क्रिकेट एनालिटिक्स में 'साइलेंट फेल्योर': जब खाली डेटा से भरी हुई रिपोर्ट बनने लगे

क्रिकेट एनालिटिक्स की दुनिया में एक ऐसी खामी सामने आई है जो किसी स्कोरकार्ड में नहीं, बल्कि उस सॉफ़्टवेयर में दिखती है जो स्कोरकार्ड को समझता है। ताज़ा मामला इस प्रकार है: एक क्रिकेट आर्टिकल का विश्लेषण सीनियर एनालिसिस स्टेज तक पहुंचा, लेकिन साथ में जो डेटा आया वह नाममात्र का भी नहीं था। शीर्षक 'उपलब्ध नहीं', स्रोत 'उपलब्ध नहीं', एक-वाक्य सारांश खाली, सूचना बिंदुओं की सूची खाली, तिथि-संवेदनशीलता का आकलन ही नहीं हुआ। पूरे पेलोड में केवल एक चीज़ लौटी — एक टॉपिक टैग, 'क्रिकेट_एशिया'। अगर इस इनपुट पर सामान्य तरीके से काम होता, तो दो घंटे में आठ डायमेंशन वाली एक चमकदार रिपोर्ट तैयार हो जाती — फॉर्मेट विश्लेषण, खिलाड़ी तकनीक, टीम ढांचा, लीग अर्थशास्त्र, शासन, जोखिम मैट्रिक्स, जन-नैरेटिव और उद्योग ट्रांसमिशन। समस्या यह है कि उस रिपोर्ट का हर वाक्य मनगढ़ंत होता। और क्रिकेट में मनगढ़ंत डेटा की सबसे बड़ी खतरनाक बात यह है कि वह असली डेटा से बिल्कुल अलग नहीं दिखता। तकनीकी तौर पर देखें तो विफलता की जड़ स्पष्ट है। स्टेज-1 एक्सट्रैक्शन ने एक पूरी तरह वैध स्कीमा लौटाया — सभी फ़ील्ड मौजूद, सभी कीवर्ड सही — लेकिन उनके अंदर कुछ भी नहीं था। यह 'हार्ड फेल' नहीं था, यह 'साइलेंट फेल' था। ऑर्केस्ट्रेशन लेयर को लगा कि सब ठीक है, क्योंकि तकनीकी रूप से एरर कोड कहीं नहीं था। यही अंतर सबसे घातक है। जो सिस्टम ज़ोर से चिल्लाकर बंद हो जाता है, उसे कोई ठीक कर देता है। जो सिस्टम चुपचाप खाली हाथ लौटता है और 'सफल' दिखता है, वह हफ़्तों तक अनदेखा रह जाता है और तब तक हर आर्टिकल के साथ यही होता रहता है। क्रिकेट डोमेन में यह जोखिम दूसरे क्षेत्रों से अधिक गंभीर है, क्योंकि यहां हर आंकड़ा आगे कई जगहों पर इस्तेमाल होता है। सांख्यिकीय विश्लेषण सट्टा बाज़ार, चयन बहस, फ्रेंचाइजी की नीलामी रणनीति और प्रसारणकर्ता की कमेंट्री — सबको खुराक देता है। एक बार गलत आंकड़ा सिस्टम में घुसा, तो वह आगे बढ़ता ही जाता है और किसी भी स्तर पर उसे पहचानना मुश्किल होता जाता है। इसीलिए इस विश्लेषण ढांचे में एक सख़्त नियम है: हर निष्कर्ष के साथ उसका 'साक्ष्य' जोड़ना ज़रूरी है। साक्ष्य नहीं, तो निष्कर्ष नहीं। खाली इनपुट पर यह नियम लागू करने का एकमात्र ईमानदार तरीका है — साफ़ इनकार। इसी कारण आठों डायमेंशन के टेम्पलेट भरे गए, लेकिन हर जगह 'अपर्याप्त जानकारी, आकलन संभव नहीं' लिखा गया। अकेला 'क्रिकेट_एशिया' टैग इस खालीपन को नहीं भरता, और इसे भरने की कोशिश करना सबसे बड़ी गलती होगी। यह टैग सिर्फ़ बताता है कि आइटम को एशिया-क्षेत्रीय क्रिकेट बकेट में रूट किया गया। संभावित राष्ट्रीय टीमें छह से अधिक हैं — भारत, पाकिस्तान, श्रीलंका, बांग्लादेश, अफ़ग़ानिस्तान, नेपाल; और संभावित लीग भी छह से अधिक — आईपीएल, पीएसएल, आईएलटी20, लंका प्रीमियर लीग, बांग्लादेश प्रीमियर लीग, नेपाल प्रीमियर लीग। इतने बड़े कैंडिडेट सेट पर कोई भी कथन विश्लेषणात्मक वज़न नहीं रखता। टैग रूटिंग मेटाडेटा है, विश्लेषण का आधार नहीं। इसी तरह फॉर्मेट लेबल की अनुपस्थिति पूरे विश्लेषण को रोक देती है। क्रिकेट में टेस्ट का स्ट्राइक रेट और टी20 का स्ट्राइक रेट तुलनीय मात्राएं नहीं हैं — यह बुनियादी बात है, लेकिन खाली पेलोड में फॉर्मेट ही नहीं है। फॉर्मेट अनुपलब्ध होने पर पावरप्ले, मिडिल ओवर, डेथ ओवर, टेस्ट सेशन, पिच रिपोर्ट, मौसम, ओस, डीएलएस — किसी का भी आकलन नहीं हो सकता। यहां तक कि टॉस भाग्य और होम-ग्राउंड पूर्वाग्रह जैसे बुनियादी सुधार भी लागू नहीं किए जा सकते, क्योंकि स्थल का नाम ही मौजूद नहीं। जोखिम मूल्यांकन में एक और बारीक बात सामने आई, जो पूरे उद्योग के लिए सबक है। जब कोई खतरा पहचाना ही न गया हो, तो उस स्थिति को 'कम जोखिम' नहीं कहा जा सकता। सही वाक्य है — जोखिम अज्ञात है। और व्यावहारिक फ़ैसलों के लिए अज्ञात जोखिम, ज्ञात-और-प्रबंधित कम जोखिम से कहीं अधिक चिंता की बात है। इसी तर्क से भ्रष्टाचार-रोधी स्क्रीनिंग पर भी टिप्पणी बदलनी पड़ी। चूंकि कोई सामग्री नहीं निकली, स्क्रीनिंग वास्तव में चली ही नहीं। उसे 'पास' दर्ज करना तथ्यात्मक रूप से गलत होता; सही प्रविष्टि है — 'स्क्रीन नहीं हुई'। यह अंतर औपचारिक नहीं है, यह ऑडिट ट्रेल की ईमानदारी का सवाल है। उद्योग ट्रांसमिशन चेन भी पूरी तरह खाली रही। अपस्ट्रीम में युवा विकास और प्रतिभा आपूर्ति, मिडस्ट्रीम में राष्ट्रीय टीमें और लीग, डाउनस्ट्रीम में प्रसारण और व्युत्पन्न बाज़ार — तीनों नोड अनपॉपुलेटेड रहे। दक्षिण एशियाई हार्टलैंड बाज़ार के लिए प्रासंगिकता का संकेत टैग से मिलता है, लेकिन दिशा, परिमाण या समय-सीमा तय नहीं हो सकती, इसलिए वह संकेत निष्क्रिय है। अब सवाल यह है कि सुधार क्या हो। पहला और सबसे ज़रूरी कदम है स्टेज-2 से पहले एक 'मिनिमम वायबिलिटी गेट' लगाना — कम से कम एक सूचना बिंदु, एक गैर-शून्य स्रोत, और एक स्पष्ट फॉर्मेट लेबल। इन तीनों के बिना आइटम आगे नहीं बढ़ना चाहिए। दूसरा कदम, स्कीमा-स्तर का वैलिडेशन जो खाली सूचना बिंदुओं पर 'उपलब्ध नहीं' नहीं, बल्कि हार्ड फेल लौटाए, और 'अवर्गीकृत आर्टिकल प्रकार' के साथ खाली एंटिटी सूची के संयोजन पर अलर्ट भेजे। तीसरा कदम, डोमेन टैग को केवल रूटिंग मेटाडेटा घोषित करना और उसे कभी विश्लेषणात्मक आधार न बनने देना। चौथा, कॉन्फिडेंस टैगिंग का अनुशासन — साक्ष्य से शून्य-लंबाई की अनुमान श्रृंखला पर 'उच्च विश्वास' कभी नहीं लगना चाहिए, क्योंकि वह टैग स्वयं एक कलात्मक वस्तु बन जाता है। पांचवां, इंटीग्रिटी स्क्रीनिंग को 'नहीं हुई' के रूप में लॉग करना, 'पास' के रूप में नहीं। निगरानी के लिए चार संकेत सामने रखे गए हैं। पहला, स्टेज-1 शून्य-दर — प्रति एक हज़ार आइटम में कितने खाली लौटे; दो प्रतिशत से ऊपर जाना घटना है, शोर नहीं। दूसरा, फॉर्मेट-लेबल कवरेज — स्पष्ट टेस्ट/वनडे/टी20/द हंड्रेड टैग वाले आइटमों का हिस्सा; पचानवे प्रतिशत से नीचे गिरना मतलब सारा प्रदर्शन-विश्लेषण असुरक्षित हो गया। तीसरा, स्रोत-फ़ील्ड पूर्णता — गैर-शून्य स्रोत वाले आइटमों का अनुपात; निन्यानवे प्रतिशत से कम पर स्रोत-गुणवत्ता भार देना असंभव हो जाता है। चौथा, एंटिटी-एक्सट्रैक्शन रिकॉल — पचास आइटमों की मैनुअल जांच में नब्बे प्रतिशत से कम रिकॉल का मतलब है कि खिलाड़ी और टीम विश्लेषण व्यवस्थित रूप से अधूरे रहेंगे। इस पूरी घटना का एक सकारात्मक पक्ष भी है। यह पेलोड एक उपयोगी 'नेगेटिव कंट्रोल' साबित हुआ — उसने सिद्ध किया कि विश्लेषण ढांचा खाली इनपुट पर अनुमान लगाने से इनकार करता है। किसी भी एनालिटिक्स पाइपलाइन के लिए यह ज़रूरी है कि उसका क्वालिटी-टेस्ट सूट यह जांचे कि खाली डेटा पर सिस्टम चुप रहे, न कि कुछ बोल दे। एक मध्यम-निश्चितता वाली परिकल्पना यह भी है कि असली स्रोत दस्तावेज़ मौजूद था — रूटिंग टैग इसी ओर इशारा करता है — और स्पष्ट एक्सट्रैक्शन स्कीमा के साथ स्टेज-1 दोबारा चलाने पर पूरी विश्लेषण-योग्य सामग्री मिल सकती है। कम-निश्चितता वाली दूसरी परिकल्पना तकनीकी है: अगर किसी विशेष स्रोत डोमेन के लिए स्टेज-1 बार-बार खाली लौटता है, तो दोष विश्लेषण में नहीं, स्क्रैपिंग लेयर में हो सकता है — पेवॉल, जावास्क्रिप्ट-रेंडरिंग या बॉट-ब्लॉकिंग। यह अंतर जल्दी पहचानना ज़रूरी है, क्योंकि दोनों का इलाज पूरी तरह अलग है। सार यह है कि इस मामले में क्रिकेट के बारे में कोई तथ्यात्मक दावा करना संभव नहीं, और कोई दावा करना गलत होगा। जो सामने आया है वह एक प्रक्रिया-विफलता है, और उसका सही समाधान यही है कि आइटम को उसके असली स्रोत के साथ दोबारा भेजा जाए। क्रिकेट विश्लेषण की सबसे बड़ी ताकत उसका आत्मविश्वास नहीं, उसका साक्ष्य-अनुशासन है। जिस दिन वह अनुशासन टूटा, उस दिन रिपोर्ट पढ़ने में उतनी ही अच्छी लगेगी और काम की बिल्कुल नहीं होगी।