खाली सेल भी डेटा है: क्रिकेट-एशिया कवरेज का अधूरा रिकॉर्ड

जून 2026, ओवल। £45 की स्टैंडिंग टिकट, हाथ में मैच प्रोग्राम। पाकिस्तान ने 338/4 बनाया — फखर ज़मान 114 — और मोहम्मद आमिर ने रोहित शर्मा, विराट कोहली और शिखर धवन को तोड़कर भारत का टॉप थ्री 26 रन पर समेट दिया। भारत 158 पर ढेर। मेरे आस-पास हर कोई पिच को कोस रहा था। मैंने स्टैंड में स्प्रेडशीट खोली और मैच दूसरी कहानी सुनाने लगा। जो नंबर मेरे साथ घर आया वह 180 रन का अंतर नहीं था; वह यह था कि जैसे ही आमिर ने गेंद छह मीटर से आगे पिच की, भारत की स्कोरिंग रेट आधी हो गई।

पिछले हफ़्ते एक डेटाबेस ने मुझे उलटी दिशा से वैसा ही झटका दिया। क्वेरी से जो रिकॉर्ड लौटा, उसमें एक ही फ़ील्ड भरी थी — domain_label: cricket_asia। बाकी सब खाली। शीर्षक N/A, स्रोत N/A, प्रकार Unclassified, सारांश खाली, लेखक का पक्ष N/A, और सूचना बिंदु — शून्य। एंटिटी वाला निर्देश कहता था 'ऊपर दिए सूचना बिंदुओं से पहचानें', पर ऊपर कोई बिंदु ही नहीं था।

यह रिकॉर्ड एक पैटर्न है, कोई दुर्घटना नहीं। शीर्षक, स्रोत और प्रकार तीनों फेल हुए, जबकि डोमेन लेबल सफल रहा। यही संयोजन बताता है कि अपस्ट्रीम URL/टॉपिक क्लासिफ़ायर चला, लेकिन फ़ेच और एक्सट्रैक्ट चरण ढह गया — पेवॉल, जावास्क्रिप्ट से बना पेज, ब्लॉक किया गया अनुरोध, या खाली बॉडी। यानी यह 'अवर्गीकृत लेख' नहीं है; यह गुम लेख है। फ़र्क़ बड़ा है। अवर्गीकृत लेख पर बहस हो सकती है, गुम लेख पर नहीं।

क्रिकेट-एशिया का दायरा इतना चौड़ा है कि सिर्फ़ लेबल से पक्ष निकालना खतरनाक है। इसी बकेट में बीसीसीआई, पीसीबी और एशियन क्रिकेट काउंसिल की बोर्ड-राजनीति आती है, द्विपक्षीय शेड्यूलिंग आती है, आईपीएल की अर्थव्यवस्था आती है, और आईसीसी गवर्नेंस आती है। हर एक का पक्ष अलग दिशा में होता है। बोर्ड सर्कुलर की खबर और नीलामी की खबर को एक ही टोन में लिखना ग़लती है।

इस रिकॉर्ड में एक और तकनीकी गड़बड़ दिखती है। स्टेज-1 का निर्देश कहता है कि स्रोत की गुणवत्ता 'सूचना बिंदुओं के स्रोत फ़ील्ड से' आँकी जाए — जबकि सूचना बिंदु ही शून्य हैं। निर्देश अपने आप में अचल है। जहाँ निर्भरता टूटती है, वहाँ सही व्यवहार अनुमान लगाना नहीं, रिकॉर्ड को कतार में वापस भेजना है।

खुद से सवाल पूछिए: इस रिकॉर्ड के सचमुच 'अवर्गीकृत' होने के लिए क्या-क्या सच होना चाहिए? लेख मौजूद हो, पढ़ा गया हो, और फिर भी किसी बकेट में न बैठे। तीनों शर्तें एक साथ पूरी होने का कोई सबूत रिकॉर्ड में नहीं है। जो निष्कर्ष बचता है वह यह है: हमारा पाइप उस खबर तक पहुँचा ही नहीं।

2026 में मैंने इसी तर्क पर एक प्रयोग खड़ा किया था। बायो-सेक्योर विंडो में दर्शक नहीं थे, और मैंने हर फ़िक्स्चर कोड किया। इंग्लैंड के टेस्ट समर में होम-विन दर लगभग 55% से गिरकर 40% पर आई, और गिरावट चौथे दिन के आख़िरी सेशन में केंद्रित थी — वही घंटा जो ऐतिहासिक रूप से सबसे शोरगुल वाला रहा है। खाली स्टेडियम बग नहीं था; वह मेरा सबसे साफ़ प्रयोग था। नमूना छोटा था, एक ही गर्मी थी, पिच और ड्यूक बॉल के असर को मैं पूरी तरह अलग नहीं कर पाया — यह सीमा मैंने उसी थ्रेड में लिखी, जिसके बारह पोस्ट 40,000 लोगों तक और एक लंदन डेटा फर्म के विश्लेषक तक पहुँचे।

2026 में उसी आदत ने मुझे चार गुस्से वाले पाठक दिए। इंग्लैंड में भारत 4-1 हारा, विराट कोहली ने 593 रन 59.30 की औसत से बनाए और फिर भी हारे। प्लेयर ऑफ द सीरीज़ सैम करन गए — 272 रन और 11 विकेट। मैंने रन और विकेट को मैच-स्टेट लीवरेज से गुणा किया; करन का योगदान कोहली से आगे निकला। जिस दिन वह ब्लॉग छपा, 200 लोगों ने पढ़ा और चार ने गाली दी। तब से मेरा एक नियम है: विधि, नमूना और सीमा उसी टुकड़े में छपेगी जिसमें निष्कर्ष छपेगा।

अब वही नियम इस खाली रिकॉर्ड पर लगाइए। शून्य सूचना बिंदुओं पर लीवरेज एडजस्टमेंट नहीं होता। यह वैसा ही है जैसे स्कोरकार्ड में रन दर्ज हों पर मैच की स्थिति ही न हो — आप बता ही नहीं सकते कि वे 150 रन किसी बचाव के थे या किसी तेज़ शुरुआत के।

और यहाँ असली बात आती है: गायब सेल बेतरतीब नहीं गिरते। जो स्रोत एक्सट्रैक्टर तोड़ते हैं, वे अक्सर बोर्डों के पीडीएफ सर्कुलर होते हैं, उर्दू, बांग्ला या तमिल की रिपोर्टिंग होती है, जावास्क्रिप्ट से बने बोर्ड साइट होते हैं, या पेवॉल के पीछे बंद अंग्रेज़ी अख़बार। यानी कवरेज का जो हिस्सा संस्थागत है, ग़ैर-अंग्रेज़ी है और एपीआई-रहित है, वही सबसे पहले कटता है। मेरे पास यह कहने का बड़ा डेटासेट नहीं है — यह अवलोकन है, निष्कर्ष नहीं — पर दिशा साफ़ है। खाली सेल की दर खुद एक मापने योग्य संकेतक है, बशर्ते पाइप उसे दर्ज करे।

जो सुधार तुरंत लागू हो सकता है: प्रकार के साथ extraction_status फ़्लैग रखा जाए — fetched, blocked, empty, parsed। 'Unclassified' और 'कुछ नहीं मिला' को एक ही खाने में मत रखिए। दूसरा गेट: अगर सूचना बिंदु शून्य हैं तो स्टेज-2 आगे न बढ़े, रिकॉर्ड कतार में लौटे। विश्लेषण जैसा दिखने वाला रिकॉर्ड, जो असल में विश्लेषण है ही नहीं, सबसे महँगी गलती है।

खबर के अस्तित्व पर सवाल नहीं उठ रहा। सवाल हमारी पहुँच पर है। सहसंबंध और कारण में फ़र्क़ है: खाली रिकॉर्ड हमारी विफलता साबित करता है, उस घटना का खंडन नहीं करता।

असली खतरा खाली सेल नहीं, उसे भरने की जल्दबाज़ी है। जब डेटा न हो तो सबसे आसान काम है एक ऐसा वाक्य लिख देना जो सुनने में ठोस लगे — 'माहौल बदल गया', 'दबाव में टीम लड़खड़ाई'। यही अनफ़ॉल्सिफ़ाएबल वाइब्स हैं। यहाँ तक तकनीकी पाइपलाइन में वही लत दिखी: क्लासिफ़ायर ने लेबल भर दिया, जैसे लेबल से कंटेंट का बहाना बन जाएगा।

दूसरी तरफ़ एक ईमानदार चोट भी है। पूरा डेटाबेस बनाने की ज़िद में वह सब कट सकता है जो टेरेस और रीजनल कमेंट्री बॉक्स में ज़िंदा है। ओवल में मेरे बगल में खड़े आदमी ने पिच को कोसा था। मेरी स्प्रेडशीट में उस अवलोकन के लिए कोई कॉलम नहीं था — और फिर भी छह मीटर से आगे पिच होने पर स्कोरिंग रेट आधी होने का नंबर अपनी जगह खड़ा रहा। दोनों को साथ रखिए, बिना एक को दूसरे से हराए।

आगे क्या देखना है, यह साफ़ है। अगले आईसीसी बैठक-चक्र से पहले देखिए कि बोर्डों के हिंदी, उर्दू और बांग्ला सर्कुलर आर्काइव में दर्ज होते हैं या नहीं, और क्या हर रिकॉर्ड अपना extraction_status साथ लाता है। सवाल यह नहीं कि हमारा डेटाबेस कितना बड़ा है। सवाल यह है: अगर यह आर्काइव एक हिंदी प्रेस रिलीज़ भी नहीं रख सकता, तो यह किसका क्रिकेट सहेज रहा है?