खाली इनपुट, खतरनाक आउटपुट: क्रिकेट न्यूज़ डेस्क की डेटा-पाइपलाइन में चुपचाप हुई बड़ी चूक

किसी भी क्रिकेट न्यूज़ डेस्क की सुबह एक तय क्रम में चलती है। पहले स्रोत से खबर निकाली जाती है — हेडलाइन, सोर्स, मैच का फॉर्मेट, स्कोर, खिलाड़ियों के नाम, कोट्स, तारीख़। फिर उस कच्चे माल पर एनालिसिस होता है: फॉर्म, तकनीक, टीम संतुलन, लीग और बाज़ार, गवर्नेंस, जोखिम और माहौल। पिछले हफ़्ते इस डेस्क पर दूसरा चरण पूरी तरह चला — लेकिन पहले चरण से जो डेटा आया, वह लगभग पूरी तरह खाली था। हेडलाइन नहीं, सोर्स नहीं, फॉर्मेट नहीं, एक भी तथ्य नहीं। जो बचा था, वह सिर्फ़ एक टैग था: cricket_asia। यह कोई क्रिकेट मैच की खबर नहीं है। यह क्रिकेट मीडिया के भीतर की खबर है — और शायद इस हफ़्ते की सबसे ज़रूरी खबर। स्टेज-1 के जिस पेलोड पर स्टेज-2 को चलना था, उसमें ग्यारह में से दस फ़ील्ड खाली या अनुपलब्ध थे। आर्टिकल टाइटल: उपलब्ध नहीं। सोर्स: उपलब्ध नहीं। आर्टिकल टाइप: अनक्लासिफाइड। इन्फॉर्मेशन पॉइंट्स: खाली सूची। कोर व्यूअरपॉइंट: खाली। एंटिटीज़ के कॉलम में लिखा था कि इन्हें ऊपर दिए इन्फॉर्मेशन पॉइंट्स से पहचानें — जबकि ऊपर कोई पॉइंट ही नहीं था। टाइम सेंसिटिविटी आंकी ही नहीं गई। सोर्स क्वालिटी आंकी नहीं गई। सबसे नीचे सिर्फ़ एक लेबल था, cricket_asia, जो तय टैक्सोनॉमी में मान्य वैल्यू ही नहीं है; वहां Cricket होना चाहिए था। डेस्क का फैसला साफ़ था और यही इस खबर का केंद्र है। एनालिस्ट ने आठों आयामों के टेम्पलेट भरे, लेकिन हर जगह यह लिखा कि अपर्याप्त सूचना के कारण मूल्यांकन संभव नहीं। कोई काल्पनिक टी20 डेथ-ओवर्स का किस्सा नहीं गढ़ा गया, कोई आईपीएल नीलामी का एंगल नहीं बनाया गया, किसी खिलाड़ी का औसत या स्ट्राइक रेट नहीं सुझाया गया। सिर्फ़ एक डोमेन टैग से पूरी कहानी रच देना — यह किसी भी रिसर्च डेस्क के लिए सबसे महंगी गलती होती। क्योंकि ऐसा आउटपुट देखने में भरोसेमंद, बेहतरीन फॉर्मेटिंग वाला और पूरी तरह काल्पनिक होता है। यही इस पूरे प्रकरण का सबसे बड़ा सबक है। क्रिकेट कवरेज में आज जिस पैमाने पर ऑटोमेटेड टूल्स का इस्तेमाल हो रहा है, उसमें सबसे बड़ा खतरा गलत विश्लेषण नहीं है — सबसे बड़ा खतरा ऐसा विश्लेषण है जो मौजूद ही न हो, पर पढ़ने में सही लगे। जब इनपुट शून्य हो और आउटपुट में आत्मविश्वास भरा लंबा लेख आ जाए, तो पाठक को यह जानने का कोई तरीक़ा नहीं कि उसके पीछे कोई तथ्य था ही नहीं। इसीलिए इस बार डेस्क ने आठों आयामों में साफ़-साफ़ लिखा: अपर्याप्त सूचना, मूल्यांकन संभव नहीं। फॉर्मेट और मैच एनालिसिस की बात करें तो कुछ भी तय नहीं हो सका। टेस्ट, वनडे, टी20 या द हंड्रेड — कुछ भी तय नहीं। पावरप्ले, मिडल ओवर्स, डेथ ओवर्स, टेस्ट का नई गेंद का दौर — इनमें से कोई भी चरण तय नहीं किया जा सकता, क्योंकि फॉर्मेट ही तय नहीं। वेन्यू नहीं, पिच नहीं, मौसम नहीं, ओस नहीं, डकवर्थ-लुईस-स्टर्न से जुड़ा कोई बारिश का संदर्भ नहीं। ऐसे में अगर कोई यह कहता कि फलां टीम ने आख़िरी पांच ओवरों में गति पकड़ी, तो वह पूरी तरह हवा में होता। खिलाड़ी और डेटा के स्तर पर भी वही स्थिति रही। स्टेज-1 में कहीं कोई खिलाड़ी नामित ही नहीं था, इसलिए भूमिका तय करना — ओपनर, एंकर, फ़िनिशर, तेज़ गेंदबाज़, स्पिनर, ऑलराउंडर, विकेटकीपर — शुरू ही नहीं हो सका। कोई आंकड़ा उद्धृत करने की इजाज़त नहीं थी, क्योंकि उद्धृत करने लायक़ कोई असत्यापित आंकड़ा भी मौजूद नहीं था। औसत, स्ट्राइक रेट, इकॉनमी रेट गढ़ना सीधे तौर पर आविष्कार होता। इसी तरह टीम लैंडस्केप पर आईसीसी रैंकिंग, घरेलू-विदेशी प्रोफ़ाइल, बैटिंग डेप्थ, गेंदबाज़ी संयोजन, बेंच स्ट्रेंथ और उम्र-संरचना — सब पर अपर्याप्त सूचना लिखा गया। यह कमज़ोरी नहीं, अनुशासन है। लीग और कमर्शियल इकोसिस्टम का हिस्सा भी खाली रहा। ब्रॉडकास्ट राइट्स की वैल्यू, फ्रैंचाइज़ी वैल्यूएशन, खिलाड़ी वेतन, नीलामी की क़ीमत, रिटेंशन लिस्ट, राइट टू मैच — किसी का कोई ज़िक्र इनपुट में नहीं था। cricket_asia टैग के आधार पर आईपीएल, पीएसएल, आईएलटी20, एलपीएल या बीपीएल में से किसी एक को चुन लेना और फिर उस पर नीलामी का विश्लेषण लिख देना, अनुमान की इमारत होती। डेस्क ने एक पुराना नियम दोहराया, जो हर बार लागू होना चाहिए: कमर्शियल वैल्यू और स्पोर्टिंग वैल्यू एक चीज़ नहीं हैं। रिकॉर्ड नीलामी क़ीमत अंतरराष्ट्रीय दबदबे का सबूत नहीं होती। गवर्नेंस और नियमों के स्तर पर भी कोई जोखिम रेटिंग संभव नहीं हुई, क्योंकि जोखिम आंकने के लिए एक पहचाना हुआ पक्ष चाहिए — बोर्ड, लीग, खिलाड़ी या अधिकारी — और एक पहचाना हुआ कृत्य। दोनों में से कुछ भी मौजूद नहीं था। यहां एक अहम संपादकीय गार्डरेल भी दर्ज हुआ: ख़ामोशी को किसी बोर्ड, खिलाड़ी या लीग के ख़िलाफ़ सबूत नहीं माना जाएगा। खाली इनफ़ॉर्मेशन सेट का मतलब यह नहीं कि कहीं कुछ गड़बड़ है; उसका मतलब सिर्फ़ यह है कि हमें कुछ पता नहीं। यही अंतर साफ़ रखना ज़रूरी है, वरना एक तकनीकी खराबी किसी की छवि पर अनुचित सवाल बन जाती है। असली चिंता की बात दूसरी जगह है। जब स्टेज-1 का हर फ़ील्ड खाली हो — टाइटल तक — तो यह आमतौर पर इस बात का संकेत होता है कि लेख में कुछ नहीं था, बल्कि खबर निकालने की प्रक्रिया ही बीच में टूट गई। यानी स्रोत खुला ही नहीं, या पेज पार्स नहीं हुआ, या पेवॉल आड़े आई, या मॉडल का जवाब बीच में कट गया। इसे साइलेंट ट्रंकेशन का खतरा कहा गया — चुपचाप खबर का गिर जाना। यह सबसे ख़तरनाक इसलिए है क्योंकि इसमें कोई एरर मैसेज नहीं आता। डेस्क को लगता है कि उसने काम पूरा कर लिया, जबकि एक असली स्टोरी कवरेज से बाहर रह जाती है। इसलिए सही अगला क़दम स्टेज-2 को दोबारा लिखना नहीं, बल्कि स्टेज-1 को रिट्रीवल डायग्नोस्टिक्स के साथ फिर चलाना है। एक और तकनीकी चूक सामने आई। डोमेन लेबल cricket_asia था, जो तय स्कीमा में मान्य वैल्यू नहीं है; वहां Cricket होना चाहिए था। यह छोटी-सी दिखने वाली बात बड़ा असर डालती है, क्योंकि आगे का राउटिंग, बेंचमार्किंग और रिपोर्टिंग इसी लेबल पर टिकी होती है। ग़लत लेबल का मतलब है ग़लत डिब्बे में चली गई खबर, और उस डिब्बे के आंकड़ों में मिलावट। स्कीमा ड्रिफ्ट ऐसे ही शुरू होता है — एक-दो अपवाद से, और फिर आदत बन जाता है। एक चौथा खतरा भी दर्ज किया गया, जिसे फॉर्मेट-ब्लाइंडनेस का संक्रमण कहा गया। मान लीजिए अगली बार आंशिक डेटा आता है — किसी खिलाड़ी का नाम आ जाता है, टीम आ जाती है, लेकिन फॉर्मेट नहीं आता। ऐसे में फ्रेमवर्क की सबसे बड़ी गलती सक्रिय हो जाती है: टेस्ट, वनडे और टी20 के नतीजों को एक साथ मिलाकर बात करना। क्रिकेट में हर मीट्रिक का मतलब फॉर्मेट के साथ बदलता है। टेस्ट का औसत और टी20 का औसत एक ही तराज़ू पर नहीं तोले जा सकते। इसीलिए सिफ़ारिश यह है कि फॉर्मेट को स्टेज-1 में अनिवार्य फ़ील्ड बनाया जाए, और उसके बिना स्टेज-2 शुरू ही न हो। इस पूरे प्रकरण से एक साफ़ न्यूनतम इनपुट सेट निकलता है, जो हर बार पूरा होना चाहिए। हेडलाइन और सोर्स — जिससे सोर्स की गुणवत्ता तौली जा सके। फॉर्मेट — स्पष्ट रूप से टेस्ट, वनडे, टी20 या द हंड्रेड। कम से कम एक नामित एंटिटी — टीम, खिलाड़ी, बोर्ड या लीग। कम से कम तीन ठोस इन्फॉर्मेशन पॉइंट — स्कोर, आंकड़ा, कोट, फ़ैसला या तारीख़। मैच या प्रतियोगिता का संदर्भ — सीरीज़ का नाम, वेन्यू या टूर्नामेंट। और तारीख़ — घटना या प्रकाशन की। इन छह चीज़ों के बिना कोई भी गहरा विश्लेषण सिर्फ़ शब्दों का ढेर है। यह सब क्रिकेट के बड़े आर्थिक संदर्भ में और भी मायने रखता है। एशियाई क्रिकेट, ख़ासकर भारतीय बाज़ार, वैश्विक क्रिकेट राजस्व का सबसे बड़ा हिस्सा है — उद्योग में व्यापक रूप से उद्धृत अनुमान 70 प्रतिशत से ऊपर का है, हालांकि यह आंकड़ा इस रिपोर्ट में स्वतंत्र रूप से सत्यापित नहीं किया गया और इसे केवल संदर्भ के तौर पर रखा जाना चाहिए। जब बाज़ार इतना केंद्रित हो, तो उस बाज़ार की खबरें पढ़ने वालों की संख्या भी बड़ी होती है, और हर ग़लत जानकारी का असर भी बड़ा होता है। एशियाई क्रिकेट में जो विषय सबसे ज़्यादा ट्रैफ़िक और सबसे ज़्यादा विवाद दोनों लाते हैं — भारत-पाकिस्तान के द्विपक्षीय मुक़ाबले और उनका तटस्थ वेन्यू पर होना, राजस्व बंटवारे पर बोर्डों की खींचतान, और लीग विंडो बनाम राष्ट्रीय टीम की प्राथमिकता — इन पर लिखने से पहले तथ्यों की ज़रूरत और भी ज़्यादा होती है। यह सिर्फ़ विषय-क्षेत्र की सामान्य समझ है, इस लेख से निकला कोई निष्कर्ष नहीं। ब्रॉडकास्ट और लीग की अर्थव्यवस्था पर भी यही बात लागू होती है। फ्रैंचाइज़ी मॉडल, क्रॉस-ओनरशिप नेटवर्क, नीलामी की गतिशीलता, नो ऑब्जेक्शन सर्टिफ़िकेट यानी एनओसी का खेल — ये सब ऐसे विषय हैं जहां एक आंकड़ा इधर-उधर होने से पूरी कहानी का मतलब बदल जाता है। इसीलिए इनपुट खाली होने पर इन विषयों पर चुप रहना ही सही है। नैरेटिव और दर्शक-अपेक्षा के स्तर पर भी कोई निष्कर्ष नहीं निकला। कोई कोट नहीं, कोई भविष्यवाणी नहीं, कोई कवरेज-वॉल्यूम नहीं, कोई सेंटीमेंट संकेत नहीं। ऐसे में किसी खिलाड़ी के चारों ओर बन रही हाइप-साइकिल का चरण तय करना असंभव था। यहां एक बात साफ़ रहनी चाहिए: किसी भी हालत में सट्टेबाज़ी से जुड़ी कोई सलाह नहीं दी जाती, और खाली डेटा से कोई विजेता या हारने वाला भी नहीं बताया जा सकता। तो अंत में, इस पूरे अभ्यास की क़ीमत क्या रही? क्रिकेट के बारे में एक भी ठोस निष्कर्ष नहीं निकला। लेकिन प्रक्रिया के बारे में तीन साफ़ बातें निकलीं। पहली, गार्डरेल काम कर गए — शून्य इनपुट पर साफ़ और ऑडिट-योग्य इनकार सामने आया, गढ़ा हुआ विश्लेषण नहीं। दूसरी, विफलता ने खुद बता दिया कि पाइपलाइन की सबसे कमज़ोर कड़ी कहां है — टाइटल और सोर्स दोनों खाली होना बताता है कि दिक्कत सबसे पहले एक्सट्रैक्शन स्टेप पर है, सारांश बनाने वाले हिस्से में नहीं। तीसरी, यह घटना एक अकेला हादसा नहीं मानी जानी चाहिए; अगर एक बैच में ऐसा दो बार हो, तो इसे सिस्टम की खराबी के तौर पर दर्ज करना चाहिए। क्रिकेट मीडिया में आमतौर पर यह चर्चा होती है कि कौन-सी टीम मज़बूत है, किस खिलाड़ी का दौर चल रहा है, किस लीग का दाम बढ़ रहा है। इस हफ़्ते डेस्क ने एक अलग सवाल पूछा: जब हमें कुछ पता ही न हो, तो हम क्या लिखते हैं? इसका सही जवाब यही है कि हम लिखते हैं कि हमें कुछ पता नहीं। यह जवाब पढ़ने में उतना दिलचस्प नहीं लगता जितना एक बढ़िया मैच रिपोर्ट। लेकिन भरोसे का पूरा ढांचा इसी एक जवाब पर टिका है।