क्रिकेट लेबल के साथ दर्ज हुई पेट्रोलियम नीति की खबर, डेटा पाइपलाइन की चूक उजागर

पाकिस्तान की नेशनल असेंबली में पेट्रोलियम उत्पादों की आपूर्ति और कीमतों पर दिए गए एक साधारण सरकारी जवाब ने उस वक्त बड़ा सवाल खड़ा कर दिया जब वह एक स्पोर्ट्स डेटा पाइपलाइन में 'क्रिकेट_एशिया' लेबल के साथ दर्ज हो गया। उस लेख का शीर्षक था — 'सरकार ने ईंधन संरक्षण के अतिरिक्त उपायों से इनकार किया'। पूरे पाठ में एक भी क्रिकेटर, टीम, सीरीज़, मैच, टूर्नामेंट, लीग या क्रिकेट बोर्ड का ज़िक्र नहीं था। गहन जांच में सामने आया कि पाठ के 32 सूचना बिंदुओं में से एक भी क्रिकेट से जुड़ा नहीं था। यह घटना अपने आप में कोई खेल-समाचार नहीं है, लेकिन यह उस चुपचाप होने वाली विफलता का साफ़ नमूना है जो खेल-विश्लेषण और खेल-डेटा दोनों के लिए गंभीर जोखिम पैदा करती है। मूल लेख वास्तव में पेट्रोलियम क्षेत्र की नीति-रिपोर्ट था। यह नेशनल असेंबली में दिए गए लिखित जवाब पर आधारित था, जिसमें पेट्रोल और डीज़ल के भंडार, आयात कार्गो, ओग्रा (ऑयल एंड गैस रेगुलेटरी अथॉरिटी) की मूल्य-निर्धारण व्यवस्था और प्राइस-डिफरेंशियल सब्सिडी के दावों पर चर्चा थी। सवाल खुद सांसद शर्मिला फरूकी ने उठाया था और जवाब पेट्रोलियम मंत्री अली परवेज़ मलिक ने दिया था। यह पूरी तरह से एक विधायी और प्रशासनिक मामला था — खेल से इसका कोई संबंध नहीं। फिर भी स्वचालित क्लासिफायर ने इसे क्रिकेट श्रेणी में डाल दिया, संभवतः 'पाकिस्तान', 'एशिया' और उपमहाद्वीपीय न्यूज़-फ़ीड जैसे भौगोलिक संकेतों के आधार पर, न कि विषय-वस्तु के आधार पर। आपूर्ति पक्ष के आँकड़े स्पष्ट थे: पेट्रोल का भंडार 22 दिनों और डीज़ल का 30 दिनों का बताया गया। सितंबर के आयात कार्गो में 395,000 टन, 506,000 टन, 568,000 टन, 511,000 टन, 692,000 टन और 262,000 टन के आँकड़े दर्ज थे। ये सभी संख्याएँ ईंधन के टन हैं — रन, विकेट या ओवर नहीं। माँग पक्ष पर एक दिलचस्प उतार-चढ़ाव दिखा: जुलाई में पेट्रोल की बिक्री साल-दर-साल 18 प्रतिशत बढ़ी, जिसे गर्मियों के पर्यटन और डीलरों द्वारा स्टॉक बढ़ाने से जोड़ा गया; अगस्त में यह बिक्री महीने-दर-महीने 9 प्रतिशत गिर गई। मंत्री ने इस गिरावट को 'सामान्यीकरण' बताया — यह उनकी राय थी, कोई सिद्ध तथ्य नहीं। वित्तीय हिस्से में प्राइस-डिफरेंशियल दावों की राशि 120.3 अरब रुपये बताई गई, जिसके मुकाबले 53.8 अरब रुपये वितरित किए गए थे, और भुगतान चरणबद्ध तरीके से ऑडिट सत्यापन के बाद होना था। कीमत तय करने की प्रक्रिया में ओग्रा सात कार्य-दिवसीय रोलिंग प्लैट्स अरब गल्फ एफओबी दर का इस्तेमाल करता है और रोज़ाना एक्स-डिपो कीमतें प्रकाशित करता है। इसके अलावा जमाखोरी-रोधी कार्रवाई का ज़िक्र था, जिसमें असामान्य खुदरा बिक्री की जांच और प्रांतीय कानून प्रवर्तन एजेंसियों के साथ ओग्रा की फील्ड टीमों की तैनाती शामिल थी। यहाँ असली खेल-संबंधी खबर यह नहीं है कि कौन सा मैच हुआ — बल्कि यह है कि ऐसा पाठ कैसे एक क्रिकेट लेबल के साथ आगे बढ़ गया। जोखिम स्पष्ट है। इतने साफ़-सुथरे ढाँचे में लिखा गया, प्रतिशत और महीने-दर-महीने बदलावों से भरा हुआ पाठ किसी भी भाषा-मॉडल के लिए यह लुभावना पैदा करता है कि वह इसे 'विश्लेषण-योग्य' मान ले। इसी लालच में एक पूरी तरह गढ़ी हुई क्रिकेट कहानी लिखी जा सकती है — जिसमें टीमों का फॉर्म, खिलाड़ियों का प्रदर्शन और सीरीज़ का रुझान सब कुछ होगा, और सब कुछ झूठा होगा। यही 'विश्लेषणात्मक संदूषण' इस पूरे मामले का सबसे बड़ा खतरा है, और इसकी तीव्रता उच्च श्रेणी की है। दूसरा बड़ा जोखिम एंटिटी-ग्राफ का है। 'पाकिस्तान', 'सितंबर' और घने प्रतिशत वाले अंक ठीक वही संकेत हैं जो पाकिस्तान क्रिकेट सीरीज़ के फिक्स्चर से गलत लिंक बनवा सकते हैं। इसी तरह, पाठ में मौजूद 'असामान्य बिक्री' और 'ऑडिट' जैसे शब्द सतही रूप से भ्रष्टाचार-विरोधी या सट्टेबाज़ी-निगरानी की भाषा से मिलते हैं। वास्तव में वे भौतिक ईंधन की जमाखोरी और वित्तीय लेखा-परीक्षा से जुड़े हैं, लेकिन एक लापरवाह टैगिंग प्रणाली इन्हें 'इंटीग्रिटी एक्शन' बता सकती है। एक और शब्द-स्तरीय जाल है — ओग्रा और आईसीसी की भ्रष्टाचार-निरोधक इकाई (ACU) का नाम-स्वरूप बहुत करीब है। यह शब्दकोश-स्तर की गलत-टैगिंग का आदर्श उदाहरण है। तीसरा जोखिम बैच-स्तरीय है। अगर यह एक अकेली गलती नहीं, बल्कि पूरे बैच की व्यवस्थागत समस्या है, तो उस बैच के सभी डोमेन लेबल अविश्वसनीय हो जाते हैं। तब सवाल यह उठता है कि जिस असली क्रिकेट खबर को इस स्लॉट में आना चाहिए था, वह कहाँ गई? हो सकता है कि वह फ़ीड से छूट गई हो और उसे दोबारा प्राप्त करना पड़े। चौथा जोखिम समय-चिह्न का है: लेख में '22 सितंबर तक के आँकड़े' लिखा है, लेकिन साल कहीं नहीं दिया गया। ऐसे में उसकी समसामयिकता सत्यापित नहीं की जा सकती। समाधान भी उतने ही स्पष्ट हैं। सबसे पहले, इस रिकॉर्ड को क्रिकेट कॉर्पस से हटाकर 'ऊर्जा नीति' लेबल के तहत सुरक्षित रखा जाना चाहिए। इसे किसी भी क्रिकेट मॉडल, इंडेक्स या रिपोर्ट से ब्लॉक करना ज़रूरी है। दूसरे, बैच का नमूना-ऑडिट करके डोमेन-लेबल की सटीकता का अनुमान लगाना चाहिए और इनजेशन के स्तर पर एक एंटिटी-टाइप गेट जोड़ना चाहिए, जो केवल खिलाड़ी, टीम, प्रारूप या बोर्ड जैसी संस्थाओं की मौजूदगी पर ही क्रिकेट लेबल जारी करे। तीसरे, एंटिटी-निष्कर्षण चरण में श्वाइटलिस्टिंग लागू होनी चाहिए ताकि मंत्री, नियामक और सांसद किसी खेल-तालिका में न पहुँचें। चौथे, इंटीग्रिटी से जुड़े कीवर्ड के लिए खेल-विशिष्ट संदर्भ-खिड़की अनिवार्य की जाए। और पाँचवें, हर रिकॉर्ड पर अनिवार्य दिनांक-मुद्रा लगे; बिना तारीख वाले रिकॉर्ड 'समय अज्ञात' के रूप में चिह्नित हों। यह मानना गलत होगा कि यह लेख बेकार है। ऊर्जा, कमोडिटी या पाकिस्तान-मैक्रो डेस्क के लिए इसमें वास्तविक मूल्य है — 22 दिनों का पेट्रोल भंडार, 30 दिनों का डीज़ल भंडार, सितंबर का 511 हजार टन आयात प्लान और 120.3 अरब रुपये की दावा-बही। समस्या लेख की नहीं, रूटिंग की है। सही प्रतिक्रिया यह होनी चाहिए कि रिकॉर्ड को सही डेस्क पर भेजा जाए और उस पाइपलाइन की जांच की जाए जिसने 'क्रिकेट_एशिया' टैग दिया। और हाँ — अगर इस स्लॉट के लिए कोई असली क्रिकेट खबर निर्धारित थी, तो उसे अगले प्रकाशन चक्र से पहले दोबारा मंगाया जाना चाहिए। खेल-पत्रकारिता का सबसे बुनियादी नियम यही है: जो स्रोत में नहीं है, वह रिपोर्ट में नहीं जाएगा। इस मामले में स्रोत में क्रिकेट था ही नहीं। इसलिए सही पेशेवर नतीजा कोई क्रिकेट कहानी नहीं, बल्कि एक स्पष्ट अस्वीकृति और पाइपलाइन-विफलता की रिपोर्ट है।