खाली डेटा, साफ दिखने वाला भ्रम: क्रिकेट न्यूज़रूम में 'साइलेंट ड्रॉप' की चेतावनी

पिछले एक दशक में स्पोर्ट्स एनालिटिक्स धीरे-धीरे एक सहायक टूल से एक पूरी इंडस्ट्री में बदल चुका है। क्रिकेट में यह बदलाव सबसे तेज़ रहा है — बॉल-बाय-बॉल डेटा, एक्सपेक्टेड रन्स, वेन्यू-वाइज़ स्प्लिट्स और ऑक्शन-प्राइस मॉडलिंग अब किसी भी बड़े मीडिया हाउस के डेली कंटेंट का हिस्सा हैं। लेकिन इस पूरी मशीनरी की एक ऐसी कमज़ोरी है जिस पर लगभग कोई बात नहीं होती: जब डेटा मिलना बंद हो जाता है, तो सिस्टम अक्सर एरर नहीं देता। वह चुपचाप खाली हाथ लौटता है — और खालीपन को साफ-सुथरे आउटपुट के रूप में पेश कर देता है।

यही वजह है कि हाल ही में एक क्रिकेट-एनालिसिस पाइपलाइन के दूसरे चरण (Stage-2) में जो नतीजा सामने आया, वह अपने आप में एक खबर है। पहले चरण (Stage-1) से जो डीकंस्ट्रक्शन रिपोर्ट दूसरे चरण को सौंपी गई, वह लगभग पूरी तरह खाली थी। न लेख का शीर्षक, न स्रोत, न लेख का प्रकार, न कोई एंटिटी, न एक भी ठोस तथ्य। सिर्फ एक डोमेन लेबल — cricket_asia — जो अपने आप में अधूरा है।

दूसरे चरण ने तय किया कि वह इस खाली इनपुट पर कोई क्रिकेटिंग निष्कर्ष नहीं देगा। इसके बजाय उसने एक 'इनपुट इंटीग्रिटी ऑडिट' तैयार किया, जिसमें हर फ़ील्ड के आगे स्पष्ट रूप से लिखा गया कि जानकारी उपलब्ध नहीं है। यह फैसला तकनीकी रूप से सही था, लेकिन इसने एक बड़ा सवाल खड़ा कर दिया — अगर एनालिटिक्स पाइपलाइन खाली नतीजे को भी 'सफल' मानकर आगे बढ़ा सकती है, तो उस पर भरोसा कैसे किया जाए?

ऑडिट में सामने आया कि आठ में से सात फ़ील्ड पूरी तरह अनुपयोगी थीं। शीर्षक नहीं था, इसलिए यह तय ही नहीं हो सका कि लेख किस बारे में था। स्रोत नहीं था, इसलिए स्रोत की गुणवत्ता को ग्रेड नहीं किया जा सका — यानी यह जानना असंभव हो गया कि जानकारी किसी आधिकारिक बोर्ड की विज्ञप्ति से आई थी, किसी भरोसेमंद पत्रकार से, या किसी ट्रैफिक बटोरने वाले अकाउंट से। लेख का प्रकार तय नहीं था, इसलिए मैच रिपोर्ट, ऑक्शन कवरेज, गवर्नेंस स्टोरी और ओपिनियन के बीच फर्क करना नामुमकिन था। और सबसे बड़ी बात — 'इंफॉर्मेशन पॉइंट्स' की सूची बिल्कुल खाली थी। शून्य ठोस तथ्य। न टीम, न खिलाड़ी, न वेन्यू, न स्कोर, न तारीख।

इस खालीपन के चार संभावित कारण गिनाए गए। पहला — स्रोत पे-वॉल या लॉगिन के पीछे था और क्रॉलर वहां तक नहीं पहुंच पाया। दूसरा — पेज जावास्क्रिप्ट से रेंडर होता है और क्रॉलर ने सिर्फ खाली ढांचा (DOM शेल) उठा लिया। तीसरा — स्रोत टेक्स्ट ही नहीं था; यह वीडियो, पॉडकास्ट, इमेज कैरोसेल या स्कोरकार्ड विजेट रहा होगा। चौथा — फेच और डीकंपोज़िशन के बीच पाइपलाइन में तकनीकी गड़बड़ी हुई। जिसकी आशंका सबसे अधिक जताई गई, वह चौथा कारण है, क्योंकि इसमें सुधार सबसे सस्ता है: अगर क्रॉलिंग सफल रही और सिर्फ डीकंपोज़िशन चरण विफल हुआ, तो दोबारा पूरा क्रॉल करने के बजाय सिर्फ डीकंपोज़िशन दोबारा चलाना काफी हो सकता है।

लेकिन इस पूरे प्रकरण का सबसे गंभीर पहलू तकनीकी नहीं, पेशेवर है। खाली इनपुट एक खतरनाक निमंत्रण देता है — वह यह कि आप अपनी समझ से खाली खानों को भर दें। स्कोर याद से लिख दें, ऑक्शन प्राइस अंदाज़े से डाल दें, रैंकिंग अपनी स्मृति से जोड़ दें। ऐसा आउटपुट देखने में पूरी तरह अधिकारिक लगेगा और पाठक को कभी पता नहीं चलेगा कि उसके पीछे कोई स्रोत था ही नहीं। एनालिसिस ने इस जाल को स्पष्ट नाम दिया — 'फैब्रिकेशन प्रेशर' — और जानबूझकर उस रास्ते पर चलने से इनकार किया। जब तक पहला चरण दोबारा नहीं भरा जाता, तब तक हर खाने में 'जानकारी अपर्याप्त' लिखा रहने दिया गया।

यहीं दूसरी, इससे भी बारीक गलती की आशंका है। रिपोर्ट में साफ कहा गया कि गवर्नेंस और इंटीग्रिटी से जुड़ी जांचों के आगे जो 'N/A' लिखा है, उसका मतलब 'जोखिम नहीं है' नहीं, बल्कि 'जोखिम का आकलन ही नहीं हुआ' है। यह फर्क बहुत जरूरी है। मैच-फिक्सिंग, स्पॉट-फिक्सिंग, नो-ऑब्जेक्शन सर्टिफिकेट (NOC) के विवाद, बोर्ड-और-लीग की खींचतान — इनमें से किसी की भी पुष्टि नहीं हुई, लेकिन किसी का खंडन भी नहीं हुआ। अगर कोई प्रबंधक इस रिपोर्ट को देखकर कहेगा कि 'कोई जोखिम नहीं मिला', तो वह गलत नतीजा निकालेगा। सही भाषा है — 'आकलन नहीं हुआ, मुक्त नहीं किया गया'।

तीसरी संरचनात्मक समस्या फॉर्मेट की है। रिपोर्ट में बताया गया कि cricket_asia एक भौगोलिक टैग है, फॉर्मेट का टैग नहीं। टेस्ट, वनडे और टी20 के आंकड़े आपस में तुलनीय नहीं हैं। एक टी20 गेंदबाज की इकॉनमी 7 से नीचे होना शानदार माना जाता है, लेकिन टेस्ट में इकॉनमी अकेला सार्थक पैमाना ही नहीं है। अगर फॉर्मेट तय न हो, तो किसी भी खिलाड़ी के आंकड़े का मूल्यांकन करना गणितीय रूप से अमान्य हो जाता है। इसीलिए सुझाव दिया गया कि 'फॉर्मेट की पहचान' को एक कठोर द्वार (हार्ड गेट) बनाया जाए — फॉर्मेट तय न हो तो खिलाड़ी-विश्लेषण वाला खंड खुले ही नहीं।

इसी तरह टीम-विश्लेषण भी अटका रहा। एशियाई क्रिकेट की सबसे बड़ी संरचनात्मक सच्चाई है घरेलू और विदेशी प्रदर्शन का भारी अंतर — उपमहाद्वीप में स्पिन का दबदबा और बाहर तेज़ गेंदबाजी के अनुकूलन की मजबूरी। लेकिन वेन्यू ही नहीं पता था, तो 'घर' और 'बाहर' का कोई मतलब ही नहीं बचा। रिपोर्ट ने एक और जरूरी चेतावनी दी — cricket_asia टैग को देखकर यह मान लेना कि यह भारत-पाकिस्तान सीरीज़ की खबर है, शुद्ध अटकलबाज़ी होगी। भौगोलिक लेबल से फिक्स्चर नहीं निकाले जा सकते।

ऑक्शन और कमर्शियल हिस्से में भी वही दीवार आई। किसी खिलाड़ी की ऊंची आईपीएल कीमत को उसकी अंतरराष्ट्रीय क्रिकेटिंग ताकत का सबूत मान लेना इस क्षेत्र की सबसे आम भूल है। लेकिन यह तुलना करने के लिए कम से कम एक कीमत और एक नाम चाहिए — दोनों नहीं थे। साथ ही यह भी याद दिलाया गया कि ऑक्शन की खबरों में 'लीक' हुए आंकड़े एजेंट-नेटवर्क से आते हैं, इसलिए स्रोत-ग्रेडिंग पहले करनी चाहिए, कीमत को तथ्य मानने के बाद नहीं।

इस पूरी कवायद का सबसे उपयोगी नतीजा एक 'न्यूनतम व्यवहार्य इनपुट' चेकलिस्ट है। दूसरे चरण को पूरा आठ-आयामी विश्लेषण देने के लिए पहले चरण से कम से कम यह चाहिए: लेख का शीर्षक और प्रकाशक-तारीख के साथ स्रोत; लेख का प्रकार; फॉर्मेट या प्रतियोगिता का टैग; कम से कम पांच ठोस तथ्य, जिनमें से प्रत्येक में कोई नाम, कोई संख्या, कोई वेन्यू या कोई तारीख हो; टीमों, खिलाड़ियों, कोचों और बोर्डों की सूची; और समय-संवेदनशीलता तथा स्रोत-गुणवत्ता का आकलन। इनमें से शुरुआती तीन चीजें न हों तो सिस्टम को सिर्फ इनपुट-ऑडिट लौटाना चाहिए — जैसा इस बार हुआ।

एक और बिंदु पुनःप्रयास (रीट्राई) का है। रिपोर्ट में साफ लिखा है कि अगर उसी रास्ते से दोबारा क्रॉल किया जाएगा, तो उसी खाली नतीजे की संभावना अधिक है। इसलिए तरीका बदलना चाहिए — रेंडर्ड-पेज फेच, एएमपी या सिंडिकेटेड कॉपी, या आर्काइव स्नैपशॉट। और अगर बदले हुए रास्ते पर भी वही खाली पेलोड मिले, तो वह खुद एक सबूत है कि स्रोत वाकई खाली है।

अंत में, एनालिसिस ने यह भी दर्ज किया कि बेटिंग और सट्टे से जुड़ा कोई भी संकेत इस रिपोर्ट के दायरे से बाहर है। कोई ऑड्स डेटा नहीं दिया गया था, और भविष्य में भी किसी भी परिस्थिति में ऑड्स के आधार पर सट्टे की सलाह नहीं बनेगी। स्पोर्ट्स आउटकम inherently अनिश्चित होते हैं, और किसी भी विश्लेषण को उसी अनिश्चितता के साथ पढ़ा जाना चाहिए।

इस पूरे प्रकरण का सार यह है कि एनालिसिस फ्रेमवर्क ने सही काम किया — उसने खाली इनपुट पर खाली नतीजा लौटाया। खतरा फ्रेमवर्क में नहीं, उस आदत में है जो खाली जगह को भरने की जल्दी में सच्चाई गढ़ देती है। क्रिकेट कवरेज में अगली बड़ी गलती शायद कोई गलत स्कोर नहीं होगी; वह यह होगी कि कोई पाइपलाइन खाली हाथ लौटेगी और कोई उसे 'सब कुछ ठीक है' समझ लेगा।