टेप खाली, कोडशीट सूनी: क्रिकेट की डेटा पाइपलाइन में साइलेंट फेल्योर की ऑटोप्सी

रात के दो बजे हैं। कोलकाता में मेज़ पर स्प्रेडशीट खुली है और उसकी नौ में से आठ पंक्तियाँ खाली हैं। यह Stage-1 का आउटपुट है — वही चरण जो किसी क्रिकेट लेख का शीर्षक, स्रोत, एक-वाक्य सार, सूचना-बिंदु, इकाइयाँ और समय-संवेदनशीलता निकालकर मेरे सामने रखता है। शीर्षक: N/A। स्रोत: N/A। सार: खाली। सूचना-बिंदु: पूरा खंड सूनसान। इकाइयाँ: अज्ञात। नौवें खाने में एक ही शब्द दर्ज है — cricket_world।

तीन घंटे पहले तक एक लेख था जिसे लिखा जाना था। अब एक लेख है जिसका विषय यही है कि वह पहला लेख क्यों नहीं लिखा जा सका। तीस साल में इतना ज़रूर तय हो गया है कि स्कोरकार्ड झूठ नहीं बोलता, पर वह पूरा सच भी नहीं होता। आज स्कोरकार्ड में एक भी पंक्ति नहीं है, और फ़िलहाल यही पूरा सच है।

ऑटोप्सी वहाँ शुरू होती है जहाँ स्कोरकार्ड समझाना बंद कर देता है। इस बार उसने समझाना शुरू ही नहीं किया।

संदर्भ: पाइपलाइन क्या करती है, और उसकी चुप्पी की कीमत क्या है

क्रिकेट कॉपी आज तीन चरणों से गुज़रती है। पहला, कच्चा टेक्स्ट — जो वेब पेज से निकलता है। दूसरा, संरचना — जहाँ मशीन तय करती है कि इस टेक्स्ट में कौन-सा हिस्सा तथ्य है, कौन-सा दावा, और कौन-सा सिर्फ़ टाइपोग्राफ़ी। तीसरा, विश्लेषण। Stage-1 दूसरा चरण है। उसका काम सोचना नहीं, छाँटना है।

समस्या यह है कि छाँटने वाली मशीन जब असफल होती है, तो वह शोर नहीं करती। वह एक साफ़-सुथरा, सिंटैक्स की दृष्टि से पूरी तरह वैध, खाली ढाँचा लौटा देती है। कोई एरर कोड नहीं, कोई लाल बत्ती नहीं, कोई लॉग-लाइन नहीं जो कहे कि भाई, यहाँ कुछ नहीं मिला। डाउनस्ट्रीम में बैठा आदमी उस खाली ढाँचे को 'प्रोसेस हो चुका डेटा' समझकर आगे बढ़ जाता है।

क्रिकेट में इसका सीधा सामना मैंने अनगिनत बार किया है। कमेंट्री बॉक्स के पास एक स्क्रीन होती है जिस पर गेंद-दर-गेंद फ़ीड चलती रहती है। जब वह फ़ीड दो ओवर के लिए रुक जाती है, तो स्क्रीन खाली नहीं दिखती — वह पिछला स्कोर दिखाती रहती है। दर्शक को लगता है सब ठीक है। यही साइलेंट फेल्योर की परिभाषा है: गलती दिखती नहीं, इसलिए गिनी भी नहीं जाती।

और यह गिनती ज़रूरी है, क्योंकि पाइपलाइन का आउटपुट अब सिर्फ़ एक लेख नहीं, बल्कि उस लेख से बनने वाले दर्जनों छोटे कट हैं — थंबनेल, हेडलाइन, नोटिफ़िकेशन, ऑटो-समरी। एक खाली फ़ील्ड ऊपर बैठती है, और नीचे उसकी संतान पूरी हो जाती है।

कोर: तीन फेल्योर मोड, और क्रिकेट का अपना शब्दकोश

मेरे अनुभव में अंतराल तीन तरह से आता है, और तीनों की शक्ल अलग है।

पहला: कच्चा टेक्स्ट ही खाली आया। पेज स्क्रिप्ट से रेंडर हुआ, कंटेंट पे-वॉल के पीछे था, या स्क्रैपर सिर्फ़ हेडलाइन पेज तक पहुँचा। क्रिकेट की भाषा में कहें तो यह वैसा ही है जैसे मैच का स्कोरकार्ड आए और उसमें सिर्फ़ टॉस की लाइन दर्ज हो। आप उससे कहानी नहीं बना सकते, क्योंकि कहानी के लिए गेंदें चाहिए।

दूसरा: आपको लेख नहीं, सूची मिली। कई बार पाइपलाइन टूर्नामेंट का फ़िक्स्चर या होमपेज उठा लेती है और उसे आर्टिकल समझ लेती है। यह वैसा ही अपराध है जैसे सीरीज़ का शेड्यूल देखकर मैच की रिपोर्ट लिख देना। मैंने डेस्क पर यह देखा है — फ़िक्स्चर से बनी 'प्रीव्यू' जिसमें एक भी पंक्ति उस टीम के बारे में नहीं होती जिस पर वह लिखी गई है।

तीसरा, और सबसे ख़तरनाक: मॉडल का आउटपुट आधा कटा आया, JSON पार्स हुआ, और सिस्टम चुपचाप खाली संरचना पर उतर आया। यहाँ कुछ भी नहीं टूटता। रिपोर्ट कहती है — रन सफल। यह वैसा ही है जैसे डकवर्थ-लुईस पद्धति आपको संशोधित लक्ष्य बता दे, पर यह न बताए कि उसने कितने ओवर गिने और कितने विकेट हाथ में माने। लक्ष्य मिल जाता है, भरोसा नहीं मिलता।

यहाँ एक बात दर्ज करनी ज़रूरी है, क्योंकि यही इस पूरे प्रकरण का सबसे उपयोगी हिस्सा है: क्रिकेट दुनिया का शायद अकेला खेल है जिसके पास 'कुछ नहीं हुआ' के लिए अलग-अलग औपचारिक शब्द हैं। एक ही स्कोरकार्ड में 'did not bat', 'retired hurt' और 'absent hurt' — तीन अलग तरह की अनुपस्थिति दर्ज हो सकती हैं। एक बल्लेबाज़ खेला ही नहीं; एक खेलते हुए चोटिल होकर लौट गया; एक मैदान पर आया ही नहीं। क्रिकेट इन तीनों को एक ही खाने में नहीं डालता।

स्कोरकार्ड की यह अनुशासन-भावना हमारी पाइपलाइन में नहीं है। वह 'डेटा नहीं मिला' और 'डेटा शून्य है' को एक ही चीज़ मान लेती है। क्रिकेट में ये दो चीज़ें कभी एक नहीं थीं। 13 जून 2026, ट्रेंट ब्रिज — भारत और न्यूज़ीलैंड का विश्व कप मैच बारिश में चला गया। कोई परिणाम नहीं। फिर भी अंक-तालिका में दोनों टीमों के खाते में एक-एक अंक जुड़ा। उस टूर्नामेंट में एक से ज़्यादा मैच इसी तरह बिना परिणाम के ख़त्म हुए, और हर बार तालिका बदली। शून्य और 'उपलब्ध नहीं' — क्रिकेट इन्हें कभी एक जैसा नहीं लिखता।

मुझे यह आदत 2026 में पड़ी। 2 अप्रैल 2026 को वानखेड़े में भारत ने विश्व कप जीता, और मैं कोलकाता के एक अख़बार के स्पोर्ट्स डेस्क पर नाइट-शिफ्ट सब-एडिटर था — तब तक आठ साल का अनुभव हो चुका था। उसके बाद ग्यारह हफ़्ते तक मैंने टूर्नामेंट के सभी 49 मैच आर्काइव फ़ीड पर दोबारा देखे और 24,000 से ज़्यादा गेंदें एक ही एक्सेल वर्कबुक में हाथ से कोड कीं। मैंने टेप तब तक दोबारा देखा जब तक स्प्रेडशीट ने इकबाल नहीं किया। नतीजा यह निकला कि भारत की रन-रेट 15 से 35 ओवर के बीच 5.12 थी, जबकि टूर्नामेंट का औसत 5.41 — यानी बीच की पारी में भारत धीमा था, और यह बात उस जीत की कहानी में कहीं नहीं थी। युवराज सिंह के 362 रन और 15 विकेट मिलाकर उस टूर्नामेंट का सबसे ऊँचा इम्पैक्ट स्कोर बना।

उस वर्कबुक में हर पंक्ति किसी इंसान ने छुई थी। आज की पाइपलाइन में कोई पंक्ति नहीं छूता, और यही अंतर है। 23 जुलाई 2026, लॉर्ड्स: इंग्लैंड 228/7, भारत 219 पर ढेर, नौ रन से हार। भारत 43वें ओवर में 191/3 था और आख़िरी सात विकेट 28 रन में गिरे। आख़िरी गेंद के पाँच घंटे के भीतर मेरे पास फ़ेज़-कोलैप्स चार्ट तैयार था, और डेस्क तब भी प्रतिक्रिया-कोट जोड़ रहा था। मैंने 44 से 47 ओवर दोबारा देखे बिना फ़ाइल नहीं की। उस रात यह साफ़ हुआ: रिप्ले नहीं बदला; मेरी कोडिंग शीट बदली।

यहाँ एक और चीज़ जोड़नी है जो हर डेटा-रिपोर्टर को लिखनी चाहिए। खाली डेटासेट दुनिया का एकमात्र पूर्वाग्रह-मुक्त डेटासेट है — उसमें कोई स्टार नहीं, कोई चहेता नहीं, कोई ब्रॉडकास्ट-भार नहीं। और वह इसीलिए बेकार भी है। जब भी मैं कोई नतीजा निकालता हूँ, मैं जान-बूझकर कम कवरेज वाले खिलाड़ियों का एक कंट्रोल ग्रुप बनाता हूँ — रणजी के टॉप-स्कोरर, WPL की वे स्क्वॉड प्लेयर्स जिनका नाम किसी हेडलाइन में नहीं आता — और देखता हूँ कि नतीजा स्पॉटलाइट से बाहर भी टिकता है या नहीं। आज मेरा डेटासेट इतना पूर्वाग्रह-मुक्त है कि उसमें एक भी खिलाड़ी नहीं है।

काउंटर-इंट्यूटिव: मेरा इनकार भी एक एडिटोरियल फ़ैसला है

अब अपने ही पक्ष के ख़िलाफ़ केस बनाता हूँ, क्योंकि यही इस पेशे का नियम है।

सुंदर संस्करण यह है: विश्लेषक ने तथ्य गढ़ने से इनकार कर दिया। कम सुंदर संस्करण यह है कि दस में से नौ बार सुधार इंसानी होता है, आर्किटेक्चरल नहीं — किसी ने लेख का टेक्स्ट पेस्ट करना भूल जाना, या ग़लत URL चला देना। 'पाइपलाइन टूटी है' कहना आसान है; 'मैंने जाँच नहीं की' कहना मुश्किल। मुझे पहला सवाल खुद से पूछना चाहिए था: क्या मैंने मॉडल को दोष देने से पहले कच्चे टेक्स्ट की लंबाई नापी? नहीं नापी। तो पहली परिकल्पना यही रहनी चाहिए कि गलती मेरी तरफ़ है, जब तक साबित न हो जाए कि नहीं है।

दूसरी बात, प्रकाशित न करना तटस्थता नहीं है। स्लॉट वहाँ था, वह भरा गया — शायद मेरी कॉपी से बदतर कॉपी से। जिस पाइपलाइन पर मुझे भरोसा नहीं, उसकी जगह कोई और पाइपलाइन ले लेगी, और इस बार वह खाली फ़ील्ड पर चुप्पी नहीं साधेगी, बल्कि आत्मविश्वास से भरी हुई राय देगी। दोनों में से खाली काग़ज़ ज़्यादा ईमानदार है, पर ईमानदार होना ही पर्याप्त नहीं।

तीसरी बात, खाली नतीजा मेरे ही पिछले लेखों पर भी लागू होता है। पिछली बार जब मैंने किसी पुरानी बॉल-बाय-बॉल फ़ाइल से नतीजा निकाला था, तो क्या मैंने यह लिखा था कि उसमें कितने ओवर की एंट्री ही नहीं थी? नहीं लिखा था। सैंपल साइज़ और बाहर रखे गए केस नतीजे के साथ उसी पैराग्राफ़ में छपने चाहिए, वरना वह नतीजा भी उसी बीमारी का हिस्सा है जिसका इलाज मैं आज खोज रहा हूँ।

टेकअवे: अगली बार पंक्ति गिनिए, नतीजा नहीं

इस पूरे प्रकरण से एक ही नियम निकलता है, और वह तकनीकी नहीं, अनुशासन का है: हर पाइपलाइन को अपने आउटपुट के साथ पंक्ति-संख्या छापनी चाहिए। जिस रन में शून्य पंक्तियाँ बनें, उससे घंटी बजनी चाहिए, कंधा नहीं उचकना चाहिए।

अगली बार जब कोई 'डेटा-आधारित' क्रिकेट रिपोर्ट पढ़ें — चाहे वह गेंदबाज़ी की पिच-मैपिंग हो या चयन की प्रभाव-गणना — तो दो सवाल पूछिए। सैंपल साइज़ क्या था, और कौन-से केस बाहर रखे गए? जवाब न मिले तो मान लीजिए कि उस रिपोर्ट में तीसरा फेल्योर मोड चुपचाप बैठा है: सब कुछ साफ़ दिख रहा है, और नीचे की पंक्ति खाली है।

पिछले महीने कितनी क्रिकेट रिपोर्टें ऐसे खाने पर बनीं जो खाली था, और किसी ने गिना भी नहीं?