जब डेटा चुप हो जाता है: क्रिकेट विश्लेषण का अदृश्य संकट

एक आठ-आयामी क्रिकेट विश्लेषण रिपोर्ट। प्रारूप विश्लेषण, खिलाड़ी तकनीक, टीम परिदृश्य, लीग अर्थव्यवस्था, नियम और शासन, जोखिम मैट्रिक्स, जन-नैरेटिव और उद्योग ट्रांसमिशन — कुल आठ खंड। हर खंड में तालिकाएँ, बेंचमार्क, जोखिम-फ़्लैग और 'साक्ष्य' वाली अलग पंक्ति। रिपोर्ट पढ़ने में पूरी, तकनीकी और पेशेवर लगती है। समस्या केवल एक है: किसी भी निष्कर्ष के नीचे कोई डेटा मौजूद नहीं है।

यह किसी एक अख़बार या एक वेबसाइट की शर्मिंदगी नहीं है। यह उस तकनीकी खामी का साफ़ नमूना है जो आज दुनिया भर के खेल-मीडिया न्यूज़रूम में तेज़ी से आम हो रही है — और क्रिकेट, जो स्वयं को दुनिया का सबसे 'नंबरों वाला खेल' कहता है, इस खामी के प्रति सबसे कम संरक्षित है।

खंड एक: एक खाली JSON की कहानी

आधुनिक खेल-मीडिया की वर्कफ़्लो अब तीन चरणों की नहीं, चार चरणों की हो चुकी है। पहला चरण रिपोर्टिंग है। दूसरा संपादन। तीसरा प्रकाशन। और अब एक चौथा चरण जुड़ गया है — स्ट्रक्चर्ड एक्सट्रैक्शन।

इस चरण में प्रकाशित या अप्रकाशित सामग्री को एक प्रोसेसिंग पाइपलाइन में डाला जाता है, जिसका काम है कच्चे टेक्स्ट को एक मशीन-पठनीय वस्तु में बदलना। आउटपुट आमतौर पर एक JSON ऑब्जेक्ट होता है: शीर्षक, स्रोत, लेख का प्रकार, एक-वाक्य सारांश, सूचना-बिंदुओं की सूची, जुड़ी हुई संस्थाएँ, समय-संवेदनशीलता, स्रोत की गुणवत्ता और एक डोमेन लेबल।

इस पाइपलाइन का उद्देश्य साफ़ है। पत्रकारिता की भाषा को गणना-योग्य रूप में बदलना, ताकि डाउनस्ट्रीम मॉडल — सिफ़ारिश इंजन, एग्रीगेटर, ट्रेंड डिटेक्टर, विश्लेषण डैशबोर्ड — उस पर काम कर सकें।

समस्या यहाँ से शुरू होती है। जब यह पाइपलाइन विफल होती है, तो वह अक्सर त्रुटि नहीं देती। वह एक औपचारिक रूप से सही, लेकिन पूरी तरह खाली ऑब्जेक्ट लौटा देती है। कोई अपवाद (exception) नहीं। कोई चेतावनी नहीं। बस सभी फ़ील्ड null।

इसका परिणाम यह होता है कि डाउनस्ट्रीम सिस्टम को यह संदेश नहीं मिलता कि 'हम लेख को पढ़ नहीं पाए'। उसे यह संदेश मिलता है कि 'इस लेख में कोई महत्वपूर्ण जानकारी नहीं थी'।

यही अंतर पूरी रिपोर्ट का केंद्र है। पहला कथन एक तकनीकी विफलता है, जिसे ठीक किया जा सकता है। दूसरा कथन एक झूठा तथ्यात्मक दावा है, जिसे ठीक करना कहीं ज़्यादा कठिन है — क्योंकि उस पर भरोसा कर लिया गया है।

खंड दो: क्रिकेट वह खेल है जहाँ प्रारूप बदलते ही सच बदल जाता है

यह खामी किसी भी विषय पर ख़तरनाक होती, लेकिन क्रिकेट पर यह विशेष रूप से विनाशकारी है। कारण सीधा है: क्रिकेट दुनिया के उन गिने-चुने खेलों में से एक है जहाँ एक ही खेल के भीतर तीन अलग-अलग खेल मौजूद हैं।

टी20 एक सौ बीस गेंदों का मनोवैज्ञानिक युद्ध है। वनडे पचास ओवरों का संसाधन-प्रबंधन अभ्यास है। टेस्ट पाँच दिनों की सहनशीलता और मानसिक स्थिरता की परीक्षा है। इन तीनों में मैदान पर खड़े खिलाड़ी एक ही हो सकते हैं, लेकिन उनसे माँगी जाने वाली क्षमता मौलिक रूप से अलग है।

इसलिए एक प्रारूप में शानदार माना जाने वाला आँकड़ा दूसरे प्रारूप में अर्थहीन हो सकता है। एक उदाहरण लें। टी20 में एक बल्लेबाज़ का स्ट्राइक रेट 140 आधुनिक क्रिकेट में अच्छा माना जाता है, और 180 के आसपास का स्ट्राइक रेट किसी फ़िनिशर के लिए शीर्ष स्तर का माना जाता है। लेकिन टेस्ट क्रिकेट के शुरुआती बल्लेबाज़ के लिए यही 140 का स्ट्राइक रेट लगभग अस्वीकार्य माना जाएगा, क्योंकि वहाँ लक्ष्य गेंदें खेलना है, तेज़ी से रन बनाना नहीं।

गेंदबाज़ी की ओर देखें। टी20 में 7.00 से नीचे की इकॉनमी दर उत्कृष्ट मानी जाती है। टेस्ट क्रिकेट में 'इकॉनमी दर' शब्द का इस्तेमाल ही लगभग नहीं होता, क्योंकि वहाँ सवाल यह नहीं होता कि कितने रन गए, बल्कि यह होता है कि कितनी गेंदों में विकेट मिले।

इसका व्यावसायिक अर्थ यह है: क्रिकेट विश्लेषण में पहला और अनिवार्य प्रश्न यह होता है — कौन-सा प्रारूप? जिस क्षण यह प्रश्न अनुत्तरित रह जाता है, उसी क्षण उसके बाद का हर निष्कर्ष संदिग्ध हो जाता है। यह कोई विश्लेषणात्मक सुझाव नहीं, बल्कि इस पेशे की मूल शर्त है।

खंड तीन: तीन आँकड़े जो सब कुछ तय करते हैं — और तीन जो सब कुछ बिगाड़ देते हैं

क्रिकेट-विश्लेषण की दुनिया में तीन मीट्रिक सबसे अधिक उद्धृत होते हैं, और तीनों सबसे अधिक दुरुपयोग भी होते हैं।

पहला है औसत। बल्लेबाज़ी औसत यानी प्रति आउट होने पर बनाए गए रन। टेस्ट क्रिकेट में 45 के आसपास का औसत शीर्ष स्तर का माना जाता है, वनडे में 40 से ऊपर को उत्कृष्ट माना जाता है। लेकिन यह आँकड़ा अपने आप में कुछ नहीं कहता जब तक यह न पता हो कि वह किस युग का है, किन परिस्थितियों में बना है और कितनी पारियों में बना है।

दूसरा है स्ट्राइक रेट। बल्लेबाज़ी में यह प्रति सौ गेंदों पर बनाए गए रन हैं; गेंदबाज़ी में यह प्रति विकेट लगी गेंदें हैं। यही दोहरा अर्थ इस शब्द को क्रिकेट टिप्पणी का सबसे भ्रमित करने वाला शब्द बनाता है, क्योंकि दोनों का आपस में कोई संबंध नहीं है और दोनों के बेंचमार्क पूरी तरह अलग हैं।

तीसरा है इकॉनमी दर, यानी प्रति ओवर दिए गए रन। यह टी20 का सबसे उपयोगी गेंदबाज़ी मीट्रिक है, लेकिन जैसा ऊपर कहा गया, यह टेस्ट विश्लेषण के लिए लगभग अप्रासंगिक है।

इन तीनों के अलावा एक चौथा, कम दिखने वाला लेकिन अधिक महत्वपूर्ण तत्व है — स्थितिजन्य विभाजन। घरेलू मैदान पर प्रदर्शन, विदेशी मैदान पर प्रदर्शन, तेज़ गेंदबाज़ी के सामने प्रदर्शन, स्पिन के सामने प्रदर्शन, दिन के मैच बनाम रात के मैच। एक ही खिलाड़ी के ये आँकड़े एक-दूसरे से इतने भिन्न हो सकते हैं कि समग्र औसत भ्रामक सिद्ध हो।

और पाँचवाँ, जो सबसे ज़्यादा नज़रअंदाज़ किया जाता है — हाल का रुझान। पिछले बारह महीनों का प्रदर्शन करियर के औसत से कितना अलग है? यह अंतर अक्सर उससे कहीं अधिक बताता है जितना पूरा करियर बताता है।

अब कल्पना करें कि इनमें से किसी भी आँकड़े को प्रारूप, युग और भूमिका के संदर्भ के बिना प्रस्तुत कर दिया जाए। परिणाम एक ऐसा वाक्य होगा जो आँकड़ों से भरा है और अर्थ से खाली है।

खंड चार: नमूने का जाल

क्रिकेट विश्लेषण में एक गलती इतनी सामान्य है कि उसे लगभग परंपरा कहा जा सकता है — तीन मैचों की अच्छी लय को 'रुझान' मान लेना।

यह गलती तकनीकी रूप से समझने योग्य है। क्रिकेट में एक खिलाड़ी साल भर में सीमित मैच खेलता है। अंतरराष्ट्रीय कैलेंडर में प्रारूप दर प्रारूप बदलते रहते हैं, चोटें बीच में आती हैं, चयन-नीतियाँ बदलती हैं। ऐसे में तीन-चार मैचों की लय ही कभी-कभी सबसे ताज़ा उपलब्ध आँकड़ा होती है।

लेकिन ताज़ा होना और पर्याप्त होना दो अलग बातें हैं। बीस-बीस पारियों का करियर औसत और तीन पारियों की लय एक ही तरह से नहीं पढ़े जा सकते। क्रिकेट में नमूने का आकार बहुत तेज़ी से बढ़ता है जब आप प्रारूप बदलते हैं — टी20 में एक सत्र में खेले गए मैचों की संख्या टेस्ट में तीन साल में भी नहीं होती।

इसलिए एक पेशेवर विश्लेषण का अनिवार्य हिस्सा है: मैचों की संख्या, तारीख़ों की सीमा, प्रतिद्वंद्वियों की गुणवत्ता और परिस्थितियों की एकरूपता। इनमें से कोई भी जानकारी न हो तो 'रुझान' शब्द का प्रयोग भी नहीं करना चाहिए।

खंड पाँच: घरेलू मैदान — वह चर जिसे छिपाया नहीं जा सकता

पेशेवर खेलों में घरेलू लाभ सर्वत्र मौजूद है, लेकिन क्रिकेट में यह संभवतः सबसे बड़ा है। कारण यह है कि क्रिकेट का मैदान मानकीकृत नहीं है।

भारतीय उपमहाद्वीप की स्पिन-अनुकूल पिचें, इंग्लैंड की स्विंग और सीम-अनुकूल स्थितियाँ, ऑस्ट्रेलिया का उछाल और तेज़ गति — ये तीनों अलग-अलग खेल जैसी माँगें रखते हैं। जो गेंदबाज़ मुंबई में घातक है, वह लीड्स में औसत हो सकता है, और जो बल्लेबाज़ पर्थ में सहज है, वह कोलंबो में संघर्ष कर सकता है।

इसका विश्लेषणात्मक अर्थ यह है कि स्थल का उल्लेख किए बिना कोई भी सामरिक निष्कर्ष अधूरा नहीं, बल्कि अमान्य होता है। यह एक कठोर शर्त है, कोई सुझाव नहीं।

इसी तरह पर्यावरणीय कारक भी हैं। ओस रात के सीमित ओवर मैचों के परिणाम पर सीधा असर डालती है, क्योंकि दूसरी पारी में गेंदबाज़ी करना कठिन हो जाता है। बारिश के कारण लागू होने वाला डकवर्थ-लुईस-स्टर्न (DLS) नियम अक्सर ऐसे परिणाम देता है जिन्हें खिलाड़ी और दर्शक दोनों विवादित मानते हैं। प्रकाश की स्थिति, हवा की दिशा और तापमान भी गेंद के व्यवहार को बदलते हैं।

यदि किसी विश्लेषण में स्थल, मौसम और टॉस का परिणाम मौजूद न हो, तो उसमें परिणाम की व्याख्या करने का कोई वैध आधार नहीं है।

खंड छह: जब संस्थाएँ ही गायब हो जाएँ

क्रिकेट विश्लेषण की पूरी संरचना एक सरल आधार पर खड़ी होती है — पहले यह पता होना चाहिए कि बात किसकी हो रही है।

कौन-सी टीम? कौन-सा खिलाड़ी? कौन-सी लीग? कौन-सा बोर्ड? कौन-सा आयोजन?

यदि इनमें से कोई भी प्रश्न अनुत्तरित है, तो विश्लेषण का पूरा ढाँचा खोखला हो जाता है। किसी खिलाड़ी की भूमिका तय किए बिना — सलामी बल्लेबाज़, एंकर, फ़िनिशर, तेज़ गेंदबाज़, स्पिनर, ऑलराउंडर, विकेटकीपर — यह तय ही नहीं किया जा सकता कि उसके लिए कौन-सा मीट्रिक प्रासंगिक है।

यही समस्या टीम स्तर पर और भी तीव्र हो जाती है। किसी टीम को 'शीर्ष स्तरीय', 'मध्यम श्रेणी' या 'उभरती शक्ति' कहने के लिए तीन चीज़ें चाहिए: आईसीसी रैंकिंग, विदेशी दौरों का रिकॉर्ड और वर्तमान टीम-संतुलन। तीनों अलग-अलग हैं और तीनों की अलग जाँच होती है।

और यह भी याद रखना ज़रूरी है कि टेस्ट, वनडे और टी20 की रैंकिंग तालिकाएँ अलग-अलग हैं और एक-दूसरे के लिए विकल्प नहीं बन सकतीं। किसी टीम के टी20 में शीर्ष पर होने का मतलब यह नहीं कि वह टेस्ट में भी वही स्थान रखती है।

खंड सात: लीग की अर्थव्यवस्था — एक ही शब्द, अलग-अलग मॉडल

क्रिकेट की व्यावसायिक दुनिया में एक भ्रम लगातार दोहराया जाता है — यह मान लेना कि 'लीग' एक ही तरह की संस्था होती है।

वास्तव में आईपीएल, पीएसएल, एसए20, आईएलटी20 और एमएलसी की राजस्व संरचनाएँ, स्वामित्व मॉडल और नियामक ढाँचे एक-दूसरे से स्पष्ट रूप से भिन्न हैं। इनमें से किसी एक के आँकड़े दूसरे पर लागू करना विश्लेषणात्मक त्रुटि है, तथ्यात्मक नहीं।

एक उदाहरण सबसे स्पष्ट है। आईपीएल में किसी खिलाड़ी की रिकॉर्ड नीलामी कीमत उसके मैदानी प्रदर्शन का सीधा प्रमाण नहीं होती। वह उतनी ही मात्रा में दुर्लभता, राष्ट्रीयता कोटा, फ़्रैंचाइज़ी की विपणन रणनीति और नीलामी के उस विशेष दिन की मनोवैज्ञानिक गति का परिणाम होती है।

इसलिए पेशेवर विश्लेषण में एक अनिवार्य अंतर करना पड़ता है: खेल-मूल्य और वाणिज्यिक मूल्य। दोनों अलग-अलग मापे जाते हैं, और दोनों का एक-दूसरे से सीधा संबंध मान लेना सबसे आम विश्लेषणात्मक भूल है।

एक और परत भी है, जो क्रिकेट की पूँजी-संरचना से जुड़ी है। भारतीय ब्रॉडकास्ट और फ़्रैंचाइज़ी पूँजी अब सीमा पार फैल चुकी है — एसए20, आईएलटी20 और एमएलसी की टीमों में आईपीएल-स्वामित्व की हिस्सेदारी इसका सीधा उदाहरण है। इसका मतलब है कि एक लीग की घटना दूसरी लीग में गूँज सकती है। लेकिन इसे किसी विशिष्ट समाचार पर लागू करने के लिए उस समाचार में लीग, खिलाड़ी और मौसम-खिड़की का स्पष्ट उल्लेख होना चाहिए।

खंड आठ: शासन और राजनीति — क्रिकेट का वह हिस्सा जो मैदान पर नहीं दिखता

क्रिकेट की एक ख़ास बात यह है कि उसका प्रशासनिक ढाँचा खेल से कम जटिल नहीं है।

आईसीसी का राजस्व वितरण मॉडल, जिसमें भारतीय क्रिकेट कंट्रोल बोर्ड का हिस्सा सबसे बड़ा है, वर्षों से विवाद का विषय रहा है। इस मॉडल को कभी 'बिग थ्री' व्यवस्था कहा गया, और इस पर बार-बार यह आरोप लगता रहा है कि यह वैश्विक खेल के विकास की तुलना में कुछ ही बाज़ारों को लाभ पहुँचाता है।

इसके अलावा दो और स्थायी मुद्दे हैं। पहला, भारत और पाकिस्तान के बीच द्विपक्षीय श्रृंखलाओं का लंबे समय से ठप होना — जिसका कारण खेल नहीं, राजनीति है। इसका असर यह है कि ये दोनों टीमें अब केवल आईसीसी आयोजनों या तटस्थ स्थलों पर आमने-सामने आती हैं। दूसरा, सरकारी हस्तक्षेप के मामले में आईसीसी की कठोर रेखा, जिसके कारण कई सदस्य बोर्डों को निलंबन का सामना करना पड़ा है।

खिलाड़ी-गतिशीलता के मोर्चे पर 'नो ऑब्जेक्शन सर्टिफ़िकेट' (NOC) व्यवस्था केंद्रीय है। यह वह दस्तावेज़ है जिसके बिना कोई खिलाड़ी विदेशी लीग में नहीं खेल सकता, और इसलिए यह बोर्डों के नियंत्रण का सबसे प्रभावी साधन बना हुआ है।

और अंत में, सत्यनिष्ठा। आईसीसी की भ्रष्टाचार-निरोधक इकाई (ACU) का पूरा काम इसी पर टिका है कि संदिग्ध गतिविधि की पहचान हो सके। लेकिन पहचान के लिए ठोस डेटा चाहिए — मैच की स्थिति, बाज़ार की हलचल, या आंतरिक रिपोर्ट। सामान्य संदेह से कोई मामला नहीं बनता।

यही कारण है कि किसी भी शासन-संबंधी विश्लेषण में यह कहना कि 'कोई समस्या नहीं मिली' तब तक भ्रामक है जब तक यह स्पष्ट न हो कि खोज की गई थी। खाली इनपुट में साक्ष्य का अभाव, साक्ष्य का अभाव नहीं होता — यह केवल खोज न होने का प्रमाण होता है।

खंड नौ: मीडिया प्रवर्धन गुणांक

दक्षिण एशियाई क्रिकेट बाज़ार की एक विशेषता है जिसे अक्सर कम आँका जाता है — भावनात्मक प्रवर्धन की दर।

यहाँ किसी भी नैरेटिव को सार्वजनिक प्रतिक्रिया मिलने की गति और तीव्रता दुनिया के अधिकांश क्रिकेट बाज़ारों से अधिक होती है। एक अच्छी पारी कुछ ही घंटों में 'स्टार का जन्म' बन जाती है, और एक असफल पारी 'करियर का अंत'।

इसका विश्लेषणात्मक अर्थ यह है कि किसी भी नैरेटिव को दो अलग-अलग तराज़ुओं पर तौलना पड़ता है — सार्वजनिक भावना और मूलभूत तथ्य। यदि दोनों में अंतर है, तो वही अंतर सबसे महत्वपूर्ण सूचना होती है।

लेकिन इसकी गणना के लिए दोनों तरफ़ का डेटा चाहिए। भावना-पक्ष के लिए ज़रूरी है टिकट बिक्री, जर्सी बिक्री, सोशल मीडिया वॉल्यूम, एंडोर्समेंट गतिविधि और स्टेडियम में प्रतिक्रिया। तथ्य-पक्ष के लिए ज़रूरी है प्रदर्शन का आँकड़ा, जिसकी विश्वसनीयता उसके नमूने पर निर्भर है।

दोनों में से एक भी न हो तो 'अपेक्षा-अंतराल' जैसी अवधारणा लागू ही नहीं की जा सकती।

एक और बात जोड़नी ज़रूरी है। क्रिकेट मीडिया में स्रोत-गुणवत्ता को श्रेणीबद्ध करने की परंपरा है: आधिकारिक बोर्ड की घोषणा, प्रतिष्ठित पत्रकार की रिपोर्ट, और सामान्य ट्रैफ़िक-चालित दावा — तीनों की विश्वसनीयता अलग है। यदि किसी समाचार का स्रोत ही अज्ञात है, तो उसके किसी भी दावे को डिफ़ॉल्ट रूप से 'असत्यापित' मानना चाहिए। यह कोई संदेह नहीं, यह पद्धति का नियम है।

खंड दस: विफलता का पैटर्न

अब वापस उस मूल प्रश्न पर। जब पूरा एक्सट्रैक्शन खाली लौटता है, तो उसके पीछे क्या कारण हो सकते हैं?

व्यवहार में चार संभावनाएँ देखी जाती हैं।

पहला, पाठ का स्रोत ही किसी कारणवश अवरुद्ध रहा। पे-वॉल, लॉगिन-वॉल, या जावास्क्रिप्ट से रेंडर होने वाला पेज — इन सबसे कच्चा टेक्स्ट कभी निकल ही नहीं पाता।

दूसरा, इनपुट वास्तव में केवल एक हेडलाइन या सोशल मीडिया स्निपेट था। ऐसे में पूरी खबर कभी मौजूद ही नहीं थी।

तीसरा, स्कीमा का साइलेंट विफल हो जाना। किसी फ़ील्ड का नाम बदल गया, किसी प्रकार (type) की अपेक्षा में अंतर आ गया — और पूरा आउटपुट चुपचाप null से भर गया, बिना कोई सूचना दिए।

चौथा, दस्तावेज़ वास्तव में खाली या अधूरा था।

इनमें से सबसे ख़तरनाक तीसरा है, क्योंकि यही एकमात्र ऐसा कारण है जो पूरे सिस्टम के स्तर पर दोहराया जाता है। यदि स्कीमा विफलता है, तो वही विफलता आज एक रिकॉर्ड पर होती है और कल पूरे बैच पर।

एक संकेत इस पैटर्न को पहचानने में मदद करता है: अंतर्विरोध। इस उदाहरण में डोमेन लेबल भरा हुआ था — 'क्रिकेट_एशिया' — जबकि शीर्षक, स्रोत, प्रकार, सारांश और सभी सूचना-बिंदु खाली थे। एक सही ढंग से चलने वाली पाइपलाइन ऐसा नहीं करती। यह भरा हुआ लेबल बताता है कि वर्गीकरण-परत किसी मेटाडेटा (URL, फ़ीड टैग या CMS श्रेणी) तक पहुँच गई थी, लेकिन सामग्री-निष्कर्षण-परत असफल रही।

यह स्वयं में एक मुफ़्त निदान है। समस्या कहाँ है — यह अब अनुमान का विषय नहीं है।

खंड ग्यारह: एक और ख़तरा जो अधिक गंभीर है

तकनीकी विफलता की अपनी गंभीरता है, लेकिन इससे भी बड़ा ख़तरा है — टेम्पलेट को निष्कर्ष समझ लिया जाना।

यह कैसे होता है? विश्लेषण का ढाँचा पूरा भरा हुआ दिखता है। आठों खंड मौजूद हैं। तालिकाएँ हैं, बेंचमार्क हैं, जोखिम-फ़्लैग हैं, यहाँ तक कि 'साक्ष्य' शीर्षक के नीचे एक अलग पंक्ति भी है। जो व्यक्ति इसे सतह से देखेगा, वह इसे एक पूरा विश्लेषण मान सकता है।

लेकिन हर खंड के भीतर वास्तविक मान का स्थान 'उपलब्ध नहीं' ने ले रखा है। इसलिए वह पूरा विश्लेषण किसी भी खिलाड़ी, किसी भी टीम, किसी भी लीग और किसी भी आयोजन के बारे में एक भी प्रमाणित कथन नहीं देता।

इस स्थिति में सही दृष्टिकोण 'कोई निष्कर्ष नहीं मिला' नहीं होता। सही दृष्टिकोण कठोर रुकावट है — पहले इनपुट को ठीक करो, फिर विश्लेषण शुरू करो।

यह अंतर केवल शब्दों का नहीं है। यदि ऐसी रिपोर्ट किसी शोध संग्रह, किसी ट्रेंडिंग सारांश या किसी निवेश-नोट में प्रवेश कर जाती है, तो आगे के सभी निर्णय एक खाली आधार पर लिए जाएँगे — और उन निर्णयों को देखकर यह भी पता नहीं चलेगा कि आधार खाली था।

खंड बारह: पाइपलाइन को क्या बदलना होगा

समस्या की पहचान होने पर समाधान अपेक्षाकृत सरल हैं, लेकिन उन्हें सिस्टम के स्तर पर लागू करना ज़रूरी है।

पहला उपाय है 'नल-रेट वैलिडेटर'। पाइपलाइन से निकलने वाले हर रिकॉर्ड पर यह गणना हो कि कितने प्रतिशत फ़ील्ड खाली हैं। यदि यह आँकड़ा 80 प्रतिशत से ऊपर जाए, तो आउटपुट को सामान्य परिणाम के रूप में आगे न भेजा जाए — बल्कि एक स्पष्ट निष्कर्षण-त्रुटि उठाई जाए।

दूसरा उपाय है अनिवार्य-फ़ील्ड सत्यापन। कम से कम शीर्षक, स्रोत, प्रारूप, तिथि और एक संस्था — इन पाँच के बिना किसी रिकॉर्ड को 'पूर्ण' न माना जाए। ये पाँच ऐसी न्यूनतम सूचना हैं जिनके बिना कोई भी क्रिकेट-विश्लेषण आगे नहीं बढ़ सकता।

तीसरा उपाय है श्रेणी-सूची का मेल। प्रदर्शित होने वाले सभी लेबल स्वीकृत सूची के भीतर होने चाहिए। इस उदाहरण में जो 'क्रिकेट_एशिया' लेबल मिला, वह अपेक्षित सूची के बाहर था — यह या तो श्रेणी-सूची के बहाव का संकेत है, या किसी अनिर्दिष्ट क्षेत्रीय उप-श्रेणी का। दोनों ही स्थितियों में यह आगे के मॉडलों के लिए मार्ग-भ्रम पैदा करेगा।

चौथा उपाय है 'फ़ेच परत' की जाँच। यदि स्रोत पे-वॉल या जावास्क्रिप्ट-आधारित है, तो वही निष्कर्षण दोबारा चलाने पर वही विफलता देगा। इसलिए पुनः-प्रयास से पहले कच्चे HTML का संग्रह, हेडलेस रेंडरिंग और स्क्रिप्ट-प्रबंधन जैसे मुद्दों को हल करना चाहिए।

पाँचवाँ, और सबसे उपयोगी उपाय — आठों खंडों को एक स्वीकृति-जाँच सूची के रूप में वापस इस्तेमाल करना। प्रत्येक खंड यह बताता है कि उसे क्या चाहिए: प्रारूप, पारी की स्थिति, स्थल, खिलाड़ी की भूमिका, नमूना-आकार सहित आँकड़े, टीम-सूची, रैंकिंग तालिका, लेनदेन के आँकड़े, शासन से जुड़ा कोई घटनाक्रम और स्रोत-श्रेणी। इन्हें Stage 1 के लिए अनिवार्य-फ़ील्ड सूची में बदल देना निष्कर्षण की गुणवत्ता को व्यवस्थागत रूप से ऊपर उठाएगा।

निष्कर्ष

क्रिकेट पर लिखना हमेशा संख्याओं के भरोसे पर खड़ा रहा है। स्कोरकार्ड, औसत, रैंकिंग, कैलेंडर — यही इस खेल की स्मृति रही है। पिछले कुछ वर्षों में इस खेल में जो नया जुड़ा है, वह है इन संख्याओं को कच्ची घटनाओं से निकालने की तकनीकी व्यवस्था।

लेकिन यही व्यवस्था अब एक विरोधाभास पैदा कर रही है। जितना अधिक इसे भरोसेमंद माना जाता है, उतना ही अधिक इसकी खामियाँ महँगी पड़ती हैं।

पिछले कुछ वर्षों में इस प्रकार की विफलताएँ जारी हैं — और वे अक्सर इसी रूप में आती हैं, एक खाली लेकिन सही दिखने वाले आउटपुट के रूप में। वे शोर नहीं मचातीं; उन्हें कोई सुर्ख़ी नहीं मिलती। वे सिस्टम में चुपचाप प्रवेश करती हैं, एक-दूसरे से जुड़ती हैं, और अंततः ऐसे निष्कर्षों में बदल जाती हैं जो देखने में विश्लेषण लगते हैं जबकि वे केवल खाली स्थान हैं।

क्रिकेट का एक पुराना सूक्ति-वाक्य है कि मैच के नतीजे स्कोरकार्ड में नहीं, उसकी व्याख्या में छिपे होते हैं। आज के हिसाब से इसमें एक संशोधन जोड़ना पड़ेगा: व्याख्या तभी मायने रखती है जब उसके नीचे वास्तव में कोई स्कोरकार्ड हो। जब स्कोरकार्ड ही खाली हो, तो कोई ढाँचा उसे नहीं भर सकता।