खाली लौटा डेटा: क्रिकेट कवरेज की अदृश्य पाइपलाइन कहाँ टूटती है

रात 11:07। मुंबई के एक डिजिटल डेस्क पर स्क्रीन पर दस फ़ील्ड वाली एक टेबल खुली है। Article Title के आगे N/A। Article Source के आगे N/A। Article Type के आगे Unclassified। One-sentence Summary खाली। Author Stance N/A। Article Purpose N/A। Information Points एक खाली लिस्ट। Entities Involved के आगे एक टेम्पलेट स्ट्रिंग चिपकी है, identify from the information points above। Time Sensitivity का मूल्यांकन नहीं हुआ। Source Quality के आगे लिखा है, judge from the source fields।

सबसे नीचे एक ही फ़ील्ड भरी है। Domain Label: cricket_world।

यह उस मशीन का आउटपुट है जो आज क्रिकेट कवरेज का पहला मसौदा तैयार करती है। फ़ीड पढ़ती है, गिनती करती है, और संपादक तक एक ढाँचा पहुँचाती है। उस रात उसने कुछ नहीं भेजा। बस इतना बताया कि सामने पड़ी चीज़ का ताल्लुक़ क्रिकेट से है।

उसे पढ़ते हुए मुझे 2026 की एक रात याद आई, जब वानखेड़े का स्कोरबोर्ड 129/8 दिखा रहा था और पूरा स्टेडियम गिनती कर रहा था कि यह जीत के लिए काफ़ी है या नहीं। उस रात स्कोरबोर्ड खाली नहीं था। आज स्कोरबोर्ड की जगह खाली टेबल है, और यह ज़्यादा डरावना है।

क्रिकेट कंटेंट आज तीन परतों से गुज़रकर बनता है। पहली परत कैप्चर की है: लाइव स्कोरकार्ड, बॉल-बाय-बॉल फ़ीड, कमेंट्री लॉग। दूसरी परत निष्कर्षण की है: कच्चे पाठ को निकालना, उसका वर्गीकरण करना, तथ्य चुनना। तीसरी परत लेखन की है, जहाँ विश्लेषक और संपादक उस ढाँचे को एक टुकड़े में बदलते हैं।

मेरा काम तीसरी परत का है। मैं मैच को छह फ़ेज़ के ग्रिड में बाँटता हूँ — पावरप्ले, मिडल, डेथ — हर फ़ेज़ को रन, विकेट और रिक्वायर्ड रेट का अलग बजट देता हूँ, और फिर उसे उस नतीजे से मिलाता हूँ जो सबने पहले ही देख लिया है। यह तरीका पूरी तरह दूसरी परत पर टिका है। अगर पहली परत से बॉल-बाय-बॉल डेटा नहीं आया, तो मेरा पूरा ग्रिड हवा में लटका है — और मैं वही ग़लती दोहरा रहा हूँ जिसके ख़िलाफ़ मेरा पूरा काम बना है।

2026 के आईपीएल फ़ाइनल की रात। उन्नीस साल का, सांख्यिकी पढ़ता हुआ, थर्ड मैन टैक्टिक्स नाम का न्यूज़लेटर चलाता हुआ। मुंबई इंडियंस 129/8 पर रुकी; राइजिंग पुणे सुपरजायंट 128/8 पर; फ़र्क एक रन का। मैंने हर बॉल को ग्रिड में कोड किया और पाया कि मैच उन्नीसवें ओवर की जगह सोलह से अठारह के बीच ग्यारह डॉट बॉल्स पर पलटा था। जसप्रीत बुमराह का स्पेल 4-0-26-2 रहा। दो आईपीएल फ़्रैंचाइज़ी विश्लेषकों ने वह थ्रेड शेयर किया, और एक मुंबई डिजिटल संपादक ने वीकेंड डेटा शिफ़्ट ऑफ़र किया। फ़ेज़ मैप ने चौदह प्रति ओवर कहा था; मैच ने कुछ और कहा। इसी वाक्य ने मेरा तरीका तय किया, और इस वाक्य के पीछे एक अनकही शर्त थी — डेटा का साफ़ होना।

अब उसी मशीन का ऑडिट करते हैं जिसने वह खाली टेबल भेजी। दस फ़ील्ड, दस तरह की विफलताएँ, और हर विफलता का अपना वज़न।

Article Title के आगे N/A का मतलब है कि जिस दस्तावेज़ को पढ़ा जाना था, उसका शीर्षक ही नहीं मिला। यह सबसे बुनियादी निष्कर्षण है, और इसका गिरना पहला संकेत है कि ऊपर से आया पाठ खाली था। Article Source के आगे N/A का मतलब है कोई प्रकाशक नहीं, कोई टाइमस्टैम्प नहीं, कोई यूआरएल नहीं। स्रोत के बिना हर तथ्य अनाथ है, और क्रिकेट में अनाथ तथ्य किसी काम का नहीं।

Article Type के आगे Unclassified सबसे ज़रूरी लाइन है। वर्गीकरण का असफल होना और वर्गीकृत न हो पाना, दोनों अलग चीज़ें हैं। Unclassified कोई निष्कर्ष नहीं है; यह प्रक्रिया के अधूरे रहने की सूचना है। और अगर सारांश और स्टांस दोनों वर्गीकरण की उसी शाखा पर लटके हैं, तो शाखा मिस होने पर वे चुपचाप छूट जाते हैं, किसी सामान्य निष्कर्षण की तरफ़ मुड़ने के बजाय। यह पूरी व्यवस्था का सबसे कमज़ोर जोड़ है।

Information Points खाली रह जाना असली क्षति है। ऊपर की बाक़ी सारी विफलताएँ शोर हैं; यह ख़ालीपन चोट है। पाँच से आठ तथ्य-वाक्य मिल जाते, तो स्टांस, समय-संवेदनशीलता और स्रोत-गुणवत्ता, तीनों वापस बन सकते थे। तथ्य के बिना विश्लेषण ठीक वही है जो बिना बॉल-बाय-बॉल डेटा के मेरा फ़ेज़ ग्रिड है।

Entities Involved के आगे लिखा है, identify from the information points above। यह वाक्य किसी मूल्य का नहीं, किसी टेम्पलेट का है। ऊपर Information Points खाली थी, तो नीचे की हिदायत कभी चली ही नहीं। दस फ़ील्ड में यही एक जगह है जहाँ पाइपलाइन ने अपने हाथ धो लिए, और उसने इसे छिपाया नहीं — बस आगे का निर्देश लिख दिया। यह डेटा की कमी नहीं, डिज़ाइन की ख़राबी है, और यही फ़र्क़ तय करता है कि आप पाइपलाइन में किस चीज़ की मरम्मत करेंगे।

Time Sensitivity का मूल्यांकन न हो पाना क्रिकेट में सबसे महँगा है। क्रिकेट की हर ख़बर की एक तारीख़ होती है, और उस तारीख़ के बाद वह ख़बर बासी हो जाती है। मुंबई में बैठा कोई भी डेस्क यह जानता है कि मैच के तुरंत बाद के नब्बे मिनट और अगले दिन की सुबह, दोनों एक ही कहानी नहीं होते। Source Quality के आगे लिखा है, judge from the source fields। जाँचने के लिए जिस फ़ील्ड की ज़रूरत थी, वही खाली था। पाइपलाइन चक्र में फँस गई: अंदाज़ा लगाने के लिए सबूत चाहिए, सबूत के लिए स्रोत चाहिए, और स्रोत कहीं नहीं है।

इन सबके बावजूद Domain Label: cricket_world। मशीन ने इतना बता दिया कि सामग्री क्रिकेट की है, पर यह नहीं बता पाई कि वह मैच है, स्थानांतरण है, आईसीसी का कोई नियम है, किसी फ़्रैंचाइज़ी का पैसा है, या किसी बाज़ार का दाँव। और इन चारों की गहरी समीक्षा की राहें बिल्कुल अलग हैं। एक शब्द की गहराई से आप पूरा लेख नहीं खड़ा कर सकते।

यहीं पर मेरा असली सवाल शुरू होता है। क्रिकेट डेटा की अर्थव्यवस्था में सबसे बड़ा निवेश कहाँ हो रहा है — उस मॉडल में, जो पाठ को समझता है, या उस कैप्चर में, जो पाठ को लाता है?

आम राय यह होगी: मॉडल ठीक करो। प्रॉम्प्ट सुधारो, प्रशिक्षण डेटा बढ़ाओ, वर्गीकरण की सटीकता पर काम करो। यह सबसे आसान निष्कर्ष है, क्योंकि यह पाइपलाइन के उस हिस्से को दिखाता है जिस पर काम करना अच्छा लगता है। मैं पहले उस राय का सबसे मज़बूत रूप लिखता हूँ। बड़े भाषा-मॉडल आज स्कोरकार्ड से लेकर कमेंट्री तक, अनगढ़ पाठ से भरोसेमंद तथ्य निकाल सकते हैं। अगर मॉडल पर्याप्त अच्छा है, तो वह आधे-अधूरे संकेतों से भी वर्गीकरण कर लेगा और संपादक का काम आसान कर देगा। यह तर्क अपनी जगह सही है, और इसे ख़ारिज करना बेईमानी होगी।

फिर भी मेरा पहला शक कैप्चर की परत पर जाता है, और इसकी एक ठोस वजह है। क्रिकेट के बड़े साइट्स — लाइव ब्लॉग, स्कोरकार्ड, प्लेयर पेज — जावास्क्रिप्ट से रेंडर होते हैं। कच्चे HTML में अक्सर स्कोर होता ही नहीं; वह स्क्रिप्ट के आने के बाद बनता है। कोई सादा क्रॉलर ऐसे पेज से खाली स्ट्रिंग लौटाता है, और उसके नीचे की हर परत — वर्गीकरण, सारांश, स्टांस, तथ्य — डिफ़ॉल्ट मानों से भर जाती है। जब मैं वह टेबल देखता हूँ, तो मुझे उसमें मॉडल की हार नहीं, कैप्चर की हार दिखती है।

और यह केवल एक तकनीकी बग नहीं है। क्रिकेट पत्रकारिता की पूरी आर्थिक बुनियाद इन्हीं कच्ची फ़ीड्स पर खड़ी है, और जिस क्षण वे फ़ीड्स चुप होती हैं, डेस्क पर पाँच जगह एक साथ काम बंद हो जाता है। यह वह संरचनात्मक आँकड़ा है जिस पर भारतीय क्रिकेट का डिजिटल कारोबार टिका है और जिसकी तरफ़ कम लोग देखते हैं। भारतीय क्रिकेट में कैलेंडर, प्रसारण डील और मेगा ऑक्शन तय करते हैं कि कौन सी कहानियाँ बनेंगी और कौन सी नहीं। जिस मैच का प्रसारण हो रहा है, उसका बॉल-बाय-बॉल डेटा सबसे साफ़ और सबसे पहले मिलता है। जो मैच किसी भीतरी राज्य के मैदान पर खेला गया और जिसका कोई कैमरा रिकॉर्ड नहीं, उसका डेटा किसी की प्राथमिकता सूची में नहीं है। नतीजा यह है कि जब कैप्चर की परत टूटती है, तो सबसे पहले वही नाम गिरते हैं जो पहले से हाशिये पर थे — रणजी का दूसरा दिन, किसी ज़ोनल चयन की बैठक, किसी नए तेज़ गेंदबाज़ की घरेलू स्पेल। हर डेटा विफलता समान नहीं होती; वह उनके ख़िलाफ़ झुकती है जिनका कोई बैकअप नहीं।

यह सीधे चयन की राजनीति से जुड़ता है। मेरा मानना है कि दूसरी टीम बनाना दुनिया के खेलों में सबसे मुश्किल काम है — प्रतिभा नहीं, चयन अड़चन है। फ़्रैंचाइज़ी स्काउटिंग ने वह पाइपलाइन का काम उठा लिया है जो कभी ज़ोनल चयनकर्ता करते थे, और रणजी ट्रॉफ़ी की असली समस्या गुणवत्ता नहीं, प्रासंगिकता है। जिस खिलाड़ी के पास मज़बूत डेटा ट्रेल है, उसे मौक़ा मिलता है। जिसका डेटा किसी टूटी हुई कैप्चर परत में खो गया, उसका नाम किसी तालिका में कभी नहीं उभरता। मुझे 2026 की दुबई वाली रात याद आती है, जब भारत टी20 विश्व कप में पाकिस्तान से दस विकेट से हारा था। संपादक भावना चाहते थे। मैंने चौबीस गेंदों की एक मैचअप मैट्रिक्स बनाई: शाहीन अफ़्रीदी का 3/31, रोहित शर्मा, केएल राहुल और विराट कोहली के सामने तीन अलग लेंथ से, और फिर पाकिस्तान के सलामी बल्लेबाज़ों का 152/0। मैंने अठारह सौ शब्दों का सामरिक पोस्ट-मॉर्टम दिया, पावरप्ले शॉट-मैप के साथ। वह उस सप्ताह का सबसे पढ़ा जाने वाला क्रिकेट विश्लेषण बना। दस विकेट की हार कोई क्षण नहीं, एक क्रम है। यह वाक्य केवल तब लिखा जा सकता है जब किसी ने यह दर्ज किया हो कि कौन सी गेंद कहाँ पड़ी, किस लेंथ पर, किस बल्लेबाज़ के सामने।

अब सोचिए कि अगर शाहीन की उस स्पेल का ओवर-नक्शा कैप्चर की परत में ही खो जाता, तो बचता क्या। बचता भावना का फ़्रेम — भारत का दुखद दिन, क्रिकेट का दुखद दिन। मैंने जान-बूझकर वह फ़्रेम नहीं चुना, क्योंकि मेरा काम पाठक को वह नहीं देना है जो वह कमेंट्री बॉक्स से किसी भी औरत-बच्चे से सुन सकता है।

अब इस लेख का सबसे नाज़ुक हिस्सा। मेरा तरीका कहता है — भीड़ को हटा दो। मैं ऐसा करता हूँ। भीड़ हटा दी, और सच अंदर आ गया। लेकिन इसी तरीके में एक जाल बैठा है। अगर मैं हर आवाज़ निकाल फेंकूँ, तो बचता है एक ऐसा स्प्रेडशीट जिसे पढ़ने के लिए कोई तैयार नहीं होगा, और उससे यह भी पता नहीं चलेगा कि दुबई की उस रात अस्सी हज़ार लोगों का सन्नाटा कैसा लगता है। इसलिए विश्लेषण से अलग, एक दृश्य रखता हूँ। 2026 के उस फ़ाइनल में, आख़िरी ओवर फेंकने से पहले, मुंबई की फ़ील्ड एक क़दम अपनी जगह से खिसक गई थी। बाउंड्री पर दो खिलाड़ी, और अंदर एक अतिरिक्त, हर फ़ेंसिंग की तरफ़ धीरे-धीरे। ग्यारह डॉट बॉल्स के बाद वह छोटा-सा खिसकाव पूरे मैच का अंतर बना। मैं वह दृश्य गिनती से अलग रखता हूँ, क्योंकि गिनती को साफ़ रहना चाहिए और दृश्य को ज़िंदा रहना चाहिए। दोनों को मिला देना दोनों को मार देना है।

अब उस मुख्य सवाल पर लौटता हूँ जो मैंने ऊपर खड़ा किया था। मॉडल की परत पर निवेश करना चाहिए? हाँ। लेकिन क्रम उलटा है। पहले यह साबित कीजिए कि पाइपलाइन में पाठ आ रहा है। इसका सबसे सस्ता परीक्षण यह है कि उसी एक लेख को अकेले निकालकर देखा जाए और पूछा जाए — स्ट्रिंग की लंबाई शून्य है या नहीं। अगर है, तो समस्या कैप्चर में है, और मॉडल की मरम्मत करना सिर्फ़ समय की बर्बादी है।

दूसरा परीक्षण यह है कि वर्गीकरण असफल होने पर एक फ़ॉलबैक मौजूद हो। अभी जो हो रहा है वह बिल्कुल साफ़ है: Unclassified मिला, और आने वाली हर चीज़ डिफ़ॉल्ट पर चली गई। एक अच्छा सिस्टम कहेगा कि मुझे क्रिकेट मिला है पर शैली नहीं पता, इसलिए मैं सामान्य निष्कर्षण चलाऊँगा और पाठक को बताऊँगा कि मैं कितना निश्चित हूँ। पता नहीं, एक वैध आउटपुट है, और वह फ़्लैट N/A से हमेशा बेहतर है, क्योंकि N/A व्यवस्था का सफ़ाया है और पता नहीं उसकी ईमानदारी। जो डेटा पाइपलाइन अपनी अनिश्चितता नहीं लिख सकती, वह अपने संपादक को चुपचाप धोखा दे रही है।

तीसरा, और सबसे महत्वपूर्ण — स्रोत की लाइन को कभी खाली मत छोड़िए। मैं अपने हर टुकड़े में यह पसंद नहीं करता कि लिखूँ सूत्रों के मुताबिक़। मैं लिखता हूँ कि मैं क्या देख रहा हूँ, किस ओवर में, किस फ़्रेम पर, किस तापमान पर। जब स्रोत खाली होता है तो समय-संवेदनशीलता भी खाली हो जाती है, और क्रिकेट में समय-संवेदनशीलता ही ख़बर है। वर्गीकरण बताता है कि यह क्या है। समय बताता है कि इसे अभी क्यों पढ़ा जाए। दोनों में से एक के बिना शेष ढाँचा काग़ज़ का है।

आगे क्या। अगली बार जब कोई खाली टेबल लौटे, तो मैं पहला सवाल यह पूछूँगा, क्या स्ट्रिंग शून्य था। दूसरा, क्या वर्गीकरण मिस होने पर फ़ॉलबैक चला। तीसरा, क्या उस लेख की एक भी तारीख़ बच पाई। तीनों का जवाब जिस दिन हाँ होगा, उस दिन यह बहस ख़त्म हो जाएगी, क्योंकि उस दिन मशीन चुप नहीं होगी। और अगर तीनों का जवाब ना है, तो यह मान लीजिए कि क्रिकेट जगत में जो ख़बरें नहीं छपीं, उनमें से कुछ इसीलिए नहीं छपीं कि वे मशीन तक ही नहीं पहुँचीं। किसी फ़ील्ड की चुप्पी पाठक तक उठती नहीं, और मैदान पर पड़ी असली कहानी वहीं कहीं गुम हो जाती है।

अगली बार जब भारत का कोई मैच पाँच ओवर में तय हो जाएगा, तो मुझे बताइए — वह आँकड़ा अख़बार में पहुँचा था, या वह उसी खाली टेबल में खो गया था?