खाली स्प्रेडशीट और एक भरा हुआ सवाल: एशियाई क्रिकेट की डेटा पाइपलाइन में कहाँ खो गई कहानी

स्टेडियम अक्सर खाली होता है। जो मैच मैं देखती हूँ, उनमें कई बार दर्शकों की गिनती मेरी उँगलियों पर होती है। लेकिन इस बार खाली वह स्टेडियम नहीं था — खाली एक स्प्रेडशीट थी। बत्तीस फ़ील्ड, हर फ़ील्ड में एक ही जवाब लिखा था: N/A। शीर्षक नहीं, स्रोत नहीं, तारीख़ नहीं, संस्था नहीं, एक भी सूचना-बिंदु नहीं। सिर्फ़ एक चीज़ ज़िंदा थी — डोमेन लेबल, cricket_asia। यानी विषय पता है, ख़बर नहीं। यह लेख उस असफलता के बारे में है, न कि किसी मैच के बारे में, क्योंकि जिस डेटा को मैं रोज़ साफ़ करती हूँ, इस बार उसने ख़ुद को साफ़ करने से मना कर दिया।

मेरा काम डेटा बताना नहीं, डेटा की सीमा बताना भी है। 2026 में जब मैंने बेंगलुरु के एक हॉस्टल के कमरे से रूस विश्व कप के चौंसठ मैच हाथ से कोड किए थे — 1,584 शॉट, हर एक पर xG, PPDA और तय की गई दूरी दर्ज — तब सबसे पहला सबक़ यही था कि खाली सेल भी एक डेटा-बिंदु होता है। उसे छोड़ देना अलग बात है, उसे 'शून्य' मान लेना अलग। जब किसी पाइपलाइन में शीर्षक और स्रोत दोनों ख़ाली आएँ, तो सही निष्कर्ष यह नहीं निकलता कि ख़बर 'कम' है। सही निष्कर्ष यह निकलता है कि पाइपलाइन ने ख़बर पढ़ी ही नहीं।

संदर्भ: एक एशियाई क्रिकेट फ़ीड जिसने ख़ुद को नहीं पढ़ा

एशियाई क्रिकेट की मीडिया-कवरेज अपने आप में अजीब जगह है। एक तरफ़ भारत, पाकिस्तान, श्रीलंका, बांग्लादेश, अफ़ग़ानिस्तान और एसोसिएट देशों का घरेलू और अंतरराष्ट्रीय कैलेंडर साल भर भरा रहता है — रणजी, सैयद मुश्ताक़ अली, विजय हज़ारे, बांग्लादेश प्रीमियर लीग, लंका प्रीमियर लीग, एसीसी टूर्नामेंट, एशिया कप। दूसरी तरफ़, इस कवरेज का बड़ा हिस्सा ऐसे प्लेटफ़ॉर्म से आता है जो बॉल-बाय-बॉल डेटा सार्वजनिक नहीं करते। यानी जहाँ कहानी सबसे ज़्यादा है, वहाँ उसका दस्तावेज़ीकरण सबसे कम है।

ऐसे में जब कोई ऑटोमेटेड एक्सट्रैक्शन स्टेज — जिसे मूल पाठ से शीर्षक, मीडिया-हाउस, तारीख़ और तथ्य निकालने होते हैं — पूरी तरह ख़ाली लौटता है, तो वह तकनीकी ख़राबी से बड़ी बात कहता है। वह यह कहता है कि किसी एक लेख को पढ़ने की प्रक्रिया में कोई ऐसी अड़चन आई जो पाठ तक पहुँचने से पहले ही रास्ता रोक गई। मेरे अनुभव में ऐसा चार कारणों से होता है, और चारों को अलग-अलग जाँचना पड़ता है।

पहला, एनकोडिंग। देवनागरी, बांग्ला, सिंहली या उर्दू पाठ जब गलत एनकोडिंग में पार्स होता है, तो स्क्रैपर को शीर्षक में अक्षर दिखते ही नहीं — सिर्फ़ '???' या ख़ाली स्ट्रिंग। शीर्षक न मिलने का मतलब सबसे पहले एनकोडिंग जाँचना चाहिए, कंटेंट की कमी नहीं। दूसरा, जावास्क्रिप्ट रेंडरिंग। कई एशियाई न्यूज़ साइट्स का मुख्य पाठ सर्वर से नहीं, ब्राउज़र में बनता है। जो स्क्रैपर सिर्फ़ HTML माँगता है, उसे वह मिलता है जो सर्वर ने भेजा — अक्सर एक खोल, पाठ नहीं। तीसरा, एंटी-स्क्रैपिंग। कई साइट्स बॉट को पहचानकर खाली शेल या कैप्चा लौटाती हैं। चौथा, सेलेक्टर का टूटना। साइट का टेम्पलेट बदला, स्क्रैपर का CSS सेलेक्टर पुराना रह गया, और शीर्षक अब उस जगह नहीं जहाँ स्क्रैपर ढूँढ रहा है।

इन चारों में से कोई भी कारण अकेले 'N/A' समझा सकता है। लेकिन इस फ़ीड में सिर्फ़ शीर्षक नहीं, स्रोत भी ख़ाली है; सिर्फ़ स्रोत नहीं, सूचना-बिंदुओं की सूची भी ख़ाली है। जब हर फ़ील्ड एक साथ ख़ाली हो, तो सबसे संभावित व्याख्या यह है कि मूल पाठ ही सिस्टम तक नहीं पहुँचा — यानी विफलता पहले चरण की है, विश्लेषण की नहीं।

मुख्य विश्लेषण: शून्य को शून्य के रूप में पढ़ना

मान लीजिए आप एक मैच की स्कोरकार्ड देख रहे हैं और पारी के पहले दस ओवर में हर ओवर के आगे 'N/A' लिखा है। कोई समझदार विश्लेषक यह नहीं कहेगा कि टीम ने तेज़ शुरुआत की या धीमी — वह यह कहेगा कि स्कोरकार्ड अधूरा है। यही नियम यहाँ लागू होता है। और यही नियम पूरी एशियाई क्रिकेट डेटा अर्थव्यवस्था पर भी लागू होता है, जहाँ 'N/A' अक्सर स्कोरकार्ड का अस्थायी दोष नहीं, बल्कि स्थायी स्थिति है।

एक ठोस उदाहरण लें। घरेलू क्रिकेट में ऐसे गेंदबाज़ हैं जिनके डेथ ओवर्स के आँकड़े किसी सार्वजनिक डेटाबेस में दर्ज ही नहीं हैं, क्योंकि उन मैचों का बॉल-बाय-बॉल रिकॉर्ड किसी ने नहीं रखा। 2026 में मुझे आईपीएल मेगा नीलामी से पहले एक अनचाहा मेमो लिखना पड़ा था, जिसमें मैंने 2026 के डेथ-ओवर्स डेटा से दिखाया कि 8.5 से कम इकॉनमी और 60 प्रतिशत से ऊपर कंट्रोल वाले भारतीय तेज़ गेंदबाज़ औसतन 1.2 करोड़ कम पर बिके। उस मेमो का कोई जवाब नहीं आया। लेकिन असली बात वह नहीं थी कि मेमो नज़रअंदाज़ हुआ; असली बात यह थी कि जिन गेंदबाज़ों के आँकड़े ही दर्ज नहीं थे, उनके लिए ऐसा मेमो लिखना ही संभव नहीं था। खाली सेल ने उन्हें बाज़ार से पहले ही बाहर कर दिया।

यही तर्क इस स्टेज-1 विफलता पर लागू होता है, बस उलटी दिशा में। यहाँ खाली सेल ने किसी खिलाड़ी को नहीं, किसी ख़बर को बाहर किया। जिस लेख का शीर्षक नहीं, उस लेख को कोई सर्च नहीं करेगा। जिसका स्रोत नहीं, उसकी विश्वसनीयता तौली ही नहीं जा सकेगी। जिसके तथ्य नहीं, उस पर कोई फ़ॉलो-अप नहीं बनेगा। एशियाई क्रिकेट की कवरेज में यह समस्या अकेली नहीं है — यह वही संरचनात्मक अंधापन है जो घरेलू मैचों में एक हज़ार प्रदर्शनों को बिना नाम के छोड़ देता है, बस यहाँ वह मीडिया-पाइपलाइन के स्तर पर दोहराया गया है।

दूसरी बात जो इस खाली परिणाम में छिपी है: फ़ील्ड का नाम होना, फ़ील्ड का भरा होना नहीं है। डेटा-पाइपलाइनों में 'एंटिटीज़' फ़ील्ड का विवरण अक्सर यह होता है — 'ऊपर के सूचना-बिंदुओं से पहचानें'। जब सूचना-बिंदु ही ख़ाली हों, तो यह निर्देश एक बंद दरवाज़े की चाबी जैसा है। मेरे कोडबुक वाले दिनों से यह सबक़ मेरे साथ है: किसी भी मेट्रिक के साथ उसकी परिभाषा, नमूना और प्रतियोगिता-संदर्भ लिखना ज़रूरी है। यहाँ विफलता इससे उलटी है — परिभाषा मौजूद है, नमूना शून्य है। और जब नमूना शून्य हो, तो सबसे ख़तरनाक काम है उस पर 'विश्लेषण' लिख देना, क्योंकि तब विश्लेषक अपने अनुमानों को डेटा का दर्जा दे देता है।

यहाँ एक और परत जोड़नी ज़रूरी है, क्योंकि यह लेखन-नैतिकता का सवाल भी है। एशियाई क्रिकेट पर अंग्रेज़ी में लिखने वाले बहुत से आउटलेट्स ऐसे हैं जिनकी पहुँच स्थानीय भाषा की रिपोर्टिंग तक नहीं है। बांग्लादेश की एक घरेलू ख़बर, श्रीलंका के एक क्लब मैच की रिपोर्ट, पाकिस्तान के एक घरेलू टूर्नामेंट का नतीजा — ये सब पहले स्थानीय भाषा में आते हैं, फिर किसी एजेंसी के ज़रिए अंग्रेज़ी में, और तीसरे चरण में किसी डेटा-फ़ीड में। हर चरण में शीर्षक, स्रोत और संदर्भ का कुछ हिस्सा छूट सकता है। जब फ़ीड ख़ाली लौटता है, तो वह सिर्फ़ एक तकनीकी विफलता नहीं, बल्कि उस पूरी श्रृंखला की कमज़ोरी का सबूत है जो स्थानीय पत्रकार के नाम से शुरू होकर एक खाली JSON पर ख़त्म हो जाती है।

मेरे पास इस बात का कोई सार्वजनिक डेटासेट नहीं है कि एशियाई क्रिकेट की कितनी ख़बरें ऐसी हैं जो किसी भी डेटाबेस में दर्ज नहीं होतीं। जो मेरे पास है, वह चौंसठ मैचों का एक कोडबुक है, जिसे मैंने ख़ुद बनाया और जिसका दस प्रतिशत दोबारा जाँचा। वह नमूना छोटा था और मैंने ख़ुद चुना था — इसलिए वह एशियाई मीडिया-फ़ीड के बारे में कोई दावा साबित नहीं करता। लेकिन वह एक विधि ज़रूर सिखाता है: जब डेटा न हो, तो पहला काम डेटा की कमी को दर्ज करना है, उसे भरने की कोशिश नहीं।

उलटा नज़रिया: 'N/A' को डेटा मान लेने का ख़तरा

इस पूरी घटना का सबसे चालाक जाल यह है कि ख़ाली परिणाम को भी 'विश्लेषण' बनाया जा सकता है। मैं जानती हूँ कि ऐसे मौकों पर क्या होता है — कोई लिखता है कि 'एशियाई क्रिकेट पर कवरेज कम है', कोई कहता है कि 'डेटा-ड्रिवन पत्रकारिता का संकट है', और दोनों बातें बिना एक भी संख्या के कह दी जाती हैं। यह वही गलती है जिससे बचने के लिए मैं हर लेख में एक 'सीमाएँ' वाला हिस्सा लिखती हूँ।

सबसे बड़ी सीमा यह है कि यह विफलता किसी एक पाइपलाइन की है, किसी उद्योग की नहीं। एक ख़ाली JSON यह नहीं साबित करता कि एशियाई क्रिकेट की कवरेज बुरी है; वह सिर्फ़ यह साबित करता है कि इस विशेष रन में पाठ तक पहुँच नहीं बनी। इन दोनों के बीच का फ़र्क़ वही है जो एक मैच में 'टीम हारी' और 'टीम का डेथ-ओवर्स प्लान विफल रहा' के बीच है। पहला नतीजा है, दूसरा प्रक्रिया। और मेरा पूरा तर्क प्रक्रिया पर है, नतीजे पर नहीं।

दूसरी सीमा यह है कि मैं मूल लेख नहीं देख सकी। जब मूल पाठ उपलब्ध न हो, तो शीर्षक, स्रोत या तथ्य के बारे में कोई भी टिप्पणी अनुमान होगी। मैं वह नहीं करूँगी। तीसरी सीमा — और यह सबसे अहम है — यह है कि तकनीकी विफलता का समाधान तकनीकी होता है, संपादकीय नहीं। इस फ़ीड को ठीक करने के लिए ज़रूरी है कि पाइपलाइन दोबारा चले, एनकोडिंग और रेंडरिंग जाँची जाए, सेलेक्टर अपडेट हों। अगर मैं इस ख़ाली परिणाम पर एक हज़ार शब्द की 'गहरी समीक्षा' लिख दूँ, तो मैं वही गलती करूँगी जो एक क्रिकेट लेखक करता है जब वह बिना बॉल-बाय-बॉल डेटा के किसी पारी के 'टर्निंग पॉइंट' तय कर देता है।

एक और बात जिसे मैं अपनी विधि की सीमा के रूप में दर्ज करना चाहती हूँ: मेरी हर विश्लेषण-प्रक्रिया संख्याओं से शुरू होती है, और अगर किसी कोच को मैदान पर कुछ ऐसा दिखता है जो मेरे मॉडल में नहीं है, तो सही जवाब यह नहीं है कि मैं उसे 'मत' कहूँ। सही जवाब यह है कि मैं पूछूँ कि उसने क्या देखा, और कौन-सा सबूत मुझे अपनी थ्रेशोल्ड बदलने पर मजबूर करेगा। यहाँ भी वही लागू होता है: अगर कोई संपादक कहे कि उसने मूल लेख देखा है और उसमें शीर्षक था, तो मेरा पहला सवाल यह होगा कि शीर्षक किस भाषा में, किस एनकोडिंग में, किस चरण में दिखा — क्योंकि बिना उस जानकारी के मेरा 'N/A' और उसका 'दिखा था' दोनों बराबर अविश्वसनीय हैं।

आगे का संकेत: अगली बार जब स्प्रेडशीट ख़ाली आए

इस पूरे प्रसंग से एक चीज़ साफ़ है, और वह मीडिया-आलोचना से ज़्यादा डेटा-अनुशासन की बात है। एशियाई क्रिकेट की कहानियाँ अब दो जगहों पर खो रही हैं — एक, उन मैदानों में जहाँ कोई स्कोरर नहीं बैठता; दो, उन पाइपलाइनों में जहाँ पाठ पहुँचता ही नहीं। दोनों जगह नुक़सान एक ही है: जो दर्ज नहीं हुआ, वह बहस में मौजूद नहीं रहता। अगली बार जब कोई फ़ीड ख़ाली आए, तो सबसे पहला सवाल यह नहीं होना चाहिए कि 'कहानी क्या थी' — पहला सवाल यह होना चाहिए कि 'पाठ कहाँ अटका'। क्योंकि जो पाइपलाइन अपने ही शीर्षक नहीं पढ़ सकती, वह किसी खिलाड़ी का करियर नहीं पढ़ सकती। और जो स्कोरकार्ड अपने ख़ाली ओवर नहीं बता सकता, उस पर लिखा गया हर विश्लेषण सिर्फ़ अंदाज़ा है। मैं अंदाज़ों पर नहीं, गिनती पर भरोसा करती हूँ — और इस बार गिनती शून्य आई है। शून्य भी एक जवाब है, बशर्ते आप उसे जवाब की तरह पढ़ें, सजावट की तरह नहीं।