शून्य पंक्तियों वाली फ़ाइल भी एक नतीजा है: क्रिकेट डेटा ऑडिट में खाली इनपुट का हिसाब

23 मार्च 2026 की रात जोहान्सबर्ग के वांडरर्स में ऑस्ट्रेलिया ने 359/2 बनाया और भारत 234 पर ढेर हो गया — 125 रन का अंतर। उस फ़ाइनल की 538 गेंदें मैंने उधार के लैपटॉप पर ग्यारह रातों में अपने हाथ से दर्ज की थीं, क्योंकि तब भारत में बॉल-बाय-बॉल डेटा कोई बेचता नहीं था। बाईस साल बाद, पिछले हफ़्ते, मेरे सामने एक ऐसी फ़ाइल आई जिसमें सात फ़ील्ड में से छह खाली थीं और सातवीं में सिर्फ़ दो शब्द लिखे थे — cricket_world। यह मैच रिपोर्ट नहीं है। यह उस फ़ाइल का ऑडिट है, और मैं इसे इसलिए लिख रहा हूँ क्योंकि पिछले कुछ सालों में क्रिकेट डेटा जर्नलिज़्म में सबसे ख़तरनाक चीज़ खाली फ़ाइल नहीं रही — सबसे ख़तरनाक वह फ़ाइल है जो भरी हुई दिखती है। खाली फ़ाइल ईमानदार होती है। वह चिल्लाकर कहती है कि यहाँ कुछ नहीं है। जिस फ़ाइल में शीर्षक, सार, स्टैंड और सूचना-बिंदु सब भरे हों, लेकिन हर वाक्य के पीछे कोई गेंद न हो, वह झूठ बोल रही है — और वह झूठ सबसे तेज़ी से फैलता है, क्योंकि वह साफ़-सुथरे फ़ॉर्मैट में आता है। जिस पाइपलाइन की बात हो रही है, उसे दो चरणों में बाँटा गया है। पहला चरण कच्चे पाठ से तथ्य निकालता है: लेख का शीर्षक, स्रोत, लेख का प्रकार, एक वाक्य का सार, लेखक का रुख़, सूचना-बिंदुओं की सूची, इसमें शामिल खिलाड़ी-टीम-संस्थाएँ, समय-संवेदनशीलता और स्रोत की गुणवत्ता। दूसरा चरण उन सूचना-बिंदुओं पर खड़ा होता है: विरोधाभास दिखाना, एंटिटी ग्राफ़ बनाना, लेखक की पूर्व-धारणा पकड़ना, समय-संवेदनशीलता तय करना, और यह बताना कि कौन-सी बात सिर्फ़ एक स्रोत से आई है। दूसरे चरण का पूरा ढाँचा पहले चरण के खंभों पर टिका है। जिस दिन पहला चरण खाली लौटता है, दूसरा चरण मज़दूरों के बिना खड़ी इमारत का नक्शा बन जाता है। और ठीक यही हुआ। पहले चरण के आउटपुट में domain label के सिवा कुछ नहीं था। शीर्षक नहीं, स्रोत नहीं, प्रकार अनर्गल, एक वाक्य का सार खाली, लेखक का रुख़ अनुपलब्ध, सूचना-बिंदुओं की सूची खाली। इकलौता भरा हुआ फ़ील्ड — cricket_world — कोई जानकारी नहीं देता; वह उतना ही बताता है जितना यह बताना कि फ़ाइल में हिंदी अक्षर हैं। यह वही स्थिति है जैसे कोई स्कोरकार्ड दे और उसमें सिर्फ़ यह लिखा हो कि मैच क्रिकेट का था। मैंने अपने करियर का एक बड़ा हिस्सा इसी काम में लगाया है कि जो संख्या स्क्रीन पर चमक रही है, उसे फिर से गिनो। नेट रन रेट, ज़रूरी रन रेट, स्ट्राइक-रेट के टुकड़े, प्रेशर इंडेक्स — ये सब संक्षेपण होते हैं, तथ्य नहीं। संक्षेपण में जानकारी घटती है, और अक्सर वह ऐसी जगह घटती है जहाँ कोई देखता नहीं। 2026 की उस रात मेरे लेजर ने दिखाया था कि भारत की मध्यक्रम बल्लेबाज़ी ने 12वें से 30वें ओवर के बीच 71 डॉट गेंदें खेली थीं। मेरे संपादक ने उस एक संख्या को साइडबार में छापा और वह मुख्य रिपोर्ट से ज़्यादा पढ़ा गया। सबक़ साफ़ था: पहला सवाल यह नहीं है कि स्कोर क्या रहा, पहला सवाल यह है कि गेंदों के साथ असल में क्या हुआ। अब उसी सवाल को इस खाली फ़ाइल पर लगाइए। सात में से छह फ़ील्ड खाली हैं। क्या यह एक विफलता है? तकनीकी तौर पर हाँ — एक्सट्रैक्शन लेयर काम नहीं कर पाई। लेकिन ऑडिट के नज़रिए से यह एक नतीजा है, और काफ़ी साफ़ नतीजा है। यह बताता है कि कहाँ सब कुछ रुका। जिस पाइपलाइन में null मान भरे जाते हैं, वहाँ अगर उस null को 'अज्ञात' न मानकर 'कोई बात नहीं' मान लिया जाए, तो बाक़ी की सारी प्रक्रिया कल्पना पर चलेगी। इसलिए मैंने फ़ील्ड-दर-फ़ील्ड हिसाब लगाया। शीर्षक गायब होने का मतलब है कि मैं यह भी नहीं जानता कि मामला एक मैच का है, एक चयन विवाद का है, एक अनुबंध का है या एक बोर्ड के फ़ैसले का। स्रोत गायब होने का मतलब है कि मैं टाइम्स ऑफ़ इंडिया के स्ट्रिंगर और एक अनाम 'बोर्ड सूत्र' के बीच अंतर नहीं कर सकता। लेख का प्रकार तय न होने का मतलब है कि मैं यह नहीं जानता कि यह दावा है या राय — और क्रिकेट में यही अंतर सबसे ज़्यादा अनदेखा किया जाता है। एक वाक्य का सार खाली होने का मतलब है कि मेरे पास तुलना का कोई आधार नहीं। सूचना-बिंदु खाली होने का मतलब है कि एंटिटी ग्राफ़, स्टैंड और समय-संवेदनशीलता — तीनों एक साथ धँस गए, क्योंकि तीनों उसी सूची से पोषित होते हैं। यही वह जगह है जहाँ डेटा पत्रकारिता में सबसे आम ग़लती होती है। लोग सोचते हैं कि खाली इनपुट का मतलब है 'और मेहनत करो'। असल में खाली इनपुट का मतलब है 'कुछ मत लिखो'। मैंने अपने करियर में एक मॉडल बनाया था जिसे मैं बहस हारने के लिए बनाता था — प्रेशर इंडेक्स। एक हफ़्ता मैंने यह समझने में लगाया कि लोग उस पर यक़ीन क्यों नहीं करते थे। जवाब यह निकला कि इनपुट ग़लत था, मॉडल नहीं। उस दिन के बाद मेरा नियम है: विफलता पहले छापो, कारण बाद में नाम दो, और पाठक को वह ग़लती ख़ुद दोहराने दो। आज के मामले में विफलता यह है कि एक्सट्रैक्शन लेयर ने शून्य सूचना-बिंदु लौटाए। अगर मैंने उस पर एक लेख खड़ा कर दिया, तो मैं वही ग़लती कर रहा होता जिसके ख़िलाफ़ मैं लिखता हूँ। आँकड़े से पहले एक गेंद होती है, और कोई न कोई उसे गिनता है। यह वाक्य मेरे लिए सिर्फ़ अंदाज़-ए-बयान नहीं है, यह मेरी कार्यप्रणाली की पहली शर्त है। अगर आप मुझे बताते हैं कि किसी बल्लेबाज़ ने 40 गेंदों में 60 रन बनाए, तो मेरा अगला सवाल यह है कि वे 40 गेंदें किस दौर में आईं, किस गेंदबाज़ के ख़िलाफ़, किस फ़ील्ड सेटिंग में, और उनमें कितनी डॉट थीं। अगर यह सब नहीं है, तो 60 रन एक ऐसी संख्या है जिसे आप किसी भी तरह पढ़ सकते हैं। यही खाली फ़ाइल की समस्या है — उसमें सिर्फ़ फ़ाइल का रंग है, कोई रन नहीं, कोई ओवर नहीं, कोई गेंद नहीं। मैंने इस फ़ाइल को तीन अलग-अलग संभावनाओं के रूप में देखा। पहली संभावना: चाहे जो हो, एक लेख लिख दिया जाए। यह सबसे आसान है और सबसे बुरा। दूसरी संभावना: फ़ाइल को अधूरा मानकर लौटा दिया जाए, और यह भी न बताया जाए कि क्या चाहिए। यह लापरवाही है, प्रामाणिकता नहीं। तीसरी संभावना: यह बताया जाए कि ठीक-ठीक क्या चाहिए — और यही मैंने किया। ज़रूरत की सूची छोटी है और क्रम में है। सबसे ऊपर मूल पाठ। अगर मूल पाठ मिल जाए, तो पहला और दूसरा चरण एक साथ चल सकते हैं, और पहले चरण की गुणवत्ता भी उसी दौरान जाँच ली जाएगी। दूसरे नंबर पर फिर से चलाया गया पहला चरण — जिसमें कम से कम तीन से दस सूचना-बिंदु हों, और हर बिंदु के साथ मीडिया, पत्रकार और समय का स्रोत हो। तीसरे नंबर पर बस शीर्षक, स्रोत और प्रकाशन-तिथि। तीसरा विकल्प सबसे कम देता है, पर वह भी शून्य से बेहतर है, क्योंकि उससे स्रोत की गुणवत्ता और समय-संवेदनशीलता का प्रारंभिक अनुमान तो निकलता है। तीन विकल्पों का असर मापा जा सकता है। मूल पाठ मिलने पर मैं चारों परतें खोल सकता हूँ: तथ्य की परत, एंटिटी की परत, स्टैंड की परत, और समय की परत। तथ्य की परत में मैं सूचना-बिंदुओं को दोहराव से मुक्त करता हूँ, समय-रेखा बनाता हूँ और देखता हूँ कि कौन-सी बात सिर्फ़ एक ही जगह से आई है — यानी सिर्फ़ एक स्रोत वाला दावा जिसे आगे हर कोई दोहरा रहा है। एंटिटी की परत में खिलाड़ी, टीम, टूर्नामेंट, बोर्ड, कोचिंग स्टाफ़ — सबकी भूमिका और आपसी रिश्ते बनते हैं। स्टैंड की परत में यह देखता हूँ कि लेखक किस तरफ़ झुका है और उसके तर्क में कौन-सी बात बिना कहे मान ली गई है। समय की परत में यह तय होता है कि दावा मैच से पहले का है, बीच का है या बाद का — और इन तीनों की विश्वसनीयता बराबर नहीं होती। सिर्फ़ दूसरा विकल्प मिलने पर एंटिटी ग्राफ़ कमज़ोर रहेगा, पर स्टैंड और समय की परत चल जाएगी। सिर्फ़ तीसरा विकल्प मिलने पर भी मैं एक काम कर सकता हूँ: यह बता सकता हूँ कि स्रोत किस श्रेणी का है। और क्रिकेट पत्रकारिता में यह जानना कम मायने नहीं रखता। यहीं आकर एक असुविधाजनक बात कहनी है। पिछले कुछ सालों में क्रिकेट की ख़बरों में 'बोर्ड सूत्र' वाला वाक्यांश एक ऐसी मुद्रा बन गया है जिसकी कोई जाँच नहीं होती। चयन, अनुबंध, रिटेंशन, कोच की नियुक्ति — हर जगह किसी अनाम सूत्र का हवाला आ जाता है। मेरे खाते में ऐसे दावों का भार सबसे कम है, क्योंकि उन्हें न तो दोहराया जा सकता है, न ग़लत साबित किया जा सकता है। यह ठीक वैसा ही है जैसे किसी मॉडल का नतीजा बताया जाए लेकिन इनपुट न दिखाया जाए। जिस दिन आप इनपुट देख लेते हैं, उस दिन आधे नतीजे अपने आप गिर जाते हैं। इसीलिए इस खाली फ़ाइल का सबसे उपयोगी पहलू यह नहीं है कि वह विफल हुई। सबसे उपयोगी यह है कि उसने विफलता को छिपाया नहीं। अगर उस पाइपलाइन ने मुझे एक भरा हुआ, आत्मविश्वास से भरा आउटपुट दिया होता — शीर्षक, सार, स्टैंड सब कुछ — लेकिन उसके पीछे एक भी सत्यापित सूचना-बिंदु न होता, तो मैं उसे स्वीकार कर लेता। और फिर मैं उस खोखलेपन को अपनी भाषा में बदलकर छाप देता। यही वह जगह है जहाँ डेटा पत्रकारिता की साख टूटती है — खाली फ़ाइल से नहीं, भरी हुई दिखने वाली खाली फ़ाइल से। टेप के तीन घंटे बाद संयोग एक बचाव योग्य पोज़िशन रह ही नहीं जाता। मैंने बहुत सारे मैच इसी तरह देखे हैं: पहले तीस मिनट में जो 'संयोग' लगता है, तीसरे घंटे तक वह एक पैटर्न बन जाता है — एक ही गेंदबाज़ को बार-बार वही लाइन, एक ही बल्लेबाज़ को बार-बार वही शॉर्ट गेंद, एक ही फ़ील्डर को बार-बार वही जगह। यह देखने के लिए ज़रूरी है कि आपके पास गेंदों का रिकॉर्ड हो। भावना से पैटर्न नहीं निकलता। और इस फ़ाइल में गेंदें ही नहीं थीं। हर स्कोरकार्ड उन फ़ैसलों का सार है जो ऐसे लोगों ने लिए जिनसे आप कभी नहीं मिले। किसी ने तय किया कि किस गेंद को वाइड गिनना है, किसको नहीं। किसी ने तय किया कि कैच क्लीन था या नहीं। किसी ने तय किया कि बल्लेबाज़ रिटायर्ड हर्ट हुआ या आउट। ये फ़ैसले स्कोरकार्ड में दिखते नहीं, पर स्कोरकार्ड उन्हीं से बनता है। जब मैं किसी स्कोरकार्ड को 'तथ्य' कहता हूँ, तो मैं असल में यह कह रहा होता हूँ कि मैंने उन फ़ैसलों को जाँचना छोड़ दिया है। यही बात पाइपलाइन पर लागू होती है। एक आउटपुट जो भरा हुआ दिखता है, वह भी किसी न किसी के फ़ैसलों का सार है — किस वाक्य को सूचना-बिंदु माना गया, किसे छोड़ दिया गया, किसे 'स्पष्ट है' कहकर पास कर दिया गया। जब तक वे फ़ैसले दिखाए न जाएँ, आउटपुट सिर्फ़ एक दावा है। इस पूरे प्रकरण में जो बात मुझे सबसे ज़्यादा परेशान करती है, वह तकनीकी नहीं है। वह यह है कि क्रिकेट का मीडिया-तंत्र अभी भी ऐसे दावों को जल्दी स्वीकार करता है जिनके पीछे कोई गिनती नहीं। मैं अमेरिका में पला-बढ़ा हूँ और मेरी आदत बेसबॉल की खुली एनालिटिक्स संस्कृति से आई है, जहाँ इनपुट सार्वजनिक होते हैं और सुधार तारीख़ के साथ छपते हैं। लेकिन यह मान लेना कि भारत में सत्यापन की परंपरा नहीं थी, बड़ी ग़लती होगी। प्रिंट के जो डेस्क दशकों से हर संख्या को दो बार जाँचकर छापते आए हैं, वे मेरी स्प्रेडशीट से पहले वहाँ मौजूद थे। जिस चीज़ की कमी रही, वह थी सार्वजनिक होकर दोहराई जा सकने वाली कार्यप्रणाली — और यही अंतर है जिसे भरना बाक़ी है। मैंने इस फ़ाइल से जो नतीजा निकाला, वह इस तरह है। पहला: खाली आउटपुट को विफलता के रूप में दर्ज करो, तारीख़ के साथ, और उसे छिपाओ मत। दूसरा: बताओ कि ठीक कौन-सा फ़ील्ड खाली था — 'कुछ नहीं मिला' कहना बेकार है, 'सात में से छह खाली, इकलौता भरा हुआ फ़ील्ड जानकारी-रहित' कहना काम का है। तीसरा: यह साफ़ कहो कि अगले चरण के लिए क्या चाहिए, और क्यों। चौथा: यह भी छापो कि किस चीज़ की गुंजाइश नहीं है — इस मामले में, बिना सूचना-बिंदु के कोई विश्लेषण नहीं। अगली बार जब यह पाइपलाइन चले, तो मैं एक चीज़ ज़रूर माँगूँगा: null-दर यानी खाली फ़ील्ड का प्रतिशत, हर रन के साथ। अगर किसी आउटपुट में चालीस प्रतिशत फ़ील्ड खाली हैं, तो पाठक को यह दिखना चाहिए कि चालीस प्रतिशत खाली हैं। जिस दिन हम यह दर छापना शुरू कर देंगे, उस दिन खाली फ़ाइल का डर ख़त्म हो जाएगा — और उस दिन से हम उन भरी हुई दिखने वाली खाली फ़ाइलों से डरना शुरू कर सकेंगे, जो असल में नुक़सान करती हैं। उस 2026 की रात की 538 गेंदों ने मुझे एक बात सिखाई थी जो आज भी लागू है: कुल जोड़ पर भरोसा करना छोड़ने से पहले आपको ख़ुद गिनना पड़ता है। इस हफ़्ते मैंने कुछ नहीं गिना, क्योंकि गिनने को कुछ था ही नहीं। और यह भी एक नतीजा है।