खाली डेटा, भरा हुआ नैरेटिव: क्रिकेट एनालिसिस पाइपलाइन की वह विफलता जिसे कोई नहीं देखता

फरवरी 2026 की वह रात मुझे आज भी याद है। बेंगलुरु के एक होटल के कमरे में, जहाँ आईपीएल नीलामी की तैयारी चल रही थी, मैंने तीन पन्नों का एक मेमो फाइल किया था — रशीद खान, 18 साल, बेस प्राइस 50 लाख। मेमो में हर दावे के सामने गेंदों की संख्या लिखी थी। सैंपल साइज पहले, कॉन्फिडेंस बैंड बाद में, निष्कर्ष सबसे आखिर में। उस रात मुझे लगा था कि एनालिसिस की सबसे बड़ी दुश्मन भावना है। सात साल बाद, एक अलग तरह की विफलता सामने आई है, और यह भावना नहीं है। यह खालीपन है।

पिछले हफ्ते मेरे डेस्क पर एक स्टेज-2 डीप एनालिसिस रिपोर्ट आई, जिसका शीर्षक था 'क्रिकेट डोमेन'। फाइल खोली तो पता चला कि स्टेज-1 डिकंस्ट्रक्शन ने शून्य इन्फॉर्मेशन पॉइंट्स लौटाए थे। न कोई टीम, न खिलाड़ी, न वेन्यू, न फॉर्मेट, न स्कोरलाइन। पूरे पेलोड में एक ही फील्ड भरी थी: cricket_asia। बाकी सब कुछ — एंटिटीज, कोर व्यूज, टाइम सेंसिटिविटी, सोर्स क्वालिटी — सब खाली। यह कोई कम जानकारी वाला लेख नहीं था। यह एक स्ट्रक्चर्ड एम्प्टी रिजल्ट था, और फर्क समझना जरूरी है।

एक सचमुच पतला लेख भी एंटिटीज तो देता है — टीम के नाम, खिलाड़ी के नाम, मैदान, प्रतियोगिता। उनसे दिशात्मक अनुमान निकाले जा सकते हैं। यहाँ कुछ भी नहीं था। और फ्रेमवर्क का सोर्स-ट्रांसपेरेंसी नियम कहता है कि कोई भी निष्कर्ष स्टेज-1 इन्फॉर्मेशन पॉइंट तक ट्रेस होना चाहिए। जब पॉइंट ही नहीं हैं, तो किसी भी क्रिकेट नैरेटिव का निर्माण करना कहानी गढ़ना होगा, एनालिसिस नहीं।

मैंने अपने करियर में ऐसी विफलताएँ पहले भी देखी हैं। 2026 में, जब मैं फुटबॉल के xG को क्रिकेट के Expected Runs में ट्रांसलेट करने वाले पांच एक्सप्लेनर लिख रहा था, तो पांचवां डेडलाइन पर दो बार मिस हुआ। कारण तकनीकी नहीं, बल्कि मेरा अपना हठ था — मैं बाउंड्री वेटिंग को उस सटीकता तक कैलिब्रेट करना चाहता था जो किसी ने मांगी भी नहीं थी। उस अनुभव ने मुझे सिखाया कि वर्जन वन को स्टेटेड एरर बार्स के साथ शिप करना चाहिए, अंतिम वर्जन का पीछा नहीं करना चाहिए। लेकिन यहाँ समस्या उलटी है। यहाँ वर्जन वन भी नहीं है। यहाँ तो इनपुट ही खाली है।

तकनीकी तौर पर देखें तो यह एक पाइपलाइन-इंटीग्रिटी विफलता है, खेल की विफलता नहीं। पेलोड में cricket_asia लेबल मौजूद है, जिसका मतलब है कि क्लासिफिकेशन स्टेज तो चला। लेकिन फेच, पार्स या एक्सट्रैक्ट स्टेज में कुछ टूटा है। एक असली न्यूज आर्टिकल से कम से कम हेडलाइन स्ट्रिंग तो निकलती है। शीर्षक का खाली होना अपने आप में संकेत है कि सोर्स या तो फेच ही नहीं हुआ, या वह आर्टिकल ही नहीं था — शायद कोई प्लेसहोल्डर या फीड एरर।

अब सोचिए, अगर यह पेलोड बिना किसी हार्ड-फेल फ्लैग के डाउनस्ट्रीम मॉडल तक चला जाता, तो क्या होता। मॉडल के पास आठों एनालिटिकल डायमेंशन खुले होते — फॉर्मेट, प्लेयर टेक्नीक, टीम लैंडस्केप, लीग इकोसिस्टम, गवर्नेंस, रिस्क, नैरेटिव, ट्रांसमिशन — और हर एक को भरने के लिए कोई सबूत नहीं। लेकिन मॉडल को यह नहीं पता होता कि सबूत नहीं है। वह आत्मविश्वास से भरी क्रिकेट कमेंट्री बना देता, जिसका हर वाक्य अनट्रेसेबल होता। यही वह फेल्योर मोड है जिसे रोकने के लिए सोर्स-ट्रांसपेरेंसी कंस्ट्रेंट बना था।

मेरे 21 साल के करियर में मैंने कई मॉडल देखे हैं जो अपने ही मेट्रिक्स पर आँख बंद करके भरोसा करते हैं। 2026 में, जब आईपीएल यूएई में खेला गया, तो मैंने वेन्यू-दर-वेन्यू तुलना की और पाया कि दर्शकों के बिना होम एडवांटेज शोर में बदल गया था। लेकिन उस विश्लेषण का आधार असली मैच डेटा था — 2026 और 2026 के स्कोरकार्ड। यहाँ तो वह भी नहीं है। खाली पेलोड पर कोई मॉडल नहीं चलाया जा सकता।

खतरा सिर्फ तकनीकी नहीं है। असली खतरा एपिस्टेमिक है — यानी ज्ञान के स्रोत को लेकर। एक खाली स्टेज-1 रिजल्ट को 'पतला लेकिन उपयोगी ब्रीफ' मान लेना वही गलती है जो मैंने कई बार देखी है। जब कोई डेटा डेस्क खाली रिटर्न करता है, तो एडिटर का दबाव होता है कि 'कुछ तो भरो'। कुछ न कुछ कहानी बनाओ। लेकिन मेरे लिए, खाली रिटर्न का सही जवाब यह है कि खालीपन को ही सुर्खी बनाया जाए, न कि उसे चुपचाप निगल लिया जाए।

इस मामले में सबसे उपयोगी निष्कर्ष यह है कि सभी आठ डायमेंशन एक साथ ब्लॉक हैं। कोई पार्शियल-आउटपुट फॉलबैक नहीं है। कोई भी डायमेंशन मौजूदा इनपुट से बचाया नहीं जा सकता। ऐसे में सही कदम है — चेन रोकना, स्टेज-1 दोबारा चलाना, और रिट्रीवल, पार्सिंग, एंटिटी-एक्सट्रैक्शन लॉग्स के साथ यह पता लगाना कि विफलता कहाँ हुई।

एक सीमित लेकिन असली सिग्नल यह भी है: cricket_asia लेबल का सर्वाइव करना। यह बताता है कि क्लासिफायर ठीक चला था, जिससे फॉल्ट डोमेन सिकुड़कर फेच/पार्स/एक्सट्रैक्ट तक सीमित हो जाता है। डिबगिंग का समय कम होना चाहिए — बशर्ते कोई उस लेबल को कंटेंट समझने की गलती न करे।

मैं अपने नोट्स में एक स्टैंडिंग लाइन रखता हूँ: 'क्या होता तो मैं अपनी बात बदल देता।' इस मामले में जवाब सीधा है — अगर स्टेज-1 दोबारा चलाने पर कोई भी इन्फॉर्मेशन पॉइंट आता है, तो सभी आठ डायमेंशन एक साथ अनलॉक हो जाएंगे। अगर सोर्स यूआरएल खुलता है और असली आर्टिकल मिलता है, तो यह रिट्रीवल विफलता साबित होगी। और अगर सोर्स खुद खाली निकला, तो सही कार्रवाई आर्काइवल रिजेक्शन है, एनालिसिस नहीं।

क्रिकेट में हम अक्सर 'नो रिजल्ट' को असफलता मानते हैं। लेकिन एक खाली डेटा पॉइंट भी एक नतीजा है — और कभी-कभी वह सबसे ईमानदार नतीजा होता है। सवाल यह नहीं है कि उस खालीपन से क्या कहानी बनाई जाए। सवाल यह है कि क्या हमारा सिस्टम खालीपन को पहचान सकता है, या वह उसे भरने की कोशिश में अपनी ही साख गँवा देगा। अगली बार जब कोई डेटा डेस्क 'सब ठीक' कहे, तो शायद उससे यह भी पूछना चाहिए — कि क्या उसने खाली रिटर्न को खाली के रूप में ही रिपोर्ट किया, या उसे किसी कहानी से ढक दिया।