भरा हुआ स्कीमा, खाली शेल: क्रिकेट डेटा का सबसे ख़तरनाक रिकॉर्ड

रात ग्यारह बजे बेंगलुरु डेस्क पर एक रिकॉर्ड खुलता है। हर फ़ील्ड भरी हुई है। आर्टिकल टाइप: Unclassified। डोमेन लेबल: cricket_world। एंटिटीज़: किसी खिलाड़ी या टीम का नाम नहीं, बल्कि एक निर्देश — “ऊपर दिए गए सूचना बिंदुओं से पहचानें।” और सूचना बिंदु हैं शून्य। बहीखाता कभी झूठ नहीं बोलता, लेकिन स्टेडियम कुछ और ही कहानी सुनाता है। यहां स्टेडियम खाली था। तालियां नहीं थीं, भीड़ नहीं थी, सिर्फ़ एक पूरा दिखता हुआ फ़ॉर्म था जिसके अंदर कुछ भी नहीं रखा गया था।

मैंने पहली गेंद पड़ने से पहले टेम्पलेट बना लिया था। 2026 में जब बेंगलुरु डेस्क पर 60 मैचों का बॉल-बाय-बॉल ढांचा खड़ा हुआ, तो नियम सीधा था: पावरप्ले रन रेट, डॉट-बॉल प्रतिशत, बाउंड्री प्रायिकता और डेथ ओवरों का एक्सपेक्टेड रन — ये कॉलम पहले भरेंगे, गद्य बाद में। जो दावा किसी फ़ेज़ या किसी दर से नहीं जुड़ सकता, वह रिपोर्ट से कट जाता था। उसी अनुशासन ने 2026 के फ़ाइनल में काम किया, जब मुंबई ने 129 बचाया और हमारी तालिका ने आख़िरी चार ओवरों में पुणे की रन-गति का संकुचन दिखा दिया। 2026 के खाली स्टेडियम वाले यूएई सीज़न तक वही क्रम चला: पहले लॉग, फिर भाष्य।

अब वही डेस्क एक अलग किस्म की खाली सीट का ऑडिट कर रहा है। स्टेज-1 से एक पेलोड आया जिसमें ढांचा पूरा खड़ा था और सामग्री का एक अणु भी नहीं।

फ़ील्ड-पॉपुलेशन का पैटर्न पढ़िए, क्योंकि खराबी की जगह वहीं लिखी हुई है। जो फ़ील्ड बचे — आर्टिकल टाइप, डोमेन लेबल, एंटिटीज़ का निर्देश-पाठ — वे सब ढांचागत हैं, यानी स्कीमा से आते हैं। जो फ़ील्ड खाली गए — सूचना बिंदु, मुख्य दृष्टिकोण, सारांश, एंटिटीज़ — वे सब सामग्री-व्युत्पन्न हैं, यानी स्रोत दस्तावेज़ से आते हैं। विफलता स्कीमा की परत पर नहीं, निष्कर्षण की परत पर हुई है। यह अंतर निदान की लागत आधी कर देता है: ढांचा दोबारा बनाने की ज़रूरत नहीं, सिर्फ़ दस्तावेज़ की रिट्रीवल जांचनी है।

तीन संभावनाएं हैं। पहली, दस्तावेज़ कभी मिला ही नहीं — पेवॉल, 403, 404, या जावास्क्रिप्ट से बना खोखला पेज, और निष्कर्षक ने ईमानदारी से “कुछ नहीं मिला” दर्ज कर दिया। दूसरी, दस्तावेज़ मिला लेकिन गैर-लैटिन लिपि या गैर-मशीन-पठनीय रूप में था और चुपचाप गिर गया। तीसरी, कोई अपस्ट्रीम ट्रंकेेशन एक्सट्रैक्टर चलने से पहले ही बॉडी काट गया। तीनों में से किसी की पुष्टि रिट्रीवल लॉग के बिना नहीं हो सकती — और यही असली शिकायत है।

दूसरी खराबी ज़्यादा साफ़ है और वह शब्दावली की है। डोमेन लेबल cricket_world लौटाया गया, जबकि विनिर्देश में लेबल ठीक Cricket होना चाहिए। यह शैलीगत नुकताचीनी नहीं, नियंत्रित शब्दावली का उल्लंघन है। डाउनस्ट्रीम रूटिंग, टेम्पलेट चयन और क्रॉस-आर्टिकल एग्रीगेशन सब इसी स्ट्रिंग पर टिके हैं। cricket_world किसी भी स्वचालित मिलान से चुपचाप बाहर हो जाएगा — कोई एरर नहीं, कोई अलार्म नहीं, बस एक रिकॉर्ड जो किसी बाल्टी में नहीं गिरेगा।

सबसे बड़ा ख़तरा क्रिकेट का नहीं, पाइपलाइन का है। ढांचे से भरा और सामग्री से खाली पेलोड साफ़-साफ़ null से ज़्यादा खतरनाक है, क्योंकि वह भाषा-मॉडल को खाली जगहों में मनमाफ़िक क्रिकेट भरने का न्योता देता है। नतीजा सबसे बुरी श्रेणी का आउटपुट होता है: आत्मविश्वासी, सुडौल, और पूरी तरह गढ़ा हुआ। 2026 की मेगा नीलामी से पहले मैंने अपने मूल्य-मॉडल की धारणाएं नीलामी से पहले छाप दी थीं — ईशान किशन को ₹12.8 करोड़, मुंबई ने ₹15.25 करोड़ दिए। वह अंतर कमी नहीं, कमी-सूचक था, और पाठक उसे ऑडिट कर सकते थे क्योंकि तरीका पहले खुला था। हर नीलामी की कीमत दशमलव में लिखी एक इकबालिया बयान है; और हर डेटा पाइपलाइन की चुप्पी भी एक इकबालिया बयान है, बशर्ते आप उसे सुनने की जगह बनाएं।

यहां उलटा कोण यह है कि उद्योग गलत जगह ऑडिट कर रहा है। पैसा और मेहनत मॉडल की परत पर जा रही है — बड़े मॉडल, बेहतर अनुमान, जटिल इंडेक्स — जबकि विफलता इनटेक पर हो रही है। मॉडल भविष्य की भविष्यवाणी नहीं करता; वह वर्तमान को नंगा करता है। अगर वर्तमान ही खाली शेल है, तो मॉडल किसे नंगा करेगा?

दूसरी बात, जिसे डेटा टीमें सबसे आसानी से भूलती हैं: किसी रिस्क फ़्लैग का न मिलना, रिस्क न होने का सबूत नहीं है। 2026 के यूएई सीज़न में मैंने खाली स्टेडियमों की तुलना 2026 से की और पावरप्ले में 0.42 रन प्रति ओवर की बढ़त दर्ज की। अगर उस नोट में पर्यावरण का केवल-कारण न लिखा होता, तो अगली सुबह किसी कॉलम में वह बढ़त “नई बल्लेबाज़ी प्रतिभा” बन जाती। खाली पेलोड के साथ वही सावधानी लागू है: अनुपस्थिति को तटस्थता मत समझिए। शून्य सूचना-बिंदु वाला रिकॉर्ड अगर किसी एग्रीगेट तालिका में घुस गया, तो वह औसत, गणना और डोमेन-स्तरीय ट्रेंड को चुपचाप तिरछा कर देगा। एक शून्य-सामग्री पंक्ति किसी भी स्प्रेडशीट में सबसे महंगी पंक्ति होती है। स्प्रेडशीट एक मठ है; डेटा रोज़ की प्रार्थना है — और यहां प्रार्थना के समय मठ में कोई नहीं था।

आगे का सिग्नल साफ़ है और उसे अगले सीज़न से पहले लग जाना चाहिए: इनजेशन पर कड़ा गेट — सूचना बिंदुओं की संख्या शून्य से अधिक हो। शून्य मिलने पर रिकॉर्ड अपने-आप EXTRACTION_FAILED में क्वारंटीन हो, एनालिटिक्स तालिका से बाहर रहे, और विफलता का कारण लॉग हो। साथ में डोमेन लेबल की स्कीमा-वैलिडेशन, जो Cricket के अलावा कुछ भी देखते ही स्टेज-2 डिस्पैच रोक दे। खाली शेल को स्टेज-2 तक पहुंचाना साइलेंट करप्शन है, और वह करप्शन उसी दिन शुरू होता है जिस दिन कोई मॉडल उसे “भरपूर” मान लेता है।

सवाल यह नहीं है कि हमारे पास कितना डेटा है। सवाल यह है कि जब डेटा नहीं है, तो हमारा सिस्टम उसे कह पाता है या नहीं।