एन/ए का मौसम: जब क्रिकेट का आर्काइव खाली लौटता है

रात के दो बजे हैं। बेंगलुरु के एक फ्लैट में लैपटॉप की स्क्रीन पर एक स्प्रेडशीट खुली है, और उसमें एक ही पंक्ति है। आठ खाने हैं। सात में N/A। आठवें में Unclassified। और सबसे नीचे, अकेला भरा हुआ खाना — Domain Label: cricket_world। बस इतना। एक पूरी क्रिकेट रिपोर्ट, जिसे पढ़ने, समझने और आगे भेजने के लिए एक ऑटोमेटेड पाइपलाइन बनाई गई थी, आठ खानों में सिकुड़कर एक शब्द रह गई: क्रिकेट।

यह किसी मैच का स्कोरकार्ड नहीं है। यह उस Stage-1 निष्कर्षण प्रक्रिया का आउटपुट है जिसका एकमात्र सार्थक उत्तर cricket_world है। मैंने इसे बार-बार खोला, क्योंकि इस तरह के खाली शेल को पहचानने की आदत मुझे जल्दी पड़ गई है।

जुलाई 2026 की बात है। लॉर्ड्स में फाइनल खत्म हुआ — इंग्लैंड 228/7, भारत 219 ऑल आउट, नौ रन से हार। डेस्क ने 150 शब्द का वायर कॉपी माँगा। मैंने 1,400 शब्द फाइल किए, डर्बी में हरमनप्रीत कौर के 171* (115 गेंद) पर, और इस तथ्य पर कि डेस्क पर किसी ने वह पारी लाइव नहीं देखी थी। वह फाइल रात 2 बजे चली और मेरे लिखे हर चीज़ से ज़्यादा दूर तक गई। उस रात मैंने पहली बार समझा था कि खाली खाना अक्सर भरे खाने से ज़्यादा सच बोलता है — क्योंकि वह यह बताता है कि कुछ भरा ही नहीं गया।

आज वही पाठ लौटा है, इस बार मशीन के हाथों। और यह महज़ एक तकनीकी दुर्घटना नहीं है। यह क्रिकेट-कवरेज के उस बड़े ढाँचे का छोटा नमूना है जिस पर मैं नौ साल से लिख रहा हूँ: हमने सिस्टम बनाए हैं उस सामग्री को पढ़ने के लिए जो कई जगहों पर लिखी ही नहीं गई।

संदर्भ: एक पाइपलाइन, आठ खाने, और शून्य जानकारी

Stage-1 का काम सीधा था। किसी भी क्रिकेट लेख को उठाओ, उसका शीर्षक और स्रोत दर्ज करो, उसका प्रकार पहचानो, एक-वाक्य सारांश निकालो, लेखक का रुख और लेख का उद्देश्य तय करो, सूचना-बिंदुओं की सूची बनाओ, उसमें शामिल इकाइयाँ यानी खिलाड़ी, टीमें, संस्थाएँ पहचानो, समय-संवेदनशीलता आँको, और स्रोत की गुणवत्ता तौलो। आठ काम, आठ खाने।

जो लौटा, वह इस प्रकार है। लेख का शीर्षक मौजूद नहीं। स्रोत मौजूद नहीं। प्रकार Unclassified — यानी वर्गीकरण हुआ ही नहीं। एक-वाक्य सारांश खाली। लेखक का रुख N/A। उद्देश्य N/A। सूचना-बिंदुओं की सूची खाली कोष्ठक में बंद। इकाइयों के खाने में एक निर्देश-वाक्य बैठा है। समय-संवेदनशीलता का आकलन नहीं हुआ। स्रोत की गुणवत्ता ‘स्रोत खानों से अनुमान लगाइए’ जैसी टेम्पलेट-पंक्ति पर टिकी है।

इस पंक्ति को पढ़कर यह साफ़ हो जाता है कि विफलता विश्लेषण की नहीं है। विफलता इससे पहले की है। जब इनपुट ही खाली हो, तो हर आगे का खाना अपनी डिफ़ॉल्ट वैल्यू भर लेता है, और वह डिफ़ॉल्ट वैल्यू N/A होती है। N/A शब्द का मतलब ‘लागू नहीं’ है, पर व्यवहार में वह ‘हमने नहीं देखा’ का विनम्र पर्याय बन जाता है। डैशबोर्ड पर यह पंक्ति पूरी दिखती है। प्रक्रिया सफल दिखती है। जानकारी शून्य होती है।

क्रिकेट को इस समस्या के लिए अपवाद मानना आसान है, पर सच उलटा है। क्रिकेट दुनिया का सबसे भारी डेटा-उत्पादक खेल है — हर गेंद का एक रिकॉर्ड, हर पारी का एक स्कोरकार्ड, हर सीरीज़ का एक पेज। और ठीक इसी वजह से यह निष्कर्षण के लिए सबसे मुश्किल भी है। स्कोरकार्ड टेम्पलेट वर्षों में बदलते रहे हैं। लाइव-ब्लॉग पेज जावास्क्रिप्ट से रेंडर होते हैं, जहाँ कच्चे HTML में मैच की कहानी होती ही नहीं। घरेलू सीज़न के नतीजे आज भी कई जगह स्कैन किए हुए PDF में रखे हैं, जहाँ से पाठ निकालना आसान नहीं। और महिला क्रिकेट के मामले में यह परतें एक के ऊपर एक चढ़ जाती हैं।

— Root: The 2 A.M. File from Lord

इस शेल को खाना-दर-खाना पढ़िए, क्योंकि इसकी हर खाली जगह एक अलग कहानी कहती है।

शीर्षक और स्रोत का N/A सबसे पहली परत है — क्रॉलर और एक्सट्रैक्टर की परत। अगर लेख का कोई भी नाम दर्ज नहीं हुआ, तो संभव है कि पाइपलाइन ने मूल पेज तक पहुँचकर भी मुख्य सामग्री का चयन ही नहीं किया। क्रिकेट साइटों पर मुख्य सामग्री अक्सर एक विशेष कंटेनर में नहीं, बल्कि स्कोर विजेट, लाइव-अपडेट फ़ीड और विज्ञापन ब्लॉक के बीच बिखरी होती है। चयनकर्ता (selector) जब चूकता है, तो हाथ में खाली स्ट्रिंग आती है।

Article Type का Unclassified दूसरी परत है, और यह N/A से भी बदतर है। N/A कहता है कि जानकारी नहीं मिली। Unclassified कहता है कि वर्गीकरण का इंजन चला, पर किसी भी श्रेणी में उसे भरोसा नहीं हुआ। और जब भरोसा नहीं होता, तो वह डिफ़ॉल्ट श्रेणी में नहीं, बल्कि खाली श्रेणी में गिरता है। यह एक समाचार-पाठ के लिए असामान्य नहीं है — मैच रिपोर्ट, विश्लेषण, साक्षात्कार, ऑक्शन-रिपोर्ट, संस्थागत बयान, हर लेख की बनावट अलग होती है। पर यहीं असली सवाल उठता है: पाइपलाइन में कोई सामान्य फ़ॉलबैक श्रेणी क्यों नहीं, जो कहे कि “मैंने इसे पढ़ा, यह समाचार है, बस उपश्रेणी तय नहीं हुई”?

सारांश और सूचना-बिंदुओं का खाली रहना तीसरी और सबसे गंभीर परत है। क्योंकि यह बताता है कि पाइपलाइन ने सामग्री पढ़ी ही नहीं। सारांश किसी भी भाषा-मॉडल का सबसे आसान काम होता है — अगर उसे असली पाठ मिला होता, तो वह कम से कम एक वाक्य लौटाता। खाली सूची का मतलब है कि आगे बढ़ाने के लिए कुछ था ही नहीं।

वह वाक्य जो कभी चला ही नहीं

सबसे ज़्यादा बोलने वाला खाना ‘इकाइयाँ’ है। उसमें परिणाम की जगह यह वाक्य बैठा है: “identify from the information points above” — यानी ‘ऊपर दिए गए सूचना-बिंदुओं से पहचानिए’।

इसे दो तरीक़ों से पढ़ा जा सकता है, और दोनों ही चिंताजनक हैं। पहला, यह एक निर्देश है, निष्कर्ष नहीं। किसी भी ठीक से बनी पाइपलाइन में ऐसा वाक्य अंतिम आउटपुट में नहीं दिखना चाहिए — वह प्रॉम्प्ट या टेम्पलेट का हिस्सा होता है, जिसे मॉडल को भेजा जाता है और फिर परिणाम से बदल दिया जाता है। दूसरा, यह वाक्य साबित करता है कि ऊपर वाला खाना — सूचना-बिंदु — इस वाक्य के चलने से पहले ही खाली था, और फिर किसी ने उस खालीपन को रोका नहीं, बस आगे बढ़ गया।

यह हल्की-सी दिखने वाली बात असल में पूरी प्रक्रिया का निदान है। जब किसी सिस्टम में निर्देश और परिणाम एक ही खाने में बैठने लगें, तो समझिए कि उस सिस्टम का कोई हिस्सा कभी नहीं चला। यह टेम्पलेट-स्ट्रिंग बग है, और यह डेटा की कमी नहीं, डिज़ाइन की चूक है।

तीन विफलताएँ, तीन परतें

उपलब्ध निदान के आधार पर इस शेल के तीन संभावित कारण गिनाए जा सकते हैं, और उन्हें प्रायिकता के क्रम में रखना ज़रूरी है।

पहला और सबसे संभावित कारण है अपस्ट्रीम क्रॉल या एक्सट्रैक्शन की विफलता। मूल पेज से मुख्य पाठ का चयन नहीं हुआ, एक्सट्रैक्टर ने खाली स्ट्रिंग लौटाई, और नीचे की हर परत ने डिफ़ॉल्ट मान भर लिया। क्रिकेट कवरेज में यह विफलता सबसे आम है क्योंकि यहाँ एक ही पेज पर तीन-चार अलग-अलग तकनीकें बैठती हैं — स्थिर रिपोर्ट, गतिशील स्कोरकार्ड, लाइव ब्लॉग, और ऑडियो-वीडियो एम्बेड। जब चयनकर्ता इनमें किसी एक पर लिखा जाता है, तो बाक़ी बेढंगे पेजों पर वह चुपचाप खाली हाथ लौटता है।

दूसरा कारण है क्लासिफायर का शॉर्ट-सर्किट। बहुत सी पाइपलाइनों में सारांश, रुख और उद्देश्य जैसे काम ‘प्रकार’ की शाखा के नीचे टँगे होते हैं। यानी पहले तय होता है कि लेख किस प्रकार का है, और फिर उस प्रकार के अनुसार बाक़ी खाने भरे जाते हैं। जब प्रकार Unclassified निकलता है, तो शाखा मिलती ही नहीं, और बाक़ी काम बिना कोशिश के छूट जाते हैं। यह ‘साइलेंट नल प्रोपगेशन’ है — एक खाली खाना अगले खाने को खाली कर देता है, और वह अगले को।

तीसरा कारण वही टेम्पलेट-स्ट्रिंग बग है, जिसका सबूत इकाइयों वाले खाने में सीधे दिखता है। जब टेम्पलेट अपनी जगह नहीं छोड़ता, तो आउटपुट में निर्देश ही परिणाम बनकर बैठ जाता है। यह सबसे छोटा बग है और पकड़ने में सबसे आसान भी — बस आउटपुट को एक बार पढ़ लेना काफ़ी था। जो नहीं पढ़ा गया।

इन तीनों में एक बात समान है: कोई भी विफलता ज़ोर से नहीं हुई। कहीं कोई त्रुटि संदेश नहीं आया, कहीं कोई चेतावनी नहीं छपी। और यही सबसे बड़ा ख़तरा है। तेज़ आवाज़ में विफल होने वाला सिस्टम ठीक हो जाता है; चुपचाप विफल होने वाला सिस्टम भरोसा कमाता रहता है।

चुप्पी कोई डेटा-प्रकार नहीं है

यहाँ एक पुरानी आदत काम आती है, जो मैंने स्कोरकार्ड पढ़ते हुए सीखी। स्कोरकार्ड में एक खाना होता है — ‘नॉट आउट’ या ‘डिड नॉट बैट’। ये दोनों दिखने में खाली हैं, पर इनका मतलब एक नहीं होता। ‘डिड नॉट बैट’ बताता है कि बल्लेबाज़ क्रीज़ पर आया ही नहीं। ‘नॉट आउट’ बताता है कि वह आया, टिका, और पारी खत्म हो गई। दोनों खाली खाने हैं, दोनों अलग कहानियाँ।

मशीन का N/A इन दोनों में फ़र्क़ नहीं करता। और यही असली नुक़सान है। जब डिफ़ॉल्ट मान किसी निष्कर्ष की तरह डैशबोर्ड पर चढ़ जाता है, तो निर्णय लेने वाला यह मानकर बैठता है कि सिस्टम ने देखा और उसे कुछ ख़ास नहीं मिला। असल में सिस्टम ने देखा ही नहीं। इन दोनों स्थितियों के बीच की दूरी, मेरे हिसाब से, क्रिकेट-डेटा उद्योग की सबसे महँगी दूरी है।

इसलिए ज़रूरी है कि हर पाइपलाइन में एक शब्द जोड़ा जाए, जो अभी किसी खाने में नहीं है: ‘पढ़ा नहीं गया’। यह एक अलग स्थिति है, ‘खाली’ से अलग। जब तक यह स्थिति मौजूद नहीं होगी, हर रिपोर्ट जो सफल दिखती है, वह संभवतः वह रिपोर्ट है जिसमें कुछ भी नहीं पढ़ा गया।

वह कोष जो किसी ने लिखा ही नहीं

अब वह हिस्सा, जिसके लिए मैं यह टुकड़ा लिख रहा हूँ।

2026 की बात है। जून में मुझे रूस विश्व कप की नाइट डेस्क पर बैठा दिया गया — इकतीस रातें, किसी और की दुनिया। उस टूर्नामेंट से मेरा कोई भावनात्मक रिश्ता नहीं था, पर मैं इकतीस रातें उसी की खबरें छाँटता रहा। इन्हीं इकतीस रातों में महिला क्रिकेट की तीन पिचें कतार में मरीं। दो महीने पहले, मई 2026 में, मैं वानखेड़े में उस एकमात्र महिला टी20 चैलेंज मैच को कवर करने वाले ग्यारह मान्यता-प्राप्त संवाददाताओं में से एक था — एक प्रदर्शनी मैच, आईपीएल क्वालिफ़ायर से पहले खेला गया। दोनों कमरों के बीच की दूरी ने मेरे भीतर कुछ तोड़ दिया। मैंने फाइल करना लगभग बंद कर दिया और 2026 से रखी अपनी हर नोटबुक दोबारा पढ़ी।

फिर 8 मार्च 2026। मेलबर्न क्रिकेट ग्राउंड। ऑस्ट्रेलिया 184/4, भारत 99 ऑल आउट, पैंतालीस ओवर से भी कम में — पचासी रन की हार। उस दिन एमसीजी में 86,174 लोग थे, जो आज तक महिला क्रिकेट मैच का रिकॉर्ड दर्शक-आँकड़ा है। दो हफ़्ते बाद भारत लॉकडाउन में चला गया, स्टेडियम खाली हो गए, और जिस संस्थान के लिए मैं लिखता था उसने अपना महिला-खेल वर्टिकल बंद कर दिया। मैं ग्यारह हफ़्ते फ़र्लो पर रहा।

उस चुप्पी में मैंने चार साल की फुटेज दोबारा देखी और हर भारतीय चेज़ में एक ही खामी मिली — मध्य ओवरों की रन-रेट। उसी से मेरी पहली किताब की रूपरेखा बनी, जो किसी श्रद्धांजलि पर नहीं, एक रणनीतिक तर्क पर खड़ी थी।

यह पूरा इतिहास मैं इसलिए लिख रहा हूँ कि वह खाली शेल इसमें एक नई बात जोड़ता है। ऑटोमेटेड निष्कर्षण तब तक काम नहीं करता जब तक निकालने के लिए कुछ लिखा न हो। और भारतीय महिला क्रिकेट में 2026 से पहले का जो रिकॉर्ड है, वह बड़े हिस्से में स्कैन की हुई शीटों, हाथ से भरी स्कोरबुक और उन मैचों की स्थानीय अख़बार की कतरनों में है जिनका कभी कोई वीडियो नहीं बना। वहाँ से कोई पाइपलाइन कुछ नहीं निकालेगी, क्योंकि वहाँ से निकालने लायक संरचित डेटा है ही नहीं।

2026 में महिला प्रीमियर लीग शुरू होने के साथ पहली बार एक ऐसा संरचित, नियमित, मशीन-पठनीय डेटा-स्रोत बना, जिसे देशी-विदेशी हर सिस्टम आसानी से उठा सकता है। और यहीं विरोधाभास है। भारतीय क्रिकेट में सबसे आसानी से निकाला जाने वाला दस्तावेज़ ऑक्शन की शीट है — नाम, आधार मूल्य, बिक्री मूल्य, तारीख़, टीम। सब कुछ एक खाने में। फिर भी हर ऑक्शन के बाद जो कॉलम सबसे कम बार छपता है, वह है ‘अनसोल्ड’। वह कॉलम जहाँ उस खिलाड़ी का नाम होता है जिसने दस लाख का आधार मूल्य भरा था और जिसे किसी ने नहीं उठाया।

कैनरी कैसे लगाएँ

अगर आप इस तरह की पाइपलाइन चला रहे हैं, तो तीन जाँचें आज ही लगा दीजिए। पहली, निकाले गए मुख्य पाठ की लंबाई गिनिए। शून्य या सौ अक्षर से कम हो, तो समस्या मॉडल में नहीं, क्रॉल या एक्सट्रैक्शन परत में है — और वहीं सुधार कीजिए। दूसरी, हर खाने की जाँच ऐसे कीजिए जैसे वह एक निर्देश-वाक्य हो सकता है। अगर किसी खाने में ‘पहचानिए’, ‘निकालिए’, ‘ऊपर से लीजिए’ जैसे क्रियापद दिखें, तो समझिए टेम्पलेट कभी नहीं बदला गया। तीसरी, एक ही लेख को दो बार चलाइए और दोनों आउटपुट मिलाइए। यदि दोनों बार सब N/A ही आए, तो यह ‘लागू नहीं’ नहीं, ‘चला नहीं’ है।

इन जाँचों का फ़ायदा यह है कि ये डेटा की गुणवत्ता नहीं, डेटा के अस्तित्व को मापती हैं। और क्रिकेट-कवरेज में अभी सबसे बड़ी समस्या गुणवत्ता की नहीं, अस्तित्व की है।

विपरीत पक्ष: जो खाना दिखाया जाता है, और जो छिपा रहता है

यह मान लेना आसान है कि यह पूरा मामला तकनीकी है — क्रॉलर ठीक करो, टेम्पलेट बदलो, काम हो गया। मेरा पहला निष्कर्ष इसके उलट है। A transfer fee is a public number; the private suitcase is the real story. जो आँकड़ा छपता है, वह हमेशा वह होता है जिसे छापने में किसी का नुक़सान नहीं होता। ट्रांसफ़र विंडो में हर कोई बिक्री मूल्य का पीछा करता है — वह संख्या सार्वजनिक है, साफ़ है, और उसे निकालना आसान है। जो संख्या किसी खाने में नहीं बैठती, वह है उस खिलाड़ी की सुबह की बस, उसका बिना-अनुबंध वाला महीना, उसका रद्द हुआ मैच। इन्हें कोई पाइपलाइन नहीं पकड़ सकती, क्योंकि इन्हें कोई सार्वजनिक रूप से लिखता ही नहीं।

दूसरा, और ज़्यादा असहज मोड़ यह है कि यह खाली शेल अपने-आप में एक जवाब भी है। ऊपर वाला स्रोत पाइपलाइन के लिए क्यों खाली रहा, इसका एक कारण यह भी हो सकता है कि वह लेख मौजूद था ही नहीं या उसकी सामग्री उस रूप में लिखी ही नहीं गई जिसे मशीन उठा सके। यानी विफलता सिर्फ़ कोड की नहीं, कोष की है। और कोष को गुणा करने का काम कोड नहीं करता — वह काम उन 1,400 शब्दों को लिखने वाले का है, जो डेस्क ने नहीं माँगे थे।

यह मानना ग़लत है कि इकतीस रातें किसी और की दुनिया को देखते हुए गुज़र जाने के बाद लिखना अपने-आप हो जाता है। मुझे तीन हफ़्तों की लगभग-चुप्पी लगी थी, और उस चुप्पी में मैंने साठ घंटे के इंटरव्यू रिकॉर्ड किए — उन घरेलू खिलाड़ियों के, जिनसे किसी ने उनकी तकनीक के बारे में कभी नहीं पूछा था। यह मेरा निजी आर्काइव है, और यह किसी डैशबोर्ड पर नहीं दिखेगा। पर जिस दिन कोई सिस्टम भारतीय महिला क्रिकेट को ठीक से पढ़ना चाहेगा, उसे पहले ऐसे आर्काइव बनाने पड़ेंगे।

आगे की ओर

तो फ़िलहाल, वह पंक्ति। सात N/A, एक Unclassified, और एक cricket_world।

यह पंक्ति किसी बड़ी खोज का नतीजा नहीं है, और इसे वैसा बनाने की कोशिश करना ठीक वही ग़लती होगी जिसके ख़िलाफ़ मैं लिखता हूँ। पर यह पंक्ति एक छोटा आईना ज़रूर है। जिस दिन भारत में घरेलू महिला क्रिकेट का पूरा कैलेंडर, मैच फ़ीस की तारीख़ें और हर ऑक्शन की अनसोल्ड सूची सार्वजनिक, संरचित डेटा के रूप में बाहर आएगी, उस दिन ऐसे पाइपलाइनों को भरने के लिए माल मिल जाएगा। तब तक जो नतीजा आएगा, वह खेल का नहीं, हमारी चुप्पी का नतीजा होगा।

और मैं वही ठहराव लिखता रहूँगा जो गर्जना के बाद आता है — जहाँ खिलाड़ी दोबारा एक इंसान बन जाता है, और जहाँ से असली बहीखाता शुरू होता है।