शून्य इन्फॉर्मेशन पॉइंट्स: क्रिकेट डेटा पाइपलाइन की वह विफलता जो बायलाइन तक नहीं पहुँचती

ऑडिट शीट में पाँच कॉलम थे और चार खाली। शीर्षक: N/A. स्रोत: N/A. एक-वाक्य सारांश: खाली। लेख का प्रकार: Unclassified. पाँचवाँ कॉलम — Information Points — शून्य। पूरे पेलोड में एक ही टोकन ज़िंदा बचा था, वह भी डोमेन लेबल: cricket_asia। स्कीमा Cricket माँगता है।

यह किसी मैच का स्कोरकार्ड नहीं है। यह उस क्रिकेट लेख का स्टेज-1 डिकंस्ट्रक्शन आउटपुट है जो इनजेशन में गया और शून्य होकर लौटा। स्टेज-2 का नियम साफ है: हर निष्कर्ष को किसी नंबर वाले इन्फॉर्मेशन पॉइंट तक ट्रेस होना चाहिए। जब पॉइंट ही शून्य हों, तो आठों डाइमेंशन के हेडर खड़े रहते हैं और हर एनालिसिस पोज़िशन पर N/A — insufficient information छपता है।

मेरी आदत है कि मैं रिप्ले तब तक रोकता हूँ जब तक फ़्रेम में कोई एक चीज़ एक कदम देर से न दिखे। जिस फ्रीज़-फ्रेम में तीसरा मैन देर से पहुँचता है, वही फ्रीज़-फ्रेम यह भी दिखाता है कि स्कोरर की लाइन में क्या गायब है। इस बार फ़्रेम में तीसरा मैन नहीं था; फ़्रेम में कुछ भी नहीं था। और यही असली खबर है।

क्रिकेट कंटेंट पाइपलाइन में स्टेज-1 के चार काम हैं: एंटिटी एक्सट्रैक्शन, की-पॉइंट डीकंपोज़िशन, समरी और क्लासिफिकेशन। सामान्य लंबाई के एक क्रिकेट लेख पर यह पास आम तौर पर एक से तीन खिलाड़ी नाम और कम से कम पाँच ठोस तथ्य निकालता है — यही बेसलाइन है। यहाँ शून्य निकले। शून्य एंटिटी, शून्य तथ्य, शून्य शीर्षक।

सबसे बड़ा सुराग वह कॉलम है जो सबसे सस्ता है। शीर्षक निकालना पूरी प्रक्रिया का सबसे आसान ऑपरेशन है; उसका फेल होना बताता है कि विफलता कंटेंट एनालिसिस से पहले, इनजेशन के स्तर पर हुई। लेख का प्रकार Unclassified लौटना इसी पुष्टि की दूसरी कड़ी है — क्लासिफिकेशन तब भी चलता है जब टेक्स्ट पतला हो। यहाँ वह भी नहीं चला। दो ही वजहें बचती हैं: पाइपलाइन में टाइमआउट या क्रैश, या स्रोत का बॉडी टेक्स्ट ही उपलब्ध न हो — पेवॉल, हटाया गया पेज, या जावास्क्रिप्ट से रेंडर होने वाला URL। दोनों ही स्थितियों में गड़बड़ी पेलोड के बाहर है, और पेलोड के अंदर बैठकर उसे ठीक नहीं किया जा सकता।

तीसरा सुराग लेबल है। स्कीमा Cricket चाहता है, मिला cricket_asia। यह मैच का विवरण नहीं, रूटिंग मेटाडेटा है। इसे एशिया कप या ACC इवेंट का सबूत मानना वही गलती है जो मैदान पर गेंद के सीम-पोज़िशन को पिच रिपोर्ट समझ लेना है। रूटिंग लेबल कहता है कि पैकेट कहाँ भेजा गया; वह यह नहीं कहता कि पैकेट में क्या था।

यहाँ से वह हिस्सा शुरू होता है जो पाठक को कभी दिखता नहीं। आठ डाइमेंशन के हेडर भरे हुए दिखते हैं — फॉर्मेट, खिलाड़ी, टीम, लीग, गवर्नेंस, रिस्क, नैरेटिव, ट्रांसमिशन। सबमें जवाब है, और हर जवाब की वैल्यू एक ही है: अपर्याप्त सूचना। संरचना की पूर्णता यहाँ जानकारी की गारंटी नहीं, बल्कि उसका भ्रम है।

फॉर्मेट वह पहला गेट है जिस पर सब कुछ अटकता है। T20 का डेथ-ओवर तर्क — 16 से 20 ओवर, जहाँ हर गेंद पर दाँव बढ़ता है — ODI के मध्य ओवरों के स्पिन-कंट्रोल से तुलनीय ही नहीं है, और Test की सेशन-दर-सेशन घिसाई इन दोनों से अलग ब्रह्मांड है। एक ही आँकड़ा, इकॉनमी 8.4, तीनों में तीन अलग कहानियाँ कहता है: T20 में यह औसत से थोड़ा खराब, ODI में संदर्भ के हिसाब से सामान्य, Test में लगभग बेमानी। जब फॉर्मेट ही तय न हो, तो इस खेल की सबसे महँगी एनालिटिकल गलती — फॉर्मेट मिक्सिंग — के खिलाफ कोई बाड़ नहीं बचती।

खिलाड़ी डाइमेंशन का पहला दरवाज़ा भूमिका की पहचान है: ओपनर, एंकर, फिनिशर, तेज़, स्पिन, ऑलराउंडर, कीपर। एंटिटी ही शून्य हों तो यह दरवाज़ा खुलता नहीं। और अगर कोई कच्चा आँकड़ा दे भी दे — मसलन स्ट्राइक रेट 145 — तो वह अपने फॉर्मेट और पारी के चरण के बिना बेमानी है। पिछले कुछ वर्षों में मैंने कितनी बार एशियाई लीग के डेथ-ओवर कैमियो को सीज़न-फॉर्म बताकर पेश होते देखा है; वही एक गलती है जो शून्य एंटिटी से शुरू होती है और सुर्खियों तक पहुँचती है।

टीम लैंडस्केप में स्थिति और भी साफ है। क्रिकेट का होम-अवे अंतर इस खेल की सबसे बड़ी संरचनात्मक विशेषता है; सबकॉन्टिनेंटल स्पिनर का होम इकॉनमी और घरेलू बल्लेबाज़ का होम औसत दोनों असली क्षमता से ज़्यादा चमकते हैं। वेन्यू अज्ञात हो तो रैंकिंग का आँकड़ा भी काम का नहीं रहता, क्योंकि वह उस शर्त को नहीं बताता जिसमें वह बना। स्क्वाड की गहराई, बेंच ड्रॉप-ऑफ, घरेलू पाइपलाइन — सबके लिए नामित स्क्वाड चाहिए। कोई नहीं है।

व्यावसायिक डाइमेंशन का केंद्रीय परीक्षण यह है कि ट्रांजैक्शन की कीमत और खेल-मूल्य अलग-अलग देखे जाएँ — ऊँची IPL कीमत अंतरराष्ट्रीय क्रिकेट की ताकत नहीं होती। यह परीक्षण चलाने के लिए कम से कम एक सौदा चाहिए। एक भी ट्रांजैक्शन, सैलरी, वैल्यूएशन या राइट्स फीस पेलोड में मौजूद नहीं।

गवर्नेंस पर एक अनुशासन की बात ज़रूरी है। cricket_asia लेबल इस खेल की सबसे राजनीतिक रूप से भरी फाइल के ठीक बगल में बैठा है — 2026–13 से भारत-पाकिस्तान द्विपक्षीय सीरीज़ का ठहराव और उससे जुड़ी न्यूट्रल-वेन्यू व्यवस्था। एनालिस्ट इस लेबल को उसी लेंस से पढ़ने की गलती routinely करते हैं। इस पेलोड में ऐसी कोई रीडिंग नहीं है, और यही रीडिंग नहीं करने का सबूत है।

बेटिंग और फैंटेसी का सेगमेंट यहाँ सिर्फ उद्योग-संरचना के रूप में विश्लेषणीय है; कोई ओड्स, मनी-फ्लो या दाँव-सलाह नहीं। पर जोखिम की असली जगह अलग है। खाली एक्सट्रैक्शन का सबसे खतरनाक अगला कदम है उसे भरना। जिस पाइपलाइन ने यहाँ शून्य लौटाया, वही अगर आगे किसी मॉडल से टेम्पलेट भरवाती है, तो बने हुए तथ्य ओड्स बोर्ड और फैंटेसी ग्राफ तक पहुँच सकते हैं। लाइव डेटा बेटिंग कंपनियों को खिलाना इस खेल की डेटाफिकेशन का सबसे काला हिस्सा है; उसका सबसे कम दिखने वाला रूप यही है — खाली जगह को भरा हुआ दिखाना।

यहाँ ईमानदार विरोधाभास यही है कि इस पूरे दस्तावेज़ की सबसे बड़ी ताकत इसकी पूर्णता है, और सबसे बड़ा खतरा भी। आठों हेडर, टेबल, रिस्क मैट्रिक्स, ट्रांसमिशन मैप — सब मौजूद। जल्दी पढ़ने वाला इसे विश्लेषण समझ लेगा। अगर जगह भरने की जल्दबाजी कर दी जाती, तो शायद किसी को फर्क भी न पड़ता।

मैं चुप्पी गिनता हूँ जैसे बाकी लोग पास गिनते हैं: ढाँचे का सबूत। साइलेंस टैक्स खाली हवा नहीं, नापा हुआ खर्च है — और इस केस में लागत यह है कि एक लेख जो शायद किसी मैच की असली टेक्टिकल कहानी रखता था, पूरी प्रणाली से बिना शोर के गुज़र गया।

दूसरी पंक्ति का सच यह है कि यह विफलता आइटम-लेवल की नहीं, बैच-लेवल की हो सकती है। अगर एक ही इनजेशन विंडो में यह रिकॉर्ड शून्य लौटा, तो उसी बैच के दूसरे रिकॉर्ड भी वही दोष लेकर चल रहे होंगे। कोई भी नल-रेट ऑडिट नहीं करता, क्योंकि खाली रिकॉर्ड दिखता है "आज कोई खबर नहीं" जैसा, और टूटा हुआ पाइप ऐसा ही दिखता है।

और यहीं यह कहानी आगे मुड़ती है। ऑडिट ने जो तीन सिफारिशें दीं, वे महँगी नहीं हैं: Information Points तीन से कम हों तो स्टेज-2 शुरू ही न हो; हर क्रिकेट रिकॉर्ड के लिए फॉर्मेट फील्ड अनिवार्य हो; और स्टेज-2 से पहले स्कीमा कॉन्ट्रैक्ट वैलिडेट हो। इस हफ्ते जो क्रिकेट आँकड़े छपे, उनमें से कितने ऐसे नल से भरे गए जिसे किसी ने चुपचाप भर दिया — यह सवाल पाइपलाइन के अंदर बैठे लोगों से पूछना होगा, क्योंकि पाठक के पास उस शीट तक पहुँच नहीं है।