खाली शेल और गोल मोल के दावे: क्रिकेट एनालिसिस पाइपलाइन की असली हार कहां हुई

मैं स्टेज-1 का वह डिकंस्ट्रक्शन रिजल्ट देख रहा था जो मुझे सौंपा गया था। शीर्षक खाली। स्रोत खाली। सूचना बिंदु खाली। कोई खिलाड़ी नहीं, कोई टीम नहीं, कोई फॉर्मेट नहीं। बस एक डोमेन लेबल चिपका था—cricket_asia—जैसे किसी मैच के स्कोरकार्ड पर सिर्फ मैदान का नाम लिखा हो और बाकी सब मिटा दिया गया हो। 24 साल से मैं क्रिकेट की खबरों के पीछे की मशीनरी खोलता आया हूं, और यह पहली बार नहीं है कि मैंने ऐसा खालीपन देखा है। फर्क यह है कि पहले यह खालीपन अखबार के उस पेज पर मिलता था जहां प्रूफ़रीडर की नजर से एक पैराग्राफ फिसल जाता था। अब यह खालीपन एल्गोरिद्म की आड़ में आता है।

स्कोरकार्ड अगर बताता है कि टीम ढह गई, तो मेरा पहला काम टेप निकालना होता है—पिछले बीस ओवर के बॉल-बाय-बॉल लॉग। लेकिन जब खुद स्टेज-1 का आउटपुट ही खाली हो, तो टेप नहीं होता, सिर्फ एक खाली कैसेट होती है। यहीं से असली कहानी शुरू होती है, और यह कहानी किसी क्रिकेटर की नहीं, किसी क्रिकेट आर्टिकल के ऑटोमेटेड प्रोसेसिंग पाइपलाइन की है।

नजरिया और संदर्भ: जब क्लासिफायर पहले दौड़ता है और एक्सट्रैक्टर पीछे छूट जाता है

मुझे यह समझने में ज्यादा देर नहीं लगी कि मेरे सामने जो नतीजा है, वह किसी क्रिकेट लेख का विश्लेषण नहीं है। यह किसी सिस्टम की रिपोर्ट है। कल्पना कीजिए: एक ऑटोमेटेड पाइपलाइन में दो मशीनें लगी हैं। पहली मशीन—डोमेन क्लासिफायर—किसी टेक्स्ट को पढ़कर बताती है कि यह क्रिकेट से जुड़ा है, खासकर एशियाई क्रिकेट से। दूसरी मशीन—इन्फॉर्मेशन एक्सट्रैक्टर—उस टेक्स्ट में से नाम, आंकड़े और तथ्य निकालती है। जब आपको ऐसा डिकंस्ट्रक्शन रिजल्ट मिलता है जिसमें लेबल भरा हुआ है लेकिन सारे कंटेंट फील्ड खाली हैं, तो इसका मतलब साफ है: पहली मशीन चली, दूसरी मशीन फेल हो गई।

इसे मैं एक और तरीके से देखता हूं। पिछले कुछ सालों में क्रिकेट कवरेज की जो शक्ल बदली है, उसमें सबसे बड़ा बदलाव यह आया है कि अब पहले लेबल तय होते हैं और बाद में तथ्य जुटाए जाते हैं। 'यह एशिया कप है', 'यह टी20 का मैच है', 'यह रोहित शर्मा का फैसला है'—ये लेबल पहले आते हैं। फिर उन लेबल के हिसाब से तथ्य ढूंढे जाते हैं। जब तथ्य नहीं मिलते, तो लेबल नहीं हटाए जाते; तथ्यों को 'N/A' लिखकर खाली छोड़ दिया जाता है। यह वही गलती है जो फैंटेसी क्रिकेट के दौर में हर मैच से पहले 'प्रीडिक्शन' के नाम पर होती है—पहले नतीजा लिख लो, फिर तर्क गढ़ लो।

महत्वपूर्ण बात यह है कि इस खालीपन का क्रिकेट से कोई लेना-देना नहीं है। क्रिकेट तो भरा हुआ है—हर दिन कहीं न कहीं कोई द्विपक्षीय सीरीज चल रही है, एशिया कप जैसी घरेलू प्रतियोगिताएं हैं, आईपीएल की नीलामी के आंकड़े हैं, महिला प्रीमियर लीग का विस्तार है। जब किसी क्रिकेट लेख के डिकंस्ट्रक्शन में एक भी खिलाड़ी का नाम गायब है, तो यह लेख की कमी नहीं, लेख पढ़ने वाली मशीन की कमी है। क्रिकेट के डेटा में खालीपन का मतलब क्रिकेट की मौत नहीं, बल्कि उस डेटा को पकड़ने वाले हाथों की ढील है।

कोर: तीन फेलियर जो हर बार दोहराए जाते हैं, और तीनों का इलाज अलग है

अब आगे बढ़ने से पहले मुझे वह बोरिंग व्याख्या लिखनी है जिसे मैं हर बार लिखता हूं, क्योंकि कभी-कभी सबसे बोरिंग व्याख्या ही सही निकलती है। सबसे आसान निष्कर्ष यह है कि स्रोत खराब था, लेख ही नहीं था, या यह किसी गैर-क्रिकेट आर्टिकल को गलती से क्रिकेट समझ लिया गया। यह पूरी तरह संभव है और मुझे इसे खारिज नहीं करना चाहिए। अगर ऐसा है, तो पाइपलाइन दोषी नहीं, इनपुट दोषी है। लेकिन तीन अलग-अलग संकेत बताते हैं कि मामला सिर्फ इनपुट का नहीं है।

पहला संकेत: डोमेन लेबल भरा हुआ है। अगर लेख बिल्कुल ही क्रिकेट का नहीं होता, तो क्लासिफायर को 'cricket_asia' कहने का कोई आधार क्यों मिलता? क्लासिफायर अक्सर कीवर्ड, मेटाडेटा या यूआरएल पैटर्न से लेबल बनाता है। इसका मतलब है कि उसे कहीं से 'क्रिकेट' और 'एशिया' की गंध मिली थी। गंध मिली थी, लेकिन सामग्री नहीं मिली।

दूसरा संकेत: सभी कंटेंट फील्ड एक जैसे तरीके से खाली हैं। अगर लेख में कुछ था लेकिन कम था, तो कुछ फील्ड भरे होते और कुछ खाली। सब कुछ एक साथ खाली होने का मतलब है कि एक्सट्रैक्शन स्टेप ही नहीं चला या चलकर तुरंत क्रैश हो गया।

तीसरा संकेत, और यह सबसे चिंताजनक है: इस तरह के फेलियर को पकड़ने वाला कोई 'हेल्थ चेक' सिस्टम में नहीं दिख रहा। अगर पाइपलाइन में एक भी गेट होता जो कहता 'अगर इन्फॉर्मेशन पॉइंट्स खाली हैं तो आगे मत बढ़ो', तो यह डिकंस्ट्रक्शन रिजल्ट मेरे पास नहीं आता। यह सीधे आगे बढ़ गया, जैसे कोई बल्लेबाज बिना हेलमेट के मैदान में उतर जाए और किसी को फर्क भी न पड़े।

अब मैं तीन तरह के फेलियर अलग-अलग करना चाहता हूं, क्योंकि हर एक का इलाज अलग है। पहला, एक्सेस फेलियर: स्रोत पे-वॉल के पीछे था या जावास्क्रिप्ट से रेंडर हो रहा था, जिससे स्क्रैपर को खाली पेज मिला। इलाज यह है कि स्क्रैपर को ब्राउज़र-बेस्ड रेंडरिंग दी जाए और पे-वॉल वाले स्रोतों के लिए अलग रास्ता बनाया जाए। दूसरा, पार्सिंग फेलियर: पेज मिला, लेकिन मार्कअप ऐसा था कि एक्सट्रैक्टर को समझ नहीं आया—शायद कोई नया टेम्पलेट, कोई नया सीएमएस। इलाज यह है कि एक्सट्रैक्टर को साप्ताहिक रूप से अलग-अलग टेम्पलेट्स पर टेस्ट किया जाए। तीसरा, रूटिंग फेलियर: लेख पढ़ा गया, समझा गया, लेकिन उसका कंटेंट किसी और डिब्बे में चला गया—शायद किसी डुप्लीकेट आईडी के नीचे, या किसी रिट्रीवल एरर के कारण। इलाज यह है कि हर आर्टिकल के लिए एक यूनिक फिंगरप्रिंट रखा जाए और उसकी ट्रैकेबिलिटी जांची जाए।

मैं यहां एक पल रुककर यह भी कहना चाहता हूं कि यह समस्या सिर्फ इस एक पाइपलाइन की नहीं है। क्रिकेट डेटा की पूरी इकोसिस्टी—बॉल-बाय-बॉल लॉग से लेकर फैंटेसी क्रिकेट तक—इसी कमजोरी से जूझ रही है। जब आपको कोई आंकड़ा मिलता है, तो आपको यह पता नहीं होता कि वह आंकड़ा कहां से आया, किसने निकाला, और क्या वह पूरा निकाला गया या आधा। मैंने 2026 चैंपियंस ट्रॉफी फाइनल के बाद जो 800 शब्दों की रिपोर्ट लिखी थी, उसमें सबसे मुश्किल काम यही था—यह साबित करना कि भारत के मिडिल ओवर दो साल से खोखले थे। मुझे तब भी लगा था कि अगर डेटा का कोई स्वचालित सत्यापन होता, तो मुझे इतनी मेहनत नहीं करनी पड़ती। लेकिन आज जब डेटा का स्वचालित संग्रह है, तो उसकी विश्वसनीयता जांचने का कोई स्वचालित तरीका नहीं है। यह विरोधाभास है—जितना ज्यादा डेटा जुटा रहे हैं, उतनी ही तेजी से उसकी गुणवत्ता की जांच पीछे छूट रही है।

कंट्रेरियन: हो सकता है मैं गलत हूं, और यहां सबसे संभावित गलती क्या है

अब वह हिस्सा जो मुझे हर बार लिखना चाहिए, क्योंकि अगर मैं इसे नहीं लिखूंगा तो मेरा पूरा तर्क आधा अधूरा रहेगा। सबसे पहली बात: हो सकता है कि यह पाइपलाइन की गलती न हो, बल्कि मूल लेख ही ऐसा हो जिसमें कुछ न हो। क्रिकेट पत्रकारिता में आजकल ऐसे लेख बहुत हैं जो बीस पैराग्राफ में एक भी ठोस तथ्य नहीं देते—बस 'दबाव', 'मानसिकता', 'इंटेंट' जैसे शब्दों का जाल बुनते हैं। अगर स्रोत ऐसा ही था, तो एक्सट्रैक्टर ने कुछ गलत नहीं किया; उसे निकालने के लिए कुछ मिला ही नहीं। यह मेरे लिए सबसे असहज संभावना है, क्योंकि यह मेरे अपने पेशे पर उंगली उठाती है।

दूसरी बात: मैंने ऊपर जो तीन फेलियर की बात कही, वह भी एक तरह की 'सिस्टम-ब्लेम' है। और मैं उस जाल से वाकिफ हूं। 'सिस्टम की गलती है' कहना बहुत आसान है, क्योंकि इसे कोई गलत साबित नहीं कर सकता। लेकिन अगर मैं ईमानदार हूं, तो मुझे यह भी कहना चाहिए कि अगर इस पाइपलाइन में कोई एक जिम्मेदार व्यक्ति है, तो उसका नाम लेना चाहिए और तारीख बतानी चाहिए। किस दिन यह रिजल्ट बना? किसे पता था कि फील्ड खाली हैं? किसने इसे आगे भेजा? अगर इन सवालों का जवाब नहीं है, तो यह सिर्फ तकनीकी खराबी नहीं, जवाबदेही की खाली जगह है। और जवाबदेही की खाली जगह कोई अमूर्त दर्शन नहीं है—यह वही जगह है जहां अगली बार कोई और गलती बैठकर अपना घर बना लेगी।

तीसरी बात, और यह मेरे लिए सबसे जरूरी है: इस पूरे विश्लेषण में एक भी क्रिकेटर का नाम नहीं है। अगर मैं चाहता, तो किसी बड़े नाम को घसीटकर इस खालीपन को 'रोहित का फैसला' या 'कोहली की फिटनेस' से जोड़कर एक चटपटा लेख लिख सकता था, जो कहीं ज्यादा पढ़ा जाता। लेकिन वह झूठ होता। मेरे पास इस बात का कोई सबूत नहीं है कि इस खालीपन का किसी खिलाड़ी से कोई लेना-देना है। और जिस दिन मैं बिना सबूत किसी खिलाड़ी को घसीटूंगा, उस दिन मेरी पूरी विधि—टेप पहले, वर्डिक्ट बाद में—खत्म हो जाएगी। क्रिकेट के नाम पर चलने वाली सबसे बड़ी ठगी यह नहीं है कि कोई गलत आंकड़ा देता है; वह यह है कि कोई बिना आंकड़े के ही पूरा तर्क गढ़ लेता है।

टेकअवे: आगे क्या देखना चाहिए, और कब

अगर मैं इस पूरे प्रकरण से एक चीज निकालकर बाहर आता हूं, तो वह यह है कि क्रिकेट विश्लेषण की अगली लड़ाई खिलाड़ियों की नहीं, पाइपलाइनों की है। मैं अगले कुछ महीनों में तीन चीजें देखूंगा, और मेरी भविष्यवाणी यह है कि इनमें से कम से कम दो चीजें जल्दी ही सुर्खियों में आएंगी। पहला: किसी भी बड़े क्रिकेट इवेंट (एशिया कप, आईपीएल नीलामी, या विश्व कप) से पहले ऐसे ऑटोमेटेड डिकंस्ट्रक्शन सिस्टम्स की खबर आएगी जो 'तथ्य-जांच' के नाम पर खुद ही तथ्य गढ़ रहे होंगे। दूसरा: किसी भी क्रिकेट बोर्ड या ब्रॉडकास्टर की ओर से एक आधिकारिक 'डेटा प्रोवेनेंस' नीति आएगी—यानी यह बताने की प्रणाली कि कौन सा आंकड़ा कहां से आया। तीसरा: अगर मैं गलत हूं, तो वह इस तरह साबित होगा कि अगले छह महीनों में ऐसा कोई सार्वजनिक मामला सामने नहीं आएगा जहां खाली डेटा के आधार पर कोई बड़ा दावा किया गया हो। लेकिन मुझे लगता है कि ऐसा मामला आएगा, और तब हम सब यह पूछेंगे: उस दिन जब उस मशीन ने खाली फील्ड के साथ रिपोर्ट भेजी थी, क्या किसी ने उसे रोका था? यह सवाल इसलिए जरूरी है क्योंकि क्रिकेट में हम टेप को दोबारा देखते हैं—स्कोरकार्ड को नहीं। और अगर हमारी मशीनें टेप को नहीं देख रही हैं, तो हमें यह तय करना होगा कि हम किसे देख रहे हैं।