खाली स्कीमा: एक क्रिकेट डेटा डेस्क की वह रात, जब सब कुछ भरा हुआ दिख रहा था

हुक: दो बजकर चौदह मिनट

दो बजकर चौदह मिनट पर स्क्रीन पर स्कीमा खुला। टाइटल फ़ील्ड खाली। सोर्स फ़ील्ड खाली। वन-लाइन समरी खाली। ऑथर स्टांस — N/A। आर्टिकल टाइप — Unclassified। एंटिटी लिस्ट में लिखा था, इनफॉर्मेशन पॉइंट्स से पहचानें — और इनफॉर्मेशन पॉइंट्स की लिस्ट ख़ाली थी। पूरे ढाँचे के ऊपर एक ही चीज़ ज़िंदा थी, एक टैग: cricket_asia। यानी एशिया का क्रिकेट। बस इतना। किस फ़ॉर्मैट का, किस टीम का, किस खिलाड़ी का, किस सीज़न का — कुछ नहीं।

मुझे यह दृश्य नया नहीं लगा। 21 मई 2026 को हैदराबाद में आईपीएल फ़ाइनल के इनिंग्स ब्रेक पर मेरा बॉल-बाय-बॉल मॉडल मुंबई इंडियंस को सिर्फ़ 34 प्रतिशत जीत का मौक़ा दे रहा था, 129/8 के स्कोर पर। क्रुणाल पांड्या ने 38 गेंदों पर 47 बनाए, और मैच एक रन से ख़त्म हुआ। उस रात मेरा नंबर ग़लत था। लेकिन उस रात कम से कम एक नंबर था। उसे उठाकर देखा जा सकता था, उसकी ग़लती नापी जा सकती थी, उसका डेथ-ओवर्स विकेट-वैल्यू टर्म तीन हफ़्ते में दोबारा बनाया जा सकता था।

आज की रात कुछ और है। यहाँ कोई नंबर नहीं है। एक ग़लत आँकड़ा ऑडिट किया जा सकता है; एक ख़ाली ढाँचा नहीं। और ख़तरा यही है — यह पेलोड देखने में पूरा लगता है। उसका स्कीमा सही है, उसकी फ़ील्ड्स बनी हुई हैं, उसका फ़ॉर्मैट वैध है। एक मशीन इसे पढ़कर आगे बढ़ जाएगी। एक इंसान, अगर वह लापरवाह है, इसे भरकर भी भेज सकता है।

कॉन्टेक्स्ट: नंबर भारत में कहाँ से आते हैं

भारतीय क्रिकेट की डेटा इकॉनमी तीन परतों पर चलती है, और तीनों परतों की अपनी गुणवत्ता-समस्या है। पहली परत सार्वजनिक और मुफ़्त है — बॉल-बाय-बॉल स्कोरकार्ड, जो आईपीएल के 2026 से आने के बाद से इतना घना हो गया कि आज किसी भी टी20 इनिंग्स का हर गेंद दर्ज है। दूसरी परत आधी-खुली है — रणजी, विदर्भ जैसी टीमों की क्षेत्रीय रिपोर्टिंग, और 2026 से पहले का महिला क्रिकेट, जहाँ डेटा पतला है, स्रोत कमज़ोर हैं, और नंबर अक्सर 'पता चला है' वाली भाषा में आते हैं। तीसरी परत बाज़ार की है — ब्रॉडकास्ट ग्राफ़िक्स, फ़ैंटेसी प्लेटफ़ॉर्म, और ऑड्स, जो हर पल बदलते रहते हैं।

इन तीनों परतों के बीच एक चौथा, अनदेखा कमरा है: एक्सट्रैक्शन पाइपलाइन। कोई कच्चा लेख उठाता है, उससे तथ्य निकालता है, उन्हें इनफॉर्मेशन पॉइंट्स में बदलता है, टैग लगाता है, और आगे भेजता है। इस कमरे में ग़लती होने पर किसी को पता नहीं चलता, क्योंकि ग़लती का रूप बदसूरत नहीं होता — ग़लती का रूप साफ़-सुथरा, अच्छी तरह फ़ॉर्मैटेड, पूरी तरह ख़ाली होता है।

मैंने 2026 में प्रिंट की स्पोर्ट्स डेस्क छोड़ी थी, जब अख़बार ने अपना स्टैंडअलोन स्टैट्स पेज बंद कर दिया। साल्ट लेक की उस बारह-लोगों की प्राइसिंग डेस्क पर मेरा पहला काम था — एक बॉल-बाय-बॉल 'ट्रू रन वैल्यू' मॉडल, 812 आईपीएल इनिंग्स पर ट्रेन किया हुआ। वहाँ मुझे पहली बार यह समझ आया कि 2026 में मैंने एक मैच को कीमतों के क्रम में पढ़ना सीखा था — यानी हर गेंद को एक संभावना के रूप में, न कि एक घटना के रूप में। उस शब्दावली में "स्कोर 129/8 है" एक तथ्य नहीं, एक बाज़ार-भाव है।

और उस शब्दावली में सबसे महँगी चीज़ नंबर नहीं है। सबसे महँगी चीज़ प्रोवेनेंस है — यह जानना कि नंबर कहाँ से आया, किस विंडो पर, किस फ़िल्टर के साथ, और किस शर्त के पूरा होने पर वह अपनी वैधता खो देता है।

इसीलिए 21 मई 2026 के बाद मेरे हर फ़ाइल के ऊपर एक स्टैंडिंग बॉक्स होता है: मॉडल, डेटा विंडो, कॉन्फ़िडेंस बैंड। एडिटर्स इसे शुरू में धीमी आदत मानते थे। बाद में उन्होंने पाया कि साल भर बाद भी जिन कॉल्स की जाँच हो सकती है, वे सिर्फ़ उसी डेस्क की हैं।

जिस भी आँकड़े पर मुझे भरोसा है, वह अपने साथ उस सीज़न का निशान लेकर चलता है जिसमें मैं ग़लत था। जून 2026 में रूस में मैंने फ़ुटबॉल की बुक चलाई थी। जर्मनी को ग्रुप स्टेज से बाहर होने की 14 प्रतिशत संभावना दी थी, बुंदेसलीगा और प्रीमियर लीग के दो सीज़न के xG और PPDA पर बना मॉडल। 27 जून को दक्षिण कोरिया ने उन्हें 0-2 से हराया। तीन दिन बाद स्पेन ने रूस के ख़िलाफ़ 1,029 पास पूरे किए और पेनल्टी पर बाहर हो गया। उस शाम मैंने 2,400 शब्दों में लिखा कि पज़ेशन एक लेगिंग इंडिकेटर है। 2026 में मैंने पज़ेशन प्रतिशत को रिटायर कर दिया, और डेस्क पर किसी ने ध्यान नहीं दिया। मैंने उसकी जगह फ़ील्ड टिल्ट, PPDA और प्रोग्रेसिव पासेज़ पर शॉट रखे।

मई 2026 में जब बुंदेसलीगा ख़ाली स्टेडियमों में लौटी, मैंने अपना होम-एडवांटेज रिग्रेशन दोबारा चलाया। छह आईपीएल सीज़न और 1,200 से ज़्यादा मैचों पर वह मल्टीप्लायर 1.07 था। बंद दरवाज़ों के पीछे वह 1.00 पर आ गया। मैंने यह नतीजा सितंबर के यूएई रीस्टार्ट से पहले छाप दिया, और 60 मैचों में वह टिका रहा।

ख़ाली स्टैंड्स ने मुझे सिखाया था कि एटमॉस्फ़ियर एक वेरिएबल था जिसे मैंने शून्य पर प्राइस किया था। उसी साल 19 दिसंबर को अडिलेड में भारत 53 रन की पहली-इनिंग्स बढ़त के साथ 36 पर ढेर हो गया, और मेरे इन-प्ले मॉडल ने उन्हें न हारने की 74 प्रतिशत संभावना दी थी। उस सर्दी में मैंने हर विकेट की बॉल-ट्रैकिंग लॉग की। कोई ढहना अब मेरे लिए चरित्र-आकलन नहीं, फ़ॉरेंसिक होता है।

यह सारा इतिहास इसलिए याद कर रहा हूँ कि आज की ख़ाली स्कीमा इन सबसे अलग क़िस्म की समस्या है। पुरानी ग़लतियाँ डेटा की ग़लतियाँ थीं। यह ग़लती डेटा के अभाव की है — और अभाव को पकड़ने के लिए मेरे पास अभी कोई उपकरण नहीं है।

कोर: आठ आयाम, और आठ बार वही दीवार

स्टेज-2 का ढाँचा आठ आयामों में सोचता है। इस पेलोड पर आठों आयाम एक ही जगह अटकते हैं, और वह जगह है — शून्य इनफॉर्मेशन पॉइंट। मैं एक-एक को खोलता हूँ, क्योंकि हर ठहराव अलग वजह से होता है, और वजह समझे बिना प्रोटोकॉल नहीं बनता।

1. फ़ॉर्मैट: हर नतीजे की शर्त

क्रिकेट एनालिसिस में फ़ॉर्मैट नीचे की सीढ़ी नहीं, ज़मीन है। टेस्ट का स्ट्राइक रेट और टी20 का स्ट्राइक रेट तुलनीय मात्राएँ नहीं हैं। द हंड्रेड का डेथ-ओवर्स अलग है, वनडे का पावरप्ले अलग है, और टेस्ट के चौथे दिन का सेशन तो किसी दूसरी ही दुनिया का प्राणी है। जब फ़ॉर्मैट अज्ञात हो, तो एक भी निष्कर्ष नहीं निकलता — किस चरण का प्रदर्शन अच्छा था, कौन सा स्पेल महँगा पड़ा, विकेट के साथ ओवर खर्च करना समझदारी थी या डर। इनमें से किसी का जवाब नहीं है।

यहाँ मेरे 2026 वाले फ़ाइल-बॉक्स की याद आती है। उस फ़ाइनल का डेथ-ओवर्स विकेट-वैल्यू टर्म मैंने तीन हफ़्ते में दोबारा बनाया था — लेकिन यह काम इसलिए मुमकिन हुआ क्योंकि मुझे पता था कि यह टी20 है, यह आईपीएल है, और यह हैदराबाद की पिच है। फ़ॉर्मैट वह पहला फ़िल्टर है जिसके बिना हर आगे का फ़िल्टर बेमानी है।

2. खिलाड़ी: जिसका नाम नहीं, उसकी भूमिका कैसे

इस पेलोड में कोई खिलाड़ी नहीं है। बिना नाम के भूमिका तय नहीं होती — ओपनर, एंकर, फ़िनिशर, पेस, स्पिन, ऑलराउंडर, कीपर। और भूमिका तय न हो तो बेंचमार्क भी नहीं। एक फ़िनिशर का 140 का स्ट्राइक रेट ठीक है; एक एंकर का 140 अलग कहानी है। यह अंतर आँकड़े में नहीं, संदर्भ में रहता है।

यहाँ असली जाल यह है — फ़ॉर्मैट मिक्सिंग। किसी खिलाड़ी के टी20 के आँकड़े उठाकर उसकी टेस्ट क्षमता पर बात करना भारतीय डेस्कों की सबसे पुरानी आदत है, और यह ग़लती इसलिए टिकी हुई है क्योंकि यह मज़ेदार लगती है। एक बल्लेबाज़ जो बीस ओवर में बेख़ौफ़ है, वह पाँच दिन में धैर्य की परीक्षा में कहीं और खड़ा होता है। दोनों के आँकड़ों को एक वाक्य में रखना पाठक को भरमाता है।

जब खिलाड़ी ही नहीं, तो उम्र-वक्र, फ़ॉर्म-ट्रेंड और चोट का इतिहास — तीनों अटके रहते हैं। यह तीनों मिलकर ही एक सार्थक मूल्यांकन बनाते हैं।

3. टीम: दो अलग टेबल, और एक भ्रम

टीम अज्ञात है, फ़ॉर्मैट अज्ञात है। अंतरराष्ट्रीय क्रिकेट परिषद तीन अलग टेबल रखती है — टेस्ट, वनडे, टी20आई — और उनके पॉइंट सिस्टम, उनके साइकल, उनके प्रतिबंध अलग नियमों से चलते हैं। बिना फ़ॉर्मैट लेबल के 'रैंकिंग' शब्द का कोई मतलब नहीं।

स्क्वाड स्ट्रक्चर की चार धुरियाँ — बैटिंग डेप्थ, बॉलिंग कॉम्बिनेशन, बेंच डेप्थ, उम्र का ढाँचा — इनमें से एक भी नहीं नापी जा सकती। न ही होम-अवे प्रोफ़ाइल बन सकती है, न ही मुक़ाबला-इतिहास। cricket_asia टैग छह राष्ट्रीय टीमें और छह बड़ी लीग्स की तरफ़ इशारा करता है — इतना चौड़ा दायरा है कि इसमें से कोई भी निष्कर्ष निकालना सिर्फ़ अनुमान होगा। एक टैग रूटिंग का साधन है, विश्लेषण का आधार नहीं।

4. लीग और बाज़ार: कीमत और मूल्य का फ़र्क़

कहीं कोई नीलामी नहीं, कोई ट्रांसफ़र नहीं, कोई रिटेंशन नहीं। लेकिन अगर होता, तो सही तरीक़ा यह होता कि लेन-देन की क़ीमत को खेल-मूल्य से अलग रखा जाए — और किसी भी प्रीमियम को उसकी श्रेणी में रखा जाए: स्थानीय युवा-सितारा प्रीमियम, ऑलराउंडर प्रीमियम, दुर्लभ-स्थिति प्रीमियम, या घबराहट की बोली। एक ऊँची नीलामी क़ीमत अंतरराष्ट्रीय प्रभुत्व का प्रमाण नहीं है, और मैंने अपनी डेस्क पर यह भेद सबसे सख़्ती से लागू किया है।

ट्रांसफ़र फ़ीस एक अफ़वाह है, वेज बिल एक तथ्य है, और सेल-ऑन क्लॉज़ एक इक़बाल है। यह पंक्ति मैंने फ़ुटबॉल के लिए लिखी थी, लेकिन आईपीएल की नीलामी की मेज़ पर यह और सच लगती है। ब्रॉडकास्ट राइट्स का मूल्य, फ़्रैंचाइज़ वैल्यूएशन, खिलाड़ी वेतन — इन तीनों पर कुछ भी कहने के लिए कम से कम एक लीग का नाम चाहिए, और यह नाम इस पेलोड में नहीं है।

5. गवर्नेंस: जो स्क्रीन चली ही नहीं

यह वह हिस्सा है जहाँ मैं ठहरकर सोचता हूँ। इस पेलोड में सत्ता-वितरण, खेल-नियमों का विवाद, चयन-पात्रता, या भू-राजनीति — कुछ भी उठा नहीं है। लेकिन इसका मतलब यह नहीं कि वे मुद्दे मौजूद नहीं थे। इसका मतलब यह है कि भ्रष्टाचार-निरोधक जाँच चली ही नहीं।

यह एक बारीक, ख़तरनाक अंतर है। एक ख़ाली इनपुट का मतलब यह नहीं होता कि नियंत्रण ने पास होकर हरी झंडी दी। उसका मतलब है कि नियंत्रण कभी शुरू नहीं हुआ। इस फ़र्क़ को दर्ज करना ज़रूरी है — लॉग में "स्क्रीन पास" नहीं, "स्क्रीन नहीं हुई" लिखा जाना चाहिए। 2026 का क्रोनिये कांड, 2026 का स्पॉट-फ़िक्सिंग कांड, 2026 का आईपीएल सट्टा कांड — तीनों उन पलों की याद दिलाते हैं जब उद्योग ने यह मान लिया था कि कुछ न मिलने का मतलब कुछ न होना है।

डेटा पाइपलाइन में भी वही तर्क लागू होता है। किसी ख़ाली पेलोड को 'साफ़' मान लेना उसी तरह की लापरवाही है जैसे किसी असत्यापित नंबर को 'प्रमाणित' मान लेना।

6. जोखिम: 'अज्ञात' को 'कम' लिखने की ग़लती

जोखिम मैट्रिक्स की हर पंक्ति ख़ाली है — खेल-जोखिम, कार्मिक-जोखिम, व्यापारिक-जोखिम, नियम-जोखिम, जनमत-जोखिम, प्रणालीगत-जोखिम। ऐसे में सही रेटिंग 'कम' नहीं है। सही रेटिंग है — अज्ञात।

यह भाषा का खेल नहीं है। जोखिम की गणना पहचाने गए ख़तरों से होती है। जहाँ कोई ख़तरा पहचाना ही न गया हो, वहाँ "कम जोखिम" लिखना तथ्यात्मक ग़लती है। और निर्णय लेने के ज़्यादातर कामों में अज्ञात जोखिम एक ज्ञात-और-प्रबंधित 'कम' जोखिम से ज़्यादा भयावह माना जाना चाहिए। एक बताया हुआ ख़तरा निपटाया जा सकता है; एक अनदेखा ख़तरा सिर्फ़ इंतज़ार करता है।

एक दिसंबर 2026 की रात मैंने क्रिश्चियन एरिक्सन के लिए डेनमार्क-फ़िनलैंड मैच के 43वें मिनट में बारह-क्लॉज़ का वॉयड प्रोटोकॉल बनाया था, ग़ैर-खेलकूद घटनाओं के लिए। उस रात का सबक यह था कि जब अज्ञात घटित होता है, तो सबसे ख़तरनाक जवाब मौन नहीं, अंदाज़ा होता है। उसी को इस मैट्रिक्स पर लगाइए।

7. कथा: एक अंतराल जिसके दोनों छोर नहीं हैं

मीडिया की हलचल कभी ख़ाली नहीं होती — और यही इस रात की सबसे बड़ी टकराव है। टिकट, जर्सी, व्यूअरशिप, फ़ॉलोअर्स, एंडोर्समेंट — कुछ भी उपलब्ध नहीं। एक कथा-चक्र (जन्म → त्वरण → चरम → प्रतिक्रिया) में कहीं भी पिन नहीं लगाया जा सकता।

अपेक्षा-अंतराल की गणना के लिए दो चीज़ें चाहिए — बाज़ार की बाहरी अपेक्षा, और एक स्वतंत्र मौलिक आकलन। यहाँ एक भी नहीं है। और अफ़वाह की स्रोत-श्रेणी भी तय नहीं हो सकती, क्योंकि सोर्स फ़ील्ड ख़ाली है।

इस जगह मुझे अपनी पुरानी आदत याद आती है — किसी भी समाचार को उसके स्रोत के दर्जे के अनुसार तौलना: आधिकारिक बोर्ड, विश्वसनीय पत्रकार, आम मीडिया, या सिर्फ़ ट्रैफ़िक खींचने वाला हैंडल। बिना स्रोत के किसी भी कथा को वज़न देना, बिना विंडो के किसी आँकड़े को वज़न देने जैसा है — दोनों सजावट हैं।

8. उद्योग: एक ट्रांसमिशन चेन जिसके तीनों नोड ख़ाली

ऊपर की कड़ी (युवा विकास, प्रतिभा-आपूर्ति), बीच की कड़ी (राष्ट्रीय टीमें, लीग), नीचे की कड़ी (ब्रॉडकास्ट, व्यापारिक, डेरिवेटिव बाज़ार) — तीनों नोड अनगिनत हैं। ब्रॉडकास्ट मीडिया, दक्षिण एशिया का हार्टलैंड मार्केट, प्रतिभा-आपूर्ति चेन, कैपिटल नेटवर्क, बेटिंग/फ़ैंटेसी सेगमेंट — हर पंक्ति में दिशा, परिमाण और समय-क्षितिज ख़ाली है।

और एक स्थायी टिप्पणी, जो मैं हर रिपोर्ट के अंत में लगाता हूँ: ऑड्स, जहाँ वे मौजूद हों, सिर्फ़ एक अपेक्षा-संकेत माने जाते हैं; इस ढाँचे के तहत कभी सट्टे की सलाह नहीं बनती। इस पेलोड में ऑड्स भी नहीं हैं।

कॉन्ट्रैरियन: ख़ाली जवाब, भरे जवाब से ज़्यादा मूल्यवान क्यों है

उद्योग में एक गहरी, अघोषित मान्यता चलती है — अच्छी तरह फ़ॉर्मैटेड जवाब, भरोसेमंद जवाब होता है। यही आज की असली खोज है। एक बदसूरत पेलोड, एक ख़राब स्कीमा, एक उड़ता हुआ एरर — इन्हें सिस्टम तुरंत पकड़ लेता है। लेकिन एक सुंदर, पूरा, वैध स्कीमा जिसमें सारे तथ्य ख़ाली हों — वह पूरी तरह अदृश्य रहता है। ख़तरा शोर में नहीं, ख़तरे का रूप ख़ामोशी है।

मैंने 2026 में क़तर में यह सबक दूसरी तरफ़ से सीखा था। 22 नवंबर को अर्जेंटीना 1-0 से आगे था और मेरा इन-प्ले मॉडल उन्हें 94 प्रतिशत दे रहा था। सऊदी अरब ने 1-2 से जीत लिया। मैंने चालीस घंटे के भीतर पोस्ट-मॉर्टम छापा — बहाना नहीं, एक वेरिएंस लेजर, जिसमें 5,000 ऐतिहासिक मैचों पर मॉडल की कैलिब्रेशन एरर नापी गई थी। उस हफ़्ते मैंने सार्वजनिक वेरिएंस लेजर शुरू किया। दो एडिटरों ने मुझे छोड़ दिया। जो पाठक बचे, वे वही थे जो कीमत चुकाते थे।

लेकिन यह वेरिएंस की कहानी थी — यानी ग़लत नंबर की कहानी। आज की समस्या उससे एक क़दम आगे है। यहाँ नंबर ही नहीं है। इसलिए दो रास्ते हैं, और दोनों में से ग़लत रास्ता चुनना बेहद आसान है।

पहला रास्ता: इस ख़ाली ढाँचे को संभावित सामग्री से भर देना। cricket_asia टैग देखकर कोई एशियाई टीम, कोई लीग, कोई मैच मान लेना, और उस पर एक विश्वसनीय दिखने वाली रिपोर्ट लिख देना। यह वह अपराध है जिसकी पहचान सबसे मुश्किल है, क्योंकि इसका उत्पाद सुंदर होता है और इसका पाठक संतुष्ट। और एक गढ़ा हुआ आँकड़ा असली आँकड़े से टोन में अलग नहीं लगता — यही इस पूरे ढाँचे की सबसे बड़ी कमज़ोरी है।

दूसरा रास्ता: मान लेना कि चूँकि यहाँ क्रिकेट की कोई सामग्री नहीं है, इसलिए कहने को कुछ नहीं है। यह भी ग़लत है। क्योंकि एक सीनियर एनालिसिस स्टेज तक एक ऐसा पेलोड पहुँच गया जो अपने साथ शून्य इनफॉर्मेशन पॉइंट लाया — यह ख़ुद एक घटना है। यह बताता है कि ऊपर की परत में कोई एक्सट्रैक्शन विफल हुई, और वह विफलता चुपचाप हुई। अगर यह बड़े पैमाने पर हो रहा हो, तो इसका मतलब है कि डेस्क ऐसी सामग्री छाप सकती है जो कहीं से भी आधारित नहीं है।

इस खेल का एक संस्करण है जिसे सिर्फ़ आँकड़ों ने देखा, और उसकी सुनवाई होनी बाक़ी है। लेकिन उस संस्करण की सुनवाई के लिए पहले यह पक्का करना होगा कि जो आँकड़े बोल रहे हैं, वे असल में मौजूद हैं।

और एक तीसरी संभावना, जिसे नज़रअंदाज़ नहीं करना चाहिए

नल पेलोड के तीन स्पष्टीकरण हो सकते हैं, और तीनों की जाँच अलग-अलग दिशा में जाती है। एक — स्रोत वाक़ई मौजूद था, पर एक्सट्रैक्शन विफल हुई। दो — स्रोत मौजूद है, मगर पेवॉल के पीछे है, जावास्क्रिप्ट से बनता है, या बॉट-ब्लॉक्ड है; यानी समस्या एनालिटिक्स की नहीं, स्क्रैपिंग की है। तीन — इनपुट वाक़ई ख़ाली था, और यह स्कीमा ठीक वही बता रहा है जो हुआ।

तीनों में से किसी को मान लेना जल्दबाज़ी होगी। पर एक बात तय है: तीनों में से किसी भी स्थिति में नीचे की ओर रिपोर्ट जाने का हक़ नहीं है। यही इस पूरे ऑडिट का एकमात्र ठोस निष्कर्ष है, और मैं इसे बिना घुमाए लिख रहा हूँ।

टेकअवे: अगला संकेत कहाँ देखना है

इस पेलोड से क्रिकेट के बारे में कुछ नहीं कहा जा सकता। उससे पाइपलाइन के बारे में बहुत कुछ कहा जा सकता है। सबसे पहला सुधार एक मिनिमम-वायबिलिटी गेट है: स्टेज-2 तब तक न चले जब तक कम से कम एक इनफॉर्मेशन पॉइंट, एक ग़ैर-ख़ाली सोर्स, और एक स्पष्ट फ़ॉर्मैट लेबल मौजूद न हो। स्कीमा-स्तर पर एक सख़्त विफलता चाहिए, चुप्पी में लिपटा N/A नहीं।

और आगे पाँच संकेत हैं जिन पर नज़र रखनी है: हर हज़ार आइटम में नल-रेट, जो दो प्रतिशत से ऊपर जाते ही एक घटना माना जाए, शोर नहीं; फ़ॉर्मैट-लेबल कवरेज, जो 95 प्रतिशत से नीचे गिरते ही हर प्रदर्शन-विश्लेषण को असुरक्षित बना देती है; सोर्स-फ़ील्ड की पूर्णता; सिर्फ़ डोमेन-टैग वाले आइटम, जो ग़लत कतार में जाकर झूठी ज़मीन बनाते हैं; और एंटिटी-एक्सट्रैक्शन की रिकॉल, जिसका स्पॉट-ऑडिट हर पचास आइटम पर होना चाहिए।

इस सबका राज़ एक ही आदत में छिपा है — पहले गिनो, फिर मानो। एक ख़ाली स्कीमा के सामने सबसे बहादुर काम वह नहीं है जो सबसे कुशल दिखता है। सबसे बहादुर काम यह लिखना है कि आज रात मेरे पास कहने को कुछ नहीं है — और यह भी लिखना है कि ऐसा क्यों हुआ।