Stage-1 का खाली रिटर्न: क्रिकेट डेटा पाइपलाइन उस जगह टूटती है जहाँ स्कोरकार्ड ब्राउज़र में बनता है

मैंने लेजर खोला और उसमें एक खाली कतार मिली। ग्यारह फ़ील्ड, दस में N/A या खाली ब्रैकेट। एक फ़ील्ड में लिखा था — Domain Label: cricket_world। बस इतना। न शीर्षक, न स्रोत, न लेख का प्रकार (Article Type: Unclassified — यानी यह वर्गीकरण का नतीजा भी नहीं, वर्गीकरण की नाकामी है), न एक-वाक्य सारांश, न लेखक का रुख़, न उद्देश्य, न सूचना बिंदुओं की सूची। समय-संवेदनशीलता "मूल्यांकित नहीं", स्रोत की गुणवत्ता "स्रोत फ़ील्ड से तय करें" — जबकि कोई स्रोत फ़ील्ड मौजूद ही नहीं था।

सबसे साफ़ सबूत आख़िरी फ़ील्ड में था। Entities Involved में नतीजे की जगह एक निर्देश बैठा था: "identify from the information points above" — ऊपर दिए सूचना बिंदुओं से पहचानें। ऊपर की सूची खाली थी। यानी उस फ़ील्ड को कभी चलाया ही नहीं गया; उसमें टेम्पलेट स्ट्रिंग भर दी गई और काम आगे बढ़ गया। यह डेटा की कमी नहीं है, यह प्रक्रिया की खराबी है।

यह मैच रिपोर्ट नहीं है। यह एक डेटा घटना है — और क्रिकेट पत्रकारिता में ऐसी घटनाएँ अब रोज़ होती हैं।

Context

2026 में, रिचमंड सर्कल के पास एक स्कोरिंग एजेंसी में, मैंने वर्ल्ड कप के 42 मैचों की हर गेंद एक निजी Access डेटाबेस में दर्ज की थी — 8,400 गेंदें, लाइन, लेंथ, सीम पोज़िशन और शॉट टाइप के टैग के साथ। उस गर्मी के बाद मेरा नियम एक ही रहा: डिलीवरी-लॉग के बिना कोई रिपोर्ट नहीं। तब डेटा इंसानी हाथों से बनता था और उसकी गलती पकड़ी जा सकती थी। अब डेटा मशीनों से निकलता है, और गलती पकड़नी मुश्किल हो गई है — क्योंकि गलती खालीपन के रूप में आती है, और खालीपन शोर नहीं करता।

क्रिकेट दुनिया का सबसे महीन उपभोक्ता-खेल डेटा पैदा करता है: प्रति गेंद एक रिकॉर्ड, प्रति ओवर बीस अलग-अलग मीट्रिक, प्रति मैच हज़ारों पंक्तियाँ। और यही खेल सबसे कम मानकीकृत भी है। फ़ुटबॉल में एक इवेंट-डेटा मॉडल उद्योग-भर में चलता है। क्रिकेट में हर ब्रॉडकास्टर का स्कोरकार्ड अलग ढाँचे में बनता है, हर लीग का API अलग, और राष्ट्रीय बोर्डों के आँकड़े कई बार PDF में बंद रहते हैं।

इस ढाँचे का सबसे नाज़ुक हिस्सा वह है जिसे कोई रिपोर्ट नहीं करता: निष्कर्षण परत। आधुनिक स्कोरकार्ड और लाइव ब्लॉग जावास्क्रिप्ट में बनते हैं — पेज खुलता है, सर्वर से रिक्त HTML आता है, और आँकड़े ब्राउज़र में बाद में जुड़ते हैं। जो पाइपलाइन सिर्फ़ HTML माँगती है, उसे पूरा मैच दिखता है और शून्य मिलता है।

Core

Stage-1 का यह खाली रिटर्न एक तकनीकी दुर्घटना है, लेकिन इसकी संरचना पढ़ने लायक है। फ़ील्ड-दर-फ़ील्ड देखें तो तीन अलग-अलग तरह की नाकामी एक ही शीट में जमा हो गई हैं, और तीनों का इलाज अलग है।

पहली नाकामी इनपुट की है। शीर्षक N/A, सारांश खाली, सूचना बिंदु खाली — यह तब होता है जब मूल लेख का मुख्य भाग ही शून्य लंबाई में लौटा हो। जब निष्कर्षण परत शून्य अक्षर लौटाती है, तो उसके नीचे के हर मॉडल की अक्ल काम नहीं आती — वह केवल अपने डिफ़ॉल्ट मान भरता है। क्रिकेट साइटों पर यह सबसे आम है: स्कोरकार्ड, लाइव ब्लॉग, पॉइंट्स टेबल — तीनों टेम्पलेट जावास्क्रिप्ट से बनते हैं।

दूसरी नाकामी श्रेणी-निर्भर शॉर्ट-सर्किट की है। Article Type में Unclassified लिखा है। यह वर्गीकरण का नतीजा नहीं, वर्गीकरण का फ़ेल होना है। समस्या यह है कि सारांश और रुख़ निकालने वाली शाखाएँ इसी श्रेणी पर लटकी हुई हैं। श्रेणी तय न हो तो शाखा छूट जाती है — और सिस्टम सामान्य fallback पर नहीं जाता, वह चुपचाप आगे बढ़ जाता है। यह डिज़ाइन की गलती है, मॉडल की नहीं।

तीसरी नाकामी सबसे छोटी और सबसे बताने वाली है। Entities Involved में निर्देश बचा हुआ है, नतीजा नहीं। यह साफ़ कहता है कि वह फ़ील्ड किसी भी रन में अंजाम तक नहीं पहुँचा। जब किसी प्रणाली का आउटपुट उसका इनपुट-निर्देश बन जाए, तो समझ लीजिए कि वहाँ लॉग सच नहीं बोल रहा।

अब इसे उस काम से जोड़िए जो मैं करता हूँ। मेरा पूरा मॉडल गेंद-दर-गेंद डेटा पर टिका है। 2026 की पहली आईपीएल नीलामी में मैंने प्रति करोड़ पर्स-हिस्सेदारी पर "रन्स अबव रिप्लेसमेंट" और "विकेट्स अबव रिप्लेसमेंट" का मॉडल बनाया था — उस शीट ने 19 साल के विराट कोहली को तीन स्थापित विदेशी बल्लेबाज़ों से ऊपर रखा था। उस दिन रखे गए आधे से ज़्यादा लॉट पर मेरे नंबर ट्रेडरों तक पहुँचे। सोचिए, अगर उस सुबह मेरी इनपुट परत खाली लौट आती तो मॉडल क्या कहता? कुछ नहीं। वह डिफ़ॉल्ट मान भर देता — और नीलामी में डिफ़ॉल्ट मान का मतलब है बिना दाम का खिलाड़ी।

खाली फ़ील्ड कोई तटस्थ जगह नहीं है। किसी भी मूल्यांकन तंत्र में शून्य भी एक दावा है — और ग़लत शून्य, ग़लत दावे से ज़्यादा महँगा पड़ता है।

यही बात सट्टे के बाज़ार पर भी लागू होती है, और यहाँ यह और तीखी हो जाती है। जनवरी 2026 में सेंचुरियन के उस टेस्ट में, जो तीन दिन में ख़त्म हुआ, मेरे निजी ऑड्स-लॉग में ड्रॉ 36 घंटों में 1.55 से 3.40 तक सरका था। अप्रैल में हैंसी क्रोन्ये ने पैसे लेने की बात मानी। मैंने लॉग एक ही वाक्य के साथ छापा: बाज़ार को मैदान से पहले पता चल गया था। सबक यह था कि जब बाज़ार में जानकारी होती है, वह दिखती है — और जब डेटा पाइपलाइन में जानकारी नहीं होती, तो वह भी दिखनी चाहिए, न कि N/A के पीछे छिपनी चाहिए।

Contrarian

सबसे आसान और सबसे ग़लत निष्कर्ष यह निकाला जाएगा कि मॉडल कमज़ोर है। ऐसा नहीं है। मॉडल से सवाल पूछा ही नहीं गया — उसे ऊपर से खाली इनपुट मिला, और उसने अपनी नौकरी ईमानदारी से निभाई: उसने डिफ़ॉल्ट मान भरे। असली विफलता स्क्रैपिंग परत में है, और उसे ठीक करने के लिए Stage-1 के प्रॉम्प्ट या मॉडल को छूने का कोई मतलब नहीं।

दूसरी बात जो हर कोई अनदेखी करेगा: यह खाली रिटर्न, अपने आप में, एक उपयोगी संकेत है। अगर रोज़ का बैच सैकड़ों लेख निकालता है और उनमें दस खाली लौटते हैं, तो वे दस आपके स्रोत-वितरण का नक्शा हैं — कौन सा डोमेन जावास्क्रिप्ट से बनता है, कौन सा सर्वर-साइड रेंडर होता है। इसे फेंकना गलती है; इसे लॉग करना चाहिए।

तीसरी बात उस जगह तक जाती है जहाँ क्रिकेट कवरेज नहीं जाती। भरा हुआ अधूरा डेटा, खाली डेटा से ज़्यादा ख़तरनाक है — क्योंकि खाली डेटा सवाल उठाता है और भरा हुआ झूठ जवाब दे देता है। क्रिकेट रिपोर्टिंग में बारह पारियों के बाद करियर ख़त्म घोषित कर देने की जो आदत है, उसका डेटा-संस्करण यही है: जहाँ अंक नहीं है, वहाँ कहानी डाल देना। सहसंबंध वहाँ कारण बन जाता है जहाँ नमूना जाँचा ही नहीं गया।

Takeaway

अगली बार जब कोई क्रिकेट डेटा पाइपलाइन खाली स्कोरकार्ड लौटाए, तो पहला सवाल यह नहीं पूछना कि मॉडल में क्या गड़बड़ है। पहला सवाल यह है: मूल लेख के मुख्य भाग की लंबाई शून्य थी या नहीं? उसी लेख को उसी निष्कर्षण परत से अकेले चलाकर देखिए। अगर वह शून्य लौटती है, तो पाइपलाइन का ऊपरी हिस्सा ठीक कीजिए; नीचे के प्रॉम्प्ट से कुछ नहीं सुधरेगा।

और मॉडलों के बारे में एक बात, जो 8,400 गेंदों के बाद साफ़ हो गई थी: भरोसा अंक से नहीं बनता, उसके लगातार दर्ज रहने से बनता है। लेजर वह याद रखता है जो भीड़ भूल जाती है — मैं उसे हर सुबह देखता हूँ। इस बार उसमें एक खाली कतार थी। अगली कतार में ग्यारह में से ग्यारह फ़ील्ड भरे हों — यही असली नतीजा होगा।