क्रिकेट कंटेंट पाइपलाइन में डेटा इंटीग्रिटी फेलियर: जब खाली इनपुट से भी 'विश्लेषण' तैयार होने लगे

क्रिकेट कवरेज में ऑटोमेशन और एआई-आधारित एनालिसिस के तेज़ी से फैलते इस्तेमाल के बीच एक गंभीर प्रक्रियागत खामी उजागर हुई है। ताज़ा मामला एक क्रिकेट आर्टिकल के दो-चरणीय विश्लेषण का है, जहाँ पहले चरण की डीकंस्ट्रक्शन प्रक्रिया ने पूरी तरह खाली पेलोड लौटाया। न शीर्षक मिला, न स्रोत, न आर्टिकल का प्रकार। और सबसे अहम — सूचना बिंदुओं की सूची पूरी तरह खाली थी। दूसरे चरण के विश्लेषण ने जब इस खाली इनपुट को आठ-आयामी फ्रेमवर्क में डाला, तो हर आयाम का नतीजा एक ही निकला: अपर्याप्त सूचना। यह कोई साधारण बग नहीं, बल्कि स्पोर्ट्स मीडिया की उस आदत की ओर सीधा इशारा है जिसमें टेम्पलेट भरे हुए दिखने चाहिए, चाहे उनके पीछे तथ्य हों या न हों। मामले की शुरुआत साधारण दिखती है। पहले चरण में आर्टिकल के शीर्षक, स्रोत, आर्टिकल के प्रकार, मुख्य दृष्टिकोण, लेखक का रुख, इसमें शामिल संस्थाएँ और समय-संवेदनशीलता — सभी फ़ील्ड खाली छूट गए। एंटिटीज़ वाले खाने में यह तक लिखा था कि नाम ऊपर दिए गए सूचना बिंदुओं से निकाले जाएँ, जबकि वे सूचना बिंदु ही मौजूद नहीं थे। यह एक चक्रीय संदर्भ है, जिसमें सिस्टम खुद से ही तथ्य माँग रहा है। दूसरे चरण ने सही व्यवहार किया — उसने किसी भी आयाम को काल्पनिक सामग्री से नहीं भरा और हर जगह स्पष्ट रूप से दर्ज किया कि निष्कर्ष निकालने के लिए पर्याप्त जानकारी नहीं है। लेकिन असली सवाल यह है कि अगर यही पेलोड किसी ऐसे सिस्टम को मिल जाए जो 'भरा हुआ दिखने' को प्राथमिकता देता है, तो क्या होगा? तब खाली जगहों को अनुमानित क्रिकेट कमेंट्री से भर दिया जाएगा — फ़ॉर्मेट, पिच, टॉस, डीएलएस, खिलाड़ी की फ़ॉर्म, टीम की गहराई, नीलामी की कीमत, सब कुछ बड़े आत्मविश्वास के साथ लिखा जाएगा। और पाठक के पास यह जाँचने का कोई तरीका नहीं होगा कि इनमें से कितना सच है। यही इस रिपोर्ट का केंद्रीय बिंदु है: संरचित शीर्षक अपने आप में सत्यापन नहीं होते। एक टेबल जिसमें हर खाना भरा है, वह भी पूरी तरह खोखला हो सकता है। क्रिकेट विश्लेषण में यह जोखिम इसलिए ज़्यादा है क्योंकि खेल की तीनों प्रारूपों की रणनीतिक बुनावट एक-दूसरे से तुलनीय नहीं है। टेस्ट मैच में पारी की गति, गेंद की उम्र और पाँचवें दिन का घिसा हुआ विकेट निर्णायक होते हैं। वनडे में पावरप्ले और मध्य ओवरों की संयमित बैटिंग का संतुलन अहम है। टी20 में डेथ ओवरों की इकॉनमी और इम्पैक्ट सब-स्टिट्यूट का गणित है। अगर फ़ॉर्मेट ही तय न हो, तो पावरप्ले, डेथ ओवर या नई गेंद की कोई भी चर्चा अपने आप अर्थहीन हो जाती है। यही कारण है कि दूसरे चरण ने स्पष्ट लिखा कि फ़ॉर्मेट की पहचान के बिना कोई भी रणनीतिक व्याख्या निर्माण से ही अमान्य होगी। इसी तरह, वेन्यू और मौसम की जानकारी के बिना घरेलू मैदान का फ़ायदा, ओस का असर और बारिश से जुड़े डकवर्थ-लुईस-स्टर्न (डीएलएस) समायोजन जैसे कारकों को अलग नहीं किया जा सकता। क्रिकेट में परिणाम की व्याख्या करते समय ये 'भाग्य' वाले तत्व बाकी सब कुछ पर हावी हो जाते हैं। अगर ये तत्व अलग न किए जाएँ, तो किसी भी नतीजे का दावा टिकाऊ नहीं होता। यही वजह है कि खाली इनपुट पर खड़ा कोई भी मैच-विश्लेषण केवल अनुमान होता, रिपोर्टिंग नहीं। खिलाड़ी-स्तर का आयाम इससे भी ज़्यादा संवेदनशील है। किसी खिलाड़ी का नाम दिए बिना उसकी भूमिका तय नहीं हो सकती — सलामी बल्लेबाज़, एंकर, फ़िनिशर, तेज़ गेंदबाज़, स्पिनर, ऑलराउंडर या विकेटकीपर। भूमिका तय न हो तो यह भी तय नहीं हो सकता कि कौन-से मेट्रिक्स प्रासंगिक हैं। औसत, स्ट्राइक रेट, इकॉनमी रेट, आउट होने का पैटर्न, हाल के बारह महीनों का रुझान — इनमें से कोई भी आँकड़ा उपलब्ध नहीं था। और सिर्फ़ आँकड़े होने से भी काम नहीं चलता; उन्हें उसी फ़ॉर्मेट के बेंचमार्क से तुलना करनी पड़ती है। टेस्ट की औसत और टी20 की स्ट्राइक रेट को एक ही पैमाने पर तौलना क्रिकेट-विश्लेषण की सबसे आम गलती है, और इस मामले में तो स्वयं फ़ॉर्मेट ही घोषित नहीं था। टीम-स्तर पर भी स्थिति स्पष्ट है। न टीम का नाम, न आईसीसी रैंकिंग का संदर्भ, न घरेलू-विदेशी प्रोफ़ाइल, न बल्लेबाज़ी की गहराई, न गेंदबाज़ी की संरचना, न बेंच की क्षमता, न उम्र का ढाँचा। इन सबके बिना यह भी तय नहीं हो सकता कि टीम किस श्रेणी में आती है। रणनीतिक टकराव का विश्लेषण तो और भी दूर की बात है, क्योंकि न कोई सीरीज़ थी, न कोई प्रतिद्वंद्वी, न ऐतिहासिक मुकाबलों का कोई संदर्भ। लीग और व्यावसायिक पारिस्थितिकी का आयाम भी खाली ही रहा। यह तय करना असंभव था कि विषय आईपीएल है, बीबीएल, द हंड्रेड, पीएसएल, एसए20, आईएलटी20, एमएलसी या सीपीएल। प्रसारण अधिकारों का मूल्य, फ़्रैंचाइज़ी का मूल्यांकन, खिलाड़ियों के वेतन, नीलामी की कीमत, रिटेंशन या राइट-टू-मैच का कोई आँकड़ा मौजूद नहीं था। ऐसे में यह बताना भी संभव नहीं कि कोई सौदा महँगा था, उचित था या सस्ता — और उसके पीछे स्थानीय युवा सितारे का प्रीमियम था, ऑलराउंडर का प्रीमियम, या महज़ नीलामी की जल्दबाज़ी। क्रिकेट की व्यावसायिक अर्थव्यवस्था में यह अंतर बहुत मायने रखता है, क्योंकि बाज़ार में बिकने वाली कीमत और मैदान पर मिलने वाला प्रदर्शन दो अलग चीज़ें हैं। शासन और नियमों का पक्ष भी इसी कारण अनिर्णीत रहा। न आईसीसी स्तर का कोई विवाद, न राष्ट्रीय बोर्ड का फ़ैसला, न लीग आयोजक की कोई कार्रवाई। राजस्व बँटवारे की बहस हो, डीआरएस और अंपायर कॉल का विवाद हो, भ्रष्टाचार-विरोधी कार्रवाई हो, या खिलाड़ियों को विदेशी लीग खेलने की अनुमति देने वाला एनओसी मामला — इनमें से किसी का भी ज़िक्र इनपुट में नहीं था। बिना तथ्यों के इन विषयों को छेड़ना केवल बाहरी सामग्री थोपना होता। सबसे चेतावनीपूर्ण संकेत यह है कि खाली फ़ील्ड का पैटर्न किसी खाली दस्तावेज़ जैसा नहीं दिखता। शीर्षक और स्रोत दोनों का 'उपलब्ध नहीं' होना, साथ में सूचना बिंदुओं की पूरी तरह खाली सूची — यह अधिक संभावित रूप से पहले चरण की एक्सट्रैक्शन प्रक्रिया के विफल होने का संकेत है, न कि मूल लेख के खोखले होने का। यानी खराबी फ्रेमवर्क में नहीं, बल्कि दो चरणों के बीच के हैंडऑफ़ में है। यह अच्छी खबर है, क्योंकि ऐसी खराबी को पहचानना और ठीक करना अपेक्षाकृत सस्ता है। इसके अलावा एक तकनीकी असंगति भी दर्ज हुई। डोमेन लेबल 'क्रिकेट' के बजाय 'क्रिकेट_वर्ल्ड' दिया गया था, और विश्लेषण का दायरा — पुरुष या महिला क्रिकेट, अंतरराष्ट्रीय या फ़्रैंचाइज़ी, मैदान पर का खेल या प्रशासनिक पक्ष — कहीं तय नहीं था। दायरा तय न होने पर विश्लेषक को यह भी नहीं पता चलता कि किस रैंकिंग तालिका को देखना है और किस बेंचमार्क से तुलना करनी है। इस पूरे प्रकरण से तीन साफ़ सबक निकलते हैं। पहला, शीर्षक और स्रोत को अनिवार्य और कभी खाली न छोड़े जाने वाला फ़ील्ड बनाया जाना चाहिए, क्योंकि इनके बिना स्रोत की गुणवत्ता आँकी ही नहीं जा सकती। दूसरा, सूचना बिंदुओं की सूची खाली होने पर आगे का कोई भी चरण स्वतः रुक जाना चाहिए, ताकि टेम्पलेट कभी भी अनुमान से न भरे जाएँ। तीसरा, डोमेन लेबल के साथ एक स्पष्ट उप-लेबल जोड़ा जाना चाहिए जो फ़ॉर्मेट और दायरा दोनों बताए। निष्कर्ष यह है कि क्रिकेट पत्रकारिता में ऑटोमेशन तभी भरोसेमंद होगा जब वह यह स्वीकार कर सके कि कुछ मामलों में उसके पास कहने को कुछ नहीं है। 'अपर्याप्त सूचना' कोई कमज़ोरी नहीं, बल्कि सबसे ईमानदार और सबसे सुरक्षित नतीजा है। जो सिस्टम इसे स्वीकार नहीं करता, वह अनिवार्य रूप से गढ़ी हुई कहानियाँ पैदा करेगा — और खेल पत्रकारिता में गढ़ी हुई कहानी की कीमत, चूके हुए विश्लेषण से हमेशा ज़्यादा होती है।