खाली डेटा, भरा हुआ भरोसा: क्रिकेट एनालिटिक्स में 'नल रिपोर्ट' का खतरा

क्रिकेट आज दुनिया के सबसे डेटा-संचालित खेलों में से एक है। एक टी20 मैच में दो-ढाई घंटे के भीतर सौ से ज़्यादा गेंदें फेंकी जाती हैं और हर गेंद पर कम से कम आधा दर्जन मीट्रिक दर्ज होते हैं — गति, लाइन, लेंथ, बाउंस, स्विंग, शॉट का कोण, बल्लेबाज का फुटवर्क, फील्डर की पोज़िशन। टेस्ट क्रिकेट में यही आंकड़े पांच दिनों तक फैल जाते हैं। इन आंकड़ों को इकट्ठा करने वाली कंपनियां, उन्हें प्रोसेस करने वाले प्लेटफॉर्म, और उन्हें कहानी में बदलने वाले पत्रकार और विश्लेषक — यह पूरी सप्लाई चेन अब पेशेवर क्रिकेट का अभिन्न हिस्सा बन चुकी है। लेकिन इस सप्लाई चेन में एक ऐसी खामी है जिस पर अब तक बहुत कम ध्यान गया है। वह खामी यह है कि जब डेटा निकालने वाला सिस्टम फेल होता है, तो वह अक्सर 'फेल' दिखता नहीं। वह खाली हाथ लौटता है, लेकिन खाली हाथ लौटने की जगह एक ऐसा खोल छोड़ जाता है जो पूरी तरह भरा हुआ दिखता है। शीर्षक लिखा होता है, उपशीर्षक लिखा होता है, तालिकाओं के सिरे बने होते हैं, 'हाई कॉन्फिडेंस' और 'मीडियम कॉन्फिडेंस' जैसे टैग भी लगे होते हैं — बस भीतर के खाने खाली होते हैं। और यही खालीपन सबसे बड़ा खतरा है, क्योंकि अगली कड़ी में बैठा इंसान या मॉडल इस खोल को सच्चा मानकर उसमें अपनी कहानी भर देता है। यह रिपोर्ट उसी घटना की पड़ताल है। यह किसी मैच रिपोर्ट, सीरीज प्रीव्यू या खिलाड़ी प्रोफाइल की खबर नहीं है — क्योंकि उपलब्ध सामग्री में ऐसा कोई भी तथ्य मौजूद नहीं है जिसके आधार पर वैसी खबर लिखी जा सके। यह उस प्रक्रिया की खबर है जो क्रिकेट की खबरें बनाती है, और जो इस बार अपनी ही जांच में फेल हो गई। क्रिकेट में डेटा का राज नया नहीं है, लेकिन उसका दायरा बिल्कुल बदल चुका है। दो दशक पहले तक स्ट्राइक रेट, औसत और इकॉनमी रेट जैसे तीन-चार आंकड़े ही टीम चयन और मीडिया विश्लेषण का आधार हुआ करते थे। आज स्थिति यह है कि एक गेंदबाज की सफलता को उसके 'विकेट' से नहीं, बल्कि इस बात से नापा जाता है कि उसने बल्लेबाज की स्कोरिंग शॉट-मैप को कितना सीमित किया। एक बल्लेबाज का मूल्यांकन उसकी रन-संख्या से नहीं, बल्कि पावरप्ले, मिडिल ओवर और डेथ ओवर में उसकी अलग-अलग स्ट्राइक रेट से होता है। गेंदबाजी में भी चरण तय हो चुके हैं — नई गेंद, मध्य ओवर, डेथ। यानी क्रिकेट का विश्लेषण अब 'कुल आंकड़े' से 'परिस्थितिजन्य आंकड़े' की ओर खिसक चुका है। इस बदलाव के तीन बड़े चालक हैं। पहला, ब्रॉडकास्ट। लाइव मैच के दौरान दर्शक को स्क्रीन पर जो ग्राफिक्स दिखते हैं — वैगन व्हील, पिच मैप, मैचअप प्रोबेबिलिटी — वे सब रीयल-टाइम डेटा फीड पर टिके होते हैं। दूसरा, फैंटेसी स्पोर्ट्स का पारिस्थितिकी तंत्र, जिसने करोड़ों दर्शकों को सक्रिय 'आंकड़ा-उपभोक्ता' बना दिया है। तीसरा और सबसे असरदार, फ्रैंचाइज़ी क्रिकेट का ऑक्शन और ट्रेड बाज़ार, जहां किसी खिलाड़ी की कीमत तय करने में उसकी हालिया फॉर्म, चोट का इतिहास, आयु-वक्र और विदेशी कोटा जैसे कारक एक साथ तौले जाते हैं। इस पूरे तंत्र की एक ही शर्त है: डेटा सही हो, और डेटा की व्याख्या ईमानदार हो। जिस क्षण यह शर्त टूटती है, वैश्लेषिक उत्पाद एक ऐसी चीज़ बन जाता है जो देखने में विश्लेषण जैसा लगता है, पढ़ने में विश्लेषण जैसा लगता है, लेकिन होता कुछ और है। ताजा मामला इसी शर्त के टूटने का है। एक क्रिकेट एनालिसिस रिपोर्ट की पहली कड़ी (स्टेज-1) के ऑडिट में सामने आया कि उसमें सूचना के बिंदु यानी 'इन्फॉर्मेशन पॉइंट्स' की सूची पूरी तरह खाली थी। यह कोई छोटी चूक नहीं थी, बल्कि एक शृंखलाबद्ध विफलता थी। ऑडिट तालिका में जो-जो खाने भरने चाहिए थे, वे सब खाली मिले: लेख का शीर्षक नहीं, प्रकाशक या स्रोत नहीं, लेख का प्रकार 'अवर्गीकृत', एक वाक्य का सारांश खाली, लेखक का रुख नहीं, लेख का उद्देश्य नहीं। सबसे गंभीर बात यह थी कि 'इन्फॉर्मेशन पॉइंट्स' शून्य थे — यानी वह आधार ही मौजूद नहीं था जिस पर आगे का कोई भी निष्कर्ष टिक सके। दो और बातें इस विफलता को और साफ करती हैं। पहली, 'एंटिटीज़ इन्वॉल्व्ड' यानी कौन-सी टीमें, खिलाड़ी और घटनाएं शामिल हैं — इस खाने में नाम नहीं, बल्कि एक निर्देश लिखा हुआ मिला: 'ऊपर दिए गए सूचना बिंदुओं से पहचानें।' यानी सिस्टम ने काम करने का तरीका बताया, पर काम नहीं किया। दूसरी, डोमेन लेबल 'क्रिकेट' की जगह 'क्रिकेट_वर्ल्ड' दर्ज था, जो तय स्कीमा से मेल नहीं खाता। इन दोनों संकेतों को जोड़कर देखें तो तस्वीर यह बनती है कि वर्गीकरण (क्लासिफिकेशन) की प्रक्रिया चली, लेकिन निष्कर्षण (एक्सट्रैक्शन) की प्रक्रिया या तो चली ही नहीं या बीच में टूट गई। यही वह जगह है जहां क्रिकेट एनालिटिक्स का असली संकट शुरू होता है। एक खाली रिपोर्ट खुद में कोई खतरा नहीं है — खतरा तब पैदा होता है जब वह खाली रिपोर्ट अगली कड़ी तक पहुंचती है और वहां उसे भरा हुआ मान लिया जाता है। क्योंकि रिपोर्ट का ढांचा सही-सलामत है, इसलिए स्वचालित जांच भी उसे पास कर देती है। कोई भी सिस्टम यह नहीं पूछता कि 'क्या इसमें एक भी सच्चा तथ्य है?' — वह सिर्फ यह देखता है कि 'क्या सभी खाने मौजूद हैं?' और खाने मौजूद हैं। इस विफलता की दूसरी कड़ी और भी चिंताजनक है। जब विश्लेषक के पास कोई तथ्य नहीं होता, तो उसके सामने दो ही रास्ते होते हैं — या तो वह साफ कहे कि जानकारी अपर्याप्त है, या वह अपने सामान्य ज्ञान और अनुमान से खाली जगह भर देता है। दूसरा रास्ता बेहद आकर्षक लगता है, क्योंकि उससे एक पूरी, सुंदर, पठनीय रिपोर्ट बन जाती है। लेकिन क्रिकेट में यह रास्ता खासा खतरनाक है। कारण सीधा है: क्रिकेट का 'सामान्य ज्ञान' बहुत तेज़ी से पुराना पड़ता है। किसी खिलाड़ी की फॉर्म, फिटनेस, रैंकिंग और ऑक्शन वैल्यू — ये चारों चीज़ें हफ्तों के भीतर बदल सकती हैं। जो विश्लेषण छह महीने पुराने अनुमान पर टिका हो, वह तकनीकी रूप से 'लिखा हुआ' है, पर व्यावहारिक रूप से गलत है। यहां एक और तकनीकी जाल है जिसे 'क्रॉस-फॉर्मेट कंटैमिनेशन' कहा जा सकता है। क्रिकेट की सबसे बड़ी विश्लेषण-संबंधी भूल यही होती है कि टेस्ट, वनडे और टी20 के आंकड़ों को एक-दूसरे के साथ मिला दिया जाए। तीनों प्रारूपों का तर्क अलग है, उनके मानक अलग हैं, और उनकी सफलता की परिभाषा भी अलग है। टी20 में किसी फिनिशर का 180 से ऊपर का स्ट्राइक रेट उत्कृष्ट माना जाता है, लेकिन उसी आंकड़े को टेस्ट क्रिकेट पर लागू करना बेतुका है। इसी तरह गेंदबाजी की इकॉनमी का कोई भी मानक प्रारूप-सापेक्ष होता है। जब मूल रिपोर्ट में प्रारूप ही दर्ज नहीं है, तो कोई भी विश्लेषक — चाहे इंसान हो या मॉडल — चुपचाप किसी एक प्रारूप का डेटा उठा लेगा और उसे सार्वभौमिक सत्य मान लेगा। यही वह गलती है जो सबसे अधिक 'विश्वसनीय' दिखने वाली रिपोर्टों में छिपी होती है। तीसरा जाल स्रोत की गुणवत्ता से जुड़ा है। क्रिकेट में सूचना का स्तर अक्सर निष्कर्ष से ज़्यादा मायने रखता है। किसी खिलाड़ी के चोटिल होने की खबर अगर बोर्ड की आधिकारिक विज्ञप्ति से आई है, तो वह एक बात है; अगर वह किसी अखबार के भरोसेमंद पत्रकार ने लिखी है, तो दूसरी बात; और अगर वह किसी सोशल मीडिया अकाउंट ने 'सूत्रों के हवाले से' छापी है, तो बिल्कुल तीसरी बात। ऑक्शन और सिलेक्शन की खबरों में तो स्रोत-ग्रेडिंग ही पूरा खेल है। जब मूल रिपोर्ट में प्रकाशक का नाम ही दर्ज न हो और स्रोत की गुणवत्ता 'विश्लेषक पर छोड़ दी गई' हो, तो अफवाह और सूचना के बीच की रेखा मिट जाती है। चौथा जाल समय-संवेदनशीलता का है। क्रिकेट की हर सूचना की एक 'एक्सपायरी डेट' होती है। चोट की खबर के लिए वह कुछ दिन है, फॉर्म के लिए कुछ हफ्ते, रैंकिंग के लिए कुछ महीने और ऐतिहासिक आंकड़ों के लिए सालों। जब मूल रिपोर्ट में यही दर्ज न हो कि जानकारी कितनी ताज़ा है, तो कोई भी विश्लेषक यह तय नहीं कर सकता कि उसे कितनी छूट देनी है। यह ठीक वैसा ही है जैसे कोई दूध का पैकेट बिना तारीख के बेचा जाए — पैकेट सही दिखता है, भरोसा नहीं किया जा सकता। इन चार जालों को एक साथ रखकर देखें तो समझ आता है कि असली समस्या किसी एक फील्ड के खाली होने की नहीं, बल्कि पूरे 'नल-हैंडलिंग' सिद्धांत की है। हर विश्लेषण ढांचे में यह नियम होना चाहिए कि जब जानकारी अपर्याप्त हो, तो अनुमान नहीं लगाया जाएगा। लेकिन इस नियम को लागू करना उतना आसान नहीं है जितना लिखना। क्योंकि 'अपर्याप्त जानकारी' कहने वाली रिपोर्ट पढ़ने में अरोचक लगती है, जबकि 'टीम A की गेंदबाजी कमज़ोर है' कहने वाली रिपोर्ट तुरंत ध्यान खींचती है। इसी प्रलोभन में सबसे ज़्यादा गढ़ंत पैदा होती है। यहां यह स्पष्ट करना ज़रूरी है कि इस रिपोर्ट में किसी भी टीम, खिलाड़ी, लीग, प्रारूप या आर्थिक आंकड़े का अनुमान नहीं लगाया गया है। न ही यह मान लिया गया है कि मूल लेख किस बारे में था। क्योंकि ऐसा कोई भी अनुमान, चाहे कितना भी तर्कसंगत लगे, गढ़ंत ही होगा। जब आठों विश्लेषण-आयाम — प्रारूप और मैच, खिलाड़ी तकनीक और डेटा, टीम परिदृश्य और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम और शासन, जोखिम, जन-नैरेटिव और उद्योग ट्रांसमिशन — एक ही पहले दरवाज़े पर रुक जाते हैं, तो सही निष्कर्ष यही है कि विश्लेषण अधूरा है, न कि यह कि विश्लेषण कठिन है। इस विफलता का असर सिर्फ एक रिपोर्ट तक सीमित नहीं रहेगा। सोचिए, अगर ऐसी खाली रिपोर्ट किसी फ्रैंचाइज़ी की ऑक्शन रणनीति बनाने वाली टीम तक पहुंच जाए। वहां इसका इस्तेमाल किसी खिलाड़ी के मूल्यांकन में हो सकता है। अगर उस रिपोर्ट में प्रारूप नहीं था और विश्लेषक ने अनुमान से टी20 का डेटा भर दिया, तो टीम एक ऐसे खिलाड़ी पर पैसा लगा सकती है जिसका टी20 रिकॉर्ड ही सवालों के घेरे में हो। इसी तरह अगर वही रिपोर्ट किसी ब्रॉडकास्टर की प्री-मैच ग्राफिक्स तक पहुंचे, तो करोड़ों दर्शक एक ऐसी भविष्यवाणी देखेंगे जिसका कोई आधार नहीं है। और अगर वह किसी फैंटेसी प्लेटफॉर्म के सुझाव इंजन में जाए, तो लाखों लोग उसके आधार पर अपनी टीम बनाएंगे। यही कारण है कि इस घटना को सिर्फ 'तकनीकी गड़बड़ी' कहकर खारिज नहीं किया जा सकता। यह एक सूचना-अखंडता की घटना है। और सूचना-अखंडता की हर घटना का एक ही इलाज है: पारदर्शिता। जिस क्षण एक रिपोर्ट यह बता दे कि 'मेरे पास जानकारी नहीं है', वह उसी क्षण भरोसेमंद हो जाती है — भले ही वह अरोचक हो। इसके विपरीत, जो रिपोर्ट अपनी खालीपन छिपाकर एक पूरी कहानी बना देती है, वह सबसे बड़ा जोखिम है, क्योंकि उसे पकड़ना मुश्किल है। इस विफलता से निकलने के लिए तीन स्तरों पर सुधार ज़रूरी है। पहला स्तर, स्कीमा का। तीन बुनियादी शर्तें होनी चाहिए — 'इन्फॉर्मेशन पॉइंट्स' की सूची खाली न हो, हर खाने का डेटा-प्रकार तय हो (नाम की जगह निर्देश न आए), और डोमेन लेबल सिर्फ मान्य मूल्यों में से एक हो। दूसरा स्तर, प्रक्रिया का। स्रोत का नाम और प्रकाशन तिथि अनिवार्य हों, प्रारूप (टेस्ट, वनडे, टी20) स्पष्ट रूप से दर्ज हो, और लेख का प्रकार तय हो — मैच रिपोर्ट, प्रीव्यू, विश्लेषण, इंटरव्यू, ऑक्शन खबर या शासन-संबंधी खबर। तीसरा स्तर, मानवीय समीक्षा का। जिस भी रिपोर्ट में तथ्य शून्य हों, उस पर एक स्थायी चेतावनी लगे और उसे 'निर्णय के लिए अयोग्य' घोषित किया जाए। एक अच्छी बात यह है कि यह विफलता अपरिवर्तनीय नहीं है। ढांचा सही-सलामत बचा है, वर्गीकरण की प्रक्रिया चली है, और समस्या सिर्फ निष्कर्षण की है। यानी पूरी पाइपलाइन दोबारा बनाने की ज़रूरत नहीं, बल्कि सिर्फ निष्कर्षण को दोबारा चलाने की ज़रूरत है। और जब वह चलेगा, तो आठों विश्लेषण-आयाम एक साथ खुल जाएंगे, क्योंकि सब एक ही दरवाज़े पर रुके हैं। यही इस घटना की सबसे उम्मीदभरी बात है — मरम्मत जोड़-तोड़ से नहीं, एक ही कदम से हो सकती है। लेकिन इससे भी बड़ा सबक यह है कि क्रिकेट एनालिटिक्स उद्योग को अपने 'आउटपुट' से ज़्यादा अपनी 'प्रक्रिया' पर ध्यान देना होगा। आज हर कोई अच्छी रिपोर्ट बनाना चाहता है, लेकिन कोई यह नहीं पूछता कि वह रिपोर्ट किस आधार पर बनी। जब तक यह सवाल नहीं पूछा जाएगा, तब तक ऐसी खाली रिपोर्टें बनती रहेंगी — और हर बार कोई न कोई उन्हें भरने की कोशिश करेगा। क्रिकेट की सबसे पुरानी कहावत है कि 'स्कोरबुक कभी झूठ नहीं बोलती'। डेटा युग में इसमें एक संशोधन जोड़ना पड़ेगा: स्कोरबुक तभी सच बोलती है जब उसे पढ़ने वाला यह जानता हो कि कौन-सा पन्ना खाली है। और जो विश्लेषण अपने खाली पन्नों को स्वीकार नहीं करता, वह धीरे-धीरे अपनी सारी साख खो देता है। (यह रिपोर्ट एक सार्वजनिक सूचना-गुणवत्ता और खेल-पत्रकारिता के नज़रिए से लिखी गई है। इसमें किसी भी मैच, खिलाड़ी, टीम, लीग या वित्तीय आंकड़े का दावा नहीं किया गया है, और यह किसी भी प्रकार की सट्टेबाजी या निवेश सलाह नहीं है। खेल के नतीजे अत्यधिक अनिश्चित होते हैं; जहां जानकारी नहीं है, वहां निष्कर्ष नहीं निकाला जाना चाहिए।)