खाली लौटी रिपोर्ट: क्रिकेट की डेटा पाइपलाइन में 'शून्य' सबसे ईमानदार जवाब है

रात के दो बजे का वही पुराना वक़्त है — बफ़र होता वीडियो, आधा खुला स्कोरकार्ड, और एक हंच। फ़र्क सिर्फ़ इतना है कि इस बार स्क्रीन पर बल्लेबाज़ नहीं था। स्क्रीन पर एक स्काउटिंग रिपोर्ट थी, और वह खाली लौटी थी। शीर्षक नहीं, स्रोत नहीं, एक-पंक्ति सारांश नहीं, लेखक का रुख़ नहीं। सबसे चुभने वाली चीज़ सूची में थी — Information Points: खाली सूची। जिस दस्तावेज़ से मुझे किसी अनजान क्रिकेटर की कहानी खोदनी थी, उसमें खोदने के लिए मिट्टी ही नहीं थी।

मुझे यह स्पष्ट कर देना चाहिए कि यह कोई क्रिकेट खबर नहीं है। यह उस पाइपलाइन की खबर है जो क्रिकेट की खबरें बनाती है। Stage-1 एक्सट्रैक्शन का जो ढाँचा हाथ लगा, उसमें केवल एक फ़ील्ड भरी थी — Domain Label: cricket_world। बाक़ी सब रिक्त: Article Title/Source/Type पर N/A, One-sentence Summary खाली, Author Stance/Purpose पर N/A, Entities Involved अनएक्सट्रैक्टेड, Time Sensitivity अनमूल्यांकित। यानी सिस्टम ने इतना बता दिया कि विषय क्रिकेट से जुड़ा है, और उसके बाद चुप हो गया।

मेरे पेशे में इस चुप्पी की एक क़ीमत है। चौदह साल से मैं अंडर-19 टूर्नामेंट, रणजी स्कोरकार्ड और फ़्रैंचाइज़ी ट्रायल की ग्राइंड फ़ुटेज को खोदता आया हूँ, और मैंने सीखा है कि सबसे खतरनाक रिपोर्ट वह नहीं होती जो खाली आती है — सबसे खतरनाक वह होती है जो भरपूर आती है और ग़लत होती है। खाली एक्सट्रैक्शन और गलत एक्सट्रैक्शन एक ही सिक्के के दो पहलू नहीं हैं; पहला सिस्टम की ईमानदारी है, दूसरा सिस्टम का झूठ।

अब उस ईमानदारी को पढ़िए। जब Information Points की सूची खाली हो, तो एंटिटी एक्सट्रैक्शन का कोई आधार नहीं बचता, टाइम-सेंसिटिविटी का कोई पैमाना नहीं बचता, और क्रॉस-वेरिफ़िकेशन का कोई दूसरा छोर नहीं बचता। इस हालत में 'गहन विश्लेषण' लिखना तकनीकी रूप से संभव है — बस वह विश्लेषण नहीं होगा, कहानी होगी। और क्रिकेट-रिपोर्टिंग में कहानी और साक्ष्य के बीच की वह पतली लकीर ही मेरा पूरा काम है।

मुझे यह जाँचना था कि गड़बड़ कहाँ है, इसलिए मैंने उसी क्रम में पीछे चलना शुरू किया जिस क्रम में मैं किसी अनजान लड़के की गेंदबाज़ी का सीम-पोज़ीशन जाँचता हूँ। पहला शक़: क्या कंटेंट लेयर ने खाली बॉडी लौटाई? पे-वॉल, जावास्क्रिप्ट से रेंडर होता पेज, या एंटी-स्क्रैपिंग ब्लॉक — तीनों में स्क्रैपर को कुछ नहीं मिलता और वह चुपचाप खाली हाथ लौट आता है। दूसरा शक़: क्या पार्सर ने ग़लत DOM सेलेक्टर या ग़लत पैराग्राफ़-स्प्लिटिंग नियम पकड़ा? तीसरा और सबसे दिलचस्प शक़: क्या डोमेन क्लासिफ़ायर ने cricket_world का लेबल तो दे दिया, पर एक्सट्रैक्टर उसी इनपुट को पढ़ ही नहीं रहा? यह तीसरा केस सबसे आम है और सबसे कम पकड़ा जाता है, क्योंकि लेबल सही दिखता है और आँखें उसे सही मान लेती हैं।

यहीं मेरी पुरानी आदत काम आती है। फ़ुटेज फ़्रेम-दर-फ़्रेम रोककर देखने की जो आदत मैंने 2026 के अंडर-19 विश्व कप में शुभमन गिल के बैक-फ़ुट खेल को तोड़ते हुए डाली थी, वह असल में एक अनुशासन है — जो दिख रहा है उसे तब तक न मानो जब तक टाइमस्टैम्प, प्रतियोगिता का स्तर और सैंपल साइज़ उसके साथ न आए। उसी अनुशासन से देखें तो खाली रिपोर्ट कोई विफलता नहीं, एक डेटा-पॉइंट है। वह बताती है कि पाइपलाइन कहाँ टूटी, न कि क्रिकेट में कुछ नहीं हुआ।

इसलिए जो न्यूनतम इनपुट माँगा गया, वह उचित है और मैं उसे दोहराऊँगा, क्योंकि यही असली खबर है। सबसे बेहतर विकल्प: मूल पाठ या लिंक, ताकि Stage-1 खुद दोबारा चले। दूसरा: Information Points की सूची, जहाँ हर एंट्री में claim, entities, time_ref, source और type (fact/opinion/statistic/prediction) दर्ज हो। तीसरा: कम से कम केंद्रीय तर्क, लेखक का रुख़ और तीन से पाँच मुख्य तथ्य। इनमें से कोई एक भी मिल जाए तो विश्लेषण आगे बढ़ सकता है।

अब वह हिस्सा जो मुझे सबसे ज़्यादा परेशान करता है। क्रिकेट का मीडिया-तंत्र खाली जगह को खाली रहने नहीं देता। नीलामी की सूची में एक अनकैप्ड नाम देखकर हम उस पर क़ीमत चिपका देते हैं, दो रात की धुँधली क्लिप देखकर उस लड़के को 'अगला बड़ा नाम' घोषित कर देते हैं, और एक खाली रिपोर्ट देखकर हम उसमें अपनी कहानी भर देते हैं। हमारा उद्योग रिक्त स्थान को भरने का इनाम देता है, और रिक्त स्थान को रिक्त कहने का दंड। यही वजह है कि भरोसेमंद स्काउटिंग और भरोसेमंद पत्रकारिता दोनों में सबसे कठिन काम यह तय करना है कि टेप वाक़ई खाली है या हमने उसे ठीक से नहीं देखा।

एक और बात जोड़ना ज़रूरी है, क्योंकि यह पूरी बहस का सबसे व्यावहारिक सिरा है। अगर यह नतीजा किसी ऑटोमेटेड लाइन से आया है, तो यह 'लेख में कुछ नहीं था' का सबूत नहीं, बल्कि बग का सबूत है। और बग को कहानी की तरह नहीं, बग की तरह ही ठीक करना चाहिए — पहले तय करें कि रीरन करना है या मैनुअल एंट्री, फिर आगे बढ़ें। जो लोग डेटा-पाइपलाइन पर भरोसा करते हैं, उनके लिए यह सबक सीधा है: साइलेंट फ़ेलियर सबसे महँगा फ़ेलियर होता है, क्योंकि वह ग़लत जवाब नहीं देता — वह जवाब देने से इनकार करता है, और हम उस इनकार को 'कुछ नहीं हुआ' समझ लेते हैं।

मेरे करियर में एक बार ऐसा ही हुआ था, जब लॉकडाउन के दौरान मेरी अकादमी बंद पड़ी थी और एक युवा तेज़ गेंदबाज़ की स्ट्रेस फ़्रैक्चर ने मेरा हौसला तोड़ दिया था। तब मैंने यह सीखा था कि दूरी एक परत है, दीवार नहीं — और डेटा की खाली स्क्रीन भी वही परत है। उस परत के पीछे हमेशा कुछ न कुछ होता है: एक गड़बड़ स्क्रैपर, एक ग़लत सेलेक्टर, एक अनसुलझा डोमेन लेबल। सवाल यह है कि हम उस परत को दीवार मानकर कहानी गढ़ते हैं, या परत मानकर खुरचते हैं।

आगे जो होगा, वह साफ़ है। जैसे-जैसे क्रिकेट में वीडियो-स्काउटिंग और ऑटोमेटेड रिपोर्टिंग बढ़ेगी, 'खाली लौटी रिपोर्ट' एक सामान्य घटना बनेगी — और उसे संभालने का तरीक़ा ही तय करेगा कि कोई फ़्रैंचाइज़ी स्काउट बाज़ार में सस्ता सौदा पकड़ती है या महँगी भूल दोहराती है। अगली बार जब आपकी स्क्रीन पर कोई रिपोर्ट खाली आए, तो उसे पढ़िए, मिटाइए मत। वह शायद आपको उस लड़के से ज़्यादा बता रही है जिसे आप खोज रहे थे।