शून्य पंक्ति की रिपोर्ट: जब डेटा पाइपलाइन खाली लौटी और किसी ने त्रुटि दर्ज नहीं की

फाइल मेरे सामने खुली थी और उसमें नौ खाने थे। आठ खाली थे। नौवें में एक ही शब्द लिखा था — cricket_world। उसके आगे कोष्ठक में एक टिप्पणी थी जो खुद बता रही थी कि यह शब्द किसी निष्कर्ष से नहीं, किसी रूटिंग नियम से आया है। न शीर्षक, न प्रकाशक, न तारीख, न एक भी ऐसा वाक्य जिसे मैं किसी दस्तावेज़ से मिला सकूँ। मैंने पहले स्क्रॉल किया, फिर दोबारा, फिर फाइल को टेक्स्ट एडिटर में खोला यह देखने के लिए कि कहीं कोई छिपा अक्षर न छूट गया हो। कुछ नहीं था।

कमरे में बैठी मैंने तब वही किया जो मैं हर बार करती हूँ — जो सामने है उसे गिनना शुरू किया। नौ खाने, एक भरा, आठ खाली, शून्य सूचना-बिंदु, शून्य स्रोत, शून्य तारीख। यह गिनती छोटी है, लेकिन यह खाली नहीं है। और पत्रकारिता में यही फर्क है जिस पर सब कुछ टिकता है।

संदर्भ: एक पाइपलाइन का पहला दरवाज़ा

जिस दस्तावेज़ की बात हो रही है, वह किसी क्रिकेट मैच का स्कोरकार्ड नहीं है। यह एक स्वचालित विश्लेषण प्रक्रिया का पहला चरण है — Stage-1 — जिसका काम स्रोत सामग्री को पढ़कर उसे संरचित रूप में बदलना है। इसे किसी अखबार के कॉपी डेस्क की तरह समझा जा सकता है, बस इतने फर्क के साथ कि यहाँ कोई इंसान बैठा नहीं है जो यह पूछ सके कि भाई, यह रिपोर्ट आखिर कहाँ गई।

Stage-1 से नौ चीज़ें अपेक्षित थीं: लेख का शीर्षक, उसका स्रोत, लेख का प्रकार (समाचार, टिप्पणी, डेटा रिपोर्ट, अफवाह — चारों के विश्लेषण ढाँचे अलग होते हैं), एक वाक्य का सारांश, लेखक का रुख, लेख का उद्देश्य, सूचना-बिंदुओं की सूची, उनमें आने वाली इकाइयाँ (खिलाड़ी, टीम, टूर्नामेंट, संस्था, स्थान), समय-संवेदनशीलता, और स्रोत की गुणवत्ता। इनमें से आठ के सामने N/A लिखा था। नौवें — सूचना-बिंदु — के सामने एक खाली कोष्ठक था, जो तकनीकी भाषा में यह कह रहा था कि कोई सूचना मिली ही नहीं।

यह जगह है जहाँ मुझे रुकना पड़ा, क्योंकि मेरे पास इससे मिलती-जुलती स्थिति का अनुभव है और वह अनुभव इस बात को साफ करता है कि खाली डेटा और अनुपलब्ध डेटा एक चीज़ नहीं हैं। 2026 में, जब मैं क्लास इलेवन में थी, मैंने बंगाल अंडर-19 और क्लब ट्रायल के चौदह वीडियो से 1,340 गेंदों की एक-एक करके स्प्रेडशीट बनाई थी। एक स्थानीय कोच ने एक सत्रह वर्षीय तेज़ गेंदबाज़ की एक्शन पर सवाल उठाया था और मैंने हर गेंद को उसकी जगह पर दर्ज किया। उस शीट में 23 ऐसी नो-बॉल निकलीं जो मैच रिकॉर्ड में कहीं दर्ज नहीं थीं, और तीन ज़िला मैचों में ग्यारह ओवर-रेट उल्लंघन। पंक्ति मौजूद थी, बस किसी ने उसे भरा नहीं था। 2026 में वह शीट कोलकाता के एक ब्रॉडशीट के डेटा एडिटर तक पहुँची और उस पर 900 शब्दों की एक रिपोर्ट छपी। एक क्लब ने खिलाड़ी को ज़िला ट्रायल से हटा दिया।

2026 में महामारी के खाली स्टेडियम वाले दौर में मैंने 18 राज्य संघों के 212 घरेलू क्रिकेटरों के भुगतान की जाँच 2026-20 रणजी मैच-फीस शेड्यूल के सामने रखी। BCCI की वार्षिक रिपोर्ट की पंक्तियों को संघों की पीडीएफ से मिलाकर मैंने पाया कि 47 खिलाड़ियों का भुगतान 90 दिन से ज़्यादा देर से हुआ था और घोषित घरेलू वितरण तथा निर्धारित फीस के बीच 1.8 करोड़ रुपये का अंतर था। कोई खिलाड़ी रिकॉर्ड पर नहीं आया। सबक साफ था: संकट को पहले लेखांकन की समस्या मानो, फिर भावना की।

इन दोनों जाँचों में एक बात समान थी — तुलना का कोई आधार मौजूद था। 1,340 गेंदें थीं जिन्हें गिना जा सकता था। 212 नाम थे जिन्हें शेड्यूल से मिलाया जा सकता था। यहाँ ऐसा कुछ नहीं है। यहाँ लेजर खाली है, और खाली लेजर के साथ सबसे बड़ा प्रलोभन यह होता है कि आप अपनी याददाश्त से पंक्तियाँ भरना शुरू कर दें।

कोर विश्लेषण: नौ खानों की एक-एक करके जाँच

पहला खाना — शीर्षक — खाली होने का मतलब है कि विषय ही तय नहीं है। बिना विषय के विश्लेषण वह काम है जो हर वाक्य में एक नई कल्पना जोड़ता जाता है। दूसरा खाना — स्रोत — खाली होने का मतलब है कि विश्वसनीयता का पहला सवाल अनुत्तरित है। किसी दावे की जाँच उसके कहने वाले से शुरू होती है, दावे की सामग्री से नहीं। तीसरा खाना — लेख का प्रकार — अनवर्गीकृत है, और यह सबसे कम आँका जाने वाला नुकसान है। समाचार रिपोर्ट में जो वाक्य तथ्य होता है, वही वाक्य टिप्पणी में राय होता है और अफवाह में संभावना। एक ही वाक्य के तीन अलग-अलग भार होते हैं, और वर्गीकरण के बिना आप उन तीनों को एक ही तराजू पर तौलने लगते हैं।

चौथा, पाँचवाँ और छठा खाना — एक वाक्य का सारांश, लेखक का रुख, लेख का उद्देश्य — तीनों एक ही कारण से खाली हैं: इनमें से कोई भी सामग्री से पहले नहीं आ सकता। सारांश वह नहीं है जो लेख कहना चाहता है; सारांश वह है जो लेख कहता है, छोटा करके। रुख वह नहीं है जो लेखक महसूस करता है; रुख वह है जो उसके शब्द चुनाव में दिखता है — किसे उसने पहले रखा, किसे अंत में, किस सवाल का जवाब उसने नहीं दिया। उद्देश्य वह नहीं है जो कोई घोषित करता है; उद्देश्य वह है जो अनुपस्थिति से पता चलता है। इन तीनों को सामग्री के बिना भरना अनुमान है, और अनुमान को विश्लेषण कहना इस पेशे की सबसे पुरानी आदत है।

सातवाँ खाना ब्लॉकिंग नोड है। सूचना-बिंदु वह इकाई है जिस पर पूरी संरचना टिकी है। हर बिंदु में कम से कम तीन चीज़ें होनी चाहिए थीं: सामग्री, उसका मूल स्रोत या वक्ता, और उसका समय। तीन में से एक के बिना भी वह बिंदु अधूरा है, लेकिन शून्य बिंदुओं का मतलब है कि नीचे की हर चीज़ के लिए ईंट ही नहीं है।

आठवाँ खाना — इकाइयाँ — इस पर निर्भर है और इसीलिए वह अपने आप हल नहीं होगा। ऊपर की टिप्पणी में लिखा था कि इकाइयाँ ऊपर के सूचना-बिंदुओं से पहचानी जाएँगी। यह एक सही तार्किक व्यवस्था है और एक घातक परिचालन समस्या भी। अगर सूचना-बिंदु खाली हैं, तो इकाई-निष्कर्षण का कोई इनपुट नहीं है, और जो सिस्टम खाली इनपुट पर भी आउटपुट देता है, वह अनुमान लगा रहा होता है, निष्कर्षण नहीं कर रहा। क्रिकेट में इसका सीधा अर्थ यह है कि किसी खिलाड़ी का नाम किसी और खिलाड़ी से जुड़ सकता है, एक टीम का नाम दूसरी टीम का बन सकता है, और एक टूर्नामेंट का संस्करण दूसरे साल का हो सकता है।

नौवाँ खाना — समय-संवेदनशीलता — अनुमानित नहीं है, और यह वह चूक है जो सबसे महँगी पड़ती है। किसी खेल रिपोर्ट में तीन तारीखें होती हैं और तीनों अलग होती हैं: घटना कब हुई, रिपोर्ट कब छपी, और आप उसे कब पढ़ रहे हैं। जब तीसरी तारीख पहली से महीनों आगे हो, तो रिपोर्ट का सबसे आत्मविश्वासी वाक्य भी बासी हो सकता है। ट्रांसफर विंडो में यह अंतर सबसे तेज़ मारता है, क्योंकि एक अनुबंध की खबर और एक अनुबंध की पुष्टि के बीच जो समय बीतता है, उसमें क्लॉज़ बदल जाते हैं और कभी-कभी क्लब भी।

दसवाँ — स्रोत की गुणवत्ता — सूचना-बिंदुओं के स्रोत-खानों से आँकी जानी थी। वे खाने हैं ही नहीं। इसका मतलब यह है कि आज इस दस्तावेज़ के सामने मेरे पास यह बताने का कोई तरीका नहीं कि एक दावा आधिकारिक विज्ञप्ति से आया है, किसी मीडिया रिपोर्ट से, या किसी अनाम सूत्र से। पिछली गर्मियों में मैंने एक पुरानी आदत पर काम किया था — जो भी दावा आता, उसे पहले उसके कागज़ तक ले जाना। जब कागज़ नहीं है, तो दावा नहीं है, चाहे वह कितना ही समझदार लगे।

और अब वही एक शब्द, जो बचा है: cricket_world। यह क्रिकेट की दुनिया के बारे में कोई जानकारी नहीं है। यह एक रूटिंग लेबल है — किसी दस्तावेज़ को किस डिब्बे में रखना है, यह बताने वाला संकेत। डिब्बे का नाम यह नहीं बताता कि डिब्बे में क्या है। इस शब्द को सामग्री मान लेना वैसा ही है जैसे स्टेडियम के गेट पर लगे बोर्ड को भीड़ का आँकड़ा मान लेना।

तीन संभावित कारण और हर एक की जाँच

अगर Stage-1 खाली लौटा है तो इसकी तीन संभावनाएँ हैं, और तीनों की जाँच अलग तरीके से होती है।

पहली — स्रोत सामग्री का अधिग्रहण ही विफल रहा। यह सबसे आम कारण है और सबसे आसानी से छिपने वाला भी, क्योंकि विफल अधिग्रहण का आउटपुट खाली होता है, और खाली आउटपुट पढ़ने में बिल्कुल वैसा दिखता है जैसा एक ऐसा दस्तावेज़ जिसमें कुछ लिखा ही न हो। जाँच का तरीका सीधा है: दोबारा माँगें, सर्वर का रिस्पॉन्स कोड देखें, और मूल पेज को किसी आर्काइव से मिलाएँ। अगर पेज आर्काइव में मौजूद है और आपके पास नहीं है, तो समस्या स्रोत में नहीं, रास्ते में है।

दूसरी — पार्सर का चयन-नियम स्रोत के ढाँचे से मेल नहीं खाया। साइट ने अपना टेम्पलेट बदला, एक क्लास का नाम बदला, और पार्सर ने शून्य मिलान लौटा दिया। यह सबसे धोखेबाज़ स्थिति है, क्योंकि इसमें सोर्स मौजूद है, पेज मौजूद है, सामग्री मौजूद है — और फिर भी आउटपुट खाली है। जाँच का तरीका: कच्चे HTML को उसी पार्सर पर चलाएँ और देखें कि कितने चयन मिले। शून्य मिलान का मतलब खाली लेख नहीं, बदला हुआ टेम्पलेट है।

तीसरी — स्रोत सामग्री वास्तव में बहुत छोटी थी। कुछ प्रकाशन सिर्फ एक पंक्ति की फ्लैश निकालते हैं — शीर्षक, एक तारीख, एक वाक्य। ऐसे दस्तावेज़ पर गहरा विश्लेषण करना संभव नहीं है और यह सिस्टम की गलती नहीं है। जाँच का तरीका: अक्षर-संख्या, डेटलाइन की मौजूदगी, और अनुच्छेदों की गिनती। अगर स्रोत में दो सौ शब्द हैं, तो तीन हज़ार शब्दों की जाँच उस पर नहीं बनाई जा सकती — चाहे जितनी सुंदर लगे।

इन तीनों में से कौन सी स्थिति है, यह आज तय नहीं है। और यही इस रिपोर्ट का असली निष्कर्ष है।

सबसे खतरनाक विफलता वह है जो पूरी दिखती है

किसी सिस्टम की सबसे बुरी हालत तब होती है जब वह चुप रहे। उससे एक कदम बुरी हालत तब होती है जब वह चुप्पी को एक परिणाम की तरह सजाकर लौटाए। इस फाइल में नौ खाने थे, एक भी त्रुटि-कोड नहीं, एक भी चेतावनी नहीं, एक भी पुनः-प्रयास की प्रविष्टि नहीं। ढाँचा पूरा था। खाने अपनी जगह थे। सब कुछ वैसा दिख रहा था जैसा एक सफल दौड़ के बाद दिखता है। फर्क सिर्फ इतना था कि अंदर कुछ नहीं था।

यह क्रिकेट पत्रकारिता में उस पुरानी समस्या का तकनीकी संस्करण है जिससे मैं वर्षों से लड़ रही हूँ। हर खाली सीट का एक टिकट नंबर था। मैंने उन्हें लिखना शुरू किया, क्योंकि record crowd एक विशेषण है, माप नहीं। जब कोई बोर्ड कहता है कि रिकॉर्ड भीड़ आई, तो वह एक माप नहीं दे रहा, वह एक शब्द दे रहा है। असली माप गेट की रसीदों, पूरक पासों और प्रायोजक आवंटन से बनता है, और उसमें सबसे महत्वपूर्ण वह सीट होती है जिसका टिकट जारी हुआ था लेकिन वह भरी नहीं। यहाँ भी वही हुआ। सिस्टम ने कहा कि रिपोर्ट तैयार है, और रिपोर्ट में एक भी पंक्ति नहीं थी।

इस विफलता का असली खतरा अगले चरण में दिखता है। अगर किसी को यह फाइल दे दी जाए और कहा जाए कि अब इस पर गहरा विश्लेषण लिखो, तो जो भी लिखा जाएगा वह cricket_world शब्द से आगे कुछ नहीं होगा। क्रिकेट की दुनिया के बारे में तीन हज़ार शब्द लिखना मुश्किल नहीं है। हर पत्रकार जानता है कि जब सामग्री न हो तो सबसे आसान काम यह है कि आप सामान्य बातें लिख दें — दबाव, आधुनिकीकरण, संतुलन, बदलाव। ये शब्द कभी गलत साबित नहीं होते, क्योंकि ये कभी किसी चीज़ के बारे में नहीं होते।

मेरे पास एक ठोस उदाहरण है कि यह कैसे काम करता है। जून 2026 में, इक्कीस साल की उम्र में, मैं कोलकाता के एक डिजिटल आउटलेट में इंटर्न थी और उस IPL मीडिया-राइट्स नीलामी को कवर कर रही थी जो 2026-27 के 410 मैचों के लिए 48,390 करोड़ रुपये पर बंद हुई। मुंबई के उस प्रेस रूम में साठ पत्रकारों में दो महिलाएँ थीं और मैं उनमें से एक थी। मैंने प्रति-मैच मूल्य फिर से निकाला: 118 करोड़ रुपये प्रति मैच, जो 2026-22 चक्र के 54.5 करोड़ से ऊपर था। फिर मैंने 74-मैच-प्रति-सीज़न वाली धारणा को BCCI के अपने 2026-27 कैलेंडर के सामने रखा और पाया कि पहले दो सीज़न 84 के नहीं, 74-74 मैचों के थे। मेरे एडिटर ने तालिका छापी और प्रतिद्वंद्वी डेस्क ने प्रति-मैच वाली पंक्ति उठा ली। उस दिन मैंने तय किया कि राइट्स डील को कभी कुल आँकड़े की तरह नहीं लिखूँगी। हर अनुबंध कहानी में प्रति-मैच, प्रति-सीज़न और महँगाई-समायोजित आँकड़ा जाएगा, और साथ में कैलेंडर का फुटनोट, ताकि बिना खेले गए मैचों से कोई अनुमान न फुलाया जा सके।

उस अभ्यास का असली महत्व यह था कि उसने मुझे अंदाज़ा दिया कि कुल संख्या और प्रति-इकाई संख्या के बीच का फर्क कैसे छिपता है। और यहाँ भी वही छिपाव है, बस दूसरी दिशा में। वहाँ एक बड़ा आँकड़ा था जिसमें विवरण छिपा था। यहाँ कोई आँकड़ा नहीं है और विवरण न होने को विवरण की तरह पेश किया जा रहा है।

स्प्रेडशीट में 1,340 पंक्तियाँ थीं। 1,341वीं को किसी ने नहीं खोला था। यहाँ स्प्रेडशीट में एक भी पंक्ति नहीं है, और किसी ने यह दर्ज नहीं किया कि पंक्तियाँ गायब क्यों हैं।

सही 'नल-लॉग' कैसा दिखता है

अगर मुझे यह सिस्टम डिज़ाइन करना हो, तो खाली लौटने पर फाइल इस तरह दिखेगी: हर खाने के सामने दो चीज़ें — स्थिति और कारण। शीर्षक: अनुपलब्ध, कारण — स्रोत दस्तावेज़ नहीं मिला। सूचना-बिंदु: शून्य, कारण — सामग्री ही शून्य। इकाइयाँ: निकाली नहीं जा सकीं, कारण — ऊपर की सूची शून्य। साथ में चार खाने और: अधिग्रहण का कोड, पार्सर का संस्करण, पुनः-प्रयासों की संख्या, और कच्चे आर्टिफैक्ट का पथ। इन चारों के बिना खाली आउटपुट को धोखे और विफलता में फर्क करने का कोई तरीका नहीं है।

इसे हस्ताक्षर करने में एक दोपहर लगी। इसे पढ़ने में मुझे चार महीने लगे, और यह जानने में लगे कि जो खाली है उसे दर्ज करना भी एक रिपोर्टिंग है।

प्रकाशन से पहले मैं क्या माँगती

अगर यह मामला मेरे डेस्क पर आता, तो कोई भी कहानी लिखने से पहले मैं चार चीज़ें माँगती। एक — उस पेज का स्नैपशॉट जहाँ से सामग्री मिलनी थी, समय के साथ। दो — पार्सर का संस्करण और उसका चयन-नियम। तीन — स्रोत लेख की अक्षर-संख्या और प्रकाशन तिथि। चार — यह जानकारी कि वही फ़ेच पिछले सात दिनों में कितनी बार चला और कितनी बार खाली लौटा।

चौथी बात सबसे ज़रूरी है, क्योंकि वही नमूने का आकार बताती है। एक खाली फाइल एक घटना है। सात दिन में लगातार खाली लौटती फाइलें प्रवृत्ति हैं। इन दोनों को एक ही रिपोर्ट में एक ही शब्द से बुलाना वही गलती है जो मैंने एक बार आईपीएल के एक सीज़न के दर्शक-आँकड़ों वाली कहानी में देखा था — जब एक सीज़न की गिरावट को सीधे गिरावट कह दिया गया था, क्योंकि जिसने गिना था उसने उससे पहले किसी और ने नहीं गिना था। तब मैंने अपने नियम बनाए: नमूने का आकार उसी वाक्य में लिखो जिसमें दावा है, और एक साल की हलचल को हलचल कहो, पतन नहीं।

वह पक्ष जो आलोचक चूक जाते हैं

पहली आलोचना यह आएगी: लेबल काफी है। cricket_world बता रहा है कि मामला क्रिकेट का है, इतना जानकर लिखो। मेरा जवाब यह है कि रूटिंग लेबल कोई दावा नहीं है, वह एक परिकल्पना है कि कोई दस्तावेज़ किस डिब्बे में रखा जाए। उसी लेबल के साथ मैं कल दो पूरी तरह विपरीत कहानियाँ लिख सकती हूँ — एक यह कि क्रिकेट में पैसा बढ़ रहा है, दूसरी यह कि क्रिकेट में पैसा सिकुड़ रहा है — और दोनों में कोई शब्द ऐसा नहीं होगा जिसे कोई तुरंत झूठा साबित कर सके। यही मानक है जिससे मैं बचना चाहती हूँ।

दूसरी आलोचना यह होगी: स्रोत मँगा लो, इतनी देर क्यों। यह सही सलाह है और मैं उस पर अमल करूँगी। लेकिन यह समस्या का समाधान नहीं है, क्योंकि स्रोत माँगना एक इंसान का काम है, सिस्टम का नहीं। कोई इंसान चार फाइलें माँग सकता है; एक पाइपलाइन जो हर रात हज़ार दस्तावेज़ पढ़ती है, वह अपने हर खाली आउटपुट के लिए किसी से नहीं पूछ सकती। उस पाइपलाइन को खुद कहना होगा कि मेरे पास कुछ नहीं है। जो पाइपलाइन यह नहीं कह सकती, उस पर हमेशा भरोसा किया जाएगा, और वह हमेशा भरोसे के लायक नहीं होगी।

तीसरी बात, जो सबसे कम कही जाती है: इस फाइल में सबसे ईमानदार चीज़ वह N/A ही थी। किसी ने कुछ नहीं मिलने पर कुछ नहीं लिखा। अगर उसी जगह पर एक सुंदर सारांश लिखा गया होता, तो यह रिपोर्ट संभव ही न होती, क्योंकि मुझे कभी पता न चलता कि मुझे जाँचना क्या है। खालीपन को खालीपन कहना एक साहसिक काम है और यही एकमात्र कारण है कि आज कोई ऑडिट शुरू हो सकता है।

आगे की दिशा

Stage-2 पर बात करने का कोई मतलब नहीं है जब तक Stage-1 अपनी गलती खुद नहीं बता सकता। जिस दिन यह पाइपलाइन खाली नतीजे को एक त्रुटि की तरह दर्ज करेगी — कारण के साथ, समय के साथ, और कच्ची फाइल के पथ के साथ — उस दिन इस पेशे में एक चीज़ बदलेगी: हम उन कहानियों को पकड़ सकेंगे जो कभी लिखी नहीं गईं, क्योंकि उनकी सामग्री ही नहीं आई थी।

मेरे पास इस समय एक शब्द है और एक खाली शीट। अगला सवाल यह नहीं है कि इस शब्द से क्या कहानी बनती है। अगला सवाल यह है कि उस शीट की 1,341वीं पंक्ति में क्या लिखा होना चाहिए था, और उसे लिखने से किसने मना किया।