खाली स्कोरबोर्ड की सच्चाई: क्रिकेट एनालिसिस पाइपलाइन का वह दिन जब डेटा ने खाली हाथ लौटना चुना

क्रिकेट की दुनिया में एक वाक्य पुराना है — स्कोरबोर्ड कभी झूठ नहीं बोलता। मंगलवार की सुबह एक एनालिटिक्स डेस्क पर उस वाक्य ने अपना पूरा अर्थ बदल दिया। स्क्रीन पर एक फाइल खुली थी जिसका शीर्षक था 'Stage-2 Deep Professional Analysis: cricket_asia'। उसमें आठ अलग-अलग एनालिटिकल डायमेंशन थे, हर डायमेंशन के लिए टेबल बने हुए थे, हेडिंग्स तैयार थीं, बेंचमार्क कॉलम भरे हुए थे, 'Evidence' की लाइनें सजी हुई थीं। और हर सेल में एक ही वाक्य लिखा था — 'N/A — insufficient information'। यह पहला मौका नहीं था जब किसी डेटा पाइपलाइन ने अपना काम करने से इनकार किया था। लेकिन पहला मौका ज़रूर था जब उसने इनकार करते हुए भी पूरी इमारत खड़ी कर दी — खाली कमरों वाली, लेकिन प्लास्टर पूरा किया हुआ।

मामला सीधा है, तकनीकी है, और इसीलिए ज़रूरी है। Stage-1 का जो फॉर्मेट पहले से तय था, उसके 12 फील्ड्स में से 11 खाली लौटे। आर्टिकल का शीर्षक नहीं, सोर्स नहीं, टाइप अनक्लासिफाइड, इन्फॉर्मेशन पॉइंट्स शून्य, कोर व्यू पॉइंट्स शून्य, वन-लाइन समरी खाली, ऑथर का स्टांस बताया ही नहीं गया, मैच का फॉर्मेट पता नहीं, एंटिटीज़ एक्सट्रैक्ट ही नहीं हुईं। केवल एक चीज़ बची — डोमेन लेबल 'cricket_asia'। यानी सिस्टम को इतना तो पता चला कि यह क्रिकेट का एशियाई कॉन्टेक्स्ट है, लेकिन यह नहीं बता सका कि मैच कौन सा है, कौन खेल रहा है, किस फॉर्मेट में, किस मैदान पर, किस तारीख को।

यह गड़बड़ तुक्के की नहीं, पैटर्न की है। जब क्लासिफायर चलता है और लेबल दे देता है, लेकिन उसके बाद आने वाला एक्सट्रैक्टर शून्य लौटाता है, तो सबसे संभावित वजह होती है बॉडी-रिट्रीवल की फेलियर — यानी पेज का असली कंटेंट सिस्टम तक पहुंचा ही नहीं। JavaScript से रेंडर होने वाला पेज, पेवॉल, बॉट-ब्लॉक, या स्क्रैपिंग सिलेक्टर का मिसमैच — इन चार में से कोई एक वजह होती है। इस मामले में मज़ेदार बात यह है कि लेबल मिला, कंटेंट नहीं। अगर सोर्स सचमुच खाली होता, तो लेबल भी नहीं मिलता। तो सोर्स खाली नहीं था। सोर्स तक पहुंच नहीं बनी।

इसका क्रिकेट-एनालिसिस पर क्या असर पड़ता है, यह समझने के लिए एक उदाहरण काफी है। मान लीजिए किसी बल्लेबाज़ का स्ट्राइक रेट 145 है। ODI के मिडल ओवर्स में यह आंकड़ा विशिष्ट माना जाता है, T20 के फिनिशर के लिए यह साधारण है, और टेस्ट क्रिकेट में इसका कोई मतलब ही नहीं। फॉर्मेट तय न हो तो हर आंकड़ा बेमानी है। इसी तरह एक गेंदबाज़ का इकॉनमी रेट 7 से नीचे होना T20 में बहुत अच्छा माना जाता है, ODI में ठीक-ठाक, और टेस्ट में लगभग अप्रासंगिक। फॉर्मेट इस फ्रेमवर्क में वैरिएबल नहीं, शर्त है। जब शर्त ही मौजूद न हो, तो उसके नीचे बनने वाली हर इमारत कागज़ की होती है।

इसी तरह टीम विश्लेषण का मामला है। क्रिकेट में घरेलू और बाहरी मैदान का अंतर पेशेवर खेलों में सबसे बड़े अंतरों में गिना जाता है। ऑस्ट्रेलिया की तेज़ और उछलती पिच, भारत की स्पिन-अनुकूल सतह, इंग्लैंड की स्विंग-फ्रेंडली हवा — ये तीन अलग-अलग खेल हैं जिन्हें एक ही नाम से बुलाया जाता है। जब तक यह तय न हो कि टीम कहां खेल रही है, किसके खिलाफ खेल रही है, तब तक टीम की ताकत का आकलन करना केवल अंदाज़ा है। इस मामले में मैदान का नाम भी नहीं था, देश भी नहीं, प्रतिद्वंद्वी भी नहीं। तो टीम का विश्लेषण किस आधार पर होता।

इसी तरह लीग और कमर्शियल इकोसिस्टम का हिस्सा है। IPL का ब्रॉडकास्ट राइट्स वैल्यू, BBL का फ्रेंचाइज़ी मॉडल, PSL की आर्थिक स्थिति, ILT20 की नई बाज़ार-सेंट्रिक बनावट — इन सबकी मापदंड अलग-अलग हैं। IPL के आंकड़े किसी दूसरी लीग पर लगाना उस लीग की असली तस्वीर को बिगाड़ देता है। और इस रिपोर्ट में लीग का नाम ही नहीं था। यानी कमर्शियल एनालिसिस का पूरा ढांचा बिना नींव के खड़ा था।

गवर्नेंस वाला हिस्सा इससे भी ज़्यादा संवेदनशील है। ICC का 'बिग थ्री' रेवेन्यू-शेयर विवाद हो, स्लो ओवर-रेट पर लगने वाला जुर्माना हो, DLS का विवादित इस्तेमाल हो, NOC का मुद्दा हो, या भारत-पाकिस्तान के द्विपक्षीय संबंधों का लंबा फ्रीज़ — हर मुद्दे पर बोलने के लिए यह जानना ज़रूरी है कि मामला किस स्तर का है। ICC का फैसला, राष्ट्रीय बोर्ड का फैसला, और लीग आयोजक का फैसला — तीनों की सत्ता अलग है। इन तीनों को एक में मिला देना क्रिकेट एनालिसिस की सबसे आम गलती है। इस रिपोर्ट में गवर्निंग बॉडी का नाम ही नहीं था।

अब वह हिस्सा, जिस पर सबसे ज़्यादा ध्यान जाना चाहिए। रिपोर्ट में एक जगह स्पष्ट लिखा है कि जोखिम मैट्रिक्स में सभी सेल्स 'N/A' हैं — लेकिन यह दर्ज करना ज़रूरी है कि 'कोई रेड फ्लैग नहीं मिला' का मतलब 'कोई जोखिम नहीं है' नहीं होता। खाली इनपुट और साफ रिकॉर्ड — ये दो पूरी तरह अलग चीज़ें हैं, और इन्हें एक समझना पाइपलाइन की सबसे खतरनाक आदत है। जब कोई एनालिस्ट देखता है कि इंटेग्रिटी चेकलिस्ट में कोई लाल निशान नहीं है, तो उसका पहला सवाल होना चाहिए — चेक हुआ ही था या नहीं। इस रिपोर्ट में सोर्स क्वालिटी अससेस्ड ही नहीं हुई थी। यानी रिलायबिलिटी का कोई आधार ही नहीं था।

दिलचस्प बात यह है कि इस पूरी विफलता में एक बड़ी सफलता छिपी है। Stage-2 ने खाली इनपुट मिलने पर तुक्के नहीं लगाए। उसने नहीं कहा कि 'संभवतः यह भारत-पाकिस्तान का मैच था।' उसने नहीं कहा कि 'हो सकता है यह T20 लीग का मामला हो।' उसने साफ-साफ लिखा — मेरे पास जानकारी नहीं है, इसलिए मैं विश्लेषण नहीं करूंगा। यह अनुशासन है। एक चतुर सिस्टम वह होता है जो जानता है कि उसे क्या नहीं पता। और एक खतरनाक सिस्टम वह होता है जो खाली जगह को प्लॉज़िबल कंटेंट से भर देता है। क्योंकि भरा हुआ खालीपन, खालीपन से कहीं ज़्यादा महंगा पड़ता है। वह डाउनस्ट्रीम जाता है, फिर उसे 'फैक्ट' मान लिया जाता है, फिर उसके आधार पर फैसले होते हैं। एक बार ऐसा हो गया तो सुधार की कीमत मूल लागत से कई गुना हो जाती है।

मीडिया की दुनिया में इस पैटर्न को पहचानना ज़रूरी है। क्रिकेट कवरेज की इकोनॉमी T20-भारी है। IPL, PSL, BPL, LPL, ILT20, ACC इवेंट्स — कवरेज का बड़ा हिस्सा इन्हीं के इर्द-गिर्द घूमता है। तो 'cricket_asia' लेबल देखकर यह मान लेना कि मामला T20 का है, सांख्यिकीय रूप से संभावित हो सकता है, लेकिन विश्लेषण के तौर पर यह अनुमान है, तथ्य नहीं। और इसी अनुमान से रिपोर्ट भरने की आदत वही गलती है जिससे उपरोक्त रिपोर्ट बची।

एक और बात, जो क्रिकेट जर्नलिज़्म और डेटा एनालिसिस दोनों पर लागू होती है। क्रिकेट की सबसे बड़ी विशेषता यह है कि वह छोटे सैंपल से बड़ी कहानियां बना सकता है। एक शानदार पारी, एक सीज़न, एक सीरीज़ — और नैरेटिव तैयार। 'अगला सचिन' या 'अगला कोहली' जैसी फ्रेमिंग का अंत ऐतिहासिक रूप से बहुत कम सफल रहा है। इसी तरह एक अच्छे IPL सीज़न को अंतरराष्ट्रीय दबदबे का सबूत मान लेना — यानी कमर्शियल वैल्यू को स्पोर्टिंग वैल्यू से मिला देना। यह वही गलती है जिसे यह रिपोर्ट जानबूझकर टाल रही थी, क्योंकि उसके पास कोई नाम ही नहीं था।

वैसे, जिन पाठकों को लगता है कि यह सब एक तकनीकी खिचड़ी है, उनके लिए एक सीधा-सा तथ्य। जब किसी स्पोर्ट्स आर्टिकल का विश्लेषण ऐसे फेल होता है, तो असर सिर्फ एनालिस्ट तक नहीं रहता। वह आर्टिकल जो ब्रॉडकास्ट डेस्क तक जाता, जो फैंटेसी लीग की रिसर्च में इस्तेमाल होता, जो कमेंट्री बॉक्स में बहस बनता — वह सब प्रभावित होता है। डेटा की एक खाली लाइन आखिरकार एक दर्शक तक पहुंचती है जो मानता है कि जो लिखा है, वह जांचा हुआ है। यही विश्वास क्रिकेट मीडिया की पूंजी है। और यही विश्वास एक बार टूटा तो जुड़ना मुश्किल है।

इस कहानी का अंत एक सवाल के साथ होता है, नतीजे के साथ नहीं। अगली बार जब कोई एनालिसिस रिपोर्ट कहे कि डेटा मिला नहीं, तो सबसे पहला रिफ्लेक्स यह नहीं होना चाहिए कि दूसरा सोर्स ढूंढ लें। सबसे पहला रिफ्लेक्स यह होना चाहिए कि पहला सोर्स क्यों नहीं खुला। क्योंकि जो सिस्टम एक बार चुपचाप खाली लौटता है, वह अगले बार भी चुपचाप खाली लौटेगा। और अगली बार कोई यह नहीं बताएगा कि उसने कुछ भरा हुआ है। जब स्कोरबोर्ड खाली हो, तो सबसे ईमानदार चीज़ यही है कि आप कहें — स्कोरबोर्ड खाली है। और टाइप किया हुआ स्कोर कभी उसकी जगह नहीं ले सकता।