खाली स्टेडियम, गूंजता माइक: फुटबॉल की डेटा-चेन में एक स्टेज-1 रिपोर्ट की खामोशी

रिपोर्टिंग सिस्टम में एक पुरानी बीमारी है — जब फाइल घूमती है तो अक्सर खबर नहीं होती और खबर होती है तो फाइल नहीं। पिछले हफ्ते मेरे सामने एक स्टेज-1 आउटपुट आया जिसमें 'Domain Label: football' साफ-साफ छपा था और बाकी हर जगह 'N/A'। शीर्षक खाली, स्रोत खाली, सारांश खाली, सूचना-बिंदुओं की सूची खाली। जैसे कमेंट्री बॉक्स में हेडसेट पहना दिया गया हो, लेकिन फीड कट चुका हो। दर्शक वहीं थे, आवाज़ कहीं और। खेल पत्रकारिता में तीन दशकों में मैंने ऐसा कई बार देखा है: फॉर्म भरा हुआ लौटता है, लेकिन फॉर्म में कुछ भी नहीं लिखा होता।

पिछले सप्ताह के इस मामले को समझने के लिए यह जानना ज़रूरी है कि स्टेज-1 पाइपलाइन में क्या होता है। किसी भी फुटबॉल खबर के डिजिटल प्रोसेसिंग का पहला चरण चार काम करता है: यूआरएल से पेज फेच करना, पेज से मुख्य लेख निकालना, लेख से सूचना-बिंदु (इनफॉर्मेशन पॉइंट्स) बनाना, और उन बिंदुओं से एंटिटीज़, समय-संवेदनशीलता और स्रोत की गुणवत्ता तय करना। यह वही चेन है जिस पर आज हर मैच रिपोर्ट, हर ट्रांसफर अपडेट और हर प्रेस कॉन्फ्रेंस का डिजिटल संस्करण टिका है। क्लबों के मीडिया डेस्क से लेकर बड़े न्यूज़रूम्स तक, हर जगह यह चेन काम कर रही है। अगर पहली कड़ी खाली लौटती है तो नीचे की हर कड़ी हवा में लटकी रहती है — और खतरनाक बात यह है कि सिस्टम इसे 'सफल' मान लेता है।

मुझे यह बात 2026 के गचीबोवली स्टेडियम की याद दिलाती है। अफ्री-एशियाई खेलों के फुटबॉल पूल में तीस हज़ार सीटों वाले स्टेडियम में दो हज़ार से कम लोग बैठे थे, और मैं उस शाम बॉरो किए माइक से स्कोरबोर्ड की जगह पूर्वी स्टैंड के एक अकेले ढोल की आवाज़ बता रहा था। उस अनुभव ने मुझे सिखाया था कि खाली डेटा भी एक तरह की कहानी होती है — बस उसे पहचानने वाला चाहिए। लेकिन पुराने दिनों में खाली पन्ना किसी इंसान के हाथ में होता था जो लौटकर दोबारा लिख सकता था। आज के पाइपलाइन में खाली पन्ना सिस्टम से 'पास' होकर आगे चला जाता है, और नीचे की टीम को लगता है कि काम हो गया।

इस स्टेज-1 रिपोर्ट की असली समस्या सिर्फ़ खाली फ़ील्ड नहीं है। सबसे बड़ी खामी आंतरिक विरोधाभास है। लेख का मुख्य भाग निकालना साफ़ तौर पर विफल रहा — शीर्षक, स्रोत, सारांश, सब खाली — लेकिन डोमेन लेबल 'football' सफलतापूर्वक आ गया। इसका मतलब साफ़ है: डोमेन क्लासिफायर और बॉडी एक्सट्रैक्टर एक ही इनपुट नहीं पढ़ रहे। आमतौर पर ऐसा तब होता है जब डोमेन लेबल यूआरएल या मेटाडेटा से अनुमान लगाता है, जबकि बॉडी एक्सट्रैक्शन को खाली टेक्स्ट मिलता है। यानी एक ही दस्तावेज़ के दो हिस्से दो अलग-अलग सच बता रहे हैं। मेरे अनुभव में, 2026 में जब मैं अखिल भारतीय फुटबॉल महासंघ के संचार विभाग में था, तब भी ऐसी ही चीज़ें देखीं — रिपोर्ट में 'पूर्ण' लिखा होता था और फ़ाइल में कुछ नहीं होता था। तब भी सवाल यही था: कौन सत्यापित कर रहा है?

दूसरी बड़ी समस्या यह है कि 'Additional Notes' में नतीजा नहीं, निर्देश लिखा आया — 'identify from the information points above' जैसा वाक्य। यह टेम्पलेट वेरिएबल के भरे ही न होने का संकेत है। यानी ऊपर कहीं कोई अपवाद (exception) दबा दिया गया, और पाइपलाइन ने उसे निगलकर सफलता का झूठा संकेत लौटा दिया। यह फुटबॉल डेटा उद्योग की उस बीमारी का छोटा रूप है जिस पर मैं लगातार लिखता आया हूँ — लाइव डेटा बेटिंग कंपनियों को बेचने की जल्दबाज़ी में सत्यापन की परतें हटा दी जाती हैं, और फिर 'डेटा' कहकर अधूरी चीज़ें आगे बढ़ा दी जाती हैं। जब सूचना-बिंदु ही नहीं हैं तो स्टेज-2 का कोई भी विश्लेषण — खिलाड़ी की स्थिति, ट्रांसफर की विश्वसनीयता, कोच का बयान — सब अनुमान बन जाता है। और अनुमान को विश्लेषण कहकर छापना पत्रकारिता नहीं, शोर है।

सुधार की दिशा साफ़ है और उसे मैं सीधे शब्दों में रखना चाहता हूँ। पहला, फेचिंग परत जाँचो — एचटीटीपी स्टेटस, पेवॉल या एंटी-बॉट रुकावट, और क्या रिस्पॉन्स केवल जावास्क्रिप्ट का खोल था। दूसरा, बॉडी एक्सट्रैक्शन की लंबाई नापो — 200 अक्षरों से कम निकले तो उसे विफल मानो। तीसरा, डोमेन क्लासिफायर का इनपुट जाँचो — वह यूआरएल से 'football' निकाल रहा है या मुख्य पाठ से। चौथा, और सबसे ज़रूरी, पाइपलाइन की त्रुटि-प्रबंधन (error handling) ठीक करो — सूचना-बिंदु खाली हों तो स्टेज-1 को स्पष्ट रूप से विफल घोषित करो, चुपचाप 'पूर्ण' का खोल लौटाना बंद करो। यही वह जगह है जहाँ असली सुधार की ज़रूरत है, क्योंकि गलती को छिपाने वाला सिस्टम गलती से भी ज़्यादा खतरनाक होता है।

दोबारा चलाने से पहले स्वीकृति के मानक भी तय होने चाहिए। स्टेज-1 को कम से कम यह देना चाहिए: मूल यूआरएल या स्रोत की पहचान, निकाले गए पाठ की लंबाई जो न्यूनतम सीमा से ऊपर हो, और कम से कम तीन सूचना-बिंदु — हर एक में सामग्री, स्रोत-फ़ील्ड और समय-एंकर। अगर वाकई निकालना असंभव है तो स्पष्ट 'status: failed' और कारण लौटाओ। यह माँग मैं इसलिए कर रहा हूँ क्योंकि पिछले दो दशकों में मैंने देखा है कि जो संस्थाएँ अपनी विफलता को नाम नहीं देतीं, वे अपनी सफलता भी साबित नहीं कर पातीं।

अगर दोबारा चलाने का मौका न मिले तो ईमानदार रास्ता यही है कि साफ़ कह दिया जाए: सिर्फ़ 'डोमेन: फुटबॉल' के आधार पर जो भी दिया जा सकता है, वह किसी लेख का विश्लेषण नहीं, बल्कि फुटबॉल रिपोर्टिंग में आम एंटिटी प्रकारों, समय-संवेदनशीलता और स्रोत-ग्रेडिंग का एक ढाँचा है। ढाँचा काम का है, लेकिन उसे पाठ का प्रमाण मान लेना वही गलती है जो एक अधूरी रिपोर्ट को 'पूर्ण' कहकर आगे भेजने में है। असली फैसला यही है — डेटा लौटाकर दोबारा चलाना है, या ढाँचे को ढाँचा कहकर स्वीकार करना है।