खाली पेलोड को क्लीन चिट मत समझिए: क्रिकेट एनालिसिस में 'N/A' और 'जोखिम नहीं' एक ही चीज़ नहीं हैं

पिछले हफ़्ते मेरी मेज़ पर एक एनालिसिस रिपोर्ट आई। आठ डाइमेंशन, आठ हेडिंग, हर हेडिंग के नीचे एक टेबल — फ़ॉर्मैट, खिलाड़ी, टीम, लीग, गवर्नेंस, जोखिम, नैरेटिव, ट्रांसमिशन। काग़ज़ पूरा भरा हुआ था। उस पूरे काग़ज़ में क्रिकेट का एक भी तथ्य नहीं था।

जोखिम मैट्रिक्स में छह कैटेगरी थीं और छहों के आगे लिखा था "N/A – अपर्याप्त जानकारी"। अगर किसी संपादक की नज़र सिर्फ़ हेडिंग पर पड़ती, तो वह पढ़ता कि कोई जोखिम नहीं मिला। यही इस मामले का सबसे ख़तरनाक हिस्सा है, और यह उसी भ्रम की अगली कड़ी है जो मैदान पर होता है। अंपायर जब नो-बॉल नहीं देता, तो वह यह नहीं कह रहा होता कि डिलीवरी क़ानूनी थी; वह यह कह रहा होता है कि उसने उल्लंघन नहीं देखा। "नहीं देखा" और "नहीं था" के बीच का यह फ़र्क़ क्रिकेट के हर विवाद की जड़ है — और डेटा पाइपलाइन में यही फ़र्क़ पूरी रिपोर्ट को बेकार कर देता है।

संदर्भ: दो स्टेज, आठ फ़ील्ड, और एक ख़ाली सूची

यहाँ जिस प्रक्रिया की बात हो रही है, वह दो हिस्सों में चलती है। पहला स्टेज किसी लेख को पढ़कर उसका ढाँचा निकालता है — शीर्षक, स्रोत, लेख का प्रकार, सूचना-बिंदुओं की सूची, मुख्य विचार, लेखक का रुख़, और उसमें आए लोगों-टीमों-संस्थाओं के नाम। दूसरा स्टेज उस ढाँचे पर आठ-आयामी विश्लेषण चलाता है। मेरे पास जो पेलोड आया, उसमें शीर्षक ख़ाली था, स्रोत ख़ाली था, प्रकार "अवर्गीकृत" था, सूचना-बिंदुओं की सूची में एक भी आइटम नहीं था, और एंटिटी वाले खाने में लिखा था — "ऊपर दिए सूचना-बिंदुओं से पहचानें"। यह वाक्य ही सबसे बड़ा सुराग़ है। निर्देश बच गया, जिसे उसने इशारा करना था वह सूची ग़ायब थी।

दूसरा सुराग़ इस बात में है कि क्या-क्या एक साथ टूटा। शीर्षक, स्रोत और प्रकार — तीनों एक साथ नहीं मिले, जबकि पूरा ढाँचा सही-सलामत रहा। अगर किसी समरी स्टेज को असली टेक्स्ट मिला होता, तो वह कम से कम शीर्षक तो छोड़ता ही। तीन फ़ील्ड का एक साथ ख़ाली होना टेक्स्ट मिलने की नहीं, टेक्स्ट पहुँचने की विफलता है — पेपरवॉल, ब्लॉक किया गया फ़ेच, या जावास्क्रिप्ट से बना ऐसा पेज जहाँ स्क्रैपर को नेविगेशन शेल मिला और लेख की बॉडी नहीं। यह अंतर बहुत मायने रखता है, क्योंकि रिट्रीवल की गड़बड़ दोबारा फ़ेच करके ठीक होती है, और समरी की गड़बड़ में मॉडल बदलना पड़ता है।

तीसरा संदर्भ, जिसके बिना क्रिकेट में कोई भी आँकड़ा बेमानी है: फ़ॉर्मैट। टेस्ट, वनडे, टी20 और द हंड्रेड — इन चारों में औसत, स्ट्राइक रेट और इकॉनमी रेट का मतलब अलग-अलग है और ये एक-दूसरे से तुलनीय नहीं हैं। टेस्ट का 45 का औसत और टी20 का 45 का औसत एक ही अक्षरों में लिखे दो अलग पेशे हैं। जब पेलोड में फ़ॉर्मैट ही तय न हो, तो किसी भी आँकड़े का बेंचमार्क तय करना नामुमकिन है। यहाँ मैं अपना ही पुराना उदाहरण याद करती हूँ। आईपीएल 2026 का फ़ाइनल — हैदराबाद में मुंबई इंडियंस ने राइज़िंग पुणे सुपरजायंट को एक रन से हराया था — मैंने उस मैच के रन-आउट पर तीसरे अंपायर के फ़ैसले को छह कैमरा एंगल और चौदह फ़्रेम पर दोबारा खड़ा किया था। मैंने उस फ़ेज़ को चालीस बार देखा ताकि पाठक को एक बार पढ़ना पड़े। यहाँ फ़्रेम शून्य थे। चौदह और शून्य के बीच में कोई "लगभग" नहीं होता।

मुख्य विश्लेषण: अधिकार की ज़ंजीर कहाँ टूटी

डेटा की भी अपनी अधिकार-ज़ंजीर होती है, ठीक वैसे ही जैसे मैदान पर होती है: रिट्रीवल → एक्सट्रैक्शन → वर्गीकरण → विश्लेषण → प्रकाशन। मैदान पर गेंदबाज़ी की ग़लती अगर तीसरे अंपायर तक सही तरीके से न पहुँचे, तो फ़ैसला चाहे जितना साफ़ दिखे, वह काग़ज़ पर टिका नहीं होता। यहाँ ज़ंजीर की पहली या दूसरी कड़ी में कुछ टूटा, और उसके बाद चार कड़ियों ने अपना काम बाख़ूबी किया — नतीजा यह निकला कि एक तकनीकी रूप से बेदाग़, विषय-रूप से ख़ाली दस्तावेज़ तैयार हो गया। इसे साइलेंट नल प्रोपगेशन कहते हैं। ख़राबी शुरू में छोटी थी; उसे किसी ने रोका नहीं, इसलिए वह अंत तक पहुँच गई।

एक और निशान है जो अलग से दर्ज होने लायक है। पेलोड में डोमेन लेबल cricket_world लिखा आया, जबकि स्कीमा Cricket माँगता है। अपने आप में यह मामूली चीज़ है — लेकिन यह मामूली नहीं है अगर आप इसे प्रक्रिया के नज़रिए से देखें। इसका मतलब है कि वर्गीकरण वाला स्टेज किसी पुराने टैक्सोनॉमी वर्ज़न पर चल रहा था। यह ठीक वैसा ही है जैसे तीसरा अंपायर पिछले सीज़न की प्लेइंग कंडीशन लगाकर इस सीज़न का फ़ैसला सुना दे। प्रोटोकॉल देखने में एक जैसा लगता है; थ्रेशोल्ड अलग होता है; और थ्रेशोल्ड ही वह जगह है जहाँ करियर तय होते हैं।

सबसे बड़ा ख़तरा यह नहीं कि जानकारी कम है; सबसे बड़ा ख़तरा यह है कि "अनुपलब्ध" को "शून्य" पढ़ लिया जाए। यह एक ऐसी ग़लती है जो खुद को सुधारती नहीं, क्योंकि ग़लती दिखती नहीं। ख़ाली जोखिम मैट्रिक्स को कोई भी नीचे बैठा पाठक "जोखिम नहीं मिला" के रूप में पढ़ सकता है, और फिर वही रिपोर्ट आगे किसी निर्णय का आधार बन जाती है। मुझे इस पर अपनी स्थिति पहले ही दर्ज करनी है, इसलिए साफ़ लिख रही हूँ: जब जोखिम मापा ही न जा सके, तो सही आउटपुट "कम" नहीं, "अमापित" है। डिफ़ॉल्ट "लो" कोई विश्लेषण नहीं, एक आदत है।

अब मेरी प्री-रजिस्टर्ड शर्त, तारीख़ के साथ। मैं यह दावा 12 फरवरी 2026 को दर्ज कर रही हूँ, और इसके दो स्पष्ट पक्ष हैं। पहला — अगर उसी यूआरएल से दोबारा फ़ेच करने पर शीर्षक भरा हुआ आता है, तो विफलता रिट्रीवल की थी, समरी की नहीं। दूसरा — अगर शीर्षक तो आ जाता है लेकिन एंटिटी की सूची फिर भी शून्य रहती है, तो गड़बड़ समरी में नहीं, एंटिटी एक्सट्रैक्शन वाले हिस्से में है। ये दोनों परीक्षण सस्ते हैं और दोनों को एक ही साइकिल में चलाया जा सकता है। और अगर दोबारा चलाने पर भी पेलोड ख़ाली आता है, तो मेरा यह दावा ग़लत साबित होगा — मैं उसे उतनी ही ज़ोर से लिखूँगी जितनी ज़ोर से यह लिखा है।

उलटा नज़रिया: यह कमी डेटा की नहीं, गेट की है

उद्योग का रिफ़्लेक्स यह है कि जब भी कुछ गड़बड़ दिखे, "और डेटा चाहिए" कह दिया जाए। यहाँ दिक्कत डेटा की कमी नहीं थी। लेख मौजूद था — बस वह पाइपलाइन तक नहीं पहुँचा। जो चीज़ ग़ायब थी, वह थी एक वैलिडेशन गेट: ऐसा कोई भी चेक जो यह कहता कि सूचना-बिंदुओं की सूची ख़ाली है, इसलिए इस पेलोड को आगे मत भेजो। एक ऐसी प्रणाली जो ख़ाली सूची लौटाती है और साथ में कोई एरर या null_reason फ़ील्ड नहीं देती, वह चुपचाप झूठ बोल रही है। और चुप्पी सबसे महँगा झूठ होता है, क्योंकि उसे किसी को सुधारना नहीं पड़ता।

दूसरी बात जो इस पूरी घटना से निकलती है, वह थोड़ी असुविधाजनक है। डैशबोर्ड पूर्णता को इनाम देते हैं। अठारह में से अठारह खाने भरे हुए देखकर लगता है कि काम हुआ है; और चूँकि खाना भरने का दबाव असली दबाव है, इसलिए जो सबसे आसान रास्ता बचता है वह अनुमान का होता है। यहीं से वे रिपोर्टें पैदा होती हैं जिनमें हर आँकड़ा मौजूद है और कोई आँकड़ा जाँचा हुआ नहीं। ईमानदारी से लिखी गई एक ख़ाली रिपोर्ट, किसी भरी हुई मगर मनगढ़ंत रिपोर्ट से ज़्यादा कीमती है — क्योंकि पहली वाली आपको बताती है कि आप कहाँ खड़े हैं, और दूसरी आपको ग़लत जगह खड़ा कर देती है। फ़ॉरेंसिक विश्लेषण में संयम एक कमज़ोरी नहीं, तरीक़ा है। जिस फ़्रेम में गेंद दिखती ही नहीं, उस फ़्रेम से आउट का नतीजा निकालना अनुशासन नहीं, आदत है।

आगे का रास्ता

अगर यह रिपोर्ट कल फिर किसी मेज़ पर पहुँचे, तो उस पर एक टैग लगना चाहिए: STATUS: NULL_INPUT। और स्टेज-1 और स्टेज-2 के बीच एक साधारण गेट होना चाहिए — आठ कोर फ़ील्ड में अगर पाँच से कम भरे हों, तो पेलोड आगे न जाए, वापस लौटे। इसके साथ तीन संकेतों पर नज़र रखनी होगी: फ़ील्ड-पॉपुलेशन दर, बॉडी भरी होने के बावजूद एंटिटी की संख्या शून्य रहना, और डोमेन लेबल का ठीक Cricket लिखा आना। तीनों में से कोई भी चूके तो विश्लेषण रोक देना चाहिए, टालना नहीं चाहिए। सवाल यह नहीं है कि हमारे पास कितनी रिपोर्टें हैं। सवाल यह है कि उनमें से कितनी चुपचाप ख़ाली हैं और हमने उन्हें हरी झंडी समझ लिया।