दस में से दस ख़ाली: जब टेनिस की डेटा-पाइपलाइन ने जवाब देने से इनकार कर दिया

पिछले हफ़्ते मेरी डेस्क पर एक फ़ाइल आई। शीर्षक में लिखा था — स्टेज-2 डीप एनालिसिस, टेनिस डोमेन। नौ आयाम, हर आयाम में तीन से पाँच उप-तालिकाएँ, और सबसे ऊपर एक बैनर जो बाकी सब कुछ तय कर रहा था: ब्लॉक्ड — स्टेज-1 पेलोड ख़ाली।

मैंने पहले वह इनटेक तालिका देखी। दस पंक्तियाँ थीं। आर्टिकल टाइटल — लागू नहीं। आर्टिकल सोर्स — लागू नहीं। आर्टिकल टाइप — अवर्गीकृत। कोर व्यूअरपॉइंट, अपनी तीन उप-पंक्तियों के साथ — ख़ाली। इन्फ़ॉर्मेशन पॉइंट्स — ख़ाली सूची। एंटिटीज़ — पहचानी नहीं गईं। टाइम सेंसिटिविटी — आँकी नहीं गई। सोर्स क्वालिटी — आँकी नहीं गई।

दस में से दस।

कुछ आगे पढ़ने से पहले रुक जाना चाहिए था यहीं। पर मैं बत्तीस साल से ऐसे काग़ज़ात पढ़ रहा हूँ जिनमें संख्याएँ नहीं हैं, और उनमें से ज़्यादातर में कम से कम एक नाम तो होता है। यहाँ नाम भी नहीं था। जोखिम मैट्रिक्स में छह श्रेणियाँ थीं — प्रतिस्पर्धात्मक/चोट, अंक-बचाव/रैंकिंग, करियर, नियम, वाणिज्यिक/मीडिया, प्रणालीगत। छहों के सामने N/A। सूचना-मूल्य रेटिंग में पाँच पंक्तियाँ थीं: चार शून्य, और एक 1/5 — केवल प्रक्रियात्मक संदर्भ के लिए।

लेजर साफ दिख रहा था, जब तक तीसरा कॉलम झूठ बोलना शुरू नहीं हुआ। यहाँ दिक्कत उलटी थी। तीसरा कॉलम झूठ नहीं बोल रहा था। वह ख़ाली था, और अपने ख़ाली होने की वजह खुद बता रहा था। किसी लेख की समीक्षा करते हुए मैंने पहली बार देखा कि दस्तावेज़ ने अपने आप पर ही ऑडिट लगा दिया है।

दोहा के चालीस कॉलम, और आज का सुनसान फ़ीड

दिसंबर 2026 में दोहा में एशियाई खेल चल रहे थे। मैं बेंगलुरु के एक स्पोर्ट्स-डेटा दफ़्तर में रात की शिफ्ट में बॉल-बाय-बॉल क्रिकेट स्कोर दर्ज करता था, और टेनिस डेस्क पर जगह माँगकर ले आया। सानिया मिर्ज़ा के पाँच सिंगल्स मैचों के सारे 411 अंक मैंने हाथ से चार्ट किए — सर्व दिशा, दूसरी सर्व पर जीते अंक, अनफ़ोर्स्ड एरर की गिनती। शीट चालीस कॉलम चौड़ी थी। किसी ने माँगी नहीं थी।

उस शीट से मुझे पहला ऐसा भारतीय टेनिस पीस बेचने को मिला जो कोट्स पर नहीं, दूसरी सर्व पर जीते अंकों पर खड़ा था। मैंने "उसकी सर्व लड़खड़ा रही थी" लिखना छोड़ा और लिखना शुरू किया — "उसने दूसरी सर्व के 38 प्रतिशत अंक जीते।" एडिटर ने पहली बार कहानी से पहले संख्या माँगी।

आज वही डेस्क माँग रही है — एक शीर्षक, एक सोर्स, एक तारीख़, एक नाम। और आज के टेनिस फ़ीड में ये चारों चीज़ें उस पुरानी रात से कहीं कम भरोसेमंद हैं।

टूर्नामेंट-डे लेजर मेरी आदत है, और यह वही लेजर है। चेन्नई में इक्कीस संस्करण। पुणे में पाँच। और 2026 के बाद से 1.4 अरब लोगों के देश में एक भी ATP या WTA सप्ताह नहीं। यह सूची भावुकता के लिए नहीं, गणना के लिए है। जब कैलेंडर से टूर सप्ताह गायब होता है, तो उसके साथ चार चीज़ें और गायब होती हैं जिन्हें कोई मीट्रिक में नहीं लिखता: एंट्री लिस्ट का प्रकाशन समय, ड्रॉ सेरेमनी का टाइमस्टैम्प, कोर्ट पर बॉल-ट्रैकिंग, और वह स्थानीय प्रेस रिलीज़ जिसमें खिलाड़ी की उम्र और रैंकिंग एक ही वाक्य में दर्ज होती है।

आप तब स्क्रैप करते हैं जब स्क्रैप करने को कुछ होता है। भारतीय टेनिस के मामले में नौ वर्षों से स्क्रैप करने योग्य सतह सिकुड़ रही है, और उसी दौरान हमने एनालिटिक्स उपकरण बढ़ाए हैं। यह असंतुलन किसी एक खिलाड़ी की कहानी नहीं है। यह कवरेज-आवंटन की समस्या है, और मैं इसे नाटक की तरह नहीं, गिनती की तरह दर्ज करता हूँ।

ख़ाली और पतला — दो अलग रोग

पहला फ़र्क़ जो इस दस्तावेज़ ने ठीक से उठाया है, वह पेशेवर डेटा-ऑडिट का सबसे बुनियादी नियम है, और भारतीय खेल-पत्रकारिता में सबसे कम लागू: ख़ाली फ़ील्ड और निम्न-गुणवत्ता वाली फ़ील्ड एक चीज़ नहीं हैं।

जब सोर्स में मौजूद हो पर भरोसेमंद न हो, तो आप उसे विश्वसनीयता के स्तर पर रख सकते हैं — तीसरा स्तर, चेतावनी के साथ, पर किसी तरह की बहस में इस्तेमाल हो सकने योग्य। जब सोर्स ही न हो, तो आपके पास स्तर निर्धारित करने की सतह भी नहीं बचती। दस्तावेज़ ने यह वाक्य लगभग वैसे ही लिखा है: "N/A सोर्स फ़ील्ड, कम-गुणवत्ता-पर-मौजूद सोर्स से अलग तरह का रेड फ़्लैग है।"

यह भेद जितना सैद्धांतिक लगता है, उतना ही व्यावहारिक है। क्रिकेट में मैंने सैकड़ों बार देखा है — एक स्थानीय अख़बार का स्कोरकार्ड जो गलत है, पर है। उसे आप दूसरे स्कोरकार्ड के साथ मिलाकर विसंगति तक पहुँच सकते हैं। मुझे एक ऐसी पंक्ति भी मिली है जो नाम नहीं लिखती, पर हर ओवर की संख्या लिखती है। उससे काम चल जाता है।

जिस चीज़ से काम नहीं चलता, वह है कोई पंक्ति न होना।

इसी तर्क की सबसे तेज़ अभिव्यक्ति दस्तावेज़ के जोखिम-खंड में है। छह श्रेणियाँ — डोपिंग, सट्टेबाज़ी/मैच-इंटेग्रिटी, अनिवार्य-प्रवेश विवाद, चोट, अंक-बचाव, वाणिज्यिक — सब N/A हैं। लेखक ने यह लिखकर बात ख़त्म नहीं की। उसने लिखा: ये जोखिम अनस्क्रीन्ड हैं, क्लियर नहीं। यह अंतर एक पंक्ति का है और पूरे मामले का है। किसी खिलाड़ी पर लगे आरोप की जाँच न होना यह नहीं दिखाता कि आरोप झूठा है। यह सिर्फ़ इतना दिखाता है कि जाँच हुई ही नहीं। भारतीय खेल-मीडिया में यह वाक्य गायब रहता है, और इसकी कीमत हम कभी-कभी बहुत महँगी चुकाते हैं।

रिट्रीवल की खराबी, समराइज़ेशन की नहीं

दस्तावेज़ का सबसे तेज़ निष्कर्ष एक अनुमान है, और वह अनुमान ठीक है: "टाइटल, सोर्स, एंटिटी और व्यूअरपॉइंट — चारों में पूर्ण शून्य, समराइज़ेशन की नहीं, कंटेंट रिट्रीवल की खराबी की ओर इशारा करता है।"

तर्क सीधा है। एक समराइज़र जिसे असली टेक्स्ट मिला है, चाहे वह कितना ही कमज़ोर हो, कम से कम शीर्षक तो उठा लेगा। शीर्षक पेज पर सबसे बड़े फ़ॉन्ट में होता है; उसे चूकने के लिए आपको पेज तक पहुँचना ही नहीं चाहिए। चारों क्षेत्रों का एक साथ शून्य होना एक ही चीज़ कहता है — दस्तावेज़ पाइपलाइन में कभी घुसा ही नहीं।

इस उद्योग में इसके तीन सामान्य कारण हैं, और मैंने तीनों को बारी-बारी से झेला है: पेवॉल, जावास्क्रिप्ट से रेंडर होने वाला पेज, और बॉट-ब्लॉकिंग लेयर। तीनों में नतीजा एक ही होता है — साफ़, स्वच्छ, बिल्कुल ख़ाली निकासी। सिस्टम कोई एरर नहीं देता। वह कहता है, सब ठीक है, यहाँ कुछ नहीं था।

यही वह बिंदु है जहाँ डेटा-पत्रकारिता, सामान्य पत्रकारिता से अलग हो जाती है। अख़बार में ख़ाली जगह दिखती है — कोलम का सफ़ेद हिस्सा आपको चेताता है। स्क्रैपर में ख़ाली जगह साफ़ दिखती है। दोनों बराबर दिखते हैं जब तक आप गिनना शुरू न करें।

दस्तावेज़ ने एक व्यावहारिक रास्ता भी सुझाया है जो मेरे अनुभव में सबसे तेज़ होता है: पेवॉल या जावास्क्रिप्ट वाले सोर्स के लिए टेक्स्ट-ओनली फ़ॉलबैक तलाशें — AMP संस्करण, सिंडिकेटेड कॉपी, आधिकारिक प्रेस रिलीज़, या संघ का बयान। मैं इसमें एक चौथा जोड़ूँगा जो इस देश में सबसे ज़्यादा काम आता है — टूर्नामेंट की अपनी वेबसाइट, जो अक्सर बड़े पोर्टल से पहले अपडेट होती है और बाद में कभी नहीं मिटती।

एक फ़ील्ड की कीमत, और अवर्गीकृत शब्द का बिल

दस्तावेज़ में एक पंक्ति है जिसे मैंने अलग काग़ज़ पर उतार लिया: "एक भी वापस मिला फ़ील्ड अनुपात से बाहर मूल्य खोलेगा — एंटिटी लिस्ट और प्रकाशन तिथि तुरंत आयाम 2, 3, 4 और 6 को रूपरेखा में सक्षम कर देते हैं, क्योंकि स्तर, सतह-स्विंग, अंक-बचाव खिड़की और करियर-चरण — चारों नाम + तिथि + रैंकिंग से निकाले जा सकते हैं।"

यह वाक्य पूरे दस्तावेज़ का सबसे उपयोगी हिस्सा है, और वह भी एक ख़ाली रिपोर्ट में। क्योंकि यह बताता है कि विश्लेषण का बोझ कहाँ है। नौ आयामों का ढाँचा सुनने में भारी लगता है। असल में उसका 60 प्रतिशत हिस्सा दो चीज़ों से चल जाता है — नाम और तारीख़।

नाम से आपको टूर मिलता है (ATP या WTA), स्तर मिलता है (खिताब-दावेदार, सीड, रीढ़, किनारा), उम्र का चरण मिलता है, और प्रतिद्वंद्वी-संरचना मिलती है। तारीख़ से आपको सतह-स्विंग मिलता है — ऑस्ट्रेलियाई चरण, यूरोपीय क्ले, घास का तीन-सप्ताह का खिड़की-दरवाज़ा, उत्तर अमेरिकी हार्ड, एशियाई इनडोर। और दोनों से मिलकर 52-सप्ताह का अंक-रोलओवर खुल जाता है, जो रैंकिंग की सबसे तीखी सच्चाई है।

इसी तर्क से एक और नतीजा निकलता है जो दस्तावेज़ ने दर्ज किया, पर शायद पर्याप्त ज़ोर से नहीं: "अवर्गीकृत।" चार शब्दों का यह लेबल पूरी रिपोर्ट का सबसे महँगा शब्द है। क्योंकि लेख का प्रकार तय होते ही यह भी तय हो जाता है कि नौ में से कितने आयाम लागू होते हैं। मैच रिपोर्ट है तो आयाम 1, 2, 3 चलेंगे। कोचिंग प्रोफ़ाइल है तो 6 और 8। प्रशासनिक विवाद है तो 5 और 9। एक क्लासिफिकेशन नौ आयामों को तीन से पाँच तक सिकोड़ देता है — यानी आधे से ज़्यादा श्रम बचा देता है।

मैंने 2026 में यही ग़लती उलटी दिशा में की थी। लंदन ओलंपिक में भारतीय डबल्स जोड़ीदार चयन का सार्वजनिक विवाद चल रहा था। मैंने तीन साल का ATP डबल्स डेटा उठाया, हर संभावित जोड़ी के लिए होल्ड-रेट और ब्रेक-रेट प्रोफ़ाइल बनाए। दोनों पुरुष जोड़ियाँ दूसरे दौर में बाहर; सानिया और पेस मिश्रित क्वार्टरफ़ाइनल में हारे। मेरा 4,000 शब्दों का पोस्ट-मॉर्टम समापन समारोह के ग्यारह दिन बाद छपा, क्योंकि मैं बार-बार मॉडल दोबारा बना रहा था, फाइल नहीं कर रहा था।

लंदन का मॉडल सही था, पर कैलेंडर हमसे पहले बाज़ार तक पहुँच गया। उसी दिन से मैंने दो-चरणीय प्रोटोकॉल रखा — इवेंट से पहले स्पष्ट त्रुटि-सीमा के साथ v0.9 छापो, परिष्कृत संस्करण बाद में। पूर्णतावाद दूसरा ड्राफ़्ट बन गया, बहाना नहीं।

जब ढाँचा इनपुट से बड़ा हो जाए

अब वह हिस्सा जहाँ पारंपरिक पाठक और मैं अलग होते हैं।

पारंपरिक पठन साफ़ है, और मैं उसे पूरी ईमानदारी से पहले लिखता हूँ: पाइपलाइन विफल हुई, रिट्रीवल टूटा, अब इसे ठीक करो और स्टेज-1 दोबारा चलाओ। ठीक है। यह सही है। दस्तावेज़ ने खुद यही सुझाया है और उपचार-सूची छह बिंदुओं में दे दी है।

पर एक चीज़ है जो इस पठन में छूट जाती है, और वह दस्तावेज़ के अपने शब्दों में बैठी है: सिस्टम ने जवाब देने से इनकार किया, और यह उसका ठीक से काम करने का सबूत है।

नौ आयाम, चालीस-सा उप-तालिकाएँ, और एक भी काल्पनिक वाक्य नहीं। कल्पना कीजिए कि इस फ्रेमवर्क को किसी ऐसे मॉडल पर चलाया जाता जो ख़ाली स्थान को भरने की आदत रखता हो — वह एक क्लासिफिकेशन बना देता, एक सतह मान लेता, एक स्तर आँक देता, और नीचे "मध्यम आत्मविश्वास" लिख देता। वह रिपोर्ट पढ़ने में बेहतर लगती। वह काम की नहीं होती।

तो असली खराबी पाइपलाइन में नहीं, अपेक्षा में है। हमने नौ आयामों का फॉरेंसिक इंजन उस बाज़ार के लिए बनाया जो बारह-खिलाड़ी वाले चैलेंजर ड्रॉ और चार-पाँच इस्तेमाल-योग्य अवलोकन देता है। मुझे यह लिखने में तकलीफ़ होती है क्योंकि मैंने खुद दोहा में चालीस कॉलम की शीट बनाई थी और उनमें से अड़तीस कभी इस्तेमाल नहीं हुए। मैं उसी बीमारी का मरीज़ हूँ जिसका इलाज़ मैं लिख रहा हूँ।

भारतीय टेनिस की असली समस्या यह नहीं कि हमारे पास कम डेटा है। असली समस्या यह है कि हम कम डेटा पर बड़ा ढाँचा रख देते हैं और फिर ढाँचे को बचाने के लिए डेटा माँगते हैं। यह उलटा क्रम है। लेजर पहले बनता है, बहस बाद में।

और इस उलटे क्रम की एक शांत, बहुत ख़तरनाक क़ीमत है जिसे दस्तावेज़ ने सही पहचाना — वह इसे "मेटा-रिस्क" कहता है। शून्य-रिपोर्ट अगर पूरी हो चुकी रिपोर्टों के साथ एक ही फ़ोल्डर में रख दी जाए, तो पढ़ने वाले को लगेगा कि कवरेज हुई है। ख़ाली काग़ज़ सबसे ज़्यादा धोखा देता है जब वह भरे काग़ज़ों के बीच पड़ा हो।

यही वजह है कि दस्तावेज़ ने अपना सबसे ईमानदार कॉलम आख़िर में रखा — 1/5, केवल प्रक्रियात्मक। पाँच में से चार शून्य देने के बाद जो एक अंक बचता है, वह विषय का नहीं, प्रक्रिया का है। मेरे अनुभव में यही अंक सबसे ज़्यादा काम आता है। मार्च 2026 में दुबई में IPTL का पहला ड्राफ़्ट हुआ। मैंने इंडियन एसेस के स्टार पेरोल को तीन हफ़्ते के सीज़न में जीते अंकों के सामने रखा। मॉडल कच्चा था, पर नतीजा साफ़ — टाई मेन्स डबल्स और मिक्स्ड डबल्स से तय हो रहे थे, और एसेस का प्रदर्शन उन दो रबरों से कसकर जुड़ा था, मार्की सिंगल्स नामों से नहीं। लीग तीन सीज़न बाद, 2026 में बंद हो गई। मेरी "रुपया प्रति जीता अंक" तालिका उसके शोक-पत्रों में उद्धृत हुई।

उस मॉडल में सत्तर प्रतिशत भविष्यवाणियाँ ग़लत थीं। जो तीस प्रतिशत बचा, वह प्रक्रिया थी — सही सवाल पूछने का तरीक़ा। किसी नीलामी या साइनिंग का वर्णन करते समय मैं आज भी यह पूछता हूँ: यह पैसा कौन-सा रबर खरीद रहा है?

आगे क्या गिनना है

इस रिपोर्ट की असली डिलीवरेबल वह उपचार-सूची है, न कि नौ आयामों का ख़ाली ढाँचा। छह चीज़ें माँगी गई हैं: शीर्षक और सोर्स (प्रकाशक, URL, प्रकाशन तिथि); लेख का प्रकार; कम से कम पाँच क्रमांकित, उद्धरण-योग्य तथ्य; सभी नामित खिलाड़ी, कोच, टूर्नामेंट और संस्थाएँ, राष्ट्रीयता और रैंकिंग के साथ; लेखक का रुख़ — एक शब्द भी चलेगा; और टाइम सेंसिटिविटी, यानी प्रकाशन तिथि और वह टूर्नामेंट सप्ताह जिसमें वह पड़ती है।

छह में से चार मिल जाएँ तो आयाम 2, 3, 4 और 6 मध्यम-से-उच्च आत्मविश्वास पर चल जाते हैं। छह मिल जाएँ तो 5, 7, 8 और 9 भी।

मेरे लिए इस पूरे काग़ज़ का सबसे उपयोगी हिस्सा वह अंतिम पंक्ति है जिसमें लिखा है कि जहाँ फ़ील्ड "लागू नहीं" है, वहाँ अनुपस्थिति सबूत की अनुपस्थिति है, निष्कर्ष की नहीं। यही एक वाक्य मैं अपनी हर टेनिस रिपोर्ट में लगाना चाहता हूँ, पर लगा नहीं सकता — क्योंकि मेरी रिपोर्टें कभी पूरी ख़ाली नहीं होतीं, वे सिर्फ़ पतली होती हैं, और पतलेपन में सबसे ज़्यादा झूठ बोला जाता है।

तो अगली बार जब आप कोई भारतीय टेनिस रिपोर्ट पढ़ें, तीन चीज़ें गिनें: शीर्षक में नाम है या नहीं, पहले अनुच्छेद में तारीख़ है या नहीं, और क्या उस लेख में कोई संख्या है जिसे आप स्वयं जाकर जाँच सकें।

जिस दिन दस में से दस लेख इस परीक्षा में पास हो जाएँ, उस दिन हम बात कर सकते हैं कि भारतीय टेनिस ऊपर क्यों नहीं उठ रहा। जिस वक़्त हमने इसे शिप किया, बाज़ार पोस्टमॉर्टम लिख चुका था।