क्रिकेट एनालिसिस पाइपलाइन में खाली स्कीमा: जब तथ्य न हों तो 'विश्लेषण' नहीं, ईमानदारी चाहिए

क्रिकेट कवरेज में डेटा-आधारित विश्लेषण अब विलासिता नहीं, बुनियादी ढांचा बन चुका है। हर बड़े टूर्नामेंट में न्यूज़रूम ऐसी पाइपलाइन चलाते हैं जो पहले लेख से तथ्य निकालती हैं और फिर उन तथ्यों पर विश्लेषण की परत चढ़ाती हैं। लेकिन एक हालिया ऑडिट में ऐसा मामला सामने आया जिसमें दूसरे चरण का विश्लेषण पूरी तरह खाली इनपुट पर चलाया गया। नतीजा यह रहा कि आठ में से एक भी आयाम ऐसा नहीं था जिसे तथ्यों से भरा जा सके। यह रिपोर्ट उसी घटना की है — और यह बताती है कि जब डेटा न हो तो सही पेशेवर प्रतिक्रिया क्या होनी चाहिए। पाइपलाइन दो चरणों में काम करती है। पहला चरण — Stage-1 — कच्चे लेख को पढ़कर उसके भीतर से सूचना-बिंदु, मुख्य दृष्टिकोण और उसमें शामिल संस्थाओं के नाम अलग करता है। दूसरा चरण — Stage-2 — इन सूचना-बिंदुओं पर प्रारूप-विश्लेषण, खिलाड़ी तकनीक, टीम परिदृश्य, लीग वाणिज्य, शासन, जोखिम, जन-आख्यान और उद्योग-संचरण जैसे आयाम जोड़ता है। Stage-2 की पूरी वैधता इस बात पर टिकी है कि Stage-1 ने कुछ ठोस लौटाया हो। इस बार Stage-1 का आउटपुट पूरी तरह खाली था। लेख का शीर्षक 'N/A', स्रोत 'N/A', लेख का प्रकार 'अवर्गीकृत', सूचना-बिंदुओं की सूची खाली, और मुख्य दृष्टिकोण के तीनों उप-फ़ील्ड — एक-वाक्य सारांश, लेखक का रुख और लेख का उद्देश्य — रिक्त थे। ऐसे में विश्लेषण के पास कोई कच्चा माल ही नहीं था। ध्यान देने वाली बात यह है कि स्कीमा खुद ठीक था। फ़ील्ड मौजूद थे, टेम्पलेट पूरा था, लेकिन मान उसमें भरे ही नहीं गए थे। तकनीकी भाषा में इसे 'एक्सट्रैक्शन फेलियर' कहा जाता है — यह 'कोई सूचना नहीं मिली' से बिल्कुल अलग चीज़ है। पहले में पाइपलाइन ने काम ही नहीं किया; दूसरे में पाइपलाइन ने काम किया और सचमुच कुछ नहीं मिला। दोनों का इलाज अलग है, और दोनों को एक जैसा मान लेना सबसे आम गलती है। सबसे संभावित वजह यह है कि एक्सट्रैक्शन मॉडल तक मूल लेख की बॉडी या उसका URL पहुंचा ही नहीं। जब इनजेशन परत पर लेख का पाठ गायब हो जाता है, तो मॉडल के पास पढ़ने को कुछ नहीं होता और वह एक खाली ढांचा लौटा देता है — बिना किसी त्रुटि संदेश के। यह 'साइलेंट फेलियर' है, और यही सबसे खतरनाक है, क्योंकि डाउनस्ट्रीम सिस्टम को लगता है कि काम हो गया। असली जोखिम यहां क्रिकेट का नहीं, विश्लेषण की सत्यनिष्ठा का है। खाली टेम्पलेट भरने का सबसे आसान रास्ता है — कल्पना से भर देना। मॉडल ऐसा कर सकता है: एक मध्यम-स्तरीय टी20 मुकाबला मान लेना, किसी बल्लेबाज के 40 गेंदों में 68 रन गढ़ देना, किसी गेंदबाज की इकॉनमी 7.2 बता देना, और फिर उन आंकड़ों पर तीन पैराग्राफ का 'तकनीकी विश्लेषण' लिख देना। यह पढ़ने में पेशेवर लगेगा और पूरी तरह झूठा होगा। खतरा सिर्फ एक लेख तक सीमित नहीं रहता। अगर यह आउटपुट डैशबोर्ड, अलर्ट या ऑटोमेटेड रिपोर्ट में चला जाए, तो गढ़े हुए आंकड़े आगे के सारे निर्णयों को दूषित कर देंगे। फैंटेसी क्रिकेट प्लेटफ़ॉर्म, सट्टेबाजी जोखिम मॉडल और प्रसारण ग्राफिक्स — तीनों ऐसे आंकड़ों पर चल सकते हैं। एक बार झूठा आंकड़ा सिस्टम में घुसा तो उसे वापस निकालना मुश्किल होता है, क्योंकि आगे की हर परत उसे सच मानकर बनती है। इसलिए इस रिकॉर्ड को 'NO_DATA' नहीं, बल्कि 'EXTRACTION_FAILED' टैग किया जाना चाहिए। दोनों में ज़मीन-आसमान का फर्क है। 'NO_DATA' का मतलब है कि लेख में सचमुच कोई उपयोगी तथ्य नहीं था — जैसे कोई सामान्य फीचर। 'EXTRACTION_FAILED' का मतलब है कि तथ्य थे, पर हम उन्हें पकड़ नहीं पाए। पहला स्थिति का बयान है, दूसरा हमारी नाकामी का। इन्हें मिला देना पाइपलाइन की गुणवत्ता नापने के पैमाने को ही बेकार कर देता है। आठ आयामों में से किसी में भी ठोस नतीजा नहीं निकला। प्रारूप और मैच विश्लेषण में यह तय नहीं हो सका कि मामला टेस्ट का है, वनडे का, टी20 का या किसी लीग का — और इन तीनों का सामरिक तर्क एक-दूसरे पर लागू नहीं होता। खिलाड़ी तकनीक वाले हिस्से में किसी खिलाड़ी का नाम ही नहीं था, इसलिए औसत, स्ट्राइक रेट या गेंदबाजी इकॉनमी जैसे किसी पैमाने का जिक्र असंगत होता। टीम परिदृश्य में कोई राष्ट्रीय या फ्रैंचाइज़ी टीम नहीं थी, सो आईसीसी रैंकिंग या बेंच-डेप्थ पर बात करना बेमानी था। लीग और वाणिज्यिक पक्ष में कोई नीलामी राशि, प्रसारण अधिकार का आंकड़ा या अनुबंध विवरण नहीं था। शासन और नियम वाले हिस्से में कोई आईसीसी फैसला, बोर्ड का निर्णय या विवाद दर्ज नहीं था। जोखिम-मैट्रिक्स में खुद भरने लायक कोई खेल-तथ्य नहीं था। जन-आख्यान का कोई संकेत नहीं था। और उद्योग-संचरण का कोई आर्थिक बिंदु नहीं था। पाठक के लिए इसका सीधा मतलब यह है: अगर किसी क्रिकेट लेख में खिलाड़ी का नाम, स्कोर, तारीख या स्रोत में से कुछ भी न हो, तो वह विश्लेषण नहीं है। असली क्रिकेट विश्लेषण की पहचान यही है कि उसमें हर दावे के पीछे एक सत्यापन-योग्य तथ्य हो। 'टीम का गेंदबाजी आक्रमण कमजोर है' — यह वाक्य तभी मायने रखता है जब बताया जाए कि किस प्रारूप में, किस विरोधी के खिलाफ, कितने ओवरों में, किस पिच पर। इनमें से एक भी जानकारी न हो तो वाक्य खोखला है। पेशेवर मानक साफ है — स्रोत-पारदर्शिता। जब तथ्य न हों, तो टेम्पलेट को खाली छोड़कर यह लिखना कि 'अपर्याप्त सूचना, आकलन संभव नहीं' ही सही व्यवहार है। यह कमजोरी नहीं, अनुशासन है। एक खाली फ़ील्ड झूठे नतीजे से हजार गुना बेहतर है, क्योंकि खाली फ़ील्ड कम से कम यह बताता है कि काम कहां अधूरा है। पूरा आठ-आयामी विश्लेषण खोलने के लिए चार चीज़ें ज़रूरी हैं। पहली, लेख का शीर्षक, स्रोत और प्रकाशन तिथि — इससे स्रोत की गुणवत्ता और समय-संवेदनशीलता तय होती है। दूसरी, कम से कम तीन से पांच ठोस सूचना-बिंदु — नतीजा, स्कोर, खिलाड़ी का आंकड़ा, नीलामी राशि या कोई फैसला। तीसरी, प्रारूप की स्पष्ट पहचान — टेस्ट, वनडे, टी20, द हंड्रेड या लीग का नाम। चौथी, स्पष्ट संस्थाएं — टीम, खिलाड़ी, कोच, आयोजन। न्यूज़रूम के लिए तीन सिफारिशें। पहली, इनजेशन परत पर यह जांच लगाएं कि लेख की बॉडी वाकई मॉडल तक पहुंची है या नहीं — खाली बॉडी पर एक्सट्रैक्शन चलाने से पहले ही रोक देना चाहिए। दूसरी, हर रिकॉर्ड पर स्थिति-टैग अनिवार्य करें: पूर्ण, अपूर्ण, या एक्सट्रैक्शन विफल। तीसरी, ऐसा कोई भी आउटपुट प्रकाशित न करें जिसमें संस्था-विशिष्ट दावा हो पर उसके पीछे कोई सत्यापन-योग्य तथ्य न हो। इस मामले का सार यही है कि यहां विफलता क्रिकेट की नहीं, पाइपलाइन की थी। एक मैच, एक खिलाड़ी, एक नीलामी या एक फैसला — इनमें से कुछ भी इनपुट में नहीं था। ऐसे में जो सबसे ईमानदार और सबसे उपयोगी रिपोर्ट बनती है, वह मैच की नहीं, प्रक्रिया की होती है। और क्रिकेट पत्रकारिता में यही सबसे ज़रूरी सबक है: जब तथ्य न हों, तो अच्छी कहानी गढ़ने का लोभ सबसे बड़ा खतरा है।