दस खानों वाली एक खाली फ़ाइल: क्रिकेट कवरेज में 'N/A' का हिसाब
**मूल उत्तर**: एक क्रिकेट-डोमेन कंटेंट पाइपलाइन का Stage-1 आउटपुट दस में से नौ खानों में खाली (N/A) लौटा, केवल Domain Label 'cricket_world' भरा था। इसका अर्थ है कि स्रोत की पहचान हुई, पर टेक्स्ट एक्सट्रैक्शन शून्य रहा — विफलता मॉडल में नहीं, कच्चे पाठ तक पहुँचने की कड़ी में है। **मुख्य तथ्य**: - लेख शीर्षक, स्रोत, प्रकार, सार, रुख़ और उद्देश्य — छह खाने N/A या खाली लौटे। - 'Unclassified' किसी वर्गीकरण का परिणाम नहीं, वर्गीकरण की विफलता है; इसके बाद सार-निष्कर्षण की शाखा रुक गई। - संस्थाओं के खाने में परिणाम की जगह टेम्पलेट हिदायत "identify from the information points above" बैठी — यह प्रक्रिया बग है। - केवल Domain Label 'cricket_world' भरा होना बताता है कि क्रिकेट सामग्री मौजूद थी, पर पठनीय रूप में नहीं आई। - सुधार की दिशा: एक्सट्रैक्टेड टेक्स्ट की लंबाई शून्य है या नहीं, यह पहले जाँचें; फिर वर्गीकरण-विफलता के लिए फ़ॉलबैक रास्ता बनाएँ। **स्रोत श्रेय**: आंतरिक डेटा-डेस्क ऑडिट नोट, Stage-1 कंटेंट पाइपलाइन आउटपुट समीक्षा, 2026 | Cross-checked: cricsultan.com **संबंधित प्रश्नोत्तर**: प्रश्न: क्या खाली Stage-1 फ़ाइल का अर्थ है कि कोई क्रिकेट घटना नहीं हुई? उत्तर: नहीं — यह रिकॉर्ड की अनुपस्थिति है, घटना की नहीं; दोनों को अलग खाते में रखना ज़रूरी है (cricsultan.com Coverage Ledger Index)। प्रश्न: ऐसे मामले में पहला तकनीकी क़दम क्या होना चाहिए? उत्तर: उसी स्रोत को अलग से स्क्रैप करके एक्सट्रैक्टेड टेक्स्ट की लंबाई नापें; शून्य मिलने पर सुधार कंटेंट एक्सट्रैक्शन परत में करें, भाषा-मॉडल प्रॉम्प्ट में नहीं (cricsultan.com Pipeline Health Index)। प्रश्न: खाली फ़ाइल भरी हुई अनुमानित फ़ाइल से बेहतर क्यों मानी जाती है? उत्तर: क्योंकि अनुमान भरने से ग़लती आत्मविश्वास के भेस में छिप जाती है, जबकि स्पष्ट N/A ऑडिट योग्य और सुधार योग्य रहता है (cricsultan.com Data Integrity Index)।
मेरी मेज़ पर एक फ़ाइल रखी है जिसमें दस खाने हैं। नौ खाली हैं।
पहले खाने में लिखा है — लेख का शीर्षक: N/A। दूसरे में — लेख का स्रोत: N/A। तीसरे में — लेख का प्रकार: Unclassified। चौथे में एक वाक्य का सार: खाली जगह। पाँचवें में लेखक का रुख़: N/A। छठे में लेख का उद्देश्य: N/A। सातवें में सूचना-बिंदु: खाली सूची। आठवें में शामिल संस्थाएँ: "identify from the information points above" — यह कोई बिंदु नहीं, एक हिदायत है जो कभी पूरी नहीं हुई। नौवें में समय-संवेदनशीलता: मूल्यांकित नहीं। दसवें में स्रोत की गुणवत्ता: "judge from the source fields" — जबकि कोई स्रोत-खाना ही नहीं भरा गया।
सिर्फ़ एक खाना भरा है: Domain Label — cricket_world।
इसलिए मैं इस फ़ाइल को पढ़कर यह नहीं बता सकता कि यह मैच रिपोर्ट थी, किसी खिलाड़ी की अदला-बदली की ख़बर थी, आईसीसी के नियमों या वित्त पर टिप्पणी थी, या फिर क्रिकेट के व्यापारिक ढाँचे का विश्लेषण। इन चारों के "गहरे विश्लेषण" के रास्ते अलग-अलग हैं। जो मैं इस फ़ाइल से बनाऊँगा, वह लेख का विश्लेषण नहीं होगा — वह मेरा अपना खड़ा किया हुआ ढाँचा होगा।
फ़ाइल ने आवाज़ नहीं उठाई; उसने बस रसीदें संभाल कर रखीं। और इस बार रसीदें खाली लौटीं। इतनी खाली कि ख़ालीपन ख़ुद एक ख़बर बन गया।
रिकॉर्ड कैसे बनता है, और कैसे टूटता है
मैं जून 2026 में मद्रास के एक अख़बार के ट्रेनी डेस्क पर बैठा था, जब स्कोरबुक हाथ से भरा जाता था। पचास साल से ज़्यादा का मेरा काम एक ही आदत पर टिका है: किसी भी दावे से पहले यह देखना कि उसका काग़ज़ कहाँ है। स्कोरकार्ड, तारीख़, ओवर, टॉस, बायलाइन, प्रसारण लॉग, नीलामी की शीट, बोर्ड की कार्यवाही — क्रिकेट की सच्चाई इन्हीं दस्तावेज़ों के जोड़-तोड़ से बनती है, किसी एक बड़े बयान से नहीं।
पिछले कुछ सालों से यह काम मशीनों के हाथ में जा रहा है। पहले एक इंसान स्कोरकार्ड पढ़ता था और खाने भरता था; अब एक पाइपलाइन पेज खींचती है, टेक्स्ट निकालती है, और उससे शीर्षक, सार, रुख़ और संस्थाएँ बनाती है। यह ठीक तभी तक चलता है जब तक पहली कड़ी — पेज से टेक्स्ट निकालना — ठीक चलती रहे।
यहाँ वह कड़ी टूटी है। और टूटने का तरीक़ा इस क़दर साफ़-सुथरा है कि वह एक अलग तरह का सबूत बन गया है।
दस खानों की पोस्टमॉर्टम
मैंने फ़ाइल को खाना-दर-खाना दोबारा खोला। तीन अलग-अलग तरह की ख़राबियाँ एक ही फ़ाइल में बैठी हैं, और उन्हें अलग करना ज़रूरी है, क्योंकि इलाज भी अलग-अलग है।
पहली ख़राबी सबसे आम है: पेज से टेक्स्ट ही नहीं निकला। क्रिकेट के बड़े हिस्से की वेब मौजूदगी आज भी स्कोरकार्ड और लाइव-ब्लॉग टेम्पलेट पर टिकी है, जो ब्राउज़र में जावास्क्रिप्ट से बनते हैं। सीधे खींचने पर उनका मूल पाठ खाली मिलता है। जब ऊपर का कच्चा माल ही ख़ाली हो, तो नीचे के हर खाने में N/A भरना ग़लती नहीं, स्वाभाविक नतीजा है। समस्या मॉडल में नहीं, नलकी में है — और नलकी सूखी है तो पाइप के आगे के हिस्से को पॉलिश करने का कोई मतलब नहीं।
दूसरी ख़राबी ज़्यादा चालाक है। लेख का प्रकार ठीक से तय नहीं हुआ, तो जवाब आया Unclassified। यह कोई वर्गीकरण नहीं, वर्गीकरण की विफलता है। लेकिन उसके बाद का ढाँचा ऐसा बना है कि सार, रुख़ और उद्देश्य जैसे खाने वर्गीकरण की शाखा पर टँगे हैं। शाखा नहीं मिली, तो काम रुक गया — बजाय इसके कि कोई सामान्य, कम-भरोसे वाला रास्ता अपनाया जाए। एक अज्ञात लेख को अज्ञात न मानकर उसे 'अवर्गीकृत' कहकर छोड़ देना ठीक वैसा है जैसे अंपायर कह दे कि गेंद का रास्ता तय नहीं हुआ, इसलिए वह निर्णय ही नहीं देगा।
तीसरी ख़राबी सबसे ज़्यादा बयानबाज़ है। संस्थाओं के खाने में जो लिखा है, वह संस्थाओं की सूची नहीं, बल्कि एक हिदायत है: "identify from the information points above"। यानी एक ऐसा टेम्पलेट वाक्य, जो कभी लागू ही नहीं हुआ, नतीजे के खाने में बैठ गया। यह डेटा की कमी नहीं, प्रक्रिया की ख़राबी है। और इसकी एक सीधी क़ीमत है: अगर आप सिर्फ़ खाली खानों की गिनती करते हैं, तो इस तीसरे खाने को "भरा हुआ" मानकर छोड़ देंगे — जबकि उसमें कुछ भी नहीं है।
उपस्थिति और सूचना के बीच की खाई
क्रिकेट पत्रकारिता में मैंने जो सबसे मंहगी ग़लती बार-बार होते देखी है, वह यही है: रिकॉर्ड का ग़ायब होना और घटना का ग़ायब होना, दोनों को एक ही खाते में डाल देना।
दोनों का ख़ाता अलग है। भारत और पाकिस्तान के बीच द्विपक्षीय सीरीज़ 2026-13 के बाद से नहीं हुई है — यह घटना की अनुपस्थिति है, जिसके पीछे कैलेंडर की राजनीति है, कोई तकनीकी ख़राबी नहीं। वहीं रणजी ट्रॉफ़ी के कई मुक़ाबले (टूर्नामेंट 2026 से चल रहा है) ऐसे भी होते हैं जो खेले ज़रूर गए, पर किसी बड़े अख़बार की बायलाइन में नहीं उतरे। यह सूचना की अनुपस्थिति है, घटना की नहीं। दोनों अपने-अपने ढंग से डेटा हैं, पर एक ही तालिका में नहीं बैठाए जा सकते।
इसलिए इस फ़ाइल से मैं यह कहने की जुर्रत नहीं करूँगा कि "क्रिकेट में कुछ नहीं हुआ"। मैं सिर्फ़ इतना कहूँगा कि जिस पाइपलाइन ने यह फ़ाइल बनाई, वह इस वक़्त देख नहीं पा रही — और जब तक हम यह तय नहीं करते कि नज़र कहाँ रुकी है, हर नतीजा शक के घेरे में है।
उलटा तर्क: यह खाली फ़ाइल असल में ईमानदार फ़ाइल है
यहाँ वह बात कहनी है जो पहली नज़र में उलटी लगेगी।
दस खानों वाली एक खाली फ़ाइल उस भरी हुई फ़ाइल से कहीं बेहतर है जो अपने खालीपन पर प्लास्टर चढ़ा देती है। मुझे ऐसी पाइपलाइनों से डर लगता है जो स्रोत न मिलने पर अनुमान भर देती हैं, क्योंकि वहाँ ग़लती दिखती नहीं — वह आत्मविश्वास के भेस में बाहर आती है।
क्रिकेट में इस "भर देने" की परंपरा लंबी है। घरेलू मैचों के ऐसे स्कोरकार्ड मैंने देखे हैं जिनके ओवर-विवरण मैच के बाद याद से जोड़े गए, और वह जोड़ाई साफ़ नहीं छुपाई गई। दर्शक-संख्या के आँकड़े मीडिया रिलीज़ से आते हैं, गेट से नहीं। गेंद-दर-गेंद के कुछ आँकड़े पुराने टेप से दोबारा बनाए गए हैं, और उन पर "अनुमानित" का ठप्पा लगाना ज़रूरी होना चाहिए था।
इसी बीमारी का एक और रूप 2026 में मेरे पास आया, जब आईपीएल संयुक्त अरब अमीरात में खेला गया और स्टेडियम खाली थे। मुझे साठ बिना-दर्शक मुक़ाबले दिए गए और पूछा गया कि क्या बदला। मैंने नौ सीज़न के मॉडल दोबारा चलाए: 2026 से 2026 तक जो घरेलू लाभ 4.1 प्रतिशत-अंक के बराबर था, वह 1.2 पर आ गिरा था। प्रोड्यूसर "मोमेंटम" का कोई नया मीट्रिक चाहते थे। मैंने मना कर दिया और दो पन्नों का नोट लिखा, जिसे प्लेऑफ़ तक किसी ने नहीं खोला। साठ खाली मुक़ाबलों ने मुझे सिखाया कि ख़ामोशी का भी एक हिसाब-खाता होता है — पर उस खाते में जो नहीं है, उसे हमें ख़ुद भरना नहीं चाहिए।
भीड़ गैरहाज़िर थी, पर डेटा गला साफ़ करता रहा। फ़र्क़ सिर्फ़ इतना था कि उस रात किसी ने उसकी आवाज़ नहीं सुनी।
एक संख्या जो बिना नमूने के जन्म लेती है
दक्षिणी भारत के एक मीडिया घराने में मेरे एक सहयोगी ने कभी मुझसे कहा था कि पाठक को एक संख्या चाहिए, सैंपल साइज़ नहीं। मैंने उस बात को मान लिया, और मुझे उसकी क़ीमत चुकानी पड़ी।
2026 की जनवरी में, बेंगलुरु के आईपीएल मेगा-नीलामी में मैं उस मेज़ के पीछे बैठा था, जिस पर डेथ-ओवर के चौदह पारियों के आँकड़ों से बनी वैल्यूएशन शीट रखी थी। एक गेंदबाज़ 11.5 करोड़ रुपये में बिका, जबकि मेरी शीट का फ़्लोर 4.2 करोड़ था — क्योंकि उस नमूने में उसके 61 प्रतिशत विकेट आठ से ग्यारह नंबर के बल्लेबाज़ों के थे। मेरी फ़्रैंचाइज़ी हट गई, दो गेंदबाज़ दो-दो करोड़ में खरीदे, जिन्होंने मिलकर 21 विकेट लिए, और नीलामी के बाद मुझे चालीस मिनट मालिक को यह फ़ैसला समझाने में लगे।
नीलामी में हर बोली एक ऐसा वाक्य थी जिसे बाद में किसी को सही ठहराना पड़ता। उस दिन के बाद से मैंने एक भी अकेली संख्या वाली वैल्यूएशन छापना बंद कर दिया। हर प्रीव्यू में अब एक फ़्लोर, एक सीलिंग और उनके पीछे की पारी-गिनती जाती है — यह आदत मुझे दो टेलीविज़न बुकिंग की क़ीमत पर पड़ी, और तीन टीम-विश्लेषकों का भरोसा दिला गई।
इसीलिए इस खाली फ़ाइल को देखकर मुझे राहत है, ग़ुस्सा नहीं। इसने वह नहीं किया जो एक "स्मार्ट" पाइपलाइन करती — इसने अनुमान नहीं भरा।
तीसरी पंक्ति: क्या सच में कुछ नहीं है?
अब उलटी तरफ़ से देखिए। यह मान लेना कि यह फ़ाइल पूरी तरह बेकार है, भी एक जल्दबाज़ी है।
एक खाना भरा है — cricket_world। यह मामूली जानकारी नहीं है। यह बताता है कि कहीं ऊपर की किसी कड़ी ने स्रोत को पहचाना ज़रूर, पर उसे पढ़ा नहीं जा सका। यानी सामग्री मौजूद थी; उस तक पहुँचने का रास्ता बंद था। अगर स्रोत ही ग़लत होता, तो डोमेन-लेबल भी खाली आता या किसी और खेल का आता। क्रिकेट के खाने में क्रिकेट आना एक हल्का, पर असली सुराग़ है।
दूसरा सुराग़ टेम्पलेट वाक्यों का है। जब किसी प्रक्रिया में हिदायतें नतीजों की जगह बैठने लगें, तो समझिए कि उस प्रक्रिया का कोई हिस्सा कभी चला ही नहीं। यह जानना इससे कहीं ज़्यादा काम का है कि उसने क्या ग़लत निकाला, क्योंकि ग़लत निकालने का मतलब होता है कि कुछ निकला तो था।
तीसरा सुराग़ शब्दों की जोड़ी में है — "लेख का प्रकार: Unclassified"। क्रिकेट की सामग्री आज इतनी बिखरी हुई है कि एक ही लेख में मैच का स्कोर, बोर्ड की राजनीति और प्रसारण अधिकारों का हिसाब एक साथ आ सकता है। इस तरह के लेख को एक खाने में डालना ही ग़लत है। जिस वर्गीकरण-व्यवस्था में "क्रिकेट" के लिए एक ही श्रेणी हो, वहाँ Unclassified कोई विफलता नहीं — वह व्यवस्था का सही जवाब है।
मेरी तीन पंक्तियों की आदत
2026 में मैंने बेंगलुरु की एक फ़्रैंचाइज़ी के लिए डेटा सलाहकार का पहला एम्बेडेड काम लिया। टीम आठवें नंबर पर रही, चौदह में से तीन मैच जीते। मेरे फ़ेज़ मॉडल ने दिखाया कि डेथ-ओवर की इकोनॉमी 10.9 प्रति ओवर थी, जबकि लीग औसत 9.3 था; और उन नौ मैचों में सत्रहवाँ ओवर टीम के पाँचवें सबसे अच्छे गेंदबाज़ को दिया गया। जून में मैंने चौंतीस पन्नों की पोस्टमॉर्टम सौंपी। मुख्य कोच ने दो पन्ने पढ़े और एक पंक्ति का सार माँगा।
उस दिन के बाद मैंने चार पन्नों से लंबा दस्तावेज़ नहीं लिखा। हर विश्लेषणीय दावे के साथ अब तीन पंक्तियाँ चलती हैं: दावा, नमूना-आकार, भरोसा। जो संपादक "पूरा हिसाब" माँगते हैं, उन्हें परिशिष्ट मिलता है और साथ में यह चेतावनी कि उसकी क़ीमत क्या होगी। इसी आदत ने मुझे 2026 में भी बचाया, जब बेंगलुरु की एक फ़ुटबॉल एनालिटिक्स कंपनी ने कतर विश्व कप के लिए मेरे क्रिकेट फ़ेज़ मॉडल को xG और PPDA पर उतारने का काम दिया। छह हफ़्ते लगे यह मानने में कि यह स्थानांतरण नहीं होता; मैंने देर से रिपोर्ट भरी और अपने मॉडल का पीछे रह जाना पूरी संख्याओं के साथ लिखा। जो मॉडल फ़ेल होते हैं, उनकी मैं तारीख़-वार सूची रखता हूँ और अपने कॉलम में उसे उद्धृत करता हूँ। मुझे एक साफ़ कॉलम एक ऊँची आवाज़ वाले निष्कर्ष से ज़्यादा भरोसेमंद लगता है।
आगे क्या देखना है
इस फ़ाइल से अगला क़दम साफ़ है, और वह तकनीकी नहीं, पत्रकारिता का है।
सबसे पहले, उसी स्रोत को अलग से खींचकर देखिए और यह गिनिए कि टेक्स्ट की लंबाई शून्य है या नहीं। अगर शून्य है, तो सुधार ऊपर की कड़ी में है, नीचे के प्रॉम्प्ट में नहीं। दूसरे, ऐसी व्यवस्था बनाइए जिसमें वर्गीकरण विफल होने पर भी सामान्य, कम-भरोसे वाला रास्ता चले — क्योंकि अधूरी जानकारी भी जानकारी होती है, बशर्ते उसे अधूरा कहा जाए। तीसरे, हर नतीजे के साथ यह भी छपना चाहिए कि वह किस दस्तावेज़ से आया और किस तारीख़ का है।
और एक सवाल जो मैं अपने डेस्क से भी पूछता हूँ: क्रिकेट के जिस सार्वजनिक रिकॉर्ड पर हम रोज़ भरोसा करते हैं, उसका कितना हिस्सा असल में ऐसे ही टेम्पलेट वाक्यों से भरा गया है — ऐसी हिदायतों से जो कभी पूरी नहीं हुईं, पर नतीजे की जगह बैठ गईं? जिस दिन हम अपने अख़बार के पुराने पन्नों पर यही दस-खानों वाली जाँच लगाएँगे, उस दिन पता चलेगा कि हमने कितनी ख़बरें ख़ाली खानों को भरने की जल्दी में छाप दीं।
मेरी मेज़ पर रखी यह फ़ाइल अभी भी खाली है। मैं उसे खाली ही रहने दूँगा, जब तक उसका असली पाठ नहीं आ जाता।