खाली पंक्ति: क्रिकेट डेटा पाइपलाइन में दक्षिण एशिया की खबरें कहाँ गुम हो जाती हैं

हुक

उस सुबह टैगिंग शीट में चालीस पंक्तियाँ थीं। उनतीस में सब कुछ भरा था — फ़ॉर्मेट, मैच का स्वरूप, खिलाड़ियों के नाम, गेंदों की संख्या, तारीख। चालीसवीं पंक्ति का शीर्षक "N/A" था। स्रोत "N/A"। लेख का प्रकार अवर्गीकृत। और सबसे ज़रूरी कॉलम — सूचना-बिंदु — पूरी तरह खाली। यानी ढाँचा मौजूद था, अंदर कुछ नहीं। जैसे किसी ने स्कोरकार्ड छाप दिया हो और नाम लिखना भूल गया हो।

ग्यारह साल से मैं स्कोरबुक और स्प्रेडशीट के बीच जीता हूँ। 2026 की बायो-सिक्योर गर्मियों में मैंने ओल्ड ट्रैफर्ड के खाली स्टेडियम में 1,240 डिलीवरीज़ लॉग कीं — पाइप से निकलती नक़ली तालियाँ, चारों तरफ़ चुप्पी, और मेरी स्क्रीन पर हर गेंद की अलग प्रविष्टि। जिस टेस्ट को कोई सुन नहीं सका, उसने भी एक स्कोरकार्ड छोड़ा। चालीसवीं पंक्ति वाले मुक़ाबले ने कुछ नहीं छोड़ा। खबर आई थी, मैदान पर मैच हुआ था, डेटा फ़ीड में कुछ दर्ज नहीं हुआ।

यह रिपोर्ट उसी एक खाली पंक्ति की है — और उस पाइपलाइन की, जिससे गुज़रकर वह खाली हो गई।

संदर्भ

पहले अपनी जगह साफ़ कर लूँ, क्योंकि यह कहानी दो बाज़ारों के बीच की है। मेरा जन्म भारत में हुआ, अब मैं लिवरपूल से क्रिकेट लिखता हूँ। मैं न मुंबई की हाइप-मशीन का हिस्सा हूँ, न लॉर्ड्स की ऊँची नाक। जो मैं देखता हूँ, वह दो अभिलेखागारों के बीच का अंतर है — काउंटी चैंपियनशिप और रणजी ट्रॉफ़ी, दोनों ऐसी प्रतियोगिताएँ जिन्हें बाज़ार ने भुलाने का फ़ैसला किया, और दोनों में ही असली चयन-प्रक्रिया दर्ज है।

अब आँकड़ा। उद्योग-आम सहमति के मुताबिक़ वैश्विक क्रिकेट का सत्तर फ़ीसदी से ज़्यादा राजस्व दक्षिण एशिया से आता है। दर्शक, विज्ञापन, फ़्रेंचाइज़ी निवेश, फ़ैंटेसी प्लेटफ़ॉर्म — सब यहीं बैठते हैं। और मीडिया की सबसे बड़ी आपूर्ति भी यहीं बनती है: वर्नाक्युलर सेल्फ़-मीडिया, ऑटो-ट्रांसलेटेड वायर कॉपी, शॉर्ट-फ़ॉर्म वीडियो के ट्रांसक्रिप्ट। मेरी डेस्क पर हर सुबह इन्हीं चैनलों से सामग्री पहुँचती है।

दिक़्क़त लिखने की नहीं, पढ़ने की है। आधुनिक कवरेज में एक मध्य-परत बैठती है — डेटा एक्सट्रैक्शन। लेख आता है, उसे तोड़ा जाता है: फ़ॉर्मेट क्या है (टेस्ट, वनडे, टी-20?), मैच का स्वरूप क्या है (द्विपक्षीय, आईसीसी इवेंट, लीग?), कौन-कौन शामिल हैं, तारीख क्या है, स्रोत कितना भरोसेमंद है। इन आठ आयामों पर ही आगे का पूरा विश्लेषण खड़ा होता है।

जब यह परत चोक होती है, तो नतीजा यह नहीं होता कि खबर नहीं थी। नतीजा यह होता है कि खबर थी और हमारे सिस्टम ने उसे नहीं पढ़ा। और यह चूक बेतरतीब नहीं है। वह उन्हीं चैनलों पर होती है जहाँ से सबसे ज़्यादा क्रिकेट आता है।

एक और चीज़। उस पंक्ति पर डोमेन लेबल लगा था — "cricket_asia"। यानी भौगोलिक टैग। जबकि चाहिए था फ़ॉर्मेट-लेबल। "एशिया" से यह पता नहीं चलता कि मैच पाँच दिन का था या बीस ओवर का। और दोनों की रणनीति, खिलाड़ी की भूमिका और हर बेंचमार्क अलग हैं। यह चूक छोटी लगती है; असल में यही सबसे बड़ी है।

कोर

अब वह हिस्सा, जिसके लिए मुझे अपनी नोटबुक खोलनी पड़ी।

ऐसा विश्लेषण जिसमें आठों आयाम मौजूद हों पर अंदर कोई सामग्री न हो, दुर्लभ नहीं है। यह पाइपलाइन की एक ज्ञात विफलता-शैली है। मैंने इसे चार वजहों में तोड़ा, और चारों कुछ मिनटों में जाँची जा सकती हैं: मूल सामग्री टेक्स्ट नहीं थी (चित्र या वीडियो), पेवॉल के पीछे कटी हुई थी, अनुवाद में दम तोड़ गई, या किसी कंटेंट फ़िल्टर ने उसे ठुकरा दिया।

यहाँ एक अनुशासन ज़रूरी है। अगर कोई विश्लेषक दबाव में आकर "एशिया" टैग देखकर भारत-पाकिस्तान की कल्पित कहानी भर दे, तो वह विश्लेषण नहीं, गढ़ंत होगी। नियम सख़्त होना चाहिए — बिना एक भी ठोस सूचना-बिंदु के कोई निष्कर्ष नहीं।

स्कोरबुक सुर्ख़ी से पहले जवाब दे रही थी। उस खाली पंक्ति ने तीन चेतावनियाँ दीं।

पहली, सबसे भारी: मौन गढ़ंत का जोखिम। जब इनपुट खाली हो, तो आउटपुट भरने का दबाव सबसे ज़्यादा होता है।

दूसरी: कवरेज-पूर्वाग्रह। अगर यह खालीपन स्रोत-भाषा और माध्यम के हिसाब से लगातार हो रहा है, तो हमारा अंतिम उत्पाद उसी बाज़ार को कम तौलेगा जो पूरे क्रिकेट का सबसे बड़ा ख़रीदार है।

तीसरी: सत्यनिष्ठा-स्क्रीनिंग। भ्रष्टाचार-रोधी, एसीयू, स्पॉट-फ़िक्सिंग, प्रतिबंध — इन शब्दों की जाँच हर बार चलनी चाहिए।

तीनों के नीचे एक ही लॉजिक है: पढ़ने की विफलता और खबर का न होना, दोनों का आउटपुट एक जैसा दिखता है, जबकि दोनों अलग घटनाएँ हैं।

अब वह बात जो मुझे सबसे ज़्यादा चुभती है। पढ़ने की विफलता बेतरतीब नहीं होती; वह भाषा, माध्यम और आउटलेट के हिसाब से क्रम में होती है। संख्या अपने आप में तटस्थ है; उसका चयन कभी तटस्थ नहीं होता।

इसका एक पुराना सबूत मेरे पास है। 2026 में, जब मैं लिवरपूल में सांख्यिकी पढ़ते हुए लंकाशायर काउंटी क्लब में अवैतनिक डेटा-सहायक था, मैंने ओल्ड ट्रैफर्ड के घरेलू मुक़ाबलों की 2,180 डिलीवरीज़ लॉग कीं — सीम की स्थिति, रिलीज़ की ऊँचाई, गेंद कहाँ पिच हुई। मैंने 2,180 गेंदें गिनीं, तब जाकर पैटर्न पर भरोसा किया। जून के ब्रेक के बाद तेज़ गेंदबाज़ टॉम बेली की नई गेंद की लंबाई करीब 0.6 मीटर छोटी हो गई थी। यह बारीक़ी किसी कमेंट्री में नहीं आई। उस पर लिखा मेरा 2,400 शब्दों का टुकड़ा 41,000 बार पढ़ा गया, और एक क्षेत्रीय संपादक का ईमेल आया — "आप कौन हैं?"

तब मैंने सीखा: संकेत वहीं मिलता है जहाँ कोई देख नहीं रहा होता — और ठीक वहीं पाइपलाइन उसे गिरा भी देती है।

नवंबर 2026 में मेरी डेस्क ने मुझे जेद्दा भेजा — आईपीएल की दो-दिवसीय महा-नीलामी, और मेरे हाथ में पर्स-ट्रैकिंग स्प्रेडशीट। जब पूरा कमरा ऋषभ पंत के 27 करोड़ के रिकॉर्ड सौदे को देख रहा था, मैं ट्रैक कर रहा था कि किस टीम के पास राइट टू मैच कार्ड बचा है और किसका बजट चुपचाप ख़त्म हो चुका है। हथौड़ा पड़ने से पहले मैंने रिटेंशन-नतीजे फ़ाइल कर दिए; अगली सुबह तीन एजेंटों के फ़ोन आए। कमरे में हर बड़ी संख्या सबके सामने थी। असली जानकारी उस कॉलम में थी जिसे कोई नहीं देख रहा था।

ओल्ड ट्रैफर्ड अपनी रसीदें ओवरों में रखता है, राय में नहीं। यही बात फ़रवरी 2026 में फिर टकराई, जब मैं टी-20 विश्व कप के छह हफ़्ते भारत और श्रीलंका में बिता रहा था — इंग्लैंड की व्हाइट-बॉल टीम के साथ चौदह नेट सेशन, नौ घरेलू उड़ानें, और हर टीम-होटल की लॉबी। मैं रोज़ ट्रेनिंग लोड, नींद के घंटे और डेथ-ओवर के निष्पादन की लॉग बनाता रहा। उसमें वह सहसंबंध निकला जिसे कोई छापना नहीं चाहता था: इंग्लैंड के सबसे ख़राब ओवर यात्रा-दिवस के तीसरे दिन आते थे।

मैंने वह खबर 48 घंटे रोक रखी, दो-स्रोत पुष्टि के लिए। लगभग गँवा दी — एक प्रतिद्वंद्वी ने वही कहानी निकाल दी। उस दिन मैंने अपना नियम बदला: बारह घंटे में पुष्टि करो, अड़तालीस में नहीं। जो लंबा लेख छपा, वह नतीजे से नहीं, मेरे ट्रेनिंग-लोड चार्ट से शुरू हुआ। तब से मैं टूर्नामेंट को ऐसे लिखता हूँ — लॉजिस्टिक्स की कहानी, जिसके साथ एक स्कोर जुड़ा है; न कि स्कोर की कहानी, जिसके इर्द-गिर्द रंग भरे गए हैं।

डेटा पाइपलाइन के साथ दिक़्क़त यही है कि वह अड़तालीस घंटे नहीं रुकती। वह कभी पुष्टि ही नहीं करती। वह बस खाली लौट आती है — और अगली सुबह उसी खाली पंक्ति पर काम शुरू हो जाता है।

उलटा कोण

यहीं वह निष्कर्ष आता है जो सबसे पहले नहीं निकलता।

आम धारणा कहती है कि दक्षिण एशिया की क्रिकेट कवरेज में जो कमी दिखती है, वह सामग्री की कमी है। सच उलटा है। सामग्री की आपूर्ति वहीं सबसे ज़्यादा है। जो कम है, वह है उस सामग्री का तोड़े जा सकना। खाली पंक्ति का मतलब "यहाँ कुछ था ही नहीं" नहीं है; उसका मतलब है "जो था, वह हमारी मशीन से गुज़र नहीं सका"।

फुटबॉल में साठ फ़ीसदी पज़ेशन का जो हाल है, वही हाल यहाँ खाली कॉलम का है। दोनों एक ही भ्रम बनाते हैं: संख्या मौजूद है, इसलिए उसका कोई मतलब भी होगा। दोनों में सच यह है कि संख्या का स्वरूप ही उसका अर्थ है। लगातार साइडवेज़ पास से भरा पज़ेशन कुछ नहीं बनाता — और "N/A" अपने आप में एक डेटा-बिंदु है, बस वह हमारी नाकामी का डेटा-बिंदु है, मैच का नहीं।

दूसरा उलटा कोण और भी असहज है। खाली इनपुट साफ़ चरित्र-प्रमाणपत्र नहीं होता। भ्रष्टाचार-रोधी जाँच को अलर्ट न मिलना और जाँच का चलना ही न होना, दो अलग बातें हैं। एक अनपढ़ पन्ना चुप रहता है — वह निर्दोष नहीं, बस अनपढ़ है।

तीसरा: टैक्सोनॉमी की चूक। "क्रिकेट_एशिया" जैसा भौगोलिक लेबल फ़ॉर्मेट की जगह नहीं ले सकता। यह तकनीकी बात लगती है, पर यही फ़्रेमिंग-बहाव की जड़ है — वही बहाव जो भारत के मैच को ब्रिटेन के डेस्क से पढ़ते समय ग़लत कहानी बना देता है।

टेकअवे

मेरी नोटबुक में अब एक नया कॉलम जुड़ गया है: खाली लौटने वाली पंक्तियों की गिनती, स्रोत-भाषा और माध्यम के हिसाब से। नोटबुक वह लय याद रखती है जो भीड़ भूल जाती है। शर्त सीधी है — अगर किसी एक श्रेणी में खालीपन की दर बाक़ी सबसे ऊपर निकलती है, तो वह खबर की अनुपस्थिति नहीं, हमारी पढ़ने की विफलता है। और अगर सुधार के बाद पुरानी खाली पंक्तियों से सामग्री सत्तर फ़ीसदी से कम बार लौटे, तो मामला डेटा का नहीं, इंजीनियरिंग का है।

मेरे सामने एक ही सवाल टिका है, और वह आँकड़ों का नहीं है। अगली बार जब वही खाली पंक्ति सामने आए — तो हम यह कैसे तय करेंगे कि उस मैच में कुछ हुआ ही नहीं था, या हमने उसे पढ़ना बंद कर दिया था?