खाली डेटा, खाली फैसला: क्रिकेट एनालिसिस पाइपलाइन में विश्वसनीयता का संकट

हुक

पिछले हफ्ते मेरी डेस्क पर एक रिपोर्ट आई जिसका शीर्षक था 'स्टेज-2 डीप एनालिसिस'। आठ आयाम, जोखिम मैट्रिक्स, ट्रांसमिशन मैप, टर्मिनोलॉजी नोट्स — सब कुछ था। एक चीज़ नहीं थी: क्रिकेट। न मैच, न खिलाड़ी, न टीम, न तारीख। सिर्फ एक टैक्सोनॉमी लेबल — cricket_asia — और बाकी हर फील्ड खाली। यह कोई विश्लेषण नहीं था; यह एक पाइपलाइन का शव-परीक्षण था जिसे एनालिसिस की पोशाक पहना दी गई थी।

मैं 2026 से प्रिंट डेस्क पर हूं और 2026 से लाइव प्रोडक्शन ट्रक में हर ओवर हाथ से कोड कर रही हूं। उस अनुभव ने मुझे एक बात सिखाई है: जब इनपुट शून्य हो, तो सबसे खतरनाक आउटपुट वह होता है जो आत्मविश्वास से भरा दिखे। क्रिकेट की खास बात यह है कि यहां कोई भी मनगढ़ंत टिप्पणी सच्ची लगती है — 'भारतीय मिडिल ऑर्डर की चिंता' या 'IPL नीलामी में प्रीमियम' जैसे वाक्य बिना किसी डेटा के भी पाठक को विश्वसनीय लगते हैं। यही इस पूरे मामले का असली संकट है।

संदर्भ

जो रिपोर्ट मेरे पास आई, उसमें स्टेज-1 डीकंस्ट्रक्शन का नतीजा 'प्रभावी रूप से खाली' था। लेख का शीर्षक N/A, स्रोत N/A, लेख का प्रकार 'Unclassified', सारांश खाली, सूचना बिंदुओं की सूची खाली, समय-संवेदनशीलता 'आंकी नहीं गई'। सिर्फ एक फील्ड भरी थी: डोमेन लेबल cricket_asia।

यह लेबल भी संदिग्ध है। यह साफ 'Cricket' नहीं है, बल्कि उप-लेबल है — जो संभवतः भारतीय, पाकिस्तानी, बांग्लादेशी, श्रीलंकाई या अफगान क्रिकेट पारिस्थितिकी की ओर इशारा करता है। लेकिन एक अकेला टैक्सोनॉमी लेबल, बिना किसी सहायक पाठ के, किसी भी निष्कर्ष का आधार नहीं बन सकता। यह डिफ़ॉल्ट फॉलबैक वैल्यू भी हो सकती है, जो क्लासिफिकेशन फेल होने पर अपने आप लग जाती है।

मेरे 44 साल के करियर में मैंने ऐसे पाइपलाइन फेलियर देखे हैं। 2026 के दशक में ब्रॉडकास्ट ट्रांज़िशन के वक्त स्कोर फीड अक्सर टूटती थी और कमेंट्री बॉक्स में बैठे लोग अनुमान से स्कोर बोल देते थे। 2026 में जब IPL यूएई शिफ्ट हुआ, तो मेरा होम-एडवांटेज मॉडल एक हफ्ते में ढह गया — मुझे 60 मैचों के वेन्यू बेसलाइन नौ दिन में दोबारा बनाने पड़े। उस अनुभव ने मुझे सिखाया कि जब क्राउड गायब हो जाता है, तो मॉडल एक वेरिएबल खोता है और एक सबक पाता है। यहां क्राउड नहीं, पूरा डेटा ही गायब है।

कोर

समस्या की जड़ तकनीकी है, विचारधारात्मक नहीं। स्टेज-1 का जो नमूना मिला, उसका पैटर्न साफ बताता है कि यह 'कंटेंट-गरीब लेख' नहीं, बल्कि 'अधूरी एक्सट्रैक्शन' है। शीर्षक N/A + स्रोत N/A + प्रकार Unclassified + खाली सूचना बिंदु + अनआंका समय — यह चारों एक साथ तभी होते हैं जब सोर्स टेक्स्ट कटा हुआ हो, पेवॉल के पीछे हो, जावास्क्रिप्ट-रेंडर्ड लाइव स्कोर विजेट हो, या ऐसे फॉर्मेट में हो जिसे पार्सर पढ़ ही न सके।

मेरे अनुभव में, असली लेख कभी पूरी तरह खाली नहीं होता। अगर लेख मौजूद है, तो कम से कम शीर्षक और स्रोत तो निकलेगा ही। दोनों का गायब होना बताता है कि विफलता फेच या पार्स लेयर में है, एडिटोरियल में नहीं।

अब जरा उस रिपोर्ट की बनावट देखिए। उसमें आठ आयाम हैं — फॉर्मेट एनालिसिस, प्लेयर टेक्नीक, टीम लैंडस्केप, लीग इकोसिस्टम, गवर्नेंस, रिस्क, पब्लिक नैरेटिव, इंडस्ट्री ट्रांसमिशन। हर आयाम में टेबल है, हर टेबल में 'N/A — insufficient information' भरा है। यह ईमानदारी तो है, लेकिन यह भी दिखाती है कि फ्रेमवर्क खुद मान रहा है कि उसके पास कुछ नहीं है। फिर भी रिपोर्ट 3000 शब्दों में फैली है।

यहीं मेरी पुरानी आदत काम आती है। मैं हर दावे को एक बहीखाते की प्रविष्टि मानती हूं जिसे मिलाना पड़ता है। मैं उस बहीखाते पर तभी भरोसा करती हूं जब मुझे पता हो कि प्रविष्टियां किसने लिखीं। यहां प्रविष्टियां किसी ने लिखी ही नहीं — केवल खाने खाली छोड़ दिए गए। ऐसे बहीखाते से कोई ऑडिट नहीं हो सकता।

रिपोर्ट में एक जगह लिखा है कि 'यह पाइपलाइन फेलियर है, कंटेंट-गरीब लेख नहीं।' यह सही निदान है, लेकिन इसके बाद भी रिपोर्ट ने पूरा फ्रेमवर्क भर दिया — शून्य हैंडलिंग के नाम पर। मेरे लिए यह अजीब है। अगर डेटा नहीं है, तो सही पेशेवर फैसला 'योग्य इनकार' है, न कि आठ आयामों में खाली टेबल भरना।

इसका एक सीधा खतरा है जिसे रिपोर्ट ने खुद स्वीकार किया है: डाउनस्ट्रीम फैब्रिकेशन। यानी आगे बैठा कोई एनालिस्ट या मॉडल इन खाली खानों को भरने के लिए मनगढ़ंत क्रिकेट टिप्पणी लिख सकता है, और वह पाठक को सच्ची लगेगी। क्रिकेट में यह खतरा खास है क्योंकि यहां हर कहानी संभाव्य लगती है। 'भारत की मिडिल ऑर्डर समस्या' या 'ऑक्शन में युवा खिलाड़ियों पर अधिक दांव' — ये वाक्य बिना किसी आंकड़े के भी विश्वसनीय लगते हैं। यही सबसे बड़ी विफलता है जिसे रोकने के लिए स्रोत-पारदर्शिता का नियम बना है।

रिपोर्ट में एक और चीज मुझे अच्छी लगी: उसने फॉर्मेट-मिक्सिंग के खतरे को साफ इंगित किया है। बिना फॉर्मेट तय किए टेस्ट, वनडे और T20 के निष्कर्ष आपस में मिल जाते हैं, और यह क्रिकेट विश्लेषण की सबसे आम और सबसे विनाशकारी गलती है। मैं अपने हर लेख में फॉर्मेट पहले तय करती हूं, फिर कोई भी सांख्यिकीय दावा करती हूं। यहां फॉर्मेट ही तय नहीं हो सका।

कंट्रेरियन

लेकिन यहां एक उलटा सवाल भी है जो रिपोर्ट ने नहीं पूछा। क्या हमें इतनी बड़ी एनालिटिकल मशीनरी की जरूरत है जो खाली डेटा पर भी आठ आयामों में सोच सके?

मेरे 2026 के वर्ल्ड कप फाइनल कोडिंग के अनुभव से कहूं। उस वक्त मेरे पास न कोई फ्रेमवर्क था, न आठ आयाम। बस एक नोटबुक थी और 100 ओवर। मैंने दोनों पारियों को चरणों में बांटा और पाया कि भारत का रन रेट ओवर 15 से 40 के बीच 4.4 था, जबकि ऑस्ट्रेलिया का 6.1। उस पैनल में किसी ने यह संख्या नहीं बोली थी। मैंने दो पन्नों की रिपोर्ट घुमाई और तब से मैं 'भारत ढह गया' नहीं लिखती, बल्कि 'भारत ने 15वें से 40वें ओवर के बीच 4.4 रन प्रति ओवर बनाए' लिखती हूं।

सबक यह है: पहले शब्द को परिभाषित करो, फिर घटना को गिनो, फिर कहानी सुनाओ। यहां घटना ही नहीं है। ऐसे में आठ आयामों का ढांचा सिर्फ एक खाली इमारत है जिसमें बत्तियां जल रही हैं।

रिपोर्ट ने खुद अपने जोखिम मैट्रिक्स में 'एनालिटिकल (मेटा) रिस्क' को हाई रेटिंग दी है — खाली पेलोड से निष्कर्ष निकालना फैब्रिकेशन होगा। यह ईमानदारी है। लेकिन फिर सवाल उठता है: अगर आपको पता है कि निष्कर्ष निकालना फैब्रिकेशन होगा, तो आपने आठ आयामों की रिपोर्ट क्यों लिखी? क्यों नहीं सीधे 'डेटा नहीं है, दोबारा भेजें' कहा?

मेरे करियर का एक सबक यह भी है कि सुधार को प्रदर्शन नहीं बनने देना चाहिए। 2026 में चैंपियंस ट्रॉफी फाइनल से पहले मेरा मॉडल भारत की 41-50 ओवर की इकॉनमी 9.6 दिखा रहा था, जबकि टूर्नामेंट बेसलाइन 7.4 थी। मैंने वह पुणे के एक ब्लॉग पर छापा जिसके 400 पाठक थे। पाकिस्तान ने 338/4 बनाया और तीन डिजिटल डेस्क ने उसी हफ्ते फोन किया। मैंने नई मीडिया कंपनी में डेटा एडिटर की नौकरी जॉइन की और 40 शब्दों की ग्लॉसरी लागू की। ग्लॉसरी सजावट नहीं है; वह तर्क की रीढ़ है।

लेकिन उसी अनुभव ने मुझे यह भी सिखाया कि सुधार को अपने आप पर निबंध नहीं बनना चाहिए। गलती से ज्यादा शब्द सुधार पर खर्च करना भी एक तरह का विकार है। यह रिपोर्ट उसी विकार की ओर झुकी है — शून्य डेटा पर 3000 शब्द।

टेकअवे

असली सवाल यह नहीं है कि इस रिपोर्ट में क्या गलत है। असली सवाल यह है कि हमारी पूरी क्रिकेट एनालिसिस पाइपलाइन कितनी मजबूत है। अगर एक पेवॉल या जावास्क्रिप्ट विजेट पूरे सिस्टम को खाली पेलोड भेज सकता है, और सिस्टम उस पर आठ आयामों की रिपोर्ट बना सकता है, तो समस्या उस एक लेख की नहीं है।

मेरी सलाह सीधी है: पाइपलाइन में हार्ड गेट लगाइए। जब सूचना बिंदु खाली हों, तो स्टेज-2 को चलने से ही रोक दीजिए। एनालिस्ट के अनुशासन पर मत छोड़िए। साथ ही हर स्टेज-1 आउटपुट के साथ सोर्स URL और HTTP/पार्स स्टेटस लॉग कीजिए, ताकि अगली बार पता चले कि विफलता कहां हुई।

क्रिकेट में एक कहावत है कि स्कोरबुक कभी झूठ नहीं बोलती। लेकिन स्कोरबुक तभी सच बोलती है जब कोई उसे ईमानदारी से भरे। खाली स्कोरबुक से मैच की कहानी नहीं निकलती — सिर्फ एक खाली पन्ना निकलता है। अगली बार जब कोई 'डीप एनालिसिस' भेजे, तो पहला सवाल यह पूछिए: इस बहीखाते में प्रविष्टियां किसने लिखीं?