खाली स्कीमा: ग्यारह खाने, दस खाली — एक टेनिस डेटा पाइपलाइन का ऑडिट

JSON लौटा। ग्यारह खाने थे। दस में N/A छपा था, ग्यारहवें में सिर्फ़ एक शब्द — tennis। स्कीमा वैलिडेट हो गया। कोई एरर नहीं, कोई अलर्ट नहीं, जॉब का स्टेटस 'पूर्ण'। जिस सिस्टम ने यह फ़ाइल भेजी, उसके हिसाब से सब ठीक चल रहा था।

आँकड़े साफ़ थे। पहली बात जिसने मुझे परेशान किया, वही थी। साफ़ इसलिए, क्योंकि खाली थे।

जनवरी 2026 में चेन्नई ओपन की तीन साल की किताबें मिलाने बैठा था — 21वाँ और आख़िरी संस्करण, एसडीएटी टेनिस स्टेडियम, नुंगमबक्कम। तब भी पहली नज़र में जो चीज़ गड़बड़ लगी थी, वह कोई बड़ा आँकड़ा नहीं था। कॉलम A और कॉलम B एक-दूसरे से मिल नहीं रहे थे, और किसी ने नौ महीने तक उसे नोटिस नहीं किया था। अब यहाँ कुछ ऐसा ही हो रहा है, बस पैमाना अलग है। उस वक़्त फ़र्क़ चार करोड़ रुपये का था। यहाँ फ़र्क़ पूरी कहानी का है।

यह रिपोर्ट किसी खिलाड़ी के बारे में नहीं है। कोई खिलाड़ी है ही नहीं। यह उस फ़ैसले के बारे में है जो एक स्पोर्ट्स डेस्क को तब लेना पड़ता है जब पेलोड खाली आए और डेडलाइन खाली न हो। यही फ़ैसला तय करता है कि अगले दिन अख़बार में टेनिस की खबर होगी या टेनिस की शक्ल में कोई मनगढ़ंत आँकड़ा।

संदर्भ: चेन कहाँ टूटी

हर स्पोर्ट्स डेटा डेस्क पाँच चरणों पर चलता है — इनजेशन, क्लासिफिकेशन, एक्सट्रैक्शन, एनालिसिस, पब्लिकेशन। मूल्य दो जगह जुड़ता है: एक्सट्रैक्शन में (कच्चे दस्तावेज़ से तथ्य निकालना) और एनालिसिस में (तथ्यों को अर्थ देना)। बाक़ी तीन चरण ढाँचा हैं — ज़रूरी, पर उनसे कोई खबर नहीं बनती।

इस पेलोड में जो एक चीज़ बची, वह क्लासिफिकेशन का आउटपुट है। Domain Label: tennis का मतलब है कि दस्तावेज़ सिस्टम में आया, पढ़ा गया, और सही खाने में रखा गया। यानी खराबी क्लासिफिकेशन के बाद की है, पहले की नहीं। यह छोटी-सी जानकारी बड़ा काम करती है, क्योंकि इससे दो संभावनाएँ बनती हैं और दोनों की जाँच अलग-अलग दिशा में होती है।

पहली संभावना: दस्तावेज़ आया था, पर एक्सट्रैक्शन लेयर खाली लौटी — पार्सिंग एरर, पेवॉल, जावास्क्रिप्ट से रेंडर होने वाला पेज, अधूरा फ़ेच, या मॉडल स्तर पर क्रैश। इसकी संभावना मध्यम है, क्योंकि डोमेन लेबल सही भरा है।

दूसरी संभावना: स्रोत में लिखा हुआ कुछ था ही नहीं — इंडेक्स पेज, फ़ोटो कैप्शन, वीडियो स्टब, रीडायरेक्ट, या लाइव-स्कोर विजेट। इसकी संभावना कम है, पर शून्य नहीं। Article Type: Unclassified और Title: N/A का जोड़ा उसी तरह के दस्तावेज़ की उँगली का निशान है जिसमें हेडलाइन नोड ही न हो।

दोनों में से कोई भी हो, नतीजा एक ही है: इस इनपुट पर कोई टेनिस विश्लेषण संभव नहीं। जो भी आउटपुट खिलाड़ी, टूर्नामेंट या आँकड़े का नाम लेगा, वह गढ़ा हुआ होगा। इसलिए नौ आयामों की जो तालिका बनी, उसमें हर खाना 'N/A — अपर्याप्त जानकारी' से भरा गया, अनुमान से नहीं।

यह अपने आप में एक निष्कर्ष है, और मेरे हिसाब से इस पूरे मामले का सबसे अच्छा हिस्सा। ढाँचे ने मना कर दिया। जिस मॉडल को आम तौर पर हर खाली जगह भरने की आदत होती है, उसने यहाँ चारों तरफ़ N/A लिखा और पीछे हट गया। गार्डरेल काम कर गया।

गार्डरेल मुफ़्त नहीं होते। सवाल यह नहीं है कि मना करना सही था या नहीं — सवाल यह है कि उसके बाद क्या हुआ। क्योंकि मना करने के बाद भी डेडलाइन वहीं खड़ी रहती है।

यह बात टेनिस में ख़ास तौर पर मायने रखती है, और यहीं यह डेटा-इंजीनियरिंग की कहानी से हटकर भारतीय टेनिस की कहानी बन जाती है। भारतीय टेनिस कवरेज का डेटा-लेयर पतला है। चेन्नई में इक्कीस साल एक ही एटीपी इवेंट रहा — 2026 से 2026 तक — और फिर वह पुणे चला गया, और फिर बंद हो गया। डबल्स में छह मेजर हैं, ओपन एरा में सिंगल्स सेमीफ़ाइनल शून्य, और 2026 से कैलेंडर चैलेंजर-ऑनली है। रोहन बोपन्ना का 43 की उम्र में जनवरी 2026 में ऑस्ट्रेलियन ओपन जीतना असाधारण है, और वही आँकड़ा यह भी बताता है कि सिस्टम खिलाड़ियों को जल्दी कोई प्रोत्साहन नहीं देता — देर से इनाम देता है और उसे 'प्रेरणा' कह देता है।

जिस स्पोर्ट की वार्षिक डेटा-सप्लाई इतनी कम है, वहाँ खाली पेलोड कोई अपवाद नहीं, आधार-स्थिति है। ज़्यादातर हफ़्तों में किसी बड़े इवेंट के मेन ड्रॉ में कोई भारतीय सिंगल्स खिलाड़ी नहीं होता। डेस्क को फिर भी फाइल करना होता है। और जब सामग्री न हो, तो सबसे आसान रास्ता यही है कि खाने भर दिए जाएँ।

यहाँ एक और चीज़ जोड़ लेना ज़रूरी है, क्योंकि यह पूरे मामले की जड़ है। मानकीकृत एक्सट्रैक्शन स्कीमा स्पोर्ट्स जर्नलिज़्म का इनवर्टेड विंगर है। जिस तरह आधुनिक फ़ुटबॉल में हर विंगर अंदर की तरफ़ मुड़कर एक ही शेप खेलने लगा है और टचलाइन को पकड़कर खड़ा पुराना विंगर धीरे-धीरे मिट रहा है, उसी तरह हर स्टोरी को एक ही ग्यारह-खाने वाले साँचे में डाल दिया जाता है। जो चीज़ साँचे में नहीं बैठती — एक रिटायरमेंट, एक वॉकओवर, बारिश से धुला सेशन, एक चोट का ब्रेक — वह 'डेटा नहीं है' कहकर बाहर कर दी जाती है। और जो बाहर कर दिया गया, वह अगली बार किसी को याद भी नहीं रहेगा।

मूल विश्लेषण: खाली पेलोड का लाइन-बाय-लाइन ऑडिट

खाली पेलोड को ऑडिट करने का तरीका वही है जो किसी भी अधूरी किताब का होता है: हर खाने को अलग रखो, और पूछो कि उसकी गैर-मौजूदगी क्या रोक रही है।

शीर्षक: N/A। हेडलाइन नोड नहीं मिला। यह या तो एक्सट्रैक्शन की विफलता है या दस्तावेज़ के लेख होने से इनकार। दोनों में फ़र्क़ करने का एक ही तरीका है — कच्चे फ़ेच किए गए दस्तावेज़ को दोबारा खोलना। अगर उसमें बॉडी टेक्स्ट है, तो पाइपलाइन की गलती है। अगर नहीं है, तो यूआरएल ही बदलना पड़ेगा।

स्रोत: N/A। यह वह खाना है जिस पर सब कुछ टिका है, और यही खाली है। बिना स्रोत के कोई भी दावा न ट्रेस हो सकता है, न फैक्ट-चेक, न क़ानूनी रूप से बचाव। न्यूज़रूम की भाषा में: शून्य पुनर्विक्रय मूल्य। 2026 के सर्च और एआई-सर्फ़ेस नियम साफ़ कहते हैं कि हर सामग्री में कम से कम एक साइटेबल ठोस तथ्य उसके स्रोत-संदर्भ के साथ होना चाहिए। यह पेलोड उस शर्त पर स्कीमा-स्तर पर ही फेल हो जाता है।

सूचना-बिंदु: खाली। कोई साक्ष्य-श्रृंखला नहीं। इसका मतलब है कि हर दावे के साथ जो 'विश्वास स्तर' टैग लगाया जाता है, वह लगाया ही नहीं जा सकता। टैग के बिना विश्लेषण और राय में कोई फ़र्क़ नहीं बचता।

मुख्य दृष्टिकोण: खाली। सार, रुख़, उद्देश्य — तीनों गायब। इसका असर उस आयाम पर पड़ता है जिसे मैं इस पूरे ढाँचे की सबसे क़ीमती चीज़ मानता हूँ: मीडिया-पूर्वाग्रह की छँटाई। घरेलू मीडिया का अपने खिलाड़ियों को चढ़ाकर आँकना एक जाना-पहचाना झुकाव है। जब लेखक का रुख़ ही दर्ज न हो, तो उस झुकाव को पकड़ने का कोई ज़रिया नहीं बचता।

एंटिटी: गोलाकार निर्देश। यह सबसे चुभने वाला हिस्सा है। खाने में लिखा था — 'ऊपर दिए सूचना-बिंदुओं से पहचानें'। और ऊपर के सूचना-बिंदु खाली थे। यानी निर्देश खुद को ही रेफ़र कर रहा था। यह मॉडल की गलती नहीं, स्कीमा की डिज़ाइन खामी है, और यह खामी गारंटी के साथ एंटिटी-सेट को शून्य कर देती है। एक ही निर्देश से नौ में से चार आयाम मर जाते हैं — तकनीकी, फ़ॉर्म, टूर परिदृश्य, और प्रबंधन। किसी भी खिलाड़ी की पहचान के बिना सर्व-प्रतिशत, ब्रेक-पॉइंट कन्वर्ज़न, रैंकिंग-पॉइंट्स का रोलओवर, कोचिंग बदलाव — कुछ भी नहीं निकलता।

समय-संवेदनशीलता: आँकी नहीं गई। शेल्फ़-लाइफ़ अज्ञात। यह उस पूरे मामले का सबसे चुपचाप फिसलने वाला जोखिम है। अगर स्रोत तीन हफ़्ते पुराना था और अब स्थिति बदल चुकी है, तो दोबारा एक्सट्रैक्ट करके भी ग़लत खबर छप सकती है।

डोमेन लेबल: tennis। बचा हुआ इकलौता खाना, और सबसे ख़तरनाक।

अब वह सवाल जो असल में पूछा जाना चाहिए: अगर मैंने ये चारों तालिकाएँ भर दी होतीं तो क्या होता?

मान लीजिए, एक सर्व-प्रतिशत, एक ब्रेक-पॉइंट कन्वर्ज़न, एक रैंकिंग, एक 'क्लच-पॉइंट' का क़िस्सा। लेख पढ़ने में बेहतर लगता। कोई पकड़ भी नहीं सकता, क्योंकि ग़लत साबित करने का कोई ज़रिया उपलब्ध ही नहीं — स्रोत तो खाली था।

यहीं पर मुझे 2026 की गर्मियों वाली वह ऑडिट याद आती है। मैंने 64 मैचों का एक्सपोज़र ऑडिट दो बार चलाया, तब जाकर दूसरे कॉलम पर भरोसा किया। एक मुंबई की टू-व्हीलर कंपनी का ₹22 करोड़ का रूस विश्व कप कैंपेन, भारतीय ब्रॉडकास्ट फ़ीड पर लोगो-सेकंड गिनते हुए। टॉप-लाइन सही थी — ₹22 करोड़, 64 मैच। और टॉप-लाइन बेकार थी। 71% मापा गया एक्सपोज़र सिर्फ़ नौ मैचों से आ रहा था — हर ब्राज़ील, अर्जेंटीना, जर्मनी और इंग्लैंड का फ़िक्स्चर। ब्रांड को टूर्नामेंट नहीं, मैच खरीदने की सलाह दी गई। 2026 में ब्रांड ने ₹26 करोड़ पर रिन्यू किया, इस बार फ़िक्स्चर-सिलेक्शन क्लॉज़ के साथ।

सबक़ यह था: एक सच्चा एग्रीगेट कॉन्सन्ट्रेशन छिपा सकता है, और एक गढ़ा हुआ डिटेल सब कुछ छिपा देता है। दोनों एक ही बीमारी के दो मात्रा हैं। ₹22 करोड़ का आँकड़ा कम से कम ऑडिट हो सकता था — मैंने खुद को दो बार दोहराया और पकड़ लिया। एक काल्पनिक सर्व-प्रतिशत को कोई दोबारा नहीं चलाता।

चेन्नई ओपन की मेरी मेमो इसीलिए बची थी कि उसका हर आँकड़ा किसी लाइन आइटम से जुड़ा था। टाइटल स्पॉन्सरशिप ₹3.6 करोड़, ऑपरेटिंग लागत ₹9.8 करोड़, सात दिनों में गेट ₹1.9 करोड़, औसत सीट-फ़िल 61% जो फ़ाइनल के दिन ही 90% तक पहुँचा। निष्कर्ष: इवेंट को ज़िंदा रखने के लिए हर साल ₹4 करोड़ का अंडरराइट चाहिए। ग्यारह महीने बाद वह इवेंट महाराष्ट्र ओपन बनकर पुणे में था, और 2026 के बाद बंद।

उस मेमो में एक भी खाना खाली नहीं था, और यही उसे बहस के लायक बनाता था। इसके उलट, एक भरा हुआ खाली पेलोड मेमो जैसा दिखता है और मिलाया नहीं जा सकता। उसका कोई कॉलम B नहीं होता।

कैश-फ़्लो वाला सबक़ इससे भी सीधा है। अप्रैल 2026, आईएसएल सीज़न पूरा बंद दरवाज़ों के पीछे गोवा में जा रहा था, और मैं मुंबई सिटी एफ़सी के लिए ₹38 करोड़ के ऑपरेटिंग बजट के खिलाफ़ तेरह हफ़्तों का रोलिंग कैश मॉडल बना रहा था। नतीजे ने संकट को फिर से परिभाषित किया: मैचडे और हॉस्पिटैलिटी कुल ₹4.2 करोड़ थे, यानी 11%, लेकिन नियंत्रणीय लागत का 19% एक प्री-सीज़न टूर और दो फ़्रंट-लोडेड कॉन्ट्रैक्ट में फँसा था। टूर टाला गया, दोनों डील रीस्ट्रक्चर हुईं, और खेल टीम को छुए बिना ऑपरेटिंग लागत 18% कटी।

तेरह हफ़्तों का कैश फ़्लो पूर्वानुमान नहीं होता। वह उलटी गिनती होती है। यही तर्क डेटा पाइपलाइन पर लगाइए। सवाल यह नहीं कि मॉडल कितना सुंदर है। सवाल यह है कि वह किस हफ़्ते टूटता है। डेटा डेस्क के लिए वह हफ़्ता वही है जब कोई एक भरा हुआ खाली पेलोड, एक आत्मविश्वासी हेडलाइन के साथ, प्रकाशित हो जाता है।

इसीलिए मैं 'न्यूनतम-साक्ष्य द्वार' की माँग करता हूँ, और यह एक सिफ़ारिश नहीं, एक हार्ड फ़ेल शर्त होनी चाहिए: कम से कम तीन ठोस सूचना-बिंदु, कम से कम एक हल की गई एंटिटी (खिलाड़ी, कोच, टूर्नामेंट या संचालन निकाय), स्रोत का यूआरएल या आउटलेट, और एक संदर्भ तिथि। इनमें से एक भी न हो तो जॉब आगे नहीं बढ़े। साथ में खाली-पेलोड अलार्म — सूचना-बिंदु और मुख्य दृष्टिकोण के खाने खाली मिलें तो सिस्टम चीखे, चुप न रहे।

एक और चीज़ जो इस पेलोड में ग़ायब है और जिसकी क़ीमत मैं लगा सकता हूँ: टूर का बोध। एटीपी या डब्ल्यूटीए, यह भी दर्ज नहीं। भाषा या आउटलेट से राष्ट्रीयता या लिंग का अनुमान लगाना सबसे बड़ी चूक है, और मैं उसे कभी नहीं करता। पर इसका एक व्यावसायिक नतीजा है: बिना टूर के कोई आर्थिक मॉडल नहीं बनता। पुरुष और महिला टूर के प्राइज़-मनी स्केल, स्पॉन्सरशिप साइकल और ब्रॉडकास्ट राइट्स की संरचना अलग-अलग होती है। गलत टूर पर बना मॉडल सही आँकड़ों के साथ भी गलत जवाब देगा।

उलटा पहलू: खाली पेलोड इस पूरी चेन का सबसे अच्छा व्यवहार करने वाला आउटपुट है

यह सुनने में उलटा लगेगा, पर एक क्रैश हुए जॉब की उम्र एक घंटा होती है। कोई सिस्टम गिरा, अलार्म बजा, इंजीनियर आया, ठीक हुआ। एक अच्छी तरह फ़ॉर्मेटेड खाली स्कीमा की उम्र हफ़्तों होती है, क्योंकि वह किसी को नाराज़ नहीं करती।

यही असली जोखिम है — शोर नहीं, चुप्पी। एक भरी हुई तालिका जिसमें हर खाने में 'N/A' लिखा हो, आगे बढ़ जाती है। उसे देखकर किसी को यह एहसास ही नहीं होता कि कुछ टूटा था। ऑटोमेटेड चेन में यह सबसे ख़राब तरह की विफलता है: वह विफलता जो सफलता जैसी दिखती है।

दूसरी उलटी बात यह है कि उद्योग अपनी पूरी डेटा-लागत एक्सट्रैक्शन की सटीकता पर लगाता है और शून्य खाली-मामलों के प्रबंधन पर। जबकि स्पोर्ट्स डेटा में सबसे ज़्यादा ट्रैफ़िक उसी रास्ते पर होता है। बारिश, वॉकओवर, रिटायरमेंट, अधूरे मैच, अनक्लासिफाइड दस्तावेज़, लाइव-स्कोर पेज — ये सब उसी शून्य-शाखा पर जाते हैं। और वह शाखा इमारत का सबसे कम टेस्ट किया गया कोड है। मैं सत्ताईस साल से मैच देख रहा हूँ; बारिश के ब्रेक में स्कोरबोर्ड पर जो खाली खाने दिखते हैं, वही इस शाखा का सार्वजनिक चेहरा हैं।

तीसरी उलटी बात, और यह सबसे ज़्यादा चुभती है: Domain Label: tennis इस पूरे पेलोड का सबसे ख़तरनाक खाना है। शून्य भरे खाने अलार्म बजाते हैं। एक भरा खाना हरी बत्ती जला देता है। जिस पाइपलाइन ने दस खाने खाली छोड़े, उसने ग्यारहवें में 'टेनिस' लिखकर यह भ्रम पैदा कर दिया कि एक्सट्रैक्शन सफल रहा। डोमेन लेबल को कभी भी एक्सट्रैक्शन की सफलता का सबूत नहीं मानना चाहिए।

और चौथी बात, जिस पर मैं सबसे ज़्यादा अड़ता हूँ: खाली तालिका एक तटस्थ वस्तु नहीं है। वह एक दावा है। वह दावा करती है कि 'बताने लायक कुछ नहीं है'। टूर्नामेंट के हफ़्ते में यह दावा लगभग हमेशा झूठा होता है। कुछ तो हुआ ही होगा — कोई रिटायर हुआ, कोई वाइल्डकार्ड मिला, कोई सीड गिरा, बारिश ने शेड्यूल उलटा किया। 'कुछ नहीं हुआ' कहना एक संपादकीय फ़ैसला है, और उसे संपादकीय फ़ैसले की तरह ही लिखा और लेबल किया जाना चाहिए।

अंतिम बात

इस पूरे मामले में एक भी खिलाड़ी का नाम नहीं आया, और यही इसकी सबसे ईमानदार बात है। जिस दिन एक स्पोर्ट्स डेस्क खाली पेलोड के सामने खड़ा होकर यह लिख सके कि 'हम पुष्टि नहीं कर सके', उस दिन वह एक हफ़्ते के लिए धीमा दिखेगा और दस साल के लिए भरोसेमंद रहेगा।

सवाल यह नहीं है कि एक्सट्रैक्शन कब ठीक होगा। सवाल यह है कि कौन-सा डेस्क सबसे पहले खाली रिपोर्ट जान-बूझकर छापेगा — पूरा खाना खाली, और ऊपर साफ़ लिखा हुआ कि क्यों खाली है?

क्योंकि जिस दिन कोई डेस्क यह नहीं कर सका, उस दिन उसने खाली खानों को भर दिया। और भरा हुआ खाली खाना वह चीज़ है जिसे कोई दोबारा नहीं चलाता।