साइलेंट डेटा: जब क्रिकेट की एनालिटिक्स पाइपलाइन खुद आउट हो जाती है

किसी भी क्रिकेट मैच से जुड़ी रिपोर्ट पढ़ते वक्त एक बात मैंने सालों में सीखी है—जो दिख नहीं रहा, वही सबसे ज़्यादा बताता है। पिछले हफ्ते मेरे टेबल पर जो फाइल आई, उसका शीर्षक खाली था, स्रोत खाली था, टीमें खाली थीं, स्कोर खाली था। हर बॉक्स में एक ही शब्द लिखा था: अपर्याप्त जानकारी। किसी एस्पोर्ट्स कमेंट्री बूथ में लगे उस माइक की तरह, जो स्टेडियम खाली होने पर भी हल्की सी हमिंग करता रहता है। यह कोई मैच रिपोर्ट नहीं है। यह उस प्रक्रिया की ऑटोप्सी है जिसे हम बिना जाँचे क्रिकेट एनालिसिस का नाम दे देते हैं। और इस बार, सिस्टम ने खुद अपना नाम खाली छोड़ दिया। इस विश्लेषण का पहला स्तर—Stage-1—जिसे किसी भी लेख से तथ्य निकालने के लिए डिज़ाइन किया गया था, पूरी तरह से विफल रहा। सबसे पहली और बुनियादी बात जो किसी भी क्रिकेट लेख से निकलनी चाहिए, वह है प्रारूप: क्या यह टेस्ट है, वनडे, टी20, या द हंड्रेड। इसके बिना बाकी सब कुछ अर्थहीन हो जाता है। टी20 में 140 की स्ट्राइक रेट और टेस्ट में 140 की स्ट्राइक रेट—दोनों का मतलब बिल्कुल उल्टा है। फिर भी यहाँ सारे फील्ड खाली छोड़ दिए गए। न खिलाड़ी, न टीम, न मैदान, न तारीख, न ही कोई बयान। जब मैंने इस विफलता की जाँच शुरू की, तो साफ हुआ कि दिक्कत सिर्फ एक फाइल की नहीं है। यह उस पूरी आर्किटेक्चर की कमज़ोरी है जिसमें खाली सिस्टम से निकला खाली नतीजा, बिना किसी चेतावनी के, प्रकाशन तक पहुँच सकता है। संरचना देखकर लगता है कि रिपोर्ट पूरी है—आठ डिमेंशन, संदर्भ, संक्षिप्त निष्कर्ष—लेकिन अंदर की सामग्री शून्य है। मेरे आर्काइव में ऐसे कई उदाहरण हैं जहाँ मैंने संरचना का भव्य महल खड़ा कर दिया और अंत में स्कोर देखना भूल गया। यह उसी भूल का तकनीकी संस्करण है। संभावित कारण साफ हैं। किसी लॉगिन-गेटेड पेज का इंटरस्टिशियल, कोई वीडियो या पॉडकास्ट जिसका कोई लिखित टेक्स्ट ही नहीं, कोई लाइव स्कोरकार्ड जिसमें क्रिकेट की कहानी नहीं सिर्फ आँकड़ों की गिनती है, जावास्क्रिप्ट-रेंडर्ड पेज जो स्क्रैपिंग के वक्त अधूरा खुला, या एनकोडिंग की विफलता। इनमें से किसी भी स्थिति में जो निकला, वह क्रिकेट नहीं था—वह उस पेज का खोल था, जिसके अंदर सामग्री होने की उम्मीद थी। मेरे लिए यह वही क्षण है जब कमेंट्री बॉक्स में बैठे व्यक्ति को एहसास होता है कि माइक स्टेडियम की आवाज़ नहीं, बल्कि उस खालीपन की आवाज़ पकड़ रहा है जिसे कोई दर्ज नहीं करना चाहता था। हम क्रिकेट में डेटा की गिनती करते हैं—कितने रन, कितनी गेंद, कितने विकेट—लेकिन यह कभी नहीं गिनते कि कितनी बार हमने किसी चीज़ को 'मौजूद' मान लिया, जबकि वास्तव में वह कहीं थी ही नहीं। यह अंतर क्रिकेट एनालिटिक्स में सबसे अहम है, क्योंकि जब कोई प्रारूप ही स्पष्ट न हो, तो स्ट्राइक रेट, इकॉनमी रेट, या डॉट-बॉल प्रतिशत जैसे मीट्रिक केवल संख्याएँ बनकर रह जाते हैं, अपने बारे में कुछ नहीं बताते। आप सोच रहे होंगे कि एक रेगुलर क्रिकेट रिपोर्ट में ऐसी विफल पाइपलाइन की बात क्यों? क्योंकि क्रिकेट प्रशंसक के रूप में हम जिस डेटा को मैदान पर प्रदर्शन समझते हैं, उसके पीछे भी यही पाइपलाइन होती है। जब आप देखते हैं कि किसी गेंदबाज़ ने पावरप्ले में कितनी इकॉनमी दी, तो वह डेटा पहले किसी आर्टिकल से निकाला गया था। अगर वह निष्कर्षण खाली रहा, तो पूरा डेटा-सर्किल विफल है। और अगर यह एक बड़े बैच में बार-बार हो रहा है, तो खुद क्रिकेट की समझ भी खोखली हो सकती है। मेरे पास ऐसे कई उदाहरण हैं जब तीन साल बाद मैंने खुद को सुधारा था, क्योंकि मेरे शुरुआती निष्कर्ष एक खाली नींव पर टिके थे। इस बार तो नींव ही गायब है। अब वह पल जब मुझे सिस्टम पर चर्चा छोड़कर क्रिकेट के अंदर झाँकना चाहिए। मान लीजिए यह विफलता किसी आगामी भारत-पाकिस्तान मुक़ाबले पर आधारित लेख से जुड़ी थी। टेस्ट फॉर्मेट में रिव्यू (DRS) का 'अंपायर कॉल' नियम, गेंदबाज़ी में लेफ्ट-आर्म पेस की मांग, और बैटिंग में रोल-आधारित आकलन—ये तीनों चीज़ें मिलकर ही किसी विश्लेषण को 'क्रिकेट' बनाती हैं। बिना फॉर्मेट के ये तीनों नामुमकिन हैं। दस्तकारी के स्तर पर, एक लेखक के रूप में, मैं जानता हूँ कि किसी भी मैच के आँकड़े का प्रारूप-संदर्भ के बिना विश्लेषण करना उसी तरह है जैसे बिना पिच की स्थिति जाने किसी टेस्ट पारी की सफलता-विफलता का आकलन करना। एक हरे पिच पर 200 का स्कोर 400 से ज़्यादा मायने रखता है; सूखी टर्निंग पिच पर 150 का कोई अर्थ नहीं। बिना टीमों के नाम के, बिना मैदान के, यह पता लगाना कि आँकड़े असल में क्या कह रहे हैं—असंभव है। इसमें खेल-स्तरीय जोखिम और भी गहरा है। किसी एक मैच के आधार पर खिलाड़ी के करियर के स्तर का आकलन कर लेना क्रिकेट विश्लेषण में सबसे बड़ी जाल है। एक टी20 पारी या तीन विकेट को 'पुनर्जन्म' मान लेना—बिना देख-रेख किए कि वह घरेलू मैदान पर था या बाहर, बल्कि किस गेंदबाज़ी के खिलाफ था—यह कुछ और नहीं, बल्कि आँकड़ों के साथ खिलवाड़ है। असली सवाल यह है कि प्रारूप कौन सा था, रोल क्या था, और वह खेल किस परिस्थिति में सामने आया। वगैर इन सबके, आँकड़े बोलते नहीं हैं; वे केवल गूँजते हैं। मैं यहाँ सबक सिखाने की मुद्रा में नहीं हूँ। मैं तो उन लोगों की पोस्ट-मॉर्टम बैठक बुलाने का अनुरोध कर रहा हूँ जो क्रिकेट का एनालिसिस बनाते और छापते हैं। सबसे पहले, Stage-1 के हर आउटपुट के साथ एक मशीन-पठनीय वैधता-ध्वज (validity flag) जोड़ना होगा, जो 'zero information points' की स्थिति में पूरी प्रक्रिया को रोक दे। दूसरा, जब तक Stage-1 से कम से कम एक नामित खिलाड़ी, एक फॉर्मेट, और एक तिथि न आ जाए, तब तक Stage-3 आगे बढ़े ही नहीं। तीसरा, बैच-स्तर पर जाँच हो कि कितनी रिपोर्ट्स खाली लौट रही हैं, क्योंकि यह व्यक्तिगत लेख की तुलना में पाइपलाइन का सिस्टम-लेबल स्तर का रोग है। चौथा, क्षेत्रीय टैग (जैसे 'cricket_asia') को सामग्री न समझ आँकड़ों के रूप में इस्तेमाल न किया जाए; वे केवल रूटिंग-संकेत हैं, सबूत नहीं। और अगर मूल स्रोत सच में स्कोरकार्ड या आँकड़ा-पेज था, तो टेक्स्ट-डिकंपोज़िशन मॉडल उसका सही औज़ार ही नहीं है। किसी भी आँकड़ा-पेज के लिए एक अलग, संरचित-सांख्यिकी पार्सर की ज़रूरत होती है। मेरे पास एक फील्ड रिकॉर्डर हमेशा होता है, क्योंकि मैं मानता हूँ कि आवाज़ और खामोशी दोनों सामग्री हैं। इसी तरह, इस पाइपलाइन को भी सीखना होगा कि खाली आउटपुट भी एक प्रकार का डेटा है—लेकिन उसे बेशकीमती क्रिकेट इनसाइट समझकर आगे नहीं भेजा जा सकता। मैं खुद को इस एक काम के लिए कोसता रहा हूँ: मैंने इस विफलता को होने से नहीं रोका। क्योंकि अगर कोई सिस्टम खुद के खालीपन पर सवाल नहीं उठा सकता, तो वह डेटा नहीं, आवाज़ होती है। और क्रिकेट विश्लेषण में—जहाँ हर पारी, हर ओवर, हर गेंद एक कहानी है—हमें उस कहानी के गुम हो जाने का बचाव खुद करना होगा। अभी इस विफलता को समझने के लिए जो एक अंक मेरे सामने है, वह है शून्य। पर अगले बजट सत्र में जब यही डेटा पाइपलाइन सही हो जाए, तो क्या हम याद रखेंगे कि यह खामोशी कभी यहाँ थी? या फिर हम भी उन स्कोरकार्डों की तरह हो जाएँगे, जिन्हें देखकर लगता है सब कुछ दर्ज है, पर असल में कुछ भी दर्ज नहीं?