शून्य सूचना-बिंदु पर गहरा विश्लेषण नहीं बनता: क्रिकेट एनालिटिक्स में एक खाली पाइपलाइन का ऑडिट

पिछले हफ़्ते डेस्क पर एक डीकंस्ट्रक्शन फ़ाइल आई। शीर्षक N/A। स्रोत N/A। प्रकार अनवर्गीकृत। एक-पंक्ति सारांश खाली। लेखक का रुख N/A। उद्देश्य N/A। और सूचना-बिंदुओं की संख्या — शून्य। उस पूरी फ़ाइल में केवल एक चीज़ ज़िंदा थी: एक टैक्सोनॉमी टैग, cricket_asia। 2026 के चेपॉक TNPL फ़ाइनल में, सत्रह साल की उम्र में, मैंने 96 गेंदों की एक शीट भरी थी — रिलीज़ पॉइंट, ट्रिगर मूवमेंट, कवर और बैटर के बीच का फ़ासला। तब एक लोकल कोच ने उसे "स्कूलगर्ल ज्यामिति" कहकर ख़ारिज किया था, और मैंने तीन हफ़्ते तक उसे टीवी रीप्ले से मिलाकर जाँचा। उसी अनुशासन से मैं आज यह कहती हूँ: जहाँ गेंद नंबर दर्ज नहीं है, वहाँ "लगा कि भ्रमित था" लिखना बेईमानी है। सात साल बाद वही नियम एक सॉफ़्टवेयर आउटपुट पर लागू होता है। जहाँ शून्य सूचना-बिंदु हैं, वहाँ विश्लेषण नहीं, ऑडिट होता है।

उस फ़ाइल की तालिका को जैसा है वैसा पढ़िए: शीर्षक का कोई विषय नहीं, इसलिए स्रोत-गुणवत्ता का कोई निर्णय संभव नहीं। स्रोत का कोई प्रोवेनेंस नहीं, इसलिए पक्षपात या विश्वसनीयता की जाँच का आधार नहीं। प्रकार अनवर्गीकृत, इसलिए शैली या रेटोरिकल फ़्रेम तय नहीं हो सकता। लेखक का रुख और उद्देश्य दोनों N/A, इसलिए यह बताना असंभव है कि लिखने वाला साबित करना चाहता था या खंडन। और सबसे ऊपर — सूचना-बिंदु शून्य। यह सारा साक्ष्य-आधार ही ग़ायब है। क्रिकेट की भाषा में कहूँ तो यह एक ऐसी स्कोरशीट है जिसमें ओवर कॉलम मौजूद है, गेंद कॉलम मौजूद है, पर हर खाना खाली है। आप उससे पावरप्ले रन-रेट नहीं निकाल सकते, क्योंकि निकालने के लिए जिन गेंदों की ज़रूरत है वे दर्ज ही नहीं हुईं।

स्टेज-1 और स्टेज-2 का फ़र्क़ यहीं समझ आता है। स्टेज-1 कच्चे टेक्स्ट से इकाइयाँ निकालता है — नाम, तारीख़ें, संख्याएँ, दावे, स्रोत-फ़ील्ड। स्टेज-2 उन इकाइयों पर तर्क खड़ा करता है। अगर स्टेज-1 ने कुछ भी नहीं निकाला, तो स्टेज-2 के पास कोई हर (denominator) ही नहीं बचता। 2026 में यूएई में जब मैं ब्रॉडकास्ट एनालिटिक्स डेस्क के लिए 60 मैच और 7,200 गेंदें कोड कर रही थी, तब एक बात पक्की हो गई थी: लॉग ही प्राथमिक दस्तावेज़ है, कहानी उसके बाद आती है। खाली स्टेडियमों ने शोर हटा दिया था पर टॉस-बायस नहीं; होम टीमों ने 52% मैच जीते — इतना छोटा बदलाव कि उसे "होम एडवांटेज की क्रांति" कहना झूठ होता। मैंने 12 पेज का आंतरिक मेमो कॉन्फ़िडेंस इंटरवल के साथ लिखा, क्योंकि नमूना छोटा था। यहाँ नमूना शून्य है। शून्य पर कॉन्फ़िडेंस इंटरवल भी नहीं बनता।

फ़ाइल के "अतिरिक्त नोट्स" में दो पंक्तियाँ ख़ुद को ही काटती हैं। पहली — "शामिल इकाइयाँ: ऊपर दिए सूचना-बिंदुओं से पहचानें।" ऊपर कोई सूचना-बिंदु है ही नहीं, तो पहचानने को कुछ नहीं। दूसरी — "स्रोत गुणवत्ता: सूचना-बिंदुओं के स्रोत-फ़ील्ड से आँकें।" सूचना-बिंदु नहीं, तो स्रोत-फ़ील्ड नहीं। यह चक्रीय निर्देश है, जिसका कोई संदर्भ नहीं। यह जानबूझकर पतली सामग्री वाला लेख नहीं है; यह एक ऐसा स्टेज-1 रन है जिसने कुछ भी निकाला ही नहीं और डिफ़ॉल्ट मान छाप दिए। इन दोनों को मिलाकर देखें तो नतीजा साफ़ है — यह श्रेणी-त्रुटि होगी अगर हम इसे "कम सामग्री वाला असली डीकंस्ट्रक्शन" मानकर उस पर गहरा विश्लेषण थोप दें।

बचा हुआ एकमात्र संकेत cricket_asia है — एक अकेला टैक्सोनॉमी टैग, जिसके पीछे कोई सहायक टेक्स्ट नहीं। यह असत्यापनीय है, और तीन तरह से समझा जा सकता है। एक, यह एशियाई बोर्डों, लीगों या टीमों से जुड़े क्रिकेट लेख का वैध विषयगत वर्गीकरण है। दो, यह वह फ़ॉलबैक डिफ़ॉल्ट है जो क्लासिफ़ायर को कोई टेक्स्ट मिलने ही न देने पर सौंपा जाता है। तीन, यह शीर्षक या URL के किसी एक कीवर्ड पर हुआ फ़ज़ी मैच है, जो आउटपुट तक पहुँचा ही नहीं। एक भी सूचना-बिंदु के बिना मैं इन तीनों में फ़र्क़ नहीं कर सकती। एक अकेला टैक्सोनॉमी टैग टीम, टूर्नामेंट, बोर्ड, खिलाड़ी या समय-अवधि के किसी भी दावे का लंगर नहीं बन सकता। मेरा अपना नियम है: ट्रेंड और नमूना-आकार एक ही वाक्य में छपते हैं, और तय सीमा से नीचे की हर चीज़ को पाठ में ही "अनंतिम" लिखा जाता है। यहाँ नमूना शून्य है, इसलिए ट्रेंड नाम की कोई चीज़ नहीं।

असली ख़तरा खाली आउटपुट नहीं है। खाली आउटपुट से बड़ा ख़तरा उसे भरने का लोभ है। एशियाई क्रिकेट का जानकार कोई भी विश्लेषक यहाँ एक विश्वसनीय लेख दोबारा रच सकता है और फिर उसकी आलोचना कर सकता है। पर तब वह उस टेक्स्ट पर टिप्पणी कर रहा होगा जिसे उसने देखा ही नहीं, और नतीजे ऐसे लेखक के नाम दर्ज कर रहा होगा जिसका रुख N/A है। यह अनुमान नहीं, मनगढ़ंत है — और सबसे भयानक बात यह है कि इसकी ग़लती पकड़ में नहीं आएगी, क्योंकि खंडन करने के लिए कोई सूचना-बिंदु मौजूद ही नहीं। क्रिकेट कवरेज में यह वही प्रवृत्ति है जो "मोमेंटम" पैदा करती है: जहाँ डेटा में गड्ढा दिखा, वहाँ कहानी भर दी गई। पाँच पारियों के डेथ-ओवर आँकड़े को पैटर्न कहना आसान है, क्योंकि ऊपर जाती साफ़ रेखा देखने में अच्छी लगती है। अनुशासन यही है कि नमूना, बेसलाइन और शर्त एक ही साँस में लिखे जाएँ — और अगर दावा इस जाँच में नहीं टिकता, तो उसे छापना ही नहीं चाहिए।

इस फ़ाइल को खोलने के लिए कम-से-कम क्या चाहिए, उपयोगिता के घटते क्रम में। पहला, लेख का कच्चा टेक्स्ट या उसका ठोस अंश — तब मैं स्टेज-1 और गहरा विश्लेषण एक ही पास में कर सकती हूँ और मौजूदा डोमेन लेबल को क्रॉस-चेक कर सकती हूँ। दूसरा, शीर्षक, स्रोत और प्रकाशन तिथि — इतना ही प्रकार-वर्गीकरण, प्रोवेनेंस आकलन और समय-संवेदनशीलता चिह्नित करने के लिए काफ़ी है। तीसरा, तीन से पाँच सूचना-बिंदु भी — इकाइयाँ पहचानने और तर्क की जगह तय करने के लिए पर्याप्त। साथ में एक्सट्रैक्शन साइड पर यह जाँचना ज़रूरी है: जावास्क्रिप्ट से रेंडर होने वाले या पेवॉल वाले पेज, ग़ैर-लैटिन लिपि या मिश्रित-भाषा सामग्री, और PDF या इमेज-आधारित स्रोत — स्टेज-1 के सर्व-डिफ़ॉल्ट नतीजे के यही आम कारण हैं। इनमें से कोई भी लागू हो, तो मैनुअल मेहनत से पहले दोबारा एक्सट्रैक्शन चला कर पाइपलाइन ठीक हो जाएगी। ग्रिड पहले से मौजूद था; यहाँ पहली गेंद ही दर्ज नहीं हुई थी। अगली बार जब कोई डीकंस्ट्रक्शन सब-डिफ़ॉल्ट लौटाए, तो सही जवाब लंबा विश्लेषण नहीं है — सही जवाब छोटा सवाल है: कौन-सा फ़ील्ड विफल हुआ, और उसे भरने के लिए क्या चाहिए।