दस में नौ फ़ील्ड ख़ाली लौटे: गोल्फ डेटा में असली ख़तरा मॉडल का नहीं, उसे भरने की जल्दबाज़ी का है

स्क्रीन पर टेम्पलेट पूरा था। दस इनपुट फ़ील्ड, नाम अपनी-अपनी जगह, और टिप्पणी वाला बॉयलरप्लेट भी वहीं अछूता पड़ा था — "identify from the information points above"। उनके सामने दस में से नौ जगह एक ही शब्द: N/A। बचा सिर्फ़ एक फ़ील्ड — डोमेन लेबल: golf। शीर्षक नहीं, मीडिया हाउस नहीं, प्रकाशन की तारीख़ नहीं, कोई खिलाड़ी नहीं, कोई टूर्नामेंट नहीं, कोई कोर व्यू नहीं। यह वही रिकॉर्ड है जिसे आठ आयामों की गहरी जाँच से गुज़रना था, और वह ख़ाली लौटा। 2026 में DLF में इंडियन ओपन के स्कोरिंग वॉलंटियर हफ़्ते में मैंने ठीक ऐसी ही शीट देखी थी — बर्डी कॉलम भरा जा रहा था, बाक़ी सब अनदेखा। तब मुझे लगा था कि दर्ज न करना आलस है। अब पता है कि दर्ज न करना एक डेटा-फ़ैसला भी हो सकता है, और इन दोनों में फ़र्क़ करना ज़रूरी है। गोल्फ की डेटा पाइपलाइन का काम सीधा है। पहला स्टेज स्रोत से तथ्य निकालता है — शीर्षक, आउटलेट, लेखक, तारीख़, खिलाड़ी, इवेंट, कोट। दूसरा स्टेज उन तथ्यों को आठ आयामों में तोड़ता है: तकनीकी (स्ट्रोक्स गेन्ड), फ़ॉर्म, टूर्नामेंट-सिस्टम, गवर्नेंस, नियम-उपकरण, जोखिम, नैरेटिव और उद्योग-ट्रांसमिशन। दोनों स्टेज एक ही ज़ंजीर की कड़ियाँ हैं। अगर पहला स्टेज ख़ाली लौटे और दूसरा भरा हुआ दिखे, तो जो दिख रहा है वह एनालिसिस नहीं, भराई है। यहाँ पहला स्टेज ख़ाली लौटा — यानी आठों आयामों में जो भी लिखा जाएगा, उसका स्रोत शून्य है। वजह का सबसे मज़बूत अनुमान निकासी (extraction) की परत पर गड़बड़ी का है: स्रोत पेज फ़ेच हुआ, पेबॉल या रोबॉट्स ने रोका, या स्क्रैपर को लेख की जगह कोई स्टब पेज मिला। सबूत सीधा है — फ़ील्ड के नाम और निर्देश-वाक्य जस के तस बचे हैं, यानी पाइपलाइन बीच में क्रैश नहीं हुई, वह पूरी चली और ख़ाली रिकॉर्ड लिख गई। डोमेन लेबल "golf" भी अपनी जगह है, इसका मतलब सतह पर गोल्फ से जुड़ा टेक्स्ट तो था। जिस चीज़ का सबसे ज़्यादा नुक़सान है, वह टाइमस्टैम्प है। गोल्फ में एक ही हेडलाइन अप्रैल में और अक्टूबर में बिल्कुल अलग मायने रखती है — अप्रैल में मास्टर्स विंडो, अक्टूबर में फ़ीडर-टूर क्यू-स्कूल का दबाव। और अगर यह रिज़ल्ट स्टोरी थी, तो फ़ाइनल राउंड के 72 घंटे में उसकी कीमत लगभग ख़त्म हो जाती है। आठ आयामों की सूची देखिए और हर एक के सामने वह न्यूनतम इनपुट, जिसके बिना वह आयाम चालू ही नहीं होता। तकनीकी आयाम को तीन चीज़ें चाहिए: एक नामित खिलाड़ी, एक इवेंट या राउंड का संदर्भ, और कम से कम एक ठोस आंकड़ा — स्ट्रोक्स गेन्ड की कोई श्रेणी, कोई पारंपरिक आँकड़ा (GIR, ड्राइविंग एक्युरेसी, स्क्रैम्बलिंग), या स्विंग/उपकरण में बदलाव का विवरण। तीनों में से एक भी नहीं है। यहाँ टूर-औसत भर देना सबसे आसान रास्ता होता है, और सबसे बड़ा धोखा भी। बिना खिलाड़ी के "SG: अप्रोच में सुधार" लिखना वही है जो बिना बल्लेबाज़ के बल्लेबाज़ी औसत बता देना। फ़ॉर्म आयाम को नाम, OWGR या टूर-टियर, और पिछले पाँच से दस नतीजे चाहिए। गोल्फ में फ़ॉर्म सिग्नल स्वभाव से हाई-वेरिएंस है। एक जीत या एक मिस्ड कट ट्रेंड नहीं होता; पाँच-दस इवेंट की खिड़की चाहिए। यह चेतावनी मैं अभी दर्ज कर रहा हूँ, इनपुट आने के बाद नहीं: जो पहला नतीजा मिलेगा, उसे ट्रेंड मत कहिए। टूर्नामेंट-सिस्टम आयाम का मास्टर वेरिएबल इवेंट-टियर है, क्योंकि एक ही चीज़ OWGR पॉइंट्स का पैमाना, फ़ील्ड की मज़बूती और व्यावसायिक भार — तीनों तय करती है। यहाँ न इवेंट है, न तारीख़, न टियर। इनपुट मिलने पर पहली जाँच यह लगानी चाहिए: क्या लेख का इवेंट-टियर उसके कमर्शियल दावों से मेल खाता है? निचले टियर के इवेंट को मेजर की ज़ुबान में लिखना आम है, और यही असंगति प्रोमोशनल कॉपी की सबसे भरोसेमंद पहचान है। गवर्नेंस आयाम में चार हितधारक हैं — PGA टूर, LIV और PIF, खिलाड़ी समूह, स्पॉन्सर-ब्रॉडकास्टर। रिकॉर्ड में इनमें से एक का नाम भी दर्ज नहीं। गवर्नेंस दावे गोल्फ कमेंट्री की सबसे जोखिम भरी श्रेणी हैं, क्योंकि वे अक्सर बिना नाम वाले स्रोतों पर लिखे जाते हैं और हफ़्तों में बदल जाते हैं। नियम-उपकरण आयाम में इस समय दो ज़िंदा कहानियाँ हैं — बॉल रोलबैक और स्लो-प्ले की असमान enforcement। दोनों की अपनी तारीख़ें हैं, इसलिए बिना टाइमस्टैम्प इन पर एक शब्द लिखना भी ग़लत होगा। बाक़ी तीन आयाम — जोखिम, नैरेटिव, उद्योग — सब एक ही चीज़ पर टिके हैं: नाम और तारीख़। यहाँ सबसे आसान रास्ता यह है कि ख़ाली रिकॉर्ड को विफलता मानकर भर दिया जाए। मेरे अनुभव में यही सबसे महँगी ग़लती रही है। कतर, 2026: एक बेटिंग-कंटेंट स्टार्टअप के लिए 64 मैचों का मॉडल बनाया। मॉडल ने अर्जेंटीना को सऊदी अरब के ख़िलाफ़ 88.4% दिया; मैच 1-2 गया। स्टार्टअप का सार्वजनिक रिकॉर्ड ग्रुप स्टेज में माइनस 47.2 यूनिट था। नौ दिन की ऑडिट में तीन चीज़ें निकलीं: घरेलू कैलेंडर में ठुँसे वर्ल्ड कप के लिए मॉडल में कोई टर्म नहीं था, क्लोज़िंग-लाइन वैल्यू ट्रैकिंग नहीं थी, और मोरक्को पर एडिटोरियल ओवरराइड था — जिसे मेरे डिफ़ेंसिव-ब्लॉक मेट्रिक्स सेमीफ़ाइनल तक पहुँचने की सिर्फ़ 4% संभावना दे रहे थे, और वह पहुँचा। ख़ाली रिकॉर्ड ईमानदार होता है; भरा हुआ ग़लत रिकॉर्ड नहीं होता। दिल्ली, 2026 में भी यही हुआ: मेरी शीट ने क्रोएशिया को फ़ाइनल तक पहुँचने की 14% संभावना दी, बाज़ार 7% पर था, और स्कूल की 40 लोगों की फ़ैंटेसी लीग 61 पॉइंट्स से जीती गई — किसी ने तरीक़ा नहीं पूछा। जो चीज़ अगली बार बदलेगी, वह मॉडल नहीं, गेट है। पाइपलाइन को ऐसा रिकॉर्ड सीधे रिजेक्ट करना चाहिए जिसमें Information Points ख़ाली हो, चाहे डोमेन लेबल भरा हुआ दिखे। बैच-स्तर की जाँच भी ज़रूरी है: अगर 5% से ज़्यादा रिकॉर्ड में लेबल भरा और सामग्री ख़ाली मिले, तो समस्या एक आइटम की नहीं, पूरी निकासी की है। डेटा मॉन्क का नियम सादा है — जो नहीं दिख रहा, उसे टूर-औसत से मत भरिए। छूटा हुआ आंकड़ा वापस आ सकता है; गढ़ा हुआ आंकड़ा कभी नहीं। अगली बार वही ख़ाली रिकॉर्ड किसी "गोल्फ बूम" की हेडलाइन बनकर कब छपेगा — यही असली वॉचपॉइंट है।