है, और अंदाज़ा वह चीज़ है जिसकी कोई वापसी नहीं होती।

अगली नीलामी से पहले

जब अगली बार किसी बड़े नाम की कीमत स्क्रीन पर चमकेगी, या राइट्स साइकल का कोई आँकड़ा हर जगह एक साथ छपेगा, तब कोई नहीं पूछेगा कि वह किस चरण से आया और क्या उसका पेलोड सचमुच भरा था। हम कीमत का ग्रेड पूछते हैं, स्रोत का नहीं। मेरा सवाल आगे के लिए यही है: क्रिकेट में डेटा डेस्क का ऑडिट कौन करता है — और क्या वह ऑडिट यह देख पाएगा कि रिपोर्ट खाली थी या सिर्फ़ खाली दिख रही थी? उस स्क्रीन पर कर्सर आख़िरी एन/ए के बाद भी ब्लिंक कर रहा था। वही मेरा फ़्रीज़-फ़्रेम है।