खाली पेलोड, ऊँची आवाज़: जब क्रिकेट डेटा डेस्क ने तथ्य-रहित रिपोर्ट लौटाई

खाली पेलोड, ऊँची आवाज़: जब क्रिकेट डेटा डेस्क ने तथ्य-रहित रिपोर्ट लौटाई

वह फ़ाइल जो खुली और अंदर कुछ नहीं था

सुबह छह बजकर बयालीस मिनट, चेन्नई। दूसरी स्क्रीन पर चरण-एक का आउटपुट आया। ढाँचा पूरा था — शीर्षक की जगह, स्रोत की जगह, लेख-प्रकार की जगह, डोमेन लेबल की जगह, हर जगह एक फ़ील्ड मौजूद। और फिर वे तीन पंक्तियाँ जिन्होंने पूरे दिन का रुख बदल दिया: सूचना-बिंदु — खाली सूची। एंटिटीज़ — कोई नहीं। मुख्य दृष्टिकोण — खाली स्ट्रिंग।

यह वह आउटपुट है जिसे डेटा की दुनिया में सबसे खतरनाक माना जाता है: संरचनात्मक रूप से वैध, अर्थ की दृष्टि से खोखला। सिस्टम ने एरर नहीं दिया। उसने सब कुछ अपनी जगह पर रखा और अंदर कुछ नहीं रखा। जिस डेस्क में मैं काम करती हूँ, वहाँ ऐसी फ़ाइल पर पहली प्रतिक्रिया होती है — भर दो। तीन हज़ार शब्द माँगे गए हैं, फ़ॉर्मेट तय है, तो किसी भी तरह भर दो।

भरा नहीं गया। आठ-आयामी विश्लेषण पूरा लोड होकर चला, और उसने हर उस जगह पर 'अपर्याप्त सूचना' लिखा जहाँ स्रोत-आधारित निष्कर्ष चाहिए था। उसने जोखिम रेटिंग देने से इनकार किया, क्योंकि खाली इनपुट पर दी गई रेटिंग गढ़ा हुआ आंकड़ा होती। उसने खिलाड़ी की तकनीक पर चुप्पी साधी, क्योंकि पेलोड में कोई खिलाड़ी नहीं था।

जिस रिपोर्ट का पहला वाक्य यह कहे कि रिपोर्ट नहीं है, वही इस टुकड़े की असली खबर है। पिछले कुछ सालों में क्रिकेट मीडिया ने मशीनों से डरना सीख लिया है — कि वे झूठ बोलेंगी। यहाँ मशीन ने झूठ नहीं बोला। यह मशीन ने मना किया। और मना करने की कीमत हमेशा देडलाइन चुकाती है, मशीन नहीं।

संदर्भ: खाली फ़ाइल कैसे बनती है, और क्यों वह ईमानदार होती है

खेल-डेटा की पाइपलाइन दो हिस्सों में चलती है। पहला चरण स्रोत को तोड़ता है — शीर्षक, तारीख़, टीमें, खिलाड़ी, आंकड़े, दावे, हर दावे के पीछे का स्रोत। दूसरा चरण उन टुकड़ों को जोड़कर निष्कर्ष निकालता है। मेरी पूरी ट्रेनिंग इसी दूसरे चरण की रही है, लेकिन जो सबक सबसे महँगा पड़ा, वह पहले चरण का था: अगर पहला चरण खाली लौटे, तो दूसरे चरण को रुकना ही होता है।

दो हज़ार सत्रह की बात है। चेन्नई के एक ग्यारह लोगों के डिजिटल स्टार्टअप में मैंने डेथ-ओवर का डेटाबेस शून्य से बनाया था। उस सीज़न के साठ मैच, गेंद-दर-गेंद — चौदह हज़ार चार सौ डिलीवरी। हर गेंद पर दो चीज़ें दर्ज होती थीं: बनाए जा रहे रन और हाथ में बचे विकेट। उसी से 'डेथ-ओवर एक्सपोज़र' नाम का मीट्रिक निकला। हैदराबाद में खेले गए उस फ़ाइनल में मुंबई इंडियंस ने राइजिंग पुणे सुपरजायंट को एक रन से हराया था। मैंने लिखा कि वह एक रन चालीस ओवर पहले तय हो चुका था — प्लेऑफ़ पहुँची उस टीम के छठे और सातवें नंबर ने अपनी डेथ गेंदों का अड़तीस प्रतिशत झेला, जबकि उसके टॉप-थ्री ने किसी भी क्वालिफ़ायर से कम दबाव वाली गेंदें खेलीं। नौ लाख पाठक, एक फ़ोन कॉल, और बाद में नौकरी।

The database started empty; the first real finding arrived as a fight. यही बात याद रखिए। डेटाबेस खाली शुरू हुआ था — और खाली डेटाबेस ईमानदार होता है। जो डेटाबेस झूठा होता है, वह भरा हुआ होता है; उसमें संख्याएँ होती हैं, पर उन संख्याओं का अर्थ नहीं होता।

उस सीज़न में बत्तीस हज़ार? नहीं — चौदह हज़ार चार सौ डिलीवरी लॉग करने के बाद जो चीज़ सबसे साफ़ दिखी, वह कोई शानदार खोज नहीं थी। वह यह थी कि डेटा में जो गायब है, वह डेटा में जो मौजूद है, उससे ज़्यादा भरोसेमंद सवाल पैदा करता है। स्कोरकार्ड में अगर किसी गेंदबाज़ के चार ओवर के सामने 'इकॉनमी 0.00' लिखा हो, तो फ़ॉर्मेट सही है और अर्थ गलत। ऐसी फ़ाइलें सबसे खतरनाक होती हैं, क्योंकि उन्हें देखकर कोई रुकता नहीं।

आठ खंड, आठ खाली जगह: जो डेटा नहीं दे सकता

उस आउटपुट ने आठों आयामों पर जो किया, वह अपने आप में क्रिकेट-विश्लेषण का पाठ्यक्रम है। हर खाली जगह बताती है कि किसी निष्कर्ष के लिए पहले क्या होना ज़रूरी है।

प्रारूप पहली प्रतिबद्धता है, बाद में आने वाला विवरण नहीं। जब तक यह तय न हो कि टेस्ट है, वनडे है, टी-20 है या द हंड्रेड, तब तक 'औसत' शब्द का कोई भाजक नहीं होता। टेस्ट में पैंतालीस का औसत और टी-20 में पैंतालीस का औसत एक ही चीज़ नहीं हैं — वे दो अलग खेलों की दो अलग मुद्राएँ हैं। जिस रिपोर्ट में प्रारूप नहीं, उस रिपोर्ट में हर तुलना अपने आप रद्द हो जाती है। मैंने अपने करियर में जितनी भी बहसें देखी हैं, उनमें आधी से ज़्यादा इसी एक लापरवाही से शुरू हुई हैं — दो अलग फ़ॉर्मेट के दो आंकड़े आमने-सामने रख दिए गए, और फिर बहस को तथ्य समझ लिया गया।

खिलाड़ी का नाम न हो तो तकनीक पर बोलना गढ़ना है। किसी खिलाड़ी की उम्र-वक्र (एज-कर्व) पर टिप्पणी करने के लिए तीन चीज़ें चाहिए: नाम, प्रारूप और एक डेटा विंडो। तीनों में से एक भी न हो, तो 'फ़ॉर्म गिर रहा है' वाक्य एक राय है, विश्लेषण नहीं। यही वह जगह है जहाँ उद्योग की सबसे पुरानी आदत बैठी है — पहले नाम, फिर संख्या, और अंत में निष्कर्ष। क्रम उल्टा है। निष्कर्ष सबसे आख़िर में आता है, और अक्सर वह आता ही नहीं।

टीम-विश्लेषण में सबसे बड़ा धोखा यह है कि आपकी संरचनात्मक समझ को खोज समझ लिया जाए। एशियाई टीमों के घरेलू स्पिन-अनुकूल हालात और विदेशी तेज़-स्विंग हालात के बीच का अंतर एक असली चीज़ है — लेकिन वह इस लेख का निष्कर्ष नहीं, वह इस क्षेत्र का स्थायी ढाँचा है। अंतर साफ़ रखिए: ढाँचा बताता है कि कहाँ देखना है; निष्कर्ष बताता है कि क्या मिला। जिस दिन ये दोनों मिल जाते हैं, विश्लेषण लोककथा बन जाता है — दोहराया जाने वाला, जाँचा न जाने वाला।

लीग और पैसा: नीलामी की कीमत अंतरराष्ट्रीय ताक़त नहीं होती। यह पूरे फ़्रेमवर्क का केंद्रीय भेद है, और इसे साबित करने के लिए कम से कम एक लेन-देन का आंकड़ा चाहिए — किसी खिलाड़ी की बोली, उसका अनुबंध, उसकी फ़ीस। जब वह आंकड़ा ही न हो, तो इस भेद पर बोलना खोखला है। जहाँ मैं काम करती हूँ, वहाँ यह सबक बहुत मँहगा पड़ा: किसी खिलाड़ी की बोली उसकी उपयोगिता नहीं मापती, वह उस समय बाज़ार में उसकी कमी मापती है। ट्रांसफ़र विंडो के मौसम में यह और साफ़ हो जाता है — शोर अनुबंधों से बनता है, और अनुबंध एजेंटों से। जो आदमी सबसे ज़्यादा बोलता है, वह अक्सर सबसे कम जानता है; पर उसकी आवाज़ बाज़ार के भाव में बैठ जाती है।

शासन-विश्लेषण में स्तर सबसे पहले तय होता है। एशियाई क्रिकेट की शासन-संरचना में एसीसी का स्तर और आईसीसी का स्तर अलग-अलग चीज़ें हैं। मेज़बानी, कैलेंडर, द्विपक्षीय सीरीज़ — इनका फ़ैसला जिस मेज़ पर होता है, वह अलग है। और भारत-पाकिस्तान जैसा मुक़ाबला, जिसे हमारा उद्योग पवित्र वस्तु की तरह पेश करता है, असल में एक शेड्यूलिंग और अधिकार-आधारित कलाकृति है — उसका धार्मिक महत्व राजनीति से बना है, क्रिकेट से नहीं। इसे पवित्र कहना विश्लेषण नहीं, श्रद्धा है। इसी तरह सन् दो हज़ार में क्रोनिये, दो हज़ार दस में पाकिस्तान और तेरह में आईपीएल के भ्रष्टाचार-प्रकरण — ये संदर्भ हैं, ये निष्कर्ष नहीं हैं, और इन्हें किसी भी लेख में इसी तरह रखा जाना चाहिए।

जोखिम-मैट्रिक्स खाली इनपुट पर नहीं भरा जा सकता। छह जोखिम-श्रेणियाँ हैं — खेल, कार्मिक, वाणिज्यिक, नियम, जनमत, प्रणालीगत। इनमें से एक भी भरी न जा सके, तो कुल जोखिम रेटिंग देना एक गढ़ा हुआ अंक होगा। और गढ़े हुए अंक का सबसे बड़ा नुकसान यह नहीं कि वह गलत है; नुकसान यह है कि वह भरोसेमंद दिखता है।

सार्वजनिक कथा और मूल बातचीत के बीच का अंतर मापना ही विश्लेषण है। 'अगला तेंदुलकर' जैसा लेबल लगाना मीडिया का काम हो सकता है; उसे नापना विश्लेषक का काम है। दोनों के लिए एक ही चीज़ चाहिए — मूल आंकड़े। जब आंकड़े ही न हों, तो उम्मीद और नींव के बीच का अंतर नापना असंभव है, और फिर जो बचता है वह अनुमान है।

और ट्रांसमिशन का नक्शा। कोई घटना हो, तब ही उसका असर ऊपर से नीचे बहता है — युवा विकास से राष्ट्रीय टीम तक, राष्ट्रीय टीम से लीग तक, लीग से प्रसारण और व्युत्पन्न बाज़ारों तक। घटना ही न हो, तो नक्शा खाली रहता है। वैश्विक क्रिकेट की करीब सत्तर प्रतिशत वाणिज्यिक आय भारत से आने का अनुमान जितना भी दोहराया जाए, वह इस लेख का संचरण-प्रभाव नहीं है।

लेबल का फिसलना: असली विफलता यहीं थी

इस पूरी घटना में जो एक चीज़ ज़िंदा बची और जिसने मेरा ध्यान सबसे ज़्यादा खींचा, वह थी उप-लेबल — cricket_asia। डोमेन लेबल 'Cricket' होना चाहिए था; जो आया वह क्षेत्रीय उप-लेबल था। शब्दों में यह मामूली अंतर लगता है। तकनीकी रूप से यह वही चीज़ है जिसने पूरी एक्सट्रैक्शन प्रक्रिया को तोड़ा।

मैं इसे लेबल-विस्थापन कहती हूँ, और क्रिकेट डेटा में यह सबसे महँगी गलती है। बेहतर डेटा टीमें जो सबसे ज़्यादा डरती हैं, वह गलत संख्या नहीं है — वह गलत लेबल है। संख्या गलत हो तो योग बेमेल हो जाता है और पकड़ में आ जाता है। लेबल गलत हो तो योग बिल्कुल सही बैठता है और अर्थ बदल जाता है। किसी आंतरिक स्कीमा में अगर 'डॉट बॉल' को एक दिन 'सेफ़ बॉल' कोड कर दिया जाए, तो छह महीने बाद आपके सारे टोटल सही दिखेंगे और आपका पूरा निष्कर्ष गलत निकलेगा।

इसलिए जब किसी पाइपलाइन में सूचना-बिंदुओं की सूची खाली हो और एंटिटीज़ की सूची भी, तो सबसे पहला सवाल 'लेख किस बारे में है' नहीं होता। पहला सवाल होता है: 'लेबल कहाँ बदला।' जिस दिन डेस्क यह सवाल पूछना भूल जाती है, उस दिन वह खबर की जगह फ़ॉर्मेट बन जाती है।

उलटा कोण: यह विफलता नहीं थी, यह गेट का कामयाब होना था

साल दो हज़ार छब्बीस की सबसे आम शिकायत यह है कि मशीनें क्रिकेट-कंटेंट गढ़ रही हैं। यह घटना उस आम धारणा को उलट देती है। यहाँ मशीन ने कुछ नहीं गढ़ा। मशीन ने आठ बार 'पता नहीं' लिखा। दबाव मशीन से नहीं आया — दबाव डेस्क से आया। तीन हज़ार शब्द की माँग, फ़ॉर्मेट की माँग, प्रकाशन-कैलेंडर की माँग।

और यही मेरे लिए सबसे असहज सच है: वह दबाव मुझ पर भी था। मेरे पास ढाँचा था, मेरे पास अपनी आवाज़ थी, मेरे पास वे वाक्य थे जो मैं सालों से लिखती आई हूँ। मैं 'एक एशियाई टीम' पर तीन हज़ार शब्द लिख सकती थी। यही सबसे बड़ा जोखिम था — इसलिए नहीं कि वह पढ़ने में गलत लगता, बल्कि इसलिए कि वह पढ़ने में बिल्कुल सही लगता। जिस रिपोर्ट को तथ्य न होने पर भी लिखा जा सके, वह रिपोर्ट नहीं, फ़ॉर्मेट है।

मैं कमेंट्री बॉक्स पर आसानी से कटाक्ष कर सकती हूँ — वहाँ आज भी माइल-स्टोन बिकते हैं और मैच की स्थिति याददाश्त से सुनाई जाती है। पर जब मैं ईमानदार होती हूँ, तो याद आता है कि उस बॉक्स की सीमाएँ असली हैं: आप लाइव हैं, कोई फ़ीड नहीं है, गेंद एक है और प्रतिक्रिया के लिए सेकंड भर है, और कान में निर्माता की आवाज़। उस आदमी को माइल-स्टोन चाहिए, क्योंकि माइल-स्टोन को डेटा की ज़रूरत नहीं होती — उसे याददाश्त काफ़ी है, और याददाश्त कभी खाली नहीं आती। इसीलिए वहाँ आज भी 'पचासवाँ शतक, दो-सौवें मैच में' बिकता है — वह सस्ता है, तुरंत मिलता है, और किसी का फ़ोन नहीं बजता।

असली होल्डआउट कमेंट्री बॉक्स नहीं है। असली होल्डआउट वह प्रोडक्शन लाइन है जो खाली फ़ील्ड को अपमान मानती है, संकेत नहीं। और उस लाइन की जड़ें उद्योग में गहरी हैं — In a Chennai startup, I learned that empty tables make loud enemies. उस कमरे में सबसे ऊँची आवाज़ उसकी होती है जिसके पास सबसे कम डेटा होता है, और सबसे कम कहने को जिसके पास सबसे ज़्यादा। A model is only as honest as the questions it refuses. खाली फ़ाइल पर 'धीरे-धीरे आकलन करेंगे' कहने वाला विश्लेषक कमज़ोर नहीं है; वह अकेली ईमानदार चीज़ है, उस दिन।

चौंसठ मैच, एक फ़ीड, और संदेह की बढ़ती सूची — यह मेरे लिए नया नहीं है। जब मैंने चेपॉक के तीस सीटों वाले प्रेस बॉक्स में अकेली महिला के तौर पर पहला सीज़न पूरा किया, तो जो चीज़ सबसे ज़्यादा चुभी, वह गलत संख्या नहीं थी। वह यह थी कि गलत संख्या को सब मिलकर दोहरा रहे थे, क्योंकि वह सुविधाजनक थी।

आगे क्या: अगले दौर का संकेत

अगर इस पूरी घटना से कुछ चलना चाहिए, तो वह यह नियम है — सूचना-बिंदुओं की खाली सूची को नरम चेतावनी नहीं, कठोर रोक मानिए। पाइपलाइन के अनुबंध में यह एक ऐसी शर्त है जिसे पूरा होने से पहले जाँचा जाता है, बाद में नहीं। और उसके साथ एक दूसरी शर्त: प्रसारण से पहले एंटिटी-गणना। न्यूनतम एंटिटी संख्या तय कीजिए; जिस दिन वह सीमा से नीचे जाए, उस दिन समझिए कि पाइपलाइन नहीं, एक्सट्रैक्शन टूटा है।

मैंने कभी ट्रॉफ़ी गिनना पसंद नहीं किया। I stopped counting trophies and started counting habits. अब मैं पूर्णता गिनती हूँ — कितने सूचना-बिंदु आए, कितने स्रोत से जुड़े थे, कितने एंटिटी निकले, लेबल अपनी जगह था या नहीं। जब तक डेस्क पूर्णता को उसी गंभीरता से नहीं नापती जिस गंभीरता से स्ट्राइक रेट नापती है, तब तक तथ्य-रहित फ़ाइलें भीतर आती रहेंगी और भरी हुई रिपोर्टें बाहर जाती रहेंगी।

सवाल यह नहीं है कि डेटा सही था या गलत। सवाल यह है कि जिस पल आपकी डेस्क के पास कहने को कुछ नहीं होता, उस पल वह क्या करती है। अगर आपकी डेस्क उस पल भी तीन हज़ार शब्द लिख सकती है, तो आपको खुद से पूछना होगा: वह लिख क्या रही है?