क्रिकेट का टैग, मिसाइल की खबर: एक डेटा-त्रुटि का फोरेंसिक पोस्टमॉर्टम

समीक्षा-कतार में वह आइटम सबसे ऊपर आया और उसका लेबल था — cricket_asia। मैंने खोला। अंदर ताइफ़ था, यनबू था, रियाद का हवाई अड्डा था, और तेरह मृतकों की आधिकारिक पुष्टि थी। कुल ग्यारह सूचना-बिंदु थे। उन ग्यारह में क्रिकेट का एक भी नाम नहीं था — न खिलाड़ी, न टीम, न बोर्ड, न लीग, न मैदान, न कोई फ़ॉर्मेट।

ऐसे आइटम को देखने के दो तरीक़े हैं। पहला — फेंक दें, यह हमारा काम नहीं है। दूसरा — रोक लें, और देखें कि यह भीतर कैसे आया, क्योंकि यह जो भीतर आया है, वह सिर्फ़ एक खबर नहीं लाया, एक सवाल भी लाया है। मैं दूसरी नज़र से देखने वालों में हूँ।

2026 में जब मैंने दिल्ली के एक डिजिटल आउटलेट से तीन लोगों का विन-प्रोबेबिलिटी डेस्क माँगा था, तब मैंने एक शर्त रखी थी — हर आईपीएल मैच के लिए लाइव कर्व छपेगा। उस साल 21 मई को हैदराबाद के राजीव गांधी अंतर्राष्ट्रीय स्टेडियम में मुंबई इंडियंस ने 129/8 बनाकर राइज़िंग पुणे सुपरजायंट को एक रन से हराया था। मैंने सारी 240 गेंदें खुद लॉग की थीं; मेरा मॉडल 12 ओवर के बाद पुणे को 87 प्रतिशत पर रख रहा था और चेस एक रन से ढह गई। मॉडल ने उस एक-रन वाले अंत की भविष्यवाणी नहीं की थी; उसने यह समझाया था कि हमें उसे आते हुए क्यों देखना चाहिए था। उस दिन के बाद मैंने अपनी कॉपी से 'मोमेंटम' शब्द हटा दिया और एक नियम बनाया — हर मैच रिपोर्ट में एक 'डिसिज़न पॉइंट' पैराग्राफ़, जिसमें वह ओवर नाम लेकर लिखा जाए जहाँ मैच वाकई पलटा।

वह नियम अब भी चलता है। इसलिए जब cricket_asia के लेबल वाली एक मिसाइल-खबर मेरी कतार में आई, तो मैंने उसे हटाकर आगे नहीं बढ़ी। मैंने उसका पोस्टमॉर्टम लिखा।

यह रिपोर्ट खेल की खबर नहीं है और मैं इसे खेल की खबर बनाकर नहीं लिखूँगी। यह एक मीडिया-डेटा इंडस्ट्री की रिपोर्ट है, जो क्रिकेट-एनालिटिक्स के उस हिस्से के बारे में है जिसे कोई नहीं ऑडिट करता।

संदर्भ: वह ढाँचा जिस पर सारा क्रिकेट-डेटा काम खड़ा है

हम जिस भी क्रिकेट-इंटेलिजेंस सिस्टम की बात करते हैं, उसकी चार परतें हैं। पहली — स्रोत-टैगिंग: किस फ़ीड से कौन-सा आइटम आया और उस पर शुरुआती विषय-लेबल क्या चिपका। दूसरी — एंटिटी एक्सट्रैक्शन: टेक्स्ट में नामित खिलाड़ी, टीम, बोर्ड, लीग और मैदान खोजकर निकालना। तीसरी — डोमेन लेबलिंग: आइटम को किसी विषय-वर्टिकल में बाँधना, जैसे cricket_asia। चौथी — एग्रीगेशन: इन आइटम्स को मिलाकर सेंटिमेंट इंडेक्स, नैरेटिव हीट-साइकिल, राइवलरी इंडेक्स और स्केड्यूलिंग-रिस्क स्कोर बनाना।

cricket_asia जैसे लेबल बेकार नहीं हैं। एशिया-क्षेत्र के क्रिकेट फ़ीड में भारत, पाकिस्तान, श्रीलंका, बांग्लादेश, नेपाल, अफ़ग़ानिस्तान और खाड़ी के न्यूट्रल-वेन्यू टूर्नामेंट सब आते हैं; एक ही लेबल उन सबको एक टोकरी में डालकर ट्रेंड निकालने देता है। लेकिन यही लेबल तब ख़तरनाक हो जाता है जब वह उस चीज़ पर चिपक जाए जो क्रिकेट है ही नहीं।

मेरा अपना काम इसी ढाँचे पर टिका है। 2026 में, उन्नीस साल की उम्र में, मैंने हैदराबाद से ऑल इंडिया रेडियो के लिए कमेंट्री शुरू की थी; तब स्कोरबुक हाथ से भरा जाता था और 'डेटा' शब्द किसी ने सुना भी नहीं था। 2026 के बेंगलुरु मेगा ऑक्शन में मैंने तीन सीज़न के डेथ-ओवर डेटा पर वैल्यू-ओवर-रिप्लेसमेंट मॉडल चलाया, मीन की ओर कड़ा रिग्रेशन लगाया, और जयदेव उनदकट की राजस्थान रॉयल्स को 11.5 करोड़ की खरीद को बोर्ड की सबसे ख़राब वैल्यू बताया, जबकि केएल राहुल की किंग्स इलेवन पंजाब को 11 करोड़ की डील को सबसे समझदार। गवेल के छह घंटे के भीतर मैंने 200 खिलाड़ियों की बाय/सेल तालिका छाप दी थी। एक फ़्रैंचाइज़ी अधिकारी ने कमरे में पूछा था, 'स्टैट्स वाली मैडम को किसने अंदर आने दिया?' उस सीज़न उनदकट की इकॉनमी नौ के पार चली गई थी।

19 दिसंबर 2026 को, एडिलेड के बायो-बबल में, भारत 21.2 ओवर में 36 पर ढह गया और तीन दिन में मैच हार गया। मैं दिल्ली से देख रही थी, प्रेस बॉक्स से बाहर। मैंने हर आउट को लाइन, लेंथ, शॉट टाइप और टिकी गेंदों के हिसाब से कोड किया। नतीजा मनोवैज्ञानिक नहीं, संरचनात्मक था — टॉप ऑर्डर का औसत ठहराव बीस गेंदों से कम था, और वह पैटर्न ग्यारह महीने से दिख रहा था। उसी ख़ाली स्टेडियम के दौर में मैंने यह भी परखा था कि घरेलू बढ़त भीड़ से आती है या नहीं।

इन तीनों क़िस्सों में एक बात समान है: मेरा पूरा काम इस अनुमान पर खड़ा है कि जो कॉर्पस में है, वह क्रिकेट है। जिस दिन यह अनुमान टूटता है, उस दिन मॉडल कुछ भी कहता रहे, लेजर झूठा होता है।

ये इंडेक्स किस काम आते हैं, यह भी साफ़ हो जाए

सेंटिमेंट इंडेक्स ब्रॉडकास्टर के एडिटोरियल कैलेंडर में घुसते हैं। नैरेटिव हीट-साइकिल तय करती है कि किस खिलाड़ी पर कितना प्रीमियम बोला जाएगा और किसे 'सर्कस' कहकर छोड़ दिया जाएगा। स्केड्यूलिंग-रिस्क स्कोर बोर्ड की तैयारी में जाता है। फ़ैंटेसी और बेटिंग डेरिवेटिव इन्हीं फ़ीड्स से बनते हैं। एक ग़लत लेबल वाला आइटम इन सबके भीतर बैठकर चुपचाप हिलाता है — और चूँकि वह चुपचाप हिलाता है, किसी को पता नहीं चलता।

मूल सामग्री: ग्यारह बिंदुओं की फ़ोरेंसिक रिकंस्ट्रक्शन

आइटम की असली सामग्री यह थी। सऊदी के नेतृत्व वाले गठबंधन ने दावा किया कि उसने हूती समूह द्वारा ताइफ़ और यनबू की ओर दागी गई दो मिसाइलों को रोक लिया। रियाद की नागरिक सुरक्षा एजेंसी ने 'चार पश्चिमी क्षेत्रों' के लिए अलर्ट जारी किया — लेकिन गिनाए गए स्थान सिर्फ़ तीन थे: ताइफ़, यनबू और मक्का, और यनबू दो बार लिखा गया। कुछ ही मिनटों में अलर्ट वापस ले लिए गए, और उस बिंदु पर स्रोत कुछ भी दर्ज नहीं है। एजेंसी ने 'मिसाइल और ड्रोन से निपटने' से जुड़ी तस्वीरें या सूचना साझा करने के ख़िलाफ़ क़ानूनी चेतावनी भी जारी की। रियाद हवाई अड्डे पर 13 लोग मारे गए और दर्जनों घायल हुए। यनबू को लाल सागर से तेल निर्यात केंद्र के रूप में बताया गया, जो होर्मुज़ जलडमरूमध्य को बायपास करता है। पृष्ठभूमि में 2026 का हस्तक्षेप और जुलाई में टूटा 2026 का युद्धविराम था।

इस पूरे टेक्स्ट में नामित व्यक्ति कोई नहीं। अभिनेता संस्थागत हैं — 'गठबंधन', 'नागरिक सुरक्षा एजेंसी', 'हूती'। एक भी औसत, स्ट्राइक रेट, इकॉनमी या आउट का तरीक़ा मौजूद नहीं।

ख़ाली एंटिटी सेट एक सिग्नल है, और वह सही सिग्नल था

यहाँ असली तकनीकी घटना यह नहीं कि एक्सट्रैक्टर कुछ नहीं निकाल पाया। असली घटना यह है कि एक्सट्रैक्टर ने कुछ नहीं निकाला — और यह सही जवाब था। ग्यारह सूचना-बिंदुओं में शून्य क्रिकेट एंटिटी का मतलब है कि आइटम में क्रिकेट नहीं है। जिस सिस्टम ने यह सही जवाब दिया, उसी सिस्टम ने अगली परत पर उस जवाब को अनदेखा कर दिया और cricket_asia चिपका दिया। तीन दशक से डेटा देखते हुए मैंने सीखा है — सबसे भरोसेमंद सिग्नल वह होता है जो कुछ न मिलने पर मिलता है, और सबसे महँगी ग़लती उसी सिग्नल को 'कुछ नहीं मिला' कहकर आगे बढ़ा देना है।

दोहराव वाली एक और चीज़ है। Stage-1 के 'एंटिटीज़ इन्वॉल्व्ड' वाले ख़ाने में सूची नहीं भरी गई थी; वहाँ निर्देश ही छोड़ दिया गया था। यह वह निशान है जो कहता है कि निकालने वाले ने निकालने लायक़ कुछ पाया ही नहीं। इस निशान को एक स्वचालित डोमेन-मिसमैच ट्रिगर में बदला जा सकता है, और मुझे हैरानी है कि अब तक नहीं बदला गया।

स्रोत-विश्वसनीयता का ऑडिट

मिसाइल-रोध का दावा अकेले गठबंधन से आया। अलर्ट की सूची अकेले नागरिक सुरक्षा एजेंसी से आई। अलर्ट वापस लेने वाले बिंदु पर स्रोत ख़ाली है। क्रिकेट की भाषा में समझें तो यह वैसा ही है जैसे कोई बोर्ड अपनी ही प्रेस रिलीज़ के अलावा किसी स्रोत का हवाला न दे, और स्कोरकार्ड में ओवरों की गिनती भी ग़लत छपे। दोनों में फ़र्क़ सिर्फ़ विषय का है; अनुशासन एक ही है — एक-पक्षीय एट्रिब्यूशन वाले दावे को सत्य नहीं, 'सत्य-लंबित' मानकर चलना।

टेक्स्ट में एक तथ्यात्मक अशुद्धि भी है। उसमें ईरान के 'होर्मुज़ जलडमरूमध्य के नाकेबंदी' की बात कही गई है, जबकि ऐतिहासिक रूप से दर्ज स्थिति ईरान की जलडमरूमध्य बंद करने की धमकियों की रही है, चालू नाकेबंदी की नहीं। यह छोटी बात लगती है। यह नहीं है। जब कोई स्रोत भूगोल के एक बुनियादी तथ्य को एक शब्द में ग़लत कर देता है, तो उसकी हर विशिष्ट संख्या पर भरोसे का दर्जा नीचे जाता है। मैं ऐसे स्रोत के आँकड़ों को 'सत्यापन-लंबित' टैग के बिना आगे नहीं भेजती।

चार क्षेत्र बताकर तीन स्थान गिनाना, और उसमें एक स्थान दोहराना — यह साफ़ एक्सट्रैक्शन बग है। इस बग को डेटासेट में प्रोपगेट करना, यानी चार-क्षेत्र वाला दावा आगे भेजना, उसी तरह की लापरवाही है जैसे पुराने दौर में किसी स्ट्रिंगर की रिपोर्ट से स्कोर उठाकर छाप देना, बिना स्कोरबुक देखे। मैंने वह ग़लती 2026 के दशक में की थी और उसके बाद दोबारा नहीं की।

अलर्ट जारी होना, कुछ मिनटों में वापस लिया जाना, और साथ में तस्वीरें साझा करने पर क़ानूनी चेतावनी — यह तीन-चरणीय क्रम अपने आप में एक सूचना-नियंत्रण की मुद्रा है। इसका मतलब यह है कि स्वतंत्र सत्यापन संरचनात्मक रूप से मुश्किल हो सकता है। जिस आइटम का सत्यापन ही मुश्किल हो, वह स्पोर्ट्स-इंटेलिजेंस कॉर्पस में किसी भी हालत में नहीं जाना चाहिए।

संदूषण का हिसाब

अब वह गणित, जो किसी संपादकीय बैठक में नहीं होता। अगर एक फ़ीड में रोज़ 500 आइटम आते हैं और उनमें दो प्रतिशत भी बिना क्रिकेट एंटिटी वाले निकलते हैं, तो महीने में तीन सौ नॉइज़ आइटम कॉर्पस में बैठ जाते हैं। तीन सौ आइटम वह मात्रा है जिससे एक सेंटिमेंट लाइन की दिशा बदल सकती है। और अगर स्थान-नामों के आधार पर ग़लत खिलाड़ी-लिंक बन जाएँ — ताइफ़, यनबू जैसे नाम दक्षिण एशियाई नामों के पैटर्न से मिलते हैं — तो नुक़सान सिर्फ़ इंडेक्स का नहीं, किसी असली खिलाड़ी के नाम का होता है।

मानवीय आँकड़ों पर एक साफ़ लकीर खींचना ज़रूरी है। रियाद हवाई अड्डे पर मारे गए 13 लोग और दर्जनों घायल, यह एक मानवीय तथ्य है। इसे किसी खेल-एनालिटिक्स फ़ील्ड में कभी नहीं डाला जाना चाहिए — न गेमिफ़ाइड प्रोडक्ट में, न हल्के-फुल्के कंटेंट में, न 'हीट' नापने वाले किसी इंडेक्स में। जिस डेटासेट में मौत की गिनती एक मेट्रिक बन जाए, उस डेटासेट का कोई भी आउटपुट भरोसे लायक़ नहीं रहता।

तो इलाज क्या है

पहला — इनजेस्ट पर क्वारंटीन। किसी भी आइटम को cricket_asia में जाने से पहले कम-से-कम एक मान्य क्रिकेट एंटिटी चाहिए: खिलाड़ी, टीम, बोर्ड, लीग या मैदान। शून्य एंटिटी वाले आइटम सीधे मैनुअल रिव्यू कतार में जाएँ। दूसरा — ट्रिगर को लेबल से नहीं, एंटिटी काउंट से बाँधें। तीसरा — इस आइटम को रिग्रेशन टेस्ट केस बनाएँ। जो पाइपलाइन ठीक की गई है, उसे इस आइटम को पहली बार में ही ठुकरा देना चाहिए। चौथा — स्रोत-विश्वसनीयता स्कोर अलग से चलाएँ, जिसमें 'स्रोत: कोई नहीं' वाले बिंदुओं का हिस्सा नापा जाए।

जो मैं नहीं करूँगी: एक क्रिकेट कड़ी गढ़ना

यहाँ एक लुभावना रास्ता खुलता है। खाड़ी में पैसा है, खाड़ी में क्रिकेट है — यूएई में आईएलटी20 है, न्यूट्रल-वेन्यू सीरीज़ होती हैं — तो कोई लिख सकता है कि यह खबर क्रिकेट की शेड्यूलिंग-रिस्क के लिए अहम है। मैं वह नहीं लिखूँगी, कम-से-कम उस तरह नहीं। क्षेत्रीय सुरक्षा खाड़ी में होस्ट होने वाले क्रिकेट के लिए एक असली, पर पृष्ठभूमि-स्तर का चर है। वह इस खबर का असर नहीं है। सहसंबंध को कारण बनाकर छापना वही गुनाह है जो 'मोमेंटम' शब्द था — आँख से दिखता है, नापा नहीं जा सकता, और हर बार छाप दिया जाता है।

इसी अनुशासन से एक और बात कहनी है। भारत-पाकिस्तान के न्यूट्रल-वेन्यू मुक़ाबले आईसीसी-इवेंट की व्यवस्था हैं, द्विपक्षीय सीरीज़ नहीं — और जो सीरीज़ मौजूद नहीं है, उसे किसी विश्लेषण में मौजूद नहीं बनाया जाता। सीमा के उस पार जन्म लेने वाली मैं यह जानती हूँ कि इस रिश्ते को कविता में बदलने की कोशिश सबसे आसान और सबसे बेईमान रास्ता है।

उलटा नज़रिया: प्लंबिंग ही असली मॉडल है

डेटा टीमों में आम सहमति यह है कि मॉडल कठिन हिस्सा है और इनजेस्ट नल की पाइपलाइन है। मेरा उलटा पाठ है: हमारे स्टैक का सबसे असरदार और सबसे कम ऑडिट किया गया हिस्सा वही टैगर है जिसे हम सबसे कम गंभीरता से लेते हैं। मॉडल के पास वैलिडेशन सेट होता है, बैकटेस्ट होता है, त्रुटि-दर छपती है। टैगर के पास कुछ नहीं होता। उसे न कोई सवाल पूछता है, न कोई स्कोरकार्ड। जब तक हम टैगर को भी वही जवाबदेही नहीं देते जो रन-रेट मॉडल को देते हैं, हम एक ऐसी इमारत पर नक्शा बना रहे हैं जिसकी नींव किसी ने देखी ही नहीं।

दूसरा उलटा पाठ, और यह ज़्यादा असहज है। हम इसे 'टैगर की ग़लती' कहकर छोड़ सकते हैं। असल में यह डिज़ाइन की ग़लती है। हमारी पाइपलाइन क्रिकेट के बारे में सही होने के लिए बनी है; उसके पास 'क्रिकेट नहीं' कहने की शब्दावली ही नहीं है। जिस सिस्टम में शून्य की कोई जगह न हो, वह हर चीज़ को कुछ न कुछ मानकर चलेगा। शून्य-थ्रेशोल्ड सिस्टम कभी फ़ेल नहीं होता, और इसीलिए कभी भरोसेमंद नहीं होता।

तीसरा: बचाने की ललक। एक अनुभवी विश्लेषक जब असंगत आइटम देखता है, तो उसका पहला रिफ़्लेक्स उसमें अपनी कड़ी खोजना होता है — क्योंकि कड़ी खोजना ही उसकी पहचान बन चुकी है। मेरे साथ भी यह जोखिम है। उलटा नज़रिया मेरा हस्ताक्षर है, और हस्ताक्षर आदत बन जाता है। इसलिए मैंने क्रम उलटा रखा — पहले लेजर, फिर राय। लेजर यहाँ साफ़ बोलता है: इस आइटम में क्रिकेट शून्य है। इसलिए इस बार सहमति सही है। हाँ, सही ग़लत कारणों से है — आइटम क्रिकेट से 'गहरे तौर पर' असंबंधित नहीं है, वह सिर्फ़ हमारी थ्रेशोल्ड की कमी से भीतर आया है। और यही अंतर है जिसे छापना ज़रूरी है, क्योंकि 'यह खेल से जुड़ा नहीं है' कहकर आगे बढ़ जाना सबसे आसान बहाना है; 'हमारी थ्रेशोल्ड शून्य है' कहना इलाज की शुरुआत है।

आगे की ओर

मैं एक तारीख़ लगाकर लिख रही हूँ, क्योंकि तारीख़ के बिना वादा विज्ञापन है। हर हफ़्ते मैं cricket_asia लेबल वाले आइटम्स का एक रैंडम सैंपल ऑडिट करूँगी और उसमें शून्य-क्रिकेट-एंटिटी वाले आइटम्स का हिस्सा छापूँगी। ट्रिगर साफ़ है: अगर यह हिस्सा दो प्रतिशत से ऊपर निकलता है, तो कॉर्पस भरोसे लायक़ नहीं है और मैं उस हफ़्ते का सेंटिमेंट इंडेक्स छापने से इनकार करूँगी। जिस तरह मैं हर साल अपनी भविष्यवाणियों का हिट-एंड-मिस स्कोरकार्ड छापती हूँ — बज़बॉल पर 2026 में लगाई गई उपमहाद्वीपीय तारीख़ सहित, जो अठारह महीने में सच निकली — उसी तरह यह ऑडिट भी छपेगा, चाहे नतीजा मेरे ख़िलाफ़ जाए।

और एक सवाल, जिसका जवाब मेरे पास नहीं है, पर जिसे पूछना ज़रूरी है। जिस सिस्टम को यह फ़र्क़ नहीं पड़ता कि स्कोरकार्ड में कवर ड्राइव है या ताइफ़ की ओर दागी गई मिसाइल, वह आख़िर नाप क्या रहा है? मैं डैशबोर्ड पर भरोसा करती हूँ, पर वह जो कहानी सुनाता है, उसकी ऑडिट भी करती हूँ। इस बार डैशबोर्ड हरा था और कहानी झूठी — और यह पता चलना अच्छी ख़बर है, बशर्ते हम उसे अगली बार अपने आप पकड़ने की व्यवस्था कर दें।