खाली एक्सट्रैक्शन: क्रिकेट डेटा पाइपलाइन में जहां तथ्य गायब हुए

बेंगलुरु में एक क्रिकेट डेटा पाइपलाइन रुकी हुई है, और रुकने की वजह कोई स्कोरकार्ड विवाद नहीं, बल्कि एक खाली शेल है। स्टेज-1 डीकंस्ट्रक्शन का नतीजा आया — शीर्षक N/A, स्रोत N/A, लेख का प्रकार अपरिभाषित, एक-वाक्य सारांश खाली, लेखक का रुख N/A, उद्देश्य N/A। सबसे बड़ी खाई सूचना-बिंदुओं की सूची में है: वह पूरी तरह खाली है। यानी न तथ्य, न आंकड़े, न उद्धरण, न इकाइयां, न घटनाएं। जो एकमात्र संकेत बचा है वह डोमेन लेबल cricket_world है — विषय क्रिकेट है, बस इतना। प्रारूप कौन-सा, प्रतियोगिता कौन-सी, समय-सीमा क्या, तर्क क्या — तीनों सवाल अनुत्तरित हैं। पिछले कुछ वर्षों में क्रिकेट कवरेज की जो खबरें मेरे डेस्क तक आती रही हैं, उनमें एक बात बार-बार दोहराई गई है: डेटा-संचालित रिपोर्टिंग की ताकत उसके स्रोत-अनुशासन में है, और उसकी कमजोरी उसी अनुशासन के टूटने में। जब किसी लेख की इकाइयां, तथ्य और समय-सीमा तीनों गायब हों, तो विश्लेषण नहीं होता — अनुमान होता है। क्रिकेट में इसका सीधा उदाहरण स्कोरकार्ड है: ओवर-दर-ओवर रिकॉर्ड के बिना मैच का पुनर्निर्माण असंभव। वही नियम पाइपलाइन पर लागू होता है। तकनीकी नजरिए से देखें तो खाली सूचना-बिंदु सूची का मतलब आमतौर पर दो चीजों में से एक होता है — या तो स्क्रेप/पार्स विफल रहा, या इनपुट लेख ही नहीं था। दोनों स्थितियों में डाउनस्ट्रीम विश्लेषण का कोई आधार नहीं बचता। इस स्थिति में विश्लेषण का दिखावा करना सबसे बड़ा जोखिम है, क्योंकि दावे, साक्ष्य-गुणवत्ता, रुख और विश्वसनीयता — सब काल्पनिक होंगे और फिर भी आधिकारिक दिखेंगे। किसी भी ऑडिट में यह सबसे बुरी स्थिति है: खाली बहीखाते को साफ बहीखाता मान लेना। इसलिए प्रक्रिया स्पष्ट है। पहले वह न्यूनतम इनपुट जुटाया जाए जो विश्लेषण-योग्य हो। प्राथमिकता क्रम में: सूचना-बिंदु स्वयं (हर तथ्य अलग-अलग), शीर्षक और स्रोत और प्रकाशन तिथि, लेख का प्रकार (मैच रिपोर्ट/प्रीव्यू/ओपिनियन/फीचर/चयन समाचार), लेखक का रुख और उद्देश्य, और अंत में इकाइयां — टीमें, खिलाड़ी, बोर्ड, प्रतियोगिताएं, स्थल, तिथियां। इनके आने पर जो ढांचा लागू होगा वह पहले से तय है: दावों का विघटन (तथ्यात्मक, मूल्यांकनात्मक और भविष्यसूचक दावों को अलग करना), साक्ष्य-लेखा (हर दावे के लिए प्राथमिक स्रोत है या नहीं), स्रोत-गुणवत्ता, रुख और फ्रेमिंग, इकाई-नक्शा, समय-संवेदनशीलता और आंतरिक सुसंगतता। हर निष्कर्ष के साथ भरोसे का स्तर स्पष्ट रहेगा। जहां तक क्रिकेट पाइपलाइनों की बात है, यह घटना अकेली नहीं है। बोर्ड की प्रेस विज्ञप्तियां, आईपीएल नीलामी पर्चे और प्रसारण फाइलिंग — इन तीनों स्रोतों से गुजरने वाली हर सामग्री की एक अनिवार्य शर्त है: तथ्य किसी एक प्राथमिक दस्तावेज से ट्रेस होना चाहिए। जिस क्षण वह ट्रेस खत्म होता है, विश्लेषण विफल होता है, चाहे आउटपुट कितना भी परिष्कृत दिखे। आगे का संकेत यही है: अगली बार जब कोई डेटा-रिपोर्ट टेबल आपके सामने आए और उसमें सूचना-बिंदुओं की सूची खाली हो, तो उसे कंटेंट की समस्या नहीं, प्रक्रिया की समस्या मानें। खाली सूची एक डेटम है, अनुपस्थिति नहीं।