एनालिसिस पाइपलाइन में खाली एक्सट्रैक्शन: क्रिकेट की खबर लुप्त, दावे नहीं बनाए गए

नई दिल्ली। क्रिकेट न्यूजरूम और स्पोर्ट्स डेटा विश्लेषण में एक बड़ी प्रक्रिया खामी सामने आई है। दरअसल, क्रिकेट से जुड़ी एक खबर के विश्लेषण के लिए तैयार दूसरे चरण का रिपोर्ट एक ऐसी स्थिति में पहुंचा है, जहां पहले चरण से कोई भी उपयोगी जानकारी नहीं मिली। रिपोर्ट में जिक्र है कि न लेख का शीर्षक उपलब्ध है, न प्रकाशक, न प्रकाशन तिथि और न ही दिनांक, और न ही खबर का प्रकार तय हो सका। ऐसे में यह मानना जरूरी हो जाता है कि जिस सामग्री के आधार पर विश्लेषण होना था, वह या तो क्रॉलर तक पहुंची नहीं, या प्रोसेसिंग के दौरान खो गई। रिपोर्ट में साफ कहा गया है कि इस खबर को किसी भी हालत में 'कोई खबर नहीं' नहीं माना जाना चाहिए। यह 'नो सिग्नल' यानी संकेत शून्य है। अंतर बहुत बड़ा है। एक खबर न होना और खबर का विश्लेषण न हो पाना दोनों अलग-अलग चीजें हैं। विश्लेषण अधर में है, क्योंकि उसे भरने के लिए एक भी ठोस तथ्य नहीं मिला। रिपोर्ट के अनुसार, पहले चरण की प्रक्रिया ने शून्य सूचना बिंदु दिए। लेख का शीर्षक 'एन/ए', स्रोत 'एन/ए', लेख का प्रकार अवर्गीकृत, और डोमेन लेबल 'क्रिकेट_वर्ल्ड' जैसा गैर-मानक लेबल मिला, जो स्कीमा से मेल नहीं खाता। सबसे बड़ी बात यह है कि जानकारी बिंदुओं की सूची पूरी तरह खाली है। रिपोर्ट में चार संभावित कारण गिनाए गए हैं। पहला, अपस्ट्रीम एक्सट्रैक्शन विफलता, जहां क्रॉलर या पार्सर को खाली बॉडी मिली। यह पेवॉल, जावास्क्रिप्ट-रेंडर पेज, बॉट-ब्लॉक, 404 या रीडायरेक्ट पेज की वजह से हो सकता है। दूसरा, जो सामग्री दी गई वह लेख नहीं थी, बल्कि वीडियो, पॉडकास्ट, स्कोरकार्ड पेज, इमेज या लाइव-ब्लॉग शेल थी, जिसमें कोई पठनीय गद्य नहीं था। तीसरा, एन्कोडिंग या ट्रंकेशन फॉल्ट, यानी टेक्स्ट पहले चरण से दूसरे चरण तक जाते समय खो गया। चौथा, यह संभावना कम है कि लेख में वाकई क्रिकेट सामग्री नहीं थी, लेकिन डोमेन लेबल भरा हुआ होने से यह संभावना कमजोर पड़ती है। रिपोर्ट के मुताबिक, सभी आठ आयामों में एन/ए यानी अपर्याप्त जानकारी लिखा गया है, लेकिन यह देखते ही रह जाना सही नहीं है। विश्लेषण का ऑन-फील्ड क्रिकेट से कोई लेना-देना नहीं बना। इसमें क्रिकेट की कोई भी टीम, खिलाड़ी, प्रारूप, स्थान, लीग या शासन-व्यवस्था से जुड़ा तथ्य गढ़कर नहीं डाला गया है। यही इस रिपोर्ट की सबसे बड़ी खूबी है। चूंकि पहले चरण से कोई सूचना नहीं मिली, इसलिए रिपोर्ट ने सट्टेबाजी या अनुमान से बचते हुए सिर्फ यह बताया कि क्या-क्या जानकारी उपलब्ध नहीं है और इसका असर क्या हो सकता है। फॉर्मेट और मैच विश्लेषण की बात करें तो टेस्ट, वनडे, टी20 या द हंड्रेड में से कुछ भी तय नहीं हो सका। पावरप्ले, मिडिल ओवर, डेथ ओवर, नई गेंद, वेन्यू, पिच, मौसम, ओस या डीएलएस का कोई जिक्र नहीं मिला। रिपोर्ट में कहा गया है कि फॉर्मेट क्रिकेट विश्लेषण की सबसे बड़ी गेटिंग वेरिएबल है, और जब तक यह तय नहीं होगा, क्रॉस-फॉर्मेट तुलना करना बेकार है। मैच का अस्तित्व भी साबित नहीं होता। लेख मैच रिपोर्ट न होकर नीलामी, शासन, व्यावसायिक, प्रोफाइल या चोट रिपोर्ट भी हो सकता है, जिसमें पहले दो आयाम लागू ही नहीं होते। खिलाड़ी तकनीक और डेटा विश्लेषण पर रिपोर्ट कहती है कि कोई खिलाड़ी ही नहीं मिला। ऐसे में ओपनर, एंकर, फिनिशर, पेसर, स्पिनर, ऑलराउंडर या कीपर जैसी भूमिका तय नहीं हो सकती, और न ही औसत, स्ट्राइक रेट, इकॉनमी या स्थितिजन्य स्प्लिट्स पर कोई बात हो सकती है। रिपोर्ट में साफ लिखा है कि एक टी20 फिनिशर का 180 से ऊपर स्ट्राइक रेट और टेस्ट ओपनर का 45 औसत एक जैसा नहीं होता, इसलिए प्रारूप ज्ञात होने से पहले किसी आंकड़े पर बेंचमार्क लगाना गलत होगा। उम्र-वक्र और चोट-इतिहास जैसे उच्च मूल्य वाले विश्लेषण भी असंभव हैं। टीम परिदृश्य और रैंकिंग विश्लेषण में भी कोई टीम नहीं मिली। आईसीसी रैंकिंग, घरेलू-बाहरी प्रोफाइल, बल्लेबाजी गहराई, गेंदबाजी संयोजन, बेंच डेप्थ और उम्र संरचना सब अपर्याप्त जानकारी की श्रेणी में हैं। रिपोर्ट कहती है कि टीम का नाम और प्रारूप के बिना रैंकिंग का दावा नहीं किया जा सकता। घरेलू और बाहरी प्रदर्शन का अंतर क्रिकेट का सबसे बड़ा संरचनात्मक अंतर है, लेकिन वेन्यू या मेजबान देश का डेटा न होने से उसे लागू नहीं किया जा सकता। पीढ़ीगत बदलाव और बेंच डेप्थ का आकलन भी असंभव है। लीग और व्यावसायिक पारिस्थितिकी विश्लेषण में कोई लीग पहचानी नहीं गई। आईपीएल, बीबीएल, द हंड्रेड, पीएसएल, एसए20, सीपीएल, एमएलसी या आईएलटी20 में से किसी का जिक्र नहीं मिला। ब्रॉडकास्ट अधिकार मूल्य, फ्रैंचाइज़ी वैल्यूएशन और खिलाड़ी वेतन पर कोई आकलन नहीं हो सका। नीलामी या ट्रेड का मूल्यांकन भी नहीं हो सका, क्योंकि कोई लेन-देन का आंकड़ा नहीं है। लीग बनाम राष्ट्रीय टीम का टकराव, एनओसी विवाद, केंद्रीय अनुबंध गतिरोध या 'अंतरराष्ट्रीय के लिए घायल, लीग के लिए फिट' जैसा कोई तथ्य पेलोड में नहीं है। रिपोर्ट कहती है कि अगर लेख इस विषय पर था तो वह सिग्नल अब इस पेलोड से वापस नहीं पाया जा सकता। नियम और शासन विश्लेषण में भी कोई शासन-स्तर नहीं मिला। राजस्व वितरण, खेल-नियम विवाद, सत्यनिष्ठा और भ्रष्टाचार-विरोधी, पात्रता और चयन, राजनीतिक या भू-राजनीतिक कारक, सभी अपर्याप्त जानकारी की श्रेणी में हैं। रिपोर्ट में चेताया गया है कि कोई शासन-कारण न मिलने पर 'जोखिम नहीं' कहना गलत नकारात्मकता होगी। यह दृष्टिकोण स्पष्ट रूप से अस्वीकार किया गया है। रिपोर्ट कहती है कि सत्यनिष्ठा से जुड़ी खबरें क्रिकेट पत्रकारिता में सबसे अधिक दायित्व वाली होती हैं। अगर स्रोत फिक्सिंग या बोर्ड विवाद से जुड़ा था, तो टेक्स्ट का खो जाना सामान्य नहीं बल्कि गंभीर अंतराल है, और किसी भी सत्यनिष्ठा-संबंधी उद्देश्य के लिए इस रिपोर्ट का उपयोग रोकना चाहिए। जोखिम-पक्ष विश्लेषण में जोखिम मैट्रिक्स भरा गया है, लेकिन खेल, कार्मिक, व्यावसायिक, नियम-सत्यनिष्ठा, जनमत और प्रणालीगत जोखिम सभी 'आकलन नहीं हो सका' की श्रेणी में हैं। रिपोर्ट ने समग्र जोखिम रेटिंग 'उच्च' दी है, लेकिन यह क्रिकेट जोखिम नहीं बल्कि प्रक्रिया जोखिम है। सबसे बड़ा खतरा यह है कि एक खाली विश्लेषण पूरे टेम्पलेट में सजाकर पेश किया जाए, जिसे देखकर लगे कि कुछ भी चिंताजनक नहीं है, जबकि सच यह है कि कुछ भी जांचा ही नहीं गया। रिपोर्ट में कहा गया है कि प्रस्तुति परत सही-सलामत है, लेकिन साक्ष्य परत खाली है। यही असंतुलन सबसे बड़ा खतरा है। सार्वजनिक कथा और अपेक्षा विश्लेषण में कोई कथा नहीं पहचानी जा सकी। प्रतिद्वंद्विता, राजवंश की निरंतरता, नए सितारे का राजतिलक, दिग्गज का विदाई या वापसी की कहानी, कुछ भी तय नहीं हो सका। नैरेटिव हीट-साइकिल का चरण भी तय नहीं हो सका। बाजार अपेक्षा बनाम वस्तुनिष्ठ आकलन का अंतर नहीं निकाला जा सका। रिपोर्ट कहती है कि नैरेटिव विश्लेषण समय के साथ सबसे जल्दी खराब होने वाला आयाम है, इसलिए देर से दोबारा चलाने पर तथ्य मिल सकते हैं, लेकिन भावना की स्थिति नहीं। क्रिकेट उद्योग संचरण विश्लेषण में अपस्ट्रीम, मिडस्ट्रीम और डाउनस्ट्रीम का कोई चैनल ट्रेस नहीं हो सका, क्योंकि ट्रिगर घटना ही नहीं मिली। ब्रॉडकास्ट, दक्षिण एशियाई बाजार, प्रतिभा आपूर्ति श्रृंखला, पूंजी नेटवर्क, सट्टेबाजी और फैंटेसी, व्युत्पन्न बाजार, सभी अपर्याप्त जानकारी की श्रेणी में हैं। रिपोर्ट कहती है कि उद्योग-संचरण निष्कर्ष क्रिकेट कमेंट्री में सबसे ज्यादा अति-विस्तारित होते हैं, और शून्य इनपुट पर सही आउटपुट मौन है, न कि कोई अनुमान। समग्र आकलन में रिपोर्ट ने स्पष्ट कहा है कि इसमें कोई क्रिकेट विश्लेषण नहीं है, क्योंकि पहले चरण के पेलोड में कोई क्रिकेट जानकारी नहीं थी। एकमात्र रक्षात्मक निष्कर्ष प्रक्रिया से जुड़ा है, कि एक्सट्रैक्शन पाइपलाइन ने शून्य परिणाम दिया, और इस शून्य परिणाम को दोबारा एक्सट्रैक्शन के लिए भेजा जाना चाहिए, न कि व्याख्या के लिए। इसे 'कोई खबर नहीं' मानना गलत नकारात्मकता होगी, और अनुमान से भरना गढ़ंत होगा। सूचना मूल्य रेटिंग में खेल मूल्य, उद्योग मूल्य और समयबद्धता मूल्य को शून्य यानी रेटिंग योग्य नहीं बताया गया है। संदर्भ मूल्य को एक स्टार दिया गया है, क्योंकि इसका मूल्य केवल इस नकारात्मक निष्कर्ष में है कि एक शून्य-एक्सट्रैक्शन मामला दर्ज हो गया और दोबारा चलाने के लिए ढांचा तैयार है। रिपोर्ट में पांच प्रमुख जोखिम चेतावनियां दी गई हैं। पहली, उच्च स्तर की मौन गलत नकारात्मकता, जिसमें खाली विश्लेषण पूरे टेम्पलेट में पेश होकर 'कुछ भी नहीं' जैसा पढ़ा जा सकता है। सुझाव है कि रिकॉर्ड पर 'नो सिग्नल या एक्सट्रैक्शन फेल्योर' टैग लगे, स्वचालित वितरण रोके और नीचे के उपयोग से पहले मानव स्वीकृति जरूरी हो। दूसरी, उच्च स्तर की सत्यनिष्ठा-अंधता; अगर स्रोत फिक्सिंग, एसीयू मामले या बोर्ड-सरकार विवाद से जुड़ा था तो नुकसान गंभीर है। सुझाव है कि टेक्स्ट वापस पाने तक इस रिपोर्ट को सत्यनिष्ठा, अनुपालन या प्रतिष्ठा वर्कफ़्लो से स्पष्ट रूप से ब्लॉक किया जाए। तीसरी, मध्यम स्तर का पुनर्निर्माण संदूषण; सामान्य क्रिकेट ज्ञान से आयाम भरने का लालच असत्यापनीय दावे घुसा सकता है। सुझाव है कि हर मैन्युअल रूप से बहाल तथ्य के साथ स्रोत यूआरएल, प्रकाशन समय और विश्वास टैग हो। चौथी, मध्यम स्तर का स्कीमा ड्रिफ्ट; डोमेन लेबल 'क्रिकेट_वर्ल्ड' आया, जबकि स्कीमा 'क्रिकेट' कहता है, जो टैक्सोनॉमी या संस्करण बेमेल का संकेत है। सुझाव है कि दोबारा चलाने से पहले पहले चरण का स्कीमा अनुबंध जांचें। पांचवां, निम्न स्तर का समयबद्धता क्षय; नैरेटिव और भावना रीडिंग कुछ दिनों में खत्म हो जाती है। हाइलाइट्स और अवसर पहचान में रिपोर्ट कहती है कि ढांचा पूरी तरह तैयार है और केवल इनपुट की जरूरत है, इसलिए दोबारा चलाने की लागत कम है और टेक्स्ट मिलने पर विश्लेषण का लाभ अधिक। दूसरा, शून्य-एक्सट्रैक्शन ऑडिट ट्रेल खुद मूल्यवान है; एक ही स्रोत पर बार-बार विफलता होने से पता चलेगा कि कोई प्रकाशक व्यवस्थित रूप से अपार्सेबल है, जैसे पेवॉल या जावास्क्रिप्ट-रेंडर। तीसरा, अगर स्रोत लाइव-स्कोर या लाइव-ब्लॉग पेज निकला तो सही प्रबंधन पूरी तरह अलग पाइपलाइन शाखा है, यानी स्कोरकार्ड पार्सिंग, न कि गद्य विश्लेषण। रिपोर्ट ने आगे ट्रैक करने योग्य संकेत भी सूचीबद्ध किए हैं। पहले चरण का दोबारा परिणाम, स्रोत की पहुंच, स्कीमा अनुरूपता, प्रकाशन समय, और डोमेन-विषय वर्गीकरण। इन पांच संकेतों की निगरानी से तय होगा कि लेख अभी समाचार है या इतिहास बन चुका है, और कौन से आयाम लागू होंगे। अंत में रिपोर्ट ने स्पष्ट किया है कि यह विश्लेषण सार्वजनिक जानकारी और पहले चरण के टेक्स्ट-विश्लेषण परिणामों पर आधारित है। इस बार पहले चरण में कोई सूचना बिंदु नहीं था, इसलिए यह रिपोर्ट क्रिकेट का ठोस आकलन नहीं बल्कि एक सत्यनिष्ठा ऑडिट और दोबारा चलाने का विनिर्देश है। यह केवल खेल-सूचना संदर्भ के लिए है और सट्टेबाजी सलाह नहीं है। खेल परिणाम अत्यधिक अनिश्चित होते हैं, इसलिए सभी विश्लेषणात्मक निष्कर्षों को तर्कसंगत रूप से लें और स्रोत टेक्स्ट सफलतापूर्वक वापस पाने तक इस रिपोर्ट को 'नो सिग्नल' मानें।