खाली इनपुट पर डेटा मॉन्क की रिपोर्ट: क्रिकेट एशिया की खबरें जब स्कोरकार्ड के बिना आती हैं

13 मार्च 2026 की रात ईडन गार्डन के स्कोरिंग बॉक्स में मैंने हर गेंद को हाथ से कोड किया था। भारत 251 का पीछा करते हुए 34.1 ओवर में 120 पर 8 विकेट पर सिमट गया, बोतलें मैदान पर उड़ीं, क्लाइव लॉयड ने मैच श्रीलंका को दे दिया — और मेरी शीट त्रुटिहीन थी। त्रुटिहीन, और कुछ भी समझाती नहीं थी। उस रात के बाद मैंने एक नियम बनाया जो आज भी मेरी हर कॉपी पर लागू होता है: जिस स्कोरलाइन के साथ दबाव की स्थिति दर्ज न हो, वह रिपोर्ट फाइल नहीं की जाती। तीस साल बाद, इस हफ्ते, मेरे सामने एक अलग तरह की खाली शीट आई।

खबर क्रिकेट एशिया की थी, लेकिन खबर में खबर नहीं थी। एक एनालिसिस पाइपलाइन से जो नतीजा आया वह एक तालिका थी जिसमें हर कॉलम में N/A लिखा था — शीर्षक उपलब्ध नहीं, स्रोत उपलब्ध नहीं, प्रकार अवर्गीकृत, एक-पंक्ति सारांश खाली, सूचना बिंदुओं की सूची खाली। केवल एक चीज़ ज़िंदा थी: डोमेन लेबल cricket_asia। यह कोई मैच रिपोर्ट नहीं है। यह एक ऐसी रिपोर्ट है कि मैच रिपोर्ट क्यों नहीं बन सकी।

संदर्भ: दो तरह के खालीपन, और उनका फर्क

पेशे से मैं स्कोरकीपर हूं, पत्रकार बाद में बना। स्कोरिंग में खालीपन का मतलब होता है शून्य। अगर बल्लेबाज़ ने रन नहीं बनाए, तो कॉलम में 0 लिखा जाता है, और वह 0 एक साक्ष्य है — उसकी प्रोवेनेंस है, उसका ओवर नंबर है, उसका गेंदबाज़ है। लेकिन मीडिया पाइपलाइन में खालीपन का मतलब कुछ और होता है: N/A। यह शून्य नहीं है, यह अनुपस्थिति है। शून्य को तोड़ा जा सकता है, अनुपस्थिति को नहीं।

अगर वेस्टइंडीज़ के खिलाफ किसी बल्लेबाज़ का औसत 0.00 है तो मैं जांच कर सकता हूं कि वह दो पारियों में दो बार आउट हुआ या दस पारियों में। लेकिन अगर किसी लेख का स्रोत ही N/A है, तो मेरे पास जांचने के लिए कुछ नहीं है। तथ्य, आरोप, दावा, आंकड़ा — सब एक ही श्रेणी में आ जाते हैं: असत्यापित।

यही वजह है कि मैंने 2026 में उस 412-मैच डेटाबेस के साथ जो किया, वह किया। हंसी क्रोनिए की अप्रैल 2026 की स्वीकारोक्ति के बाद मैंने पांच महीने में भारत के 2026 से 2026 तक के हर एकदिवसीय मैच को कोड किया — 412 मैच, हर एक में नो-बॉल की गिनती, डेड-रबर दर्जा, आउट होने का तरीका। अंतरराष्ट्रीय स्तर पर नो-बॉल की आवृत्ति उन मैचों में लगभग 40 प्रतिशत अधिक थी जिनमें दांव पर कुछ नहीं था। मैंने यह पद्धति, नाम नहीं, कोलकाता के एक जांची पत्रकार को दी। दिसंबर 2026 में मोहम्मद अज़हरुद्दीन को आजीवन प्रतिबंध मिला। मैंने खिलाड़ी-स्तरीय कटौती खुद प्रकाशित नहीं की, क्योंकि मेरे पास यह साबित करने का तरीका नहीं था कि 40 प्रतिशत का अंतर मैच-फिक्सिंग से आया, न कि डेड-रबर की अलग गेंदबाज़ी रणनीति से। यह अंतर महत्वपूर्ण है। और यही अंतर इस हफ्ते की रिपोर्ट में गायब है।

मुख्य बात: खाली सूची एक डेटा बिंदु है, राय नहीं

आपको लगेगा कि खाली सूची पर कुछ नहीं लिखा जा सकता। मैं मानता हूं, लेकिन आंशिक रूप से। एक खाली सूचना-बिंदु सूची अपने आप में एक तथ्य है — यह बताती है कि एक्सट्रैक्शन परत विफल हुई, न कि यह कि खबर में तथ्य नहीं थे। यह दो अलग-अलग निदान हैं और इलाज भी अलग हैं।

मेरे अनुभव में, इस तरह की विफलता के तीन सामान्य कारण हैं, और तीनों को लॉग से अलग किया जा सकता है:

पहला — खाली बॉडी क्रॉल। वेबसाइट ने पे-वॉल, जियो-ब्लॉक या जावास्क्रिप्ट-आधारित रेंडरिंग के कारण सामग्री नहीं दी, लेकिन HTTP स्थिति 200 लौटा दी। पाइपलाइन को लगा कि पेज मिल गया, जबकि टेक्स्ट कभी आया ही नहीं। मैंने 2026 के दशक में स्कोरकार्ड डिजिटाइजेशन के दौरान यह सैकड़ों बार देखा — पुराने क्रिकइन्फो या बोर्ड साइटों के पेज खुलते थे, लेकिन तालिकाें में केवल हेडर होते थे।

दूसरा — एन्कोडिंग विफलता। हिंदी, उर्दू या बांग्ला टेक्स्ट अगर UTF-8 में सही तरीके से डिकोड नहीं हुआ, तो एक्सट्रैक्टर को टेक्स्ट दिखता ही नहीं। यह एशियाई क्रिकेट कवरेज में बहुत आम है, क्योंकि स्रोत कई भाषाओं में हैं और समाचार एजेंसियों के फीड्स अक्सर मिश्रित एन्कोडिंग में आते हैं।

तीसरा — डोमेन-स्तरीय अवरोध। कुछ साइटें बॉट को 403 देती हैं, या सामग्री को कैनवास या इमेज-आधारित पाठ में बदल देती हैं। ऐसे में एक्सट्रैक्टर को कुछ नहीं मिलता और वह खाली सूची लौटा देता है।

तीनों मामलों में साझा बात एक है: पाइपलाइन ने विफलता को सफलता के रूप में दर्ज किया। यह वही गलती है जो एक नौसिखिया स्कोरकीपर करता है जब वह अधूरी शीट पर "मैच समाप्त" लिख देता है। सही स्कोरकीपर वह है जो अधूरी शीट पर "डेटा अपूर्ण" लिखता है और कारण दर्ज करता है।

यहां एक और बात ध्यान देने योग्य है। जब Stage-1 पूरी तरह खाली लौटता है, तो अक्सर यह भी संकेत होता है कि स्रोत का दावा और स्रोत की उपलब्धता में अंतर है। यानी, खबर कहीं मौजूद है — किसी एजेंसी की वायर पर, किसी अखबार के प्रिंट संस्करण में, किसी टीवी बुलेटिन में — लेकिन डिजिटल पाइपलाइन तक वह नहीं पहुंची। अगर हम इस अंतर को नोट करना शुरू करें, तो हमें एशियाई क्रिकेट कवरेज की एक बड़ी समस्या का नक्शा मिलेगा: कौन सी खबरें डिजिटल रूप में कभी दर्ज ही नहीं होतीं।

उलटा कोण: 'कोई डेटा नहीं' का मतलब 'कोई खबर नहीं' नहीं है

यहां मैं अपने ही तर्क के खिलाफ खड़ा होना चाहता हूं, क्योंकि मैंने खुद को यही सिखाया है।

मेरी पहली प्रवृत्ति यह कहती है: बिना तथ्य के कोई रिपोर्ट नहीं। लेकिन यह नियम एक अंधा कोना बनाता है। अगर हम केवल उन खबरों पर लिखें जिनका स्रोत साफ है, तो हम उन कहानियों को हमेशा के लिए छोड़ देंगे जो सबसे ज्यादा जांच की मांग करती हैं — ग्रामीण क्रिकेट, महिला घरेलू मैच, एसोसिएट देशों के टूर्नामेंट, वे रणजी मैच जिन्हें किसी ने स्कैन नहीं किया। मेरे पास 412 मैचों का डेटाबेस है, लेकिन मेरे पास उन हज़ारों मैचों की सूची भी है जो कभी डिजिटाइज़ ही नहीं हुए। जिस रिकॉर्ड का कोई मालिक नहीं, वह रिकॉर्ड खो जाता है — और उसके साथ उसका दावा भी।

इसलिए सही जवाब "खाली सूची पर मत लिखो" नहीं है। सही जवाब है: खाली सूची पर लिखो, लेकिन यह बताते हुए कि सूची क्यों खाली है। यही प्रोवेनेंस है। यह बताना कि स्रोत उपलब्ध नहीं था, यह बताने से बिल्कुल अलग बात है कि स्रोत मौजूद ही नहीं था। पहला एक तकनीकी विफलता है, दूसरा एक संपादकीय विफलता।

और यहां एक दूसरा उलटा कोण भी है जिसे मैं नज़रअंदाज़ नहीं कर सकता। डोमेन लेबल cricket_asia स्वयं एक दावा है। यह कहता है कि लेख एशियाई क्रिकेट के दायरे में है। लेकिन एशिया में क्रिकेट का मतलब भारत, पाकिस्तान, श्रीलंका, बांग्लादेश, अफगानिस्तान, नेपाल, ओमान, यूएई — और अब सऊदी अरब की बढ़ती महत्वाकांक्षाएं भी हैं। एक लेबल जो इन सबको एक श्रेणी में डाल देता है, वह खबर की बारीकी को मिटा देता है। किस देश की खबर है? कौन सा टूर्नामेंट? कौन सा फॉर्मेट? कौन सा समय-चक्र? इन सवालों के बिना लेबल केवल एक टैग है, विश्लेषण नहीं।

मुझे याद है कि 2026 में जब मैंने रेवस्पोर्ट्ज़ शुरू किया, तो हमारी पहली समस्या यही थी। हमारे पास 50 से ज्यादा पत्रकार थे, हर राज्य से स्ट्रिंगर थे, लेकिन हमारे पास एक भी मानकीकृत डेटा फॉर्मेट नहीं था। एक स्ट्रिंगर 'औसत' लिखता था, दूसरा 'एवरेज', तीसरा 'बैटिंग एवरेज'। जब हमने उन्हें एक साथ जोड़ा, तो हमें पता चला कि हमारे पास 40 प्रतिशत रिकॉर्ड असंगत थे। हमने छह महीने एक फॉर्मेट स्कीमा बनाने में लगाए। यह वह काम है जो कोई नहीं देखता, और यही वह काम है जिसके बिना कोई विश्लेषण टिक नहीं सकता।

निष्कर्ष: अगली बार जब खबर खाली आए

अगर मैं इस हफ्ते की विफलता से एक चीज़ निकाल सकता हूं, तो वह यह है: पाइपलाइन को अपनी विफलता की रिपोर्ट करनी चाहिए, वैसे ही जैसे एक अच्छा स्कोरकीपर अधूरे ओवर की रिपोर्ट करता है। "N/A" एक जवाब नहीं है, यह एक प्रश्न है। सही जवाब होगा: "स्रोत 403 लौटा रहा है", या "बॉडी में 0 अक्षर मिले, शीर्षक में 47", या "एन्कोडिंग UTF-8 नहीं है"। इन तीनों में से किसी एक से मैं एक रिपोर्ट लिख सकता हूं। N/A से मैं कुछ नहीं लिख सकता।

क्रिकेट पत्रकारिता में हमने दशकों तक स्कोरलाइन को तथ्य माना और पृष्ठभूमि को राय। 2026 के बाद मैंने सीखा कि दबाव की स्थिति ही असली तथ्य है, और स्कोरलाइन उसका केवल एक प्रभाव है। उसी तरह, डेटा का अभाव एक तथ्य है, और उसका कारण एक बड़ी खबर है। अगली बार जब किसी पाइपलाइन से खाली सूची आए, तो उसे खारिज मत करो — उससे पूछो कि उसने क्या खोया। जवाब अक्सर उस खबर से ज्यादा दिलचस्प होता है जो उसे ढूंढनी थी।