शून्य सूचना बिंदु, पूरा टेम्पलेट: क्रिकेट डेटा पाइपलाइन की साइलेंट फेल्योर

रिपोर्ट में आठ खंड थे। हर खंड में एक तालिका, हर तालिका में चार-पांच पंक्तियां, और हर पंक्ति के सामने वही दो अक्षर — N/A। शीर्षक की जगह N/A, स्रोत की जगह N/A, और सूचना बिंदुओं का खाना पूरी तरह खाली। एंटिटी वाले कॉलम में एक वाक्य छपा था: "ऊपर दिए गए सूचना बिंदुओं से पहचानें।" ऊपर कोई सूचना बिंदु नहीं था। यह रिपोर्ट नहीं थी — यह एक ढांचा था जिसे रिपोर्ट की शक्ल दे दी गई थी। और सबसे खतरनाक बात यह कि वह तकनीकी रूप से साफ दिख रहा था। छह जोखिम श्रेणियां थीं, छहों में कोई जोखिम दर्ज नहीं था। यानी जिस चीज का विश्लेषण ही नहीं हुआ, उस पर "कोई जोखिम नहीं" की मुहर लग गई। क्रिकेट में इसका सीधा उदाहरण है — मैच रिपोर्ट में लिख देना कि एक भी विकेट नहीं गिरा, क्योंकि स्कोरकार्ड ही नहीं मिला था।

मैंने 538 गेंदें हाथ से दर्ज कीं, तब जाकर टोटल पर भरोसा करना छोड़ा। मार्च 2026, जोहान्सबर्ग — वर्ल्ड कप फाइनल में ऑस्ट्रेलिया ने 359/2 बनाया, रिकी पोंटिंग 140* पर नाबाद रहे, और भारत 234 पर ढेर हो गया, 125 रन से हार। उन दिनों भारत में बॉल-बाय-बॉल डेटा कोई बेचता नहीं था, इसलिए ग्यारह रातें मैंने एक उधार के लैपटॉप पर हर गेंद स्प्रेडशीट में उतारने में लगाईं। खाते ने बताया कि 12वें से 30वें ओवर के बीच भारतीय मिडिल ऑर्डर ने 71 डॉट गेंदें खेलीं। संपादक ने उस नंबर को साइडबार में छापा और वह मुख्य रिपोर्ट से ज्यादा पढ़ा गया। तब से मेरा नियम एक ही है — हर आंकड़े से पहले एक गेंद है, और किसी को उसे गिनना पड़ता है। उसी नियम का दूसरा सिरा यह है: जहां कोई गेंद गिनी ही नहीं गई, वहां कोई निष्कर्ष भी नहीं निकलता। इस पूरे मामले की गिरफ्त इसी में है — हमने गिनती छोड़ी नहीं, हमने गिनती का दिखावा किया।

पहला संकेत सबसे चालाक है: सूचना बिंदुओं की सूची खाली है, पर टेम्पलेट पूरा भरा हुआ दिखता है। आठ विश्लेषण खंड — फॉर्मेट, खिलाड़ी तकनीक, टीम लैंडस्केप, लीग अर्थशास्त्र, शासन-प्रशासन, जोखिम, जन-नैरेटिव, उद्योग ट्रांसमिशन — सब मौजूद हैं, सबमें तालिकाएं भी हैं, और सबमें जवाब N/A। यह शेप्ड-बट-एम्प्टी आउटपुट है: ढांचा इतना विश्वसनीय दिखता है कि कोई भी डाउनस्ट्रीम पाठक इसे "कुछ भी गड़बड़ नहीं मिला" के रूप में पढ़ सकता है। यही असली खतरा है, न कि खालीपन।

दूसरा संकेत ज्यादा साफ है। एंटिटी वाले खाने में लिखा है "ऊपर दिए गए सूचना बिंदुओं से पहचानें" — यह निर्देश खुद को ही रद्द कर रहा है। जब टेम्पलेट अपने ही ऊपरी हिस्से को रेफर करे और वह ऊपरी हिस्सा खाली हो, तो समस्या लेख में कमी की नहीं, पाइपलाइन में टूट की है। यह एक डायग्नोस्टिक सिग्नेचर है: फेल्योर एक्सट्रैक्शन स्टेज पर बैठा है, एनालिसिस लॉजिक पर नहीं।

तीसरा संकेत टैक्सोनॉमी से आता है। डोमेन लेबल "cricket_world" है, जबकि अपेक्षित "Cricket" था। यह एक टैग है, तथ्य नहीं। मिस-मैप्ड लेबल को कभी टीम-स्तर के साक्ष्य में तरक्की नहीं दी जा सकती — लेकिन वह यह जरूर बताता है कि क्लासिफिकेशन स्टेप में ही कुछ गलत हुआ, और वही गलती खाली पेलोड की भी वजह हो सकती है। जब एक ही पाइपलाइन में लेबल गलत मैप हो और पेलोड खाली आए, तो उन्हें दो अलग घटनाएं मानना भूल होगी।

चौथा और सबसे महंगा संकेत: फॉर्मेट फ़ील्ड गायब है। क्रिकेट एनालिटिक्स में फॉर्मेट एक हार्ड गेट है। टेस्ट की बल्लेबाजी औसत और T20 के डेथ-ओवर स्ट्राइक रेट की तुलना करना वैसा ही है जैसे 100 मीटर स्प्रिंटर की टाइमिंग से मैराथन की भविष्यवाणी करना। बिना फॉर्मेट टैग के हर मेट्रिक तुलना तकनीकी रूप से अमान्य है — इसलिए सही निर्णय N/A लिखना ही था, और वही लिखा गया। यह ईमानदारी है, पर यह समाधान नहीं है। एक मॉडल जो हर जवाब N/A देता है, वह मॉडल नहीं, एक खाली फॉर्म है।

यहां एक उलटा कोण है जिसे मैं खुद के खिलाफ दर्ज करता हूं। सबसे आसान प्रतिक्रिया यह होगी कि पाइपलाइन को कोस दिया जाए और आगे बढ़ लिया जाए। लेकिन साक्ष्य की अनुपस्थिति, अनुपालन का साक्ष्य नहीं होती — और यह बात दोनों तरफ काटती है। जिस पल हम कहते हैं "कोई जोखिम नहीं मिला", उसी पल हमें यह भी स्वीकार करना पड़ता है कि हमने खोज ठीक से की ही नहीं। दूसरी तरफ, यह भी पूरी तरह संभव है कि स्रोत सचमुच पतला रहा हो — किसी फोटो कैप्शन या एक-पंक्ति की खबर से आठ खंडों का विश्लेषण नहीं निकलता, और तब दोष पाइपलाइन का नहीं, अपेक्षा का था। तीन घंटे टेप के बाद ही संयोग एक बचाव-योग्य स्थिति रह जाती है; तीन मिनट में तो वह कभी थी ही नहीं। इसलिए दोष देने से पहले दोबारा एक्सट्रैक्शन चाहिए — रेंडर्ड HTML, PDF पार्स, या वैध पेवॉल एक्सेस के जरिए। अगर दोबारा भी खाली आए, तब बात पाइपलाइन की है; अगर भर जाए, तो बात हमारी जल्दबाजी की थी।

आगे का सिग्नल तीन चीजों पर टिका है। पहला, एक प्रीफ्लाइट वैलिडेटर जो शून्य सूचना बिंदु, खाली शीर्षक और अधूरे एंटिटी निर्देश वाले किसी भी Stage-1 पेलोड को आगे बढ़ने से रोक दे। दूसरा, फॉर्मेट को अनिवार्य फ़ील्ड बनाना — बिना फॉर्मेट, स्टेज 2 शुरू ही न हो। तीसरा, हर सूचना बिंदु के साथ स्रोत-गुणवत्ता ग्रेड जोड़ना, क्योंकि स्रोत की गुणवत्ता जांचे बिना कोई विश्लेषण कितना भी साफ दिखे, साफ नहीं होता। और इन सबसे ऊपर एक लेबल: INSUFFICIENT_INPUT — ताकि यह रिकॉर्ड किसी डैशबोर्ड पर "कम जोखिम" बनकर न चढ़ जाए। हर स्कोरकार्ड उन फैसलों का सार है जो ऐसे लोगों ने लिए जिनसे आप कभी मिले नहीं — और एक खाली स्कोरकार्ड भी एक स्कोरकार्ड है। सवाल यह नहीं कि उसमें क्या लिखा है; सवाल यह है कि उसे किसने गिना।