खाली इनपुट, पूरा टेम्पलेट: गोल्फ की वह एनालिटिक्स रिपोर्ट जिसमें मैच ही नहीं था

सोमवार सुबह ग्यारह बजे, लॉस एंजिल्स। एक PDF खुला, चौबीस पेज का। आठ डाइमेंशन, जोखिम मैट्रिक्स, प्रोफेशनल ग्लॉसरी, सिग्नल-ट्रैकिंग टेबल, और आखिरी पेज पर 'री-एक्सट्रैक्शन स्पेसिफिकेशन'। पहला पेज पलटा। सबसे ऊपर जो संख्या थी, वह स्ट्रोक्स-गेन्ड नहीं थी। वह शून्य थी।

इंफॉर्मेशन पॉइंट्स: खाली सूची। एंटिटीज़ इन्वॉल्व्ड: खाली। आर्टिकल टाइटल: N/A। आर्टिकल सोर्स: N/A। पब्लिकेशन तारीख: कोई दर्ज नहीं। टाइम सेंसिटिविटी: 'स्टेज 1 में आंका नहीं गया।' दो हजार चौबीस में मुझे ऐसी रिपोर्ट पहली बार नहीं मिली, पर इतनी साफ़-सुथरी शक्ल में पहली बार मिली — जैसे किसी ने खाली कमरे में पूरा फर्नीचर मापकर चला दिया हो और कुर्सियाँ लाना भूल गया हो।

दो हजार सत्रह में, उन्नीस साल की उम्र में, दिल्ली गोल्फ क्लब में हीरो इंडियन ओपन के आखिरी दो राउंड में मैंने 1,140 शॉट हाथ से चार्ट किए थे — क्लब, लाइ, दूरी, नतीजा, प्रिंटेड ग्रिड पर। वे ग्रिड किसी ट्रैकिंग सिस्टम से नहीं आए थे। वे मेरे थे, और उनमें खामियाँ थीं। उस PDF में कोई खामी नहीं थी, क्योंकि उसमें कुछ था ही नहीं।

फ़र्क़ यह नहीं है कि एक डेटासेट छोटा था और दूसरा बड़ा। फ़र्क़ यह है कि एक में सवाल था और दूसरे में सिर्फ़ ढांचा।

गोल्फ में डेटा पाइपलाइन का सामान्य ढांचा — और वह जगह जहाँ वह टूटता है

जब भी कोई गोल्फ आर्टिकल एनालिटिक्स पाइपलाइन में घुसता है, उसे दो स्टेज से गुजरना पड़ता है। स्टेज-1 कच्चा काम करता है: सोर्स से शीर्षक, आउटलेट का नाम, पब्लिकेशन तारीख, आर्टिकल का टाइप, इंफॉर्मेशन पॉइंट्स की सूची, और एंटिटीज़ — खिलाड़ी, इवेंट, टूर, ब्रांड — निकालता है। स्टेज-2 उसी को आठ डाइमेंशन में फैलाता है: तकनीकी और डेटा, खिलाड़ी और फॉर्म, टूर्नामेंट-सिस्टम, लैंडस्केप और गवर्नेंस, नियम और उपकरण अनुपालन, जोखिम-सतह, जन-नैरेटिव, और इंडस्ट्री ट्रांसमिशन।

गोल्फ में इन आठों में से एक भी डाइमेंशन बिना प्रॉपर नाउन के नहीं चलता। OWGR रैंकिंग का ट्रेंड बताने के लिए खिलाड़ी चाहिए। इवेंट टियर तय करने के लिए टूर्नामेंट का नाम और उसका पॉइंट्स-स्केल चाहिए। फील्ड स्ट्रेंथ के लिए टॉप-50 की गिनती चाहिए। नियम-अनुपालन के लिए होल नंबर, स्ट्रोक काउंट और ऑफिशियल की भूमिका चाहिए। यह सब प्रॉपर नाउन का खेल है। शून्य प्रॉपर नाउन का मतलब है आठ में से आठ डाइमेंशन बंद।

यहाँ एक बात दर्ज करनी ज़रूरी है, क्योंकि गोल्फ में खाली डेटा कोई अपवाद नहीं, डिफ़ॉल्ट हालत है। पिछले कई सालों से मैच देखते हुए और शॉट-लॉग बनाते हुए मैंने यह सीखा है कि इस खेल का डेटा इंफ्रास्ट्रक्चर सीढ़ीनुमा है और वह सीढ़ी तेज़ी से खत्म होती है। शॉटलिंक पूरी तरह PGA टूर पर है। DP वर्ल्ड टूर पर आंशिक। PGTI और एशियन टूर पर लगभग नहीं। मेरे पास दिल्ली गोल्फ क्लब से निकले उन 1,140 शॉट्स के अलावा कोई आधिकारिक शॉट-लेवल फ़ाइल कभी नहीं थी, क्योंकि वह बनी ही नहीं थी।

दो हज़ार बीस और दो हज़ार इक्कीस में हीरो इंडियन ओपन रद्द हुआ, और PGTI इवेंट बंद दरवाज़ों के पीछे खेले गए। मेरे पास कवर करने को इवेंट नहीं था। उन ग्यारह हफ्तों में मैंने 2026 से हर इंडियन ओपन के फाइनल-राउंड स्कोरकार्ड डिजिटाइज़ किए — 3,850 प्लेयर-राउंड। जब सीज़न रुका, तब मैंने वह इंडेक्स किया जो बाकी सब भूल गए। उस आर्काइव से पता चला कि DLF का गैरी प्लेयर लेआउट तुलनीय फील्ड्स के लिए लोधी कोर्स से 1.9 स्ट्रोक ज़्यादा मुश्किल खेला गया।

यह सारा संदर्भ इसलिए, कि जब स्टेज-1 खाली लौटे तो उसे 'गोल्फ का डेटा-संकट' कहकर रोमांटिसाइज़ न किया जाए। गोल्फ में नल एक वैध डेटा-पॉइंट है। सवाल सिर्फ इतना है कि नल किस वजह से आया — सोर्स में जानकारी नहीं थी, या जानकारी थी और पाइपलाइन में गिर गई।

निदान: तीन संभावित वजहें और उन्हें अलग करने का तरीका

पहली वजह। सोर्स आर्टिकल रिट्रीव ही नहीं हुआ। पेज खुला ही नहीं, या स्क्रैपर को 403 मिला, या पेपर का मेटाबेस मिसिंग था।

दूसरी वजह। पेज रिट्रीव हुआ, पर बॉडी की जगह बॉयलरप्लेट लौटा — पेवॉल की दीवार, नेविगेशन मेन्यू, कुकी बैनर, 'सब्सक्राइब करें' का ब्लॉक। ऐसे पेज में पैराग्राफ़ दिखते हैं और इंफॉर्मेशन पॉइंट्स शून्य होते हैं।

तीसरी वजह। आर्टिकल ठीक से निकला, पर स्टेज-1 और स्टेज-2 के बीच फील्ड-मैपिंग में कंटेंट गिर गया। टेम्पलेट भर गया, अंदर का माल गायब।

तीनों को अलग करने का एक सस्ता टेस्ट है, और वह उसी रिपोर्ट में मौजूद है। डोमेन लेबल 'golf' भरा हुआ है, जबकि कंटेंट खाली है। यही असंतुलन रास्ता दिखाता है। रिट्रीवल फेल होता तो डोमेन लेबल भी खाली या 'unknown' आता। कंटेंट रहते हुए लेबल बचना सामान्य है, लेकिन लेबल रहते हुए सारा कंटेंट खाली हो जाना — यह मैपिंग की गंध है, सोर्स क्वालिटी की नहीं। और उस रिपोर्ट ने खुद इस पर मीडियम कॉन्फिडेंस दर्ज किया है, जो ईमानदारी है।

पहचान की सबसे अहम कमी एक और जगह है। टाइम सेंसिटिविटी की एंट्री में लिखा है 'स्टेज 1 में आंका नहीं गया'। ध्यान दें — लिखा यह नहीं है कि आर्टिकल 'evergreen' है। यानी स्टेज-1 टाइमलाइनेस मॉड्यूल तक पहुँचा ही नहीं, उसने फैसला करने से इनकार नहीं किया। टेम्पलेट भरा गया, विश्लेषण नहीं चला। यह हार्ड स्टॉप का सिग्नेचर है।

असली जोखिम मॉडल का नहीं, टेम्पलेट की पूर्णता का है

उस रिपोर्ट का सबसे खतरनाक हिस्सा किसी भी गोल्फ निष्कर्ष में नहीं है। सबसे खतरनाक हिस्सा वह जोखिम मैट्रिक्स है जिसमें 'एनालिटिकल/डिसीज़न रिस्क' को High करार दिया गया है और उसके ठीक बगल में बाकी सब गोल्फ-जोखिम N/A हैं।

यह भेद करना ज़रूरी है, क्योंकि दोनों एक ही शब्द से बुलाए जाते हैं। गोल्फ का जमीनी जोखिम अनुमान-योग्य ही नहीं है — न प्रतिस्पर्धी, न मनोवैज्ञानिक, न चोट, न अनुबंध। यानी 1 से 5 स्केल पर शून्य नहीं, बल्कि स्केल ही लागू नहीं होता। दूसरी तरफ़ एनालिटिकल-प्रोडक्ट का जोखिम उच्च है, और वह असली है — एक बार जब आठ-डाइमेंशन ढांचा, ग्लॉसरी और स्पेसिफिकेशन एक साथ दिखें, तो पढ़ने वाला मान लेता है कि काम हुआ है। काम नहीं हुआ था।

मैंने इसी तरह का झटका दो हज़ार इक्कीस में टोक्यो में खाया था। एडिती अशोक 15-अंडर पर चौथे स्थान पर रहीं, कांस्य से एक स्ट्रोक बाहर। हर डेस्क को 'दिल टूटने' की कहानी चाहिए थी। मैंने ब्रॉडकास्ट ट्रैकिंग से चार राउंड का टी-टू-ग्रीन मॉडल बनाया और पाया कि एडिती ने पुटर से 4.2 स्ट्रोक फील्ड पर बनाए और टी से 1.6 स्ट्रोक गँवाए। यह बॉल-स्ट्राइकिंग की समस्या थी, नसों की नहीं। मेरे एडिटर ने उसे 'बहुत तकनीकी' कहकर रोक दिया, और मैंने वह टुकड़ा अपने न्यूज़लेटर पर निकाला, जिसने एक हफ्ते में तीन हज़ार सब्सक्राइबर जोड़े।

सबक़ वही है जो यहाँ लागू होता है। जो मॉडल एक वाक्य में न कहा जा सके, वह पढ़ा नहीं जाता। और जो रिपोर्ट बिना डेटा के चौबीस पेज में कहा जाए, वह पढ़ ली जाती है — यही अन्याय है और यही खतरा।

गोल्फ में इस डाइमेंशन की संवेदनशीलता सबसे ज़्यादा है, क्योंकि नियम-कंटेंट पैराफ्रेज़ बर्दाश्त नहीं करता। एक ड्रॉप प्रोसीजर, एक अनरिपोर्टेड एक-स्ट्रोक पेनल्टी, पेनल्टी एरिया में गेंद कहाँ से कहाँ गिरी — इनमें से एक भी ब्यौरा गलत लिखा गया तो नतीजा बदल जाता है। स्टेज-1 में इन चीज़ों को लगभग शब्दशः निकालना पड़ता है। यहाँ तो कुछ निकला ही नहीं।

इसी तरह इंडस्ट्री ट्रांसमिशन डाइमेंशन सबसे ज़्यादा प्रॉपर नाउन माँगता है — कोर्स, मैन्युफैक्चरर, ब्रॉडकास्टर, स्पॉन्सर, पूँजी वाला पक्ष। एक भी नाम नहीं है, तो दिशा भी तय नहीं हो सकती, बात तो दूर। गोल्फ में दिशा खास तौर पर मायने रखती है, क्योंकि एक ही फैसला अलग-अलग सेगमेंट में उलटी दिशा में चलता है — बॉल रोलबैक पर मैन्युफैक्चरर का R&D खर्च बढ़ता है और कोर्स ऑपरेटर को कुछ नहीं मिलता। बिना एंटिटी के इसका चित्र बनाना सिर्फ कल्पना है।

यहाँ एक छोटा लेकिन उपयोगी सबक़ है, और वह आर्काइव से आता है

मेरे पास 2026 से 3,850 प्लेयर-राउंड का इंडेक्स है। उसमें सबसे ज़्यादा पढ़े जाने वाले पन्ने वे नहीं हैं जिनमें विजेता का नाम है। सबसे ज़्यादा पढ़े जाने वाले पन्ने वे हैं जिनमें साल खाली है। दो हज़ार बीस। दो हज़ार इक्कीस। रद्द संस्करण। कोई चैंपियन नहीं, कोई स्ट्रोक्स-गेन्ड नहीं, बस एक टूटा हुआ क्रम।

आर्काइव कब्रिस्तान नहीं है, वह धीमी गति से खुलने वाली स्काउटिंग रिपोर्ट है। उस रद्द साल ने मुझे वह दिया जो किसी खेले गए साल ने नहीं दिया: एक ऐसा बेसलाइन जिससे यह साबित हुआ कि DLF और लोधी की मुश्किल समान नहीं है, इसलिए दोनों के स्कोर की सीधी तुलना करना बेईमानी है। डेटा में एक टूटा हुआ क्रम, अगर आप उसे नाम दें, तो नैरेटिव में सेंध नहीं बल्कि निष्कर्ष बन जाता है।

उसी तर्ज़ पर, यह खाली रिपोर्ट भी अगर ठीक से लेबल की जाए तो बेकार नहीं है। यह बताती है कि पाइपलाइन में गेट नहीं है। पाँच फील्ड चेक करने में चार सेकंड लगते हैं — शीर्षक, सोर्स, कम से कम एक इंफॉर्मेशन पॉइंट, कम से कम एक एंटिटी, और टाइम सेंसिटिविटी। इनमें से एक भी खाली मिले तो आउटपुट को 'N/A भरा टेम्पलेट' कहकर लौटाना चाहिए, 'विश्लेषण' नहीं।

मेरे पास हर साफ़-सुथरा डेटासेट एक निशान लिए आता है, वह जगह जहाँ गंदा सवाल उसमें घुसा था। यह रिपोर्ट असामान्य रूप से साफ़ है। यही उसका निशान है।

उलटा तर्क: शायद खाली रिपोर्ट ही ईमानदारी है

सबसे आसान गलती, और यहीं गोल्फ-राइटिंग में सबसे ज़्यादा होती है, वह है रेप्युटेशन फ़िल्टर। जगह खाली मिली, तो भरने के लिए सबसे परिचित कहानी उठा ली — PGA बनाम LIV की टकराहट, PIF का फ्रेमवर्क, LIV इवेंट्स की OWGR मान्यता। यह सब गोल्फ की लाइव संरचनात्मक बहसें हैं, पर इस आर्टिकल से उनका कोई तार जोड़ना मुमकिन नहीं। जोड़ना उसी तरह की गलती होगी जैसे किसी खिलाड़ी के एक अच्छे हफ्ते को रैंकिंग में छलांग बता देना।

पर यहाँ उलटा तर्क भी उतना ही मज़बूत है, और उसे दर्ज करना चाहिए। अगर इनपुट खाली है, तो खाली रिपोर्ट देना शायद सबसे पेशेवर काम है। विकल्प क्या था? एक ऐसी कहानी गढ़ना जो अच्छी पढ़ी जाए और झूठी हो। पिछले कुछ सालों में मैंने गोल्फ एनालिटिक्स की जितनी विफलताएँ देखी हैं, उनमें ज़्यादातर मॉडल की नहीं थीं — वे रिट्रीवल की थीं। डेटा कभी पहुँचा ही नहीं, और मॉडल ने उसकी जगह अनुमान भर दिया।

अब सबसे असुविधाजनक संभावना। शायद वह सोर्स आर्टिकल था ही नहीं। हो सकता है वह किसी वेबसाइट का इंडेक्स पेज था, टैग पेज था, या वीडियो स्टब था जिसमें बॉडी ही नहीं होती। अगर ऐसा है, तो आठ में से तकनीकी, खिलाड़ी-फॉर्म और टूर्नामेंट-सिस्टम का पतला होना विफलता नहीं, सही नतीजा है। और तब स्टेज-2 की असली गलती कंटेंट न होना नहीं, बल्कि यह थी कि उसने आर्टिकल टाइप को 'Unclassified' छोड़कर भी आठों डाइमेंशन का ढांचा खड़ा कर दिया।

यहाँ एक और सावधानी है, और यह सहसंबंध-कारण वाली पुरानी जाल है। डोमेन लेबल में 'golf' लिखा है, इससे यह नहीं निकलता कि सोर्स गोल्फ का था। वह लेबल मैन्युअल रूप से भी लगाया जा सकता है, या डिफ़ॉल्ट में भी आ सकता है। उस रिपोर्ट ने खुद यहाँ अपना कॉन्फिडेंस Low रखा है, और यही सही रवैया है। लेबल और सामग्री का एक साथ होना ज़रूरी है, वरना लेबल सिर्फ एक अंगूठे का निशान है।

आगे का सिग्नल, और वह एक सवाल

अगली बार जब आपको ऐसी रिपोर्ट मिले जिसमें ग्लॉसरी हो, जोखिम मैट्रिक्स हो, आठ डाइमेंशन हों और एक भी खिलाड़ी का नाम न हो — तो विश्लेषण पर बहस मत कीजिए। पहले टाइमस्टैम्प माँगिए। मुझे रजिस्ट्रेशन का वह निशान दीजिए, मैं असली कहानी निकाल दूँगा।

गोल्फ में यह और भी ज़रूरी है, क्योंकि यहाँ साल के चार हफ्ते सब कुछ तय कर देते हैं और बाकी अड़तालीस हफ्ते उसी चार हफ्ते के आसपास घूमते हैं। बिना तारीख वाला विश्लेषण यह भी नहीं बता सकता कि वह मेजर विंडो के अंदर बैठा था या बाहर। इस सवाल का जवाब दिए बिना आठ डाइमेंशन कागज़ भरते हैं, समझ नहीं देते।

मेरा सुझाव सस्ता है और टाला नहीं जा सकता। स्टेज-1 पर एक गेट लगाइए: शीर्षक, सोर्स, कम से कम एक इंफॉर्मेशन पॉइंट, कम से कम एक एंटिटी, और टाइम सेंसिटिविटी। पाँचों में से एक भी खाली हो तो आउटपुट 'extraction failed' के नाम से लौटे, N/A भरे टेम्पलेट के नाम से नहीं। और मूल पाठ को स्टेज-1 आउटपुट के साथ आर्काइव कर लीजिए, ताकि दोबारा चलाने के लिए सोर्स ढूँढ़ना न पड़े।

बाकी सब बाद में। पहले वह तारीख। मॉडल अपनी सीमा से आगे जाकर कुछ नहीं बताता; वह सिर्फ उस हद तक सच बोलता है जहाँ तक उसे चलाया गया हो। यहाँ उसे चलाया ही नहीं गया था।