शून्य या खाली? कबड्डी डेटा में वह अंतर जो हमें चुपचाप महंगा पड़ता है

रात के दो बज रहे हैं। दिल्ली के एक कमरे के फ्लैट में चालू सेकंड-हैंड मॉनिटर की नीली रोशनी मेरे ग्राफ पेपर के ढेर पर पड़ रही है। स्क्रीन पर एक JSON फाइल खुली है। स्कीमा बिल्कुल साफ है — हर ब्रैकेट अपनी जगह, हर की-वैल्यू जोड़ी वैध, पार्सर ने एक भी शिकायत दर्ज नहीं की। और उस पूरी फाइल में ठीक एक चीज भरी हुई है: domain: kabaddi।

शीर्षक: खाली। सारांश: खाली। सूचना-बिंदुओं की सूची: खाली। इकाइयाँ: कोई नहीं। समय-संवेदनशीलता: अनुमूल्यांकित। स्रोत की गुणवत्ता: मूल्यांकन नहीं हुआ।

मैंने वह फाइल बंद की, दोबारा खोली, फिर बंद की। कोई एरर मैसेज नहीं आया। कोई रेड स्टैक-ट्रेस नहीं। कोई चेतावनी नहीं। यही असली खबर है — जो विफलता दिखती नहीं, वही सबसे महंगी पड़ती है।

इसमें समस्या का पता इस बात में है कि ट्यूब के एक सिरे से कुछ भी अंदर नहीं गया, और दूसरे सिरे से जो निकला, वह आकार में एक जवाब जैसा दिखता है। खाली नतीजा भारतीय खेल-विश्लेषण में एक वैध डेटा-प्रकार बन चुका है, और यही हमारी सबसे बड़ी चुपचाप होने वाली चोट है।

Stage-1 क्या है, और कबड्डी में यह इतना नाजुक क्यों है

हर डेटा-आधारित खेल-रिपोर्ट चार मंजिलों से गुजरती है। पहली मंजिल: क्रॉल — लेख को ढूंढकर लाना। दूसरी: एक्सट्रैक्शन — उस पेज में से असली बॉडी टेक्स्ट निकालना। तीसरी: क्लासिफिकेशन — यह किस खेल और किस विषय का है, यह तय करना। चौथी: स्ट्रक्चरिंग — सारांश, बिंदु, इकाइयाँ, समय-संवेदनशीलता में ढालना। Stage-1 पहली दो मंजिलों का नाम है। अगर Stage-1 खाली लौटता है, तो ऊपर की दोनों मंजिलें बेकार हैं — चाहे वे कितनी ही साफ-सुथरी दिखें।

मैंने कोई भी नंबर भरोसे लायक मानने से पहले अपनी शीट के नीचे विधि लिखने की आदत 2026 से पकड़ रखी है, और उसी आदत के कारण मैं Stage-1 को एक तकनीकी विवरण नहीं, एक पत्रकारिता-प्रश्न मानता हूँ।

कबड्डी इस मामले में बाकी भारतीय खेलों से अलग है। क्रिकेट के बाद भारतीय खेल में डेटा-साक्षरता सबसे ज्यादा प्रो कबड्डी लीग में है — रेड पॉइंट, टैकल पॉइंट, डू-ऑर-डाई रेड की सफलता दर, हर चीज ब्रॉडकास्ट ग्राफिक्स में मौजूद है। लेकिन यह साक्षरता पेशेवर लीग की दीवारों के भीतर कैद है। इसके बाहर का कबड्डी — जिला टूर्नामेंट, सर्कल-स्टाइल के मेले, राष्ट्रीय चैंपियनशिप के नतीजे, और महिला खेल की लगभग पूरी परत — कागजी बुनियाद पर खड़ा है। जहां डेटा का फर्श ही पतला हो, वहां एक्सट्रैक्शन पाइपलाइन चलाना कीचड़ पर सर्वे करने जैसा है: यंत्र सही होगा, जमीन नहीं।

यह पतलापन दुर्घटना नहीं, ढांचा है। कबड्डी दो समानांतर दफ्तरों में बंटा हुआ खेल है। एक तरफ सर्कल स्टाइल — पंजाब का मेला-सर्किट, जहां मैच रेत पर होते हैं, दर्जा अनौपचारिक रहता है, और रिकॉर्ड रखने की जिम्मेदारी किसी की नहीं। दूसरी तरफ स्टैंडर्ड स्टाइल — IKF और PKL का ढांचा, जहां हर रेड का टाइमस्टैम्प होता है। इन दोनों को मैं दुश्मन नहीं, दो उत्पादन लाइनें मानता हूँ, और मुझे दोनों की थ्रूपुट देखनी है: कौन कितना दर्ज करता है, किसे भुगतान मिलता है, और कौन सा खिलाड़ी किस दफ्तर के कागज़ों में मौजूद ही नहीं है। महिला कबड्डी दोनों दफ्तरों से बाहर खड़ी है। जब आपकी कॉर्पस का एक पूरा हिस्सा किसी भी रिकॉर्ड में नहीं है, तो आपकी पाइपलाइन असफल नहीं हो रही — वह ठीक वही लौटा रही है जो उसे मिला।

इसलिए खाली नतीजे के कम-से-कम चार संभावित कारण अलग-अलग रखने पड़ते हैं। अपस्ट्रीम क्रॉल फेल हो सकता है — पेज मिला ही नहीं। बॉडी एक्सट्रैक्टर पूरे टेक्स्ट को शोर मान सकता है, जो JS-रेंडर वाले पेजों, पेवॉल और PDF में आम बात है। क्लासिफायर kabaddi टैग निकाल सकता है और उसके बाद एक्सट्रैक्शन स्टेज चुपचाप बाहर निकल सकता है। और स्ट्रक्चर्ड-आउटपुट का स्कीमा अवैध JSON मिलने पर खुद को साइलेंट रीसेट कर सकता है — यानी डिफॉल्ट मान, जो दिखने में खाली लगते हैं। इनमें से कोई भी कारण "जानकारी कम थी" नहीं है। सब "जानकारी आई ही नहीं" हैं। यह फर्क पूरी बहस का केंद्र है।

खाली और शून्य — दो अलग दावे

मैं यह फर्क कॉडिंग-शीट के नजरिए से समझाता हूँ, क्योंकि वही मेरा घर है। स्प्रेडशीट में एक सेल का खाली होना और उसी सेल में 0 लिखा होना दो बिल्कुल अलग वैज्ञानिक दावे हैं। खाली सेल कहता है: यहाँ मुझे पता नहीं। 0 कहता है: यहाँ मैं जानता हूँ कि कुछ नहीं हुआ था। अगर आप पहले को दूसरे में बदल दें, तो आपका पूरा औसत झूठा हो जाता है — और वह झूठ चीखकर नहीं आता, वह औसत में घुल जाता है।

भारतीय खेल-डेटा की सबसे बड़ी बीमारी आंकड़ों का गलत होना नहीं, आंकड़ों का बिना स्रोत-वृत्तांत के चलना है। किस मैच का नंबर है, किसने दर्ज किया, कब दर्ज हुआ, किसने जांचा — इन चार सवालों के जवाब के बिना हर आंकड़ा एक सुंदर अफवाह है। इसीलिए मेरी हर डेटा-आधारित लिखत के साथ आज एक विधि-नोट जाता है: सैंपल साइज, कॉडिंग नियम, ज्ञात कमियाँ। यह शिष्टाचार नहीं, बचाव-कवच है। जिस दिन सैंपल नहीं बचाता, उस दिन नोट बचा लेता है।

मेरा अपना खाली सेल

यह मुझे पता है क्योंकि मैंने इसे जिया है।

2026 में लॉकडाउन के दौरान, जब PKL का सीजन ही नहीं था — सीजन 8 दिसंबर 2026 तक टल गया था — मैंने सीजन 1 से 7 तक के 118 पुराने मैचों से 4,127 रेड कोड किए। बारह रेड-प्रकार, हर बॉडी-एंट्री का टाइमस्टैम्प, हर रेडर का नाम। एक कॉलम था "एग्ज़िट लेन"। कुछ रेड्स में ब्रॉडकास्ट कट इतना तेज था कि रेडर का बाहर निकलना कैमरे से बाहर हो गया था। मैंने वे सेल खाली छोड़ दिए, यह सोचकर कि बाद में भर दूँगा। फिर एक रात मेरी स्प्रेडशीट-आदत ने उस कॉलम पर औसत निकाल दिया — और खाली को शून्य गिन लिया।

नतीजा यह हुआ कि डब्की की हिस्सेदारी का नंबर थोड़ा खिसक गया। सौभाग्य से शीर्षक निष्कर्ष नहीं मरा: सीजन 2 के 8.4 प्रतिशत से सीजन 7 के 2.1 प्रतिशत तक की डब्की-गिरावट, और बोनस-लाइन प्रयासों में करीब एक-तिहाई की बढ़त, दोनों टिके रहे — क्योंकि मैंने तरीका पहले छापा था, नतीजा बाद में। लेकिन उस रात जो सबक मिला, वह किसी भी नंबर से बड़ा था: खाली और शून्य का फर्क उस समय मेरे ही हाथ में था, और मैंने लगभग उसे मिटा दिया था।

चार हजार रेड्स के बाद भी स्टेडियम खाली था — और वही मेरी असली खोज बन गई।

जो नंबर आपको मिलता है, वह पहले ही संपादित हो चुका होता है

यहाँ एक परत और है, और यह कबड्डी में क्रिकेट से भी ज्यादा तीखी है। टैकल पॉइंट एक कच्चा तथ्य नहीं है। वह एक फैसले से गुजरकर आता है। जब लेफ्ट कवर मिड-लाइन के पास झुकता है और रेडर लोबी में निकल जाता है, तो स्कोरबुक क्या दर्ज करेगी — यह रेफरी के उस पल के निर्णय पर टिका है, और कई बार थर्ड-अम्पायर की स्क्रीन पर। यानी जिसे हम "रॉ डेटा" कहते हैं, वह असल में पहले ही एक संपादित दस्तावेज़ है।

रेफरी आज मैच का हिस्सा नहीं, मैच का संपादक है — और उसका संपादन हमारी शीट में बिना हस्ताक्षर के घुस जाता है। मिलीमीटर की लाइनों और स्लो-मोशन रीप्ले की संस्कृति ने हमलावर की मंशा को नहीं, फुटवर्क के एक फ्रेम को निर्णायक बना दिया है। जब ऐसी व्यवस्था से निकला आंकड़ा किसी शीट में "पॉइंट" बनकर बैठता है, तो वह अपने भीतर एक इंसानी फैसला छिपाए बैठा होता है। डेटा-पत्रकारिता की सबसे बड़ी भूल यही है कि वह इस छिपे हुए फैसले को तथ्य मान लेती है।

स्रोत-वृत्तांत: जकार्ता में 41 बनाम 26

अगस्त 2026। मैं सत्रह साल का था और दिल्ली में स्क्रीन के सामने बैठा था। भारत ग्रुप गेम में दक्षिण कोरिया से 23-24 हारा, फिर एशियाई खेलों के सेमीफाइनल में ईरान से 18-27। कांस्य। कबड्डी के 2026 में जुड़ने के बाद पहली बार भारत का स्वर्ण छूटा।

मैंने विलाप नहीं लिखा। मैंने भारत के सभी छह मैच निकाले और 187 टैकल प्रयासों को प्रकार के हिसाब से कोड किया: एंकल होल्ड, थाई होल्ड, डैश, चेन। ईरान ने अपने टैकल प्रयासों का 41 प्रतिशत कन्वर्ट किया; भारत ने 26। पहलवानी से निकली ईरान की रक्षा, जिसका केंद्र फजल अत्राचली था, वह "उलटफेर" नहीं थी। वह एक अलग कोचिंग-परंपरा का सीधा नतीजा थी। उस पीस के बाद मैंने ईरान को हर पूर्वावलोकन में सह-पसंदीदा लिखना शुरू किया, नंबर साथ रखकर।

लेकिन ध्यान दीजिए: वह 41 बनाम 26 सिर्फ तभी काम का है जब मैं यह भी बता सकूँ कि कौन से छह मैच, किसने कोड किए, गिनती के नियम क्या थे। वरना वह एक सुरीला नंबर है जिसके नीचे फर्श नहीं है। मेरी उस शीट में अगर खाली सेल शून्य बन गए होते, तो 41 और 26 मिलकर कुछ और होते — और किसी को पता भी न चलता।

xG की बीमारी अब कबड्डी में आ रही है

फुटबॉल में xG के साथ जो हुआ, वही कबड्डी में टैकल-कन्वर्ज़न दर के साथ हो रहा है। xG एक भविष्यवाणी का औज़ार है, लेकिन उसे फैसले समझाने के लिए इस्तेमाल किया जाने लगा — जबकि वह खिलाड़ी के फॉर्म, मैच के भीतर लिए गए चुनावों, या रेफरी के मानकों के बारे में कुछ नहीं बताता। टीम के लिए 3.1 xG निकल आने का मतलब यह नहीं कि उसने बेहतर फैसले लिए; इसका मतलब सिर्फ यह है कि कुछ शॉट्स एक निश्चित पोज़िशन से निकले।

कबड्डी में मैंने वही गलती होते देखी है। किसी कवर जोड़ी का "टैकल कन्वर्ज़न" गिर जाता है, और टिप्पणीकार कह देता है कि वह जोड़ी फॉर्म खो चुकी है। कन्वर्ज़न दर यह नहीं बताती कि डिफेंडर धीमा हुआ या रेडर बदल गया या रेफरी का मानक बदला। यह तीन अलग-अलग दुनियाओं को एक संख्या में पीस देती है, और हम उसे सत्य मान लेते हैं। यह वही खाली-और-शून्य की गलती है, बस बड़े पैमाने पर।

1.2 सेकंड और 0.31 — जो एक खाली सेल पर खड़ा है

2026 और 2026 की सर्दियों में मैंने यूरो 2026 और टोक्यो के फुटबॉल टूर्नामेंट को देखते हुए एक आइडिया उठाया: फुटबॉल की काउंटर-प्रेस घड़ी को कबड्डी की रक्षा पर लगा देना। सवाल यह था कि रेडर के बॉल्क लाइन पार करने के बाद कॉर्नर या कवर कितनी जल्दी ट्रिगर करता है। बेंगलुरु में बिना दर्शकों के खेले गए PKL सीजन 8 से मैंने 640 डिफेंसिव सीक्वेंस कोड किए। जो इकाइयाँ 1.2 सेकंड के भीतर ट्रिगर करती थीं, उन्होंने देर से हिलने वाली इकाइयों की तुलना में प्रति रेड 0.31 कम रेड पॉइंट दिए।

अब ईमानदारी की बात। मेरा पहला मॉडल 1.0 सेकंड की सीमा पर चला था और उसने 0.14 का असर दिखाया था — यानी लगभग आधा। मैंने उस रन को फेंक दिया और सीमा 1.2 पर ले गया। फर्क इस बात में नहीं कि मुझे बड़ा नंबर चाहिए था; फर्क इस बात में था कि 1.0 सेकंड मेरे फ्रेम-रेट के भीतर शोर और सिग्नल को अलग कर ही नहीं पा रहा था। लेकिन उस 0.31 के पूरे वजन का एक ही आधार है: कि टाइमस्टैम्प कॉलम के खाली सेल किसी औसत में शून्य न बनें। अगर आप उस कॉलम में तीस खाली सेल को शून्य बना दें, तो 0.31 कुछ और हो जाता है, और मुझे पता भी नहीं चलेगा।

मैंने नंबर दो बार चलाए। दूसरी बार नतीजे मुझसे असहमत थे, इसलिए मैंने दोनों रख लिए — और यही मेरी एकमात्र वास्तविक पद्धति है।

विधि-नोट (इस पूरे लेख का)

सैंपल: एक खाली Stage-1 आउटपुट, एक डोमेन लेबल के साथ। यह सांख्यिकीय सैंपल नहीं है, यह एक केस है, और मैं इसे उसी हैसियत से पेश कर रहा हूँ। ऊपर गिनाए गए ऐतिहासिक नंबर — 4,127 रेड, 118 मैच, 187 टैकल प्रयास, 640 डिफेंसिव सीक्वेंस, 8.4 से 2.1 प्रतिशत तक की डब्की-गिरावट, 41 बनाम 26 — मेरी अपनी कोडिंग-शीटों से हैं, किसी आधिकारिक फीड से नहीं, और इनमें ब्रॉडकास्ट-कट के कारण हुई दर्ज-कमी ज्ञात है। जहाँ भी मैंने इन्हें सार्वजनिक किया, तरीका नतीजे से पहले छपा। अगर किसी और की शीट इन्हें अलग निकालती है, तो पहला सवाल उसके कॉडिंग नियमों का होगा, मेरे नंबर का नहीं।

जो परत हम कभी ऑडिट नहीं करते

अब वह बात, जो मुझे सबसे कम सुनाई देती है और जो इस पूरे प्रकरण की सबसे उपयोगी बात है।

जब कोई डेटा पाइपलाइन खाली लौटती है, तो हमारी पहली प्रतिक्रिया मॉडल को कोसना होती है — क्लासिफायर कमजोर है, भाषा-मॉडल ने अवैध JSON दिया, प्रॉम्प्ट ठीक नहीं था। लेकिन खाली नतीजा मॉडल का फैसला नहीं है। वह पाइपलाइन का माप है। जिस क्षण आप इसे मॉडल की गलती मान लेते हैं, उस क्षण आप उस सबसे जरूरी सवाल से कट जाते हैं — कि एक्सट्रैक्शन परत पर आखिरी बार ऑडिट किसने किया था, और उसका रिकॉर्ड कहाँ है?

यहाँ मेरे सामने दो स्पष्टीकरण हैं, और मैं दोनों ईमानदारी से रखता हूँ। एक संभावना यह है कि स्रोत का अस्तित्व ही नहीं था — पेज JS-रेंडर था या पेवॉल के पीछे, क्रॉलर को कुछ मिला ही नहीं। इसे परखने का तरीका सस्ता है: उसी साइट के दूसरे लेख भी खाली लौटेंगे। दूसरी संभावना यह है कि स्रोत मौजूद था, पर एक्सट्रैक्टर ने उसे शोर मान लिया, और क्लासिफायर ने बाद में सिर्फ टैग जोड़ दिया। इसका सबूत यह मिलेगा कि उसी स्रोत के कुछ लेख पूरे लौटें और कुछ खाली।

इन दोनों को अलग करने का एक ही सस्ता तरीका है: इनपुट का कच्चा स्नैपशॉट रखो और हर खाली नतीजे के साथ उसे जोड़ दो। जब तक वह स्नैपशॉट नहीं है, हम अनुमान लगा रहे हैं। और मैंने 2026 में सीखा था कि अनुमान लगाना कितना महंगा पड़ता है — उस साल "गारंटीड गोल्ड" वाली सारी कवरेज एक गलत पूर्वधारणा को डेटा मान बैठी थी। मैं वह गलती दोबारा नहीं करूँगा, चाहे वह पाइपलाइन की हो या पूर्वानुमान की।

और असली चोट यह है: एक एरर मैसेज आपको रोक देता है। एक वैध दिखने वाला खाली नतीजा आपको आगे बढ़ा देता है। टूर्नामेंट साइकल में यह चोट दुगनी हो जाती है, क्योंकि मांग अचानक बढ़ती है, और पाइपलाइन ज्यादा वॉल्यूम पर कम इंसानी निगरानी में चलती है। खाली नतीजा भी उसी रफ्तार से स्केल होता है।

आगे क्या देखना है

मेरा सुझाव कोई डिजाइन-दर्शन नहीं, एक शर्त है। Stage-1 के दरवाजे पर यह एसर्शन लगाइए: information_points.length > 0 && summary != ""। शर्त पूरी न हो तो नतीजा चुपचाप नीचे न जाए, वह extraction_failed में जाए, कच्चे इनपुट के स्नैपशॉट के साथ। क्योंकि जो डेटा दिखने में ठीक और अंदर से खाली है, उसे नीचे की हर मंजिल खाती रहेगी — और वह चुप्पी किसी एक्सेप्शन से ज्यादा खतरनाक है।

फिलहाल मेरे पास कहने को ठीक इतना है: एक डोमेन लेबल बता सकता है कि कुछ कबड्डी से जुड़ा है। वह यह नहीं बता सकता कि क्या। और जब तक वह नहीं बता सकता, मेरी शीट खाली रहेगी — क्योंकि मैं उसे भरने के लिए वही गलती नहीं दोहराऊँगा जो 2026 में मैंने अपनी ही शीट के साथ लगभग कर दी थी।

अगली बार जब यह पाइपलाइन चले, मैं दो चीजें गिनूँगा: कितने प्रतिशत नतीजे extraction_failed के रूप में दर्ज हुए, और क्या उनके साथ कच्चा स्नैपशॉट आया। अगर जवाब "शून्य प्रतिशत" है, तो विफलता हमारे स्रोत में नहीं, हमारे मापक यंत्र में है। क्योंकि जब तक मशीन अपनी खाली को खाली कहना नहीं सीखती, हम सब उसे शून्य पढ़ते रहेंगे।