खाली डेटा पर गहरा विश्लेषण नहीं बनता: क्रिकेट न्यूज़रूम में स्टेज-1 फेलियर की असली कीमत

पिछले हफ़्ते एक परिचित ईमेल आया। एक छोटे डिजिटल क्रिकेट प्लेटफ़ॉर्म के एडिटर ने लिखा कि उनकी नई ऑटोमेटेड पाइपलाइन ने तीन एशियाई क्रिकेट सीरीज़ पर "स्टेज-1" पूरा कर लिया है, और क्या मैं उस पर गहरा विश्लेषण लिख सकता हूँ। अटैचमेंट खोला। शीर्षक — खाली। स्रोत — खाली। लेख का प्रकार — Unclassified। एक-वाक्य सारांश — खाली। सूचना बिंदुओं की सूची — खाली। पूरी शीट में सिर्फ़ एक सेल भरी थी: Domain Label — cricket_asia। मैंने कॉफ़ी का कप नीचे रखा और सोचा, यही तो पिछले तीस साल से देख रहा हूँ — नाइट डेस्क पर भी यही होता था, अब सर्वर पर हो रहा है। कोई कॉपी डेस्क पर कटा हुआ पैराग्राफ़ भेज देता था और कहता था, "इस पर आठ सौ शब्द लिख दो", और वरिष्ठ सब-एडिटर को पहले यह पूछना पड़ता था कि भाई, यह किस रिपोर्टर की कॉपी है, किस दिन की है, और क्या इसमें एक भी तथ्य बचा है। यहाँ वही सवाल मशीन ने पूछा है, बस उत्तर खाली है।

मेरी पहली reaction यह थी कि इस शीट पर एक शब्द भी लिखना पेशेवर ग़लती होगी। कोई अनुभवी विश्लेषक खाली इनपुट पर "गहरा विश्लेषण" नहीं बनाता; वह तथ्यों के ऊपर ढाँचा खड़ा करता है, और अगर तथ्य ही न हों तो ढाँचा हवा में लटकता है। लेकिन दूसरे दिन सुबह, जब मैं अपनी पुरानी A5 नोटबुक का पन्ना पलट रहा था — वही जिस पर मैंने 2026 में कैमरून की ऑफ़साइड लाइन और अर्जेंटीना के पीछे के तीन की आकृति खींची थी — तो सवाल बदल गया। असली ख़बर यह नहीं है कि स्टेज-1 फेल हुआ। असली ख़बर यह है कि एक क्रिकेट प्लेटफ़ॉर्म अपनी पूरी एनालिटिक्स चेन को एक ऐसी प्रणाली पर चला रहा है जिसके आउटपुट में कोई चेकपॉइंट नहीं है, और जिसकी विफलता उसे उसी दिन नहीं दिखती जिस दिन वह होती है। यह रिपोर्ट उसी की है — जो मैंने चार दशक नाइट डेस्क पर बैठकर सीखा, वही लॉजिक अब JSON फ़ील्ड्स पर लागू होता है।

पहले संदर्भ साफ़ कर लें। क्रिकेट कवरेज में ऑटोमेशन आज कोई भविष्य नहीं, यह डेस्क का रोज़मर्रा है। लाइव स्कोर फ़ीड, बॉल-बाय-बॉल डेटा, कमेंट्री ट्रांसक्रिप्ट, सोशल मीडिया मॉनिटरिंग — ये सब पहले से पाइपलाइन में हैं, और मैं यह स्वीकार करता हूँ कि कई जगह यह प्रणाली अच्छी तरह भी काम कर रही है। मेरे अपने न्यूज़लेटर का फ़ुटबॉल वर्टिकल 2026 में जिस वक़्त बंद हुआ था, उस वक़्त मैंने भी सोचा था कि डेटा-फ़र्स्ट वर्कफ़्लो में जाना होगा। लेकिन जो चीज़ बदलती नहीं, वह है तथ्य की जाँच की अनिवार्यता। एक स्कोरकार्ड में पाँच ओवर की ग़लती भी अगर कॉपी डेस्क से निकल जाए, तो पाठक का भरोसा एक बार में टूट जाता है — और भरोसा वही पूँजी है जिस पर यह पेशा चलता है। अब सोचिए: शीर्षक खाली है, सारांश खाली है, सूचना बिंदु खाली हैं, और इस शून्य पर एक हज़ार शब्द का विश्लेषण बनाया जा रहा है। इसका मतलब यह है कि पाइपलाइन टूटी नहीं, बल्कि पाइपलाइन की विफलता को पकड़ने वाला कोई सेंसर ही नहीं लगाया गया।

और यहीं से असली तस्वीर बनती है। स्टेज-1 से मिली शीट में जो सबसे दिलचस्प चीज़ है, वह है खालीपन का विस्तार — यानी कौन-कौन से फ़ील्ड ख़ाली हैं, इसका एक पैटर्न। देखिए: Article Title गायब है। Source गायब है। Article Type "Unclassified" है — यानी कोई भी श्रेणी जिसमें इसे रखा जाए, नहीं मिली। One-sentence Summary खाली है, Author Stance खाली है, Information Points खाली हैं, Time Sensitivity का आकलन ही नहीं हुआ, और Source Quality का कोई ग्रेड ही नहीं है क्योंकि जाँचने के लिए कोई स्रोत ही नहीं। अब ध्यान दीजिए कि यह पैटर्न बताता है कि विफलता कहाँ से शुरू हुई। अगर सिर्फ़ शीर्षक गायब होता और सूचना बिंदु भरे होते, तो मामला "फ़ाइलनेमिंग" का होता। अगर सिर्फ़ सारांश खाली होता और स्रोत मौजूद होता, तो मामला सारांश-जनरेशन का होता। यहाँ पूरा ब्लॉक शून्य है — शीर्षक से लेकर सूचना बिंदुओं तक। इसका मतलब है कि फ़ीड कहीं ऊपर की ओर, ग्राहक (fetch) के स्तर पर या उसके ठीक बाद, ख़ाली आया। यह मेरे लिए एक जानी-पहचानी स्थिति है: अगर पे-वॉल वाला पेज खुल गया लेकिन बॉडी टेक्स्ट लोड नहीं हुआ, या JavaScript से बना पेज स्क्रैपर को सिर्फ़ नेविगेशन और विज्ञापन थमा गया, तो नीचे की हर प्रक्रिया मासूम बनी रहती है। मॉडल को जो मिला, वह सचमुच खाली था।

मैं यह पैराग्राफ़ इसलिए जोड़ रहा हूँ क्योंकि यहाँ एक और संभावना को खुलकर रखना ज़रूरी है, वरना मैं वही ग़लती करूँगा जिसकी मैं आलोचना कर रहा हूँ — हर विफलता को संरचनात्मक गड़बड़ी मान लेना। Null hypothesis यह है: हो सकता है कि मूल कॉपी में ही शायद ऐसा कुछ नहीं था जिसे निकाला जा सके — जैसे कोई केवल फ़ोटो-आधारित स्टोरी, या ट्वीट-स्टोरी जिसमें कैप्शन ही बॉडी थे, या कोई ऐसा पेज जो मूल रूप से पीडीएफ़ था और ओसीआर चला ही नहीं। इन स्थितियों में "फेलियर" शब्द पूरी तरह सही नहीं है; मामला इनपुट-फ़ॉर्मैट का है। लेकिन ध्यान दीजिए — इन दोनों का इलाज एक ही है: पाइपलाइन के गेट पर एक ऐसा चेक जो खाली आउटपुट को आगे न जाने दे। चाहे वजह ग्राहक की विफलता हो या इनपुट का स्वरूप, आउटपुट एक ही है: एक ऐसी शीट जो आगे के हर निष्कर्ष को दूषित कर देगी।

यहीं से आता है वह हिस्सा जिसे मैं ठेठ एडिटर की तरह देखता हूँ, न कि इंजीनियर की तरह। स्टेज-1 और स्टेज-2 के बीच जो सबसे ज़रूरी सवाल है, वह टेक्निकल नहीं, संस्थागत है: जिस क्षण एक सिस्टम कहे कि मेरा आउटपुट तैयार है, उसी क्षण कोई इंसान उसे "तैयार" मान लेता है। ऐसा नहीं होना चाहिए। मेरी नोटबुक का तरीक़ा यह था कि जब तक पन्ने पर मैदान की आकृति पूरी न हो जाए, मैं नतीजा नहीं लिखता — और वही अनुशासन यहाँ भी लागू होता है। अगर आपके पास शीर्षक नहीं है, तो आपके पास विषय नहीं है। अगर सूचना बिंदु नहीं हैं, तो आपके पास तथ्य नहीं हैं। और अगर स्रोत नहीं है, तो आपके पास यह तय करने का कोई आधार नहीं है कि यह जानकारी कितनी भरोसेमंद है। इन तीनों के बिना "गहरा विश्लेषण" शब्द का इस्तेमाल करना वैसा ही है जैसे बिना फ़ुटेज फ़ुटबॉल मैच की टैक्टिकल ब्रेकडाउन बनाना — काग़ज़ पर भी कुछ लिखा जा सकता है, लेकिन वह फ़ुटेज नहीं होगा।

अब वह कोण, जो मुझे सबसे ज़्यादा चुभता है। इस पूरे मामले में कोई भी सिंगल खिलाड़ी, कोई भी मैच, कोई भी सीरीज़ का नतीजा शामिल नहीं है। फिर भी यह एक स्पोर्ट्स न्यूज़ की समस्या है, और मेरे विचार में इस वक़्त क्रिकेट मीडिया की सबसे बड़ी छिपी हुई समस्या भी। क्योंकि दर्शक अब जिस "विश्लेषण" को पढ़ रहे हैं, उसका एक बढ़ता हिस्सा इन्हीं ऑटोमेटेड स्टेजों से गुज़रता है, और दर्शक के पास यह जानने का कोई तरीक़ा नहीं है कि उस टुकड़े का आधार क्या था। अगर किसी लेख का इनपुट खाली था और आउटपुट आत्मविश्वास से भरा हुआ है, तो वह आत्मविश्वास एक डेटा-प्रॉडक्ट नहीं, एक भ्रम है। पाठक इसे पकड़ नहीं सकता, क्योंकि भाषा चिकनी होती है — और यही सबसे ख़तरनाक हिस्सा है। 2026 के दशक में मुझे कम से कम यह पता चल जाता था कि कौन-सी कॉपी किस रिपोर्टर ने भेजी है; अगर कोई रिपोर्टर किसी मैच में नहीं गया था, तो उसकी कॉपी की गंध दूर से पहचानी जा सकती थी। अब पाइपलाइन में वह गंध ही मिट गई है। सिस्टम आपको एक साफ़, सुव्यवस्थित, आत्मविश्वासी पाठ देता है, और आपको यह पता लगाने का कोई संकेत नहीं मिलता कि उस पाठ के नीचे कुछ भी नहीं था।

एक और बात। इस पूरी शीट में जो एकमात्र भरा हुआ फ़ील्ड था — Domain Label: cricket_asia — मुझे उसने सबसे ज़्यादा चौंकाया, और मेरे विचार में यही सबसे शिक्षाप्रद है। याद रखिए, यह लेबल एक निष्कर्ष नहीं है, बल्कि एक अनुमान है। इसके दो ही अर्थ हो सकते हैं। पहला, यह सचमुच एशियाई क्रिकेट से जुड़ी कोई सामग्री थी, और निष्कर्षण के ठीक पहले तक फ़ीड सही चल रहा था — यानी लेबल बचा रह गया, बाक़ी सब खो गया। दूसरा, यह लेबल ऊपरी स्तर का डिफ़ॉल्ट या ग़लत टैग था, जिसका मूल लेख से कोई लेना-देना नहीं। इन दोनों स्थितियों का इलाज अलग-अलग है, और इसी वजह से कोई भी समझदार विश्लेषक इस एक लेबल के आधार पर "एशियाई क्रिकेट का भूगोल" जैसा कोई लेख नहीं लिखेगा। मैंने अपने करियर में कई बार देखा है कि जब डेटा में सिर्फ़ एक टुकड़ा बचा हो, तो उस पर कहानी बनाने का लोभ बहुत तेज़ होता है। लेकिन यही लोभ सबसे बड़ी ग़लती का बीज है। एक लेबल तथ्य नहीं है; एक लेबल एक परिकल्पना है जिसे सत्यापन चाहिए। और जब सत्यापन के लिए कुछ भी न हो, तो सही काम है रुकना — कहानी बनाना नहीं।

तो अब आगे क्या? मैंने एडिटर से जो कहा, वह सीधा था: मूल लेख भेजो, या URL और उसका टेक्स्ट भेजो। मैं स्टेज-1 फिर से चलाऊँगा और तभी स्टेज-2 पर जाऊँगा। यह सबसे छोटा रास्ता है। अगर मूल लेख उपलब्ध नहीं है, तो सबसे पहले यह तय करना होगा कि विफलता किस स्तर पर हुई, और इसके लिए चार जाँच-बिंदु हैं। पहला: ग्राहक स्तर — कहीं ऐसा तो नहीं कि खाली बॉडी लौटी हो, क्योंकि एंटी-स्क्रैपिंग लगा था या पे-वॉल आड़े आया। दूसरा: सफ़ाई और चंकिंग का स्तर — कहीं पूरे टेक्स्ट को गलती से नेविगेशन या विज्ञापन मानकर छान नहीं दिया गया। तीसरा: मॉडल आउटपुट का स्तर — कहीं आउटपुट ट्रंकैट तो नहीं हुआ, या JSON पार्स होने के बाद फ़ील्ड खाली तो नहीं रह गए। चौथा: इनपुट का स्वरूप — अगर इनपुट ही कोई इमेज, पीडीएफ़ या नॉन-टेक्स्ट था और ओसीआर चला ही नहीं, तो सारा दोष इनपुट-पथ का है। इन चारों में से कोई भी एक कारण पर्याप्त है पूरी श्रृंखला को शून्य करने के लिए, और इसीलिए हर बिंदु पर एक स्वतंत्र लॉग रखना ज़रूरी है।

अगर यह मामला बैच-प्रोसेसिंग का है — और ज़्यादातर आधुनिक क्रिकेट प्लेटफ़ॉर्म पर यही होता है, दर्जनों स्टोरीज़ एक साथ गुज़रती हैं — तो मेरी सलाह साफ़ है: स्टेज-1 के निकास (exit) पर एक सत्यापन द्वार लगाइए। सरल नियम: अगर information_points खाली है या title खाली है, तो उस आइटम को extraction_failed के रूप में चिह्नित कर दीजिए और उसे आगे मत भेजिए। मुझे पता है कि यह सुनने में साधारण लगता है, और शायद किसी इंजीनियर को यह "बहुत देर से लगाया गया चेक" लगे। लेकिन नाइट डेस्क का सबक यही है: चेक देर से लगाना, चेक न लगाने से हमेशा बेहतर है। क्योंकि अगर खाली आइटम आगे चला गया, तो वह सिर्फ़ एक ख़राब स्टोरी नहीं बनाता — वह पूरे डाउनस्ट्रीम विश्लेषण को दूषित कर देता है। जिस दिन यह शीट एक विश्लेषक तक पहुँचती है, उस दिन विश्लेषक के पास दो ही रास्ते होते हैं: या तो वह सच बोले और पूरा काम रोक दे, या वह कुछ न कुछ लिख दे और अपनी साख दाँव पर लगा दे। पहला रास्ता पेशेवर है, दूसरा रास्ता आसान है। अच्छी प्रणालियाँ अपने कर्मचारियों को आसान रास्ता चुनने का मौक़ा ही नहीं देतीं।

जब मूल लेख मिल जाएगा, तो मैं जो चीज़ दूँगा, वह भी साफ़ है — और यह जानना ज़रूरी है क्योंकि विश्लेषण का मतलब सिर्फ़ राय नहीं होता। पहले, सूचना बिंदुओं को संरचित किया जाएगा — तथ्य, उद्धरण, डेटा और राय को अलग-अलग परतों में रखा जाएगा, ताकि पता चले कि कौन-सी चीज़ प्रमाण है और कौन-सी दावा। दूसरे, संस्थाओं और व्यक्तियों के बीच संबंधों का नक्शा बनेगा — कौन-सा बोर्ड, कौन-सा खिलाड़ी, कौन-सी सीरीज़, और समय-रेखा। तीसरे, लेखक की स्थिति और तर्क का ढाँचा खुलेगा — वह क्या कह रहा है, किस प्रमाण पर कह रहा है, और उसकी कौन-सी धारणा अनकही छूट गई है। चौथे, स्रोत की गुणवत्ता और समय-संवेदनशीलता का ग्रेड तय होगा, क्योंकि एक सात दिन पुरानी ख़बर और एक सात महीने पुरानी ख़बर का विश्लेषण एक जैसा नहीं हो सकता। और पाँचवें, उन विशिष्ट दावों की पहचान होगी जो कमज़ोर हैं और जिन्हें स्वतंत्र रूप से सत्यापित करना ज़रूरी है। यही वह लेजर है जो मैं हर स्टोरी पर लगाता हूँ, और यही वह चीज़ है जो एक विश्लेषक को सुर्ख़ियों के पीछे भागने वाले कमेंटेटर से अलग करती है।

मेरे पास 2026 से एक बाध्य A5 नोटबुक है, जिसमें हर मैच के लिए एक पन्ना है — लाल में ज़ोन, नीले में प्रेसिंग ट्रिगर, पेंसिल में ट्रांज़िशन लेन। उस नोटबुक ने मुझे एक चीज़ सिखाई जो किसी भी सॉफ़्टवेयर से ज़्यादा मायने रखती है: नतीजा लिखने से पहले पन्ना पूरा होना चाहिए। 2026 में जब मेरी पत्रिका "थर्ड हाफ़" बंद हुई और छह लाख बीस हज़ार रुपये के छपाई बिल बाक़ी रह गए थे, तब मैंने छह हफ़्ते कुछ नहीं लिखा। फिर मैंने एक स्प्रेडशीट बनाई — इकतालीस आउटलेट, नौ कॉलम। सिर्फ़ तीन बचे। यह वही सबक था: जब आपके पास शोर बहुत हो और सिग्नल कम, तो काम यह नहीं है कि आप शोर में से कुछ चुन लें। काम यह है कि आप एक ऐसा फ़िल्टर बनाएँ जो शोर को अंदर ही न आने दे। यह शीट इसी फ़िल्टर की कमी का सबूत है।

और यहीं मुझे एक चीज़ स्पष्ट रूप से कहनी है, क्योंकि मुझे लगता है कि क्रिकेट मीडिया इस वक़्त एक चौराहे पर खड़ा है और इस पर बात कम हो रही है। हम लगातार खिलाड़ियों के फ़ॉर्म, टीम संतुलन, पिच की प्रकृति और कप्तानी के फ़ैसलों पर बहस करते हैं — और ये बहसें ज़रूरी भी हैं। लेकिन उस पूरी बहस की नींव वह तथ्य है कि जो जानकारी हम पढ़ रहे हैं, वह सही है। अगर वह नींव ही कमज़ोर हो, तो बाक़ी सब बेमानी है। एक ऐसा विश्लेषण जो खाली इनपुट से बना है, चाहे उसकी भाषा कितनी ही साफ़ हो, वह क्रिकेट के बारे में कुछ नहीं बताता — वह सिर्फ़ उस प्रणाली के बारे में बताता है जिसने उसे बनाया। और अगर हम उस प्रणाली की जाँच नहीं करेंगे, तो अगले कुछ सालों में हमें यह पता ही नहीं चलेगा कि कौन-सा विश्लेषण सच्चा था और कौन-सा खोखला।

इसलिए मेरी सलाह उस एडिटर को, और उस पूरी टीम को जो आज किसी भी क्रिकेट प्लेटफ़ॉर्म पर ऐसी पाइपलाइन चला रही है, एक ही है: आज ही अपनी स्टेज-1 की आउटपुट शीट खोलिए और देखिए कि उसमें कितनी पंक्तियाँ ऐसी हैं जिनमें शीर्षक और सूचना बिंदु खाली हैं। यह संख्या आपको वह बता देगी जो कोई डैशबोर्ड नहीं बताता। और फिर आपसे एक सवाल: अगर आपकी प्रणाली कल एक खाली शीट को "तैयार" कहकर आगे भेज देती है, तो क्या आपको यह पता चलेगा — या आपको यह तब पता चलेगा जब पाठक आपसे पूछे कि यह लेख आख़िर किस मैच के बारे में था?