खाली पन्ना भी एक रिकॉर्ड है: जब डेटा पाइपलाइन ने ज़ीरो लौटाया

सोमवार की सुबह बेंगलुरु की मेज़ पर मैंने एक फ़ाइल खोली। स्क्रीन पर एक ही पंक्ति थी — Domain Label: cricket_asia — और उसके नीचे ग्यारह खाली ख़ाने। शीर्षक नहीं, स्रोत नहीं, तिथि नहीं, सारांश नहीं, सूचना-बिंदु नहीं। इकतालीस साल में मैंने हज़ारों स्कोरकार्ड पढ़े हैं, हाथ से नो-बॉल गिने हैं, ओवर-दर-ओवर शॉट इंटेंट कोड किया है। पहली बार मेरे सामने ऐसा दस्तावेज़ आया जिसका पूरा मज़मून यह था कि मज़मून मौजूद नहीं है।

मेरी पुरानी आदत है — "मैं 4,100 गेंदों पर लौटा और एक पैटर्न मिला।" इस बार लौटकर जो मिला, वह पैटर्न नहीं था। वह खालीपन था। लेकिन खालीपन का भी एक आकार होता है, अगर आपके पास उसे नापने का फ़ीता हो।

संदर्भ: एक ऐसा रिटर्न जो अपने आप में डेटा है

जिस पाइपलाइन की हम बात कर रहे हैं, वह तीन मंज़िलों की इमारत है। पहली मंज़िल — फ़ेच। दूसरी — पार्स और एक्सट्रैक्शन, जहाँ लेख की बॉडी से टाइटल, स्रोत, टाइप, सारांश और सूचना-बिंदु निकाले जाते हैं। तीसरी — विश्लेषण, जहाँ इकाइयों का रिश्ता-नक़्शा बनता है। जो फ़ाइल मेरे हाथ लगी, उसमें तीसरी मंज़िल का दरवाज़ा खुला था और नीचे की दोनों मंज़िलें ख़ाली थीं। डोमेन लेबल बचा रह गया, क्योंकि वह शायद किसी ऊपरी कॉन्फ़िग से आ रहा था — लेख से नहीं।

यह जानना ज़रूरी है कि ऐसा रिटर्न चार में से किसी एक वजह से आता है, और चारों की दवा अलग है। पहली: raw_html की लंबाई शून्य है — क्रॉलर को कुछ मिला ही नहीं, यानी दीवार पर दरवाज़ा ही नहीं था। दूसरी: HTML आया, लेकिन बॉडी-सेलेक्टर किसी नई क्लास पर फिसल गया — साइट का DOM बदल गया और पुराना निशाना हवा में रह गया। तीसरी: टेक्स्ट आया, पर एन्कोडिंग टूटी, टोकनाइज़र को कुछ पचा नहीं। चौथी और सबसे धोखेबाज़: कंटेंट मिला ही नहीं, क्योंकि जिस URL पर क्रॉलर गया वह 404 या रीडायरेक्ट था — और उसका खाली शरीर लेख की जगह बैठ गया।

इन चारों में फ़र्क़ करने का एक ही तरीक़ा है: लंबाई नापो। len(raw_html), len(extracted_text), और extracted_text[:200] — बस दो सौ अक्षर। अगर वहाँ 'Access Denied' लिखा है, तो समस्या क्रॉलर की है। अगर वहाँ साइट का नेविगेशन मेन्यू है, तो सेलेक्टर की है। अगर वहाँ मीनिंगलेस बाइट-मलबा है, तो एन्कोडिंग की है। और अगर वहाँ कुछ भी नहीं है, तो आपने किसी ऐसी चीज़ का ऑडिट किया जो मौजूद ही नहीं थी।

कोर: गुम डेटा का नक़्शा पैसे के नक़्शे से मिलता है

यहाँ से वह मोड़ आता है जिसने मुझे इस खाली फ़ाइल की ओर दोबारा खींचा। एशियाई क्रिकेट में जो मैच रिकॉर्ड से ग़ायब हैं, उनकी सूची कोई बेतरतीब बिखराव नहीं है। गुम डेटा का आकार उस पैसे के आकार जैसा है जो उस मैच के पीछे खड़ा है। जहाँ ब्रॉडकास्टर की गाड़ी खड़ी होती है, वहाँ बॉल-बाय-बॉल लॉग होता है, आउटपुट ग्राफ़िक्स होते हैं, कंट्रोल परसेंटेज होता है, और तीसरे दिन तक तीन अलग वेबसाइटों पर वही ओवर-दर-ओवर डेटा दिखने लगता है। जहाँ सिर्फ़ एक स्थानीय स्ट्रिंगर का फ़ोन है, वहाँ सिर्फ़ स्कोर है — और कभी-कभी स्कोर भी नहीं।

मैंने अपने कर्नाटक के दिनों को याद किया। 2026 से 2026 के बीच मैंने 23 प्रथम-श्रेणी मैच खेले — 1,187 रन, 27.4 की औसत, इंडिया-A का फ़ोन कभी नहीं आया। उन मैचों की गेंद-दर-गेंद रिकॉर्डिंग आज भी पूरी नहीं है। जो खिलाड़ी उस सीज़न में 27 की औसत से रन बनाकर चुपचाप निकल गया, उसका पूरा केस-फ़ाइल किसी टेबल पर नहीं रखा गया — क्योंकि उस मैच में कोई कैमरा नहीं था। चयन समिति को जब कहा जाता है कि "डोमेस्टिक परफ़ॉर्मेंस देखी जा रही है," तो सवाल यह नहीं है कि किसका प्रदर्शन देखा जा रहा है। सवाल यह है कि किसका प्रदर्शन रिकॉर्ड हुआ।

रणजी ट्रॉफ़ी में एक सीज़न में सौ से ज़्यादा भिड़ंतें होती हैं। इनमें से कितनी का गेंद-दर-गेंद लॉग सार्वजनिक रूप से उपलब्ध है, और कितनी का सिर्फ़ स्कोरकार्ड — यह वह हिसाब है जो कोई नहीं छापता। मैं इसे "कवरेज का हिसाब" कहता हूँ। इसे छापने का फ़ायदा यह है कि चयन-बहस अपने आप साफ़ हो जाती है। जिस खिलाड़ी के 40 मैचों में से 32 का बॉल-बाय-बॉल डेटा मौजूद है और जिसके 40 में से 4 का, उन दोनों की "लगातार प्रदर्शन" वाली तुलना तकनीकी रूप से बेमानी है। औसत एक भाग है — हर कीमत पर हर भाग का हरक़ होना चाहिए।

यही तर्क महिला क्रिकेट पर भी लगता है। 2026 के WPL के बाद और 2026 के घरेलू विश्व कप के बाद, महिला खेल को प्रति-प्रेस रिलीज़ नहीं, प्रति-फ़िक्स्चर आँकना होगा। कितने मुक़ाबले खेले गए, कितनों का फ़ुल स्कोरकार्ड बना, कितनों का बॉल-बाय-बॉल फ़ीड चला — यह तीन अलग संख्याएँ हैं, और तीनों के बीच का फ़ासला ही असली रिपोर्ट है। एसोसिएट देशों के मैचों में यह फ़ासला सबसे चौड़ा है। एशिया कप क्वालिफ़ायर का एक मैच जिसका कोई स्कोरकार्ड फ़ीड नहीं है — वह मैच खेला नहीं गया, ऐसा नहीं है। वह मैच खेला गया और हमारे पास उसका कोई सबूत नहीं है। यह दो बिल्कुल अलग बातें हैं, और रिपोर्टिंग में इन्हें एक समझ लेना सबसे आम ग़लती है।

कंट्रैरियन: खालीपन को रोमांटिक मत बनाओ

अब वह पैराग्राफ़, जो मुझे ख़ुद पर लिखना है। खाली रिटर्न देखकर एक पुरानी आदत सिर उठाती है — कहानी की कमी को कहानी बना देना। "सिस्टम ने जानबूझकर छिपाया" वाली सुंदर थियरी लिखना आसान है, क्योंकि उसे ग़लत साबित करने के लिए किसी को कुछ नहीं देना पड़ता। मैं उस जाल में नहीं पड़ूँगा। खाली रिटर्न और छिपाया गया रिटर्न दो अलग चीज़ें हैं, और दोनों के बीच का फ़ासला सिर्फ़ एक ऑडिट ट्रेल से पाटा जा सकता है। जब तक मेरे पास raw_html की लंबाई, सेलेक्टर का हिट-रेट और रिस्पॉन्स कोड नहीं है, तब तक मेरे पास साज़िश नहीं है — सिर्फ़ एक टूटी हुई पाइपलाइन है। और टूटी पाइपलाइन की मरम्मत कहानी से नहीं, लॉग से होती है।

दूसरी ग़लती उलटी दिशा से आती है — यह मान लेना कि जो रिकॉर्ड में नहीं है, वह मायने ही नहीं रखता। मेरे पास इसका इलाज साल 2026 से रखा हुआ है। RCB के लिए मैंने चिन्नास्वामी का ओस-समायोजित चेज़ मॉडल बनाया था। 29 मई 2026 की रात सनराइज़र्स ने 208/7 बनाया, RCB 200/7 पर रुक गया — आठ रन का फ़ासला। मॉडल ने चेज़ कहा था, टीम ने चेज़ किया, और हार गई। जून में मैंने मॉडल दोबारा चलाया और पाया कि मैंने ओस का वज़न क़रीब 30 प्रतिशत ज़्यादा रखा था। जुलाई में मैंने कोचिंग स्टाफ़ को चार पन्नों का सुधार-पत्र भेजा। उस दिन के बाद से मेरी हर रिपोर्ट में एक पैराग्राफ़ ऐसा होता है जो बताता है कि मॉडल कहाँ ग़लत था — आलोचकों के आने से पहले।

और तीसरी ग़लती, जो सबसे महँगी पड़ती है — एक खाली फ़ाइल को देखकर पूरा ढाँचा बदल देना। हर बार जब क्रॉलर ज़ीरो लौटाए, नया सिस्टम बनाना ज़रूरी नहीं। फ़्रेमवर्क पर तारीख़ की मोहर लगाओ, लिखो कि वह कब तक चलेगा, और यह भी लिखो कि उसे कौन-सी घटना झूठा साबित करेगी। 2026 में जब मैंने 2026–2026 के घरेलू वनडे फ़ुटेज की 4,100 गेंदों को हाथ से कोड किया था, तो तीन मैचों में ओवर 40–50 का बाउंड्री-रेट उस टीम के अपने सीज़न-बेसलाइन से 41 प्रतिशत नीचे गिरा था। वह फ़ाइल मैंने कभी छापी नहीं। सैंपल पतला था, तुलना-खिड़की कमज़ोर थी, और मेरे पास यह साबित करने का कोई रास्ता नहीं था कि गिरावट इरादे की थी या बस उस दिन गेंद घूम रही थी। विधि मैंने रख ली, आरोप नहीं।

इस पूरे मामले में जो आदमी सबसे ज़्यादा मायने रखता है, वह किसी डैशबोर्ड पर नहीं है। वह जिला मैदान का वह स्कोरर है जो तीन दिन तक बारिश में बैठा रहता है और आख़िरी दिन फ़ोन पर स्कोर बोलता है — जिसकी आवाज़ रिकॉर्डिंग में है, जिसका नाम स्कोरकार्ड के नीचे नहीं है, और जिसके एक टाइपो से पूरा सीज़न-औसत बदल जाता है। हमारे सारे मॉडल उसके धैर्य पर खड़े हैं। यह बात किसी स्प्रेडशीट में नहीं आती, इसलिए मैं इसे यहाँ, साफ़ शब्दों में रख रहा हूँ।

टेकअवे: अगली बार ज़ीरो दिखे तो डैशबोर्ड मत थपथपाओ

अगली बार जब आपका कोई फ़ीड ज़ीरो लौटाए, तो सवाल यह मत पूछिए कि डैशबोर्ड कैसे ठीक करें। सवाल यह पूछिए कि इस पाइपलाइन का मालिक कौन है, उसका ऑडिट ट्रेल कहाँ रखा जाता है, और उसे आख़िरी बार किसने, किस तारीख़ को जाँचा था। एक खाली पन्ना एक रिकॉर्ड है — बस वह उस चीज़ का रिकॉर्ड नहीं है जो आप खोज रहे थे। वह उस चीज़ का रिकॉर्ड है जो आपने नापना छोड़ दिया था।