क्रिकेट डेटासेट में घुसा मछली बाज़ार: एक पाइपलाइन की चुप्पी

बांग्लादेश के उत्तरी ज़िले बोगुड़ा के देकरा गाँव के पास, चांदेर बाज़ार में हर दोपहर एक छोटा-सा दृश्य दोहराया जाता है। नुरुइल बील से सुबह पकड़ी गई मछलियाँ सड़क किनारे बिछा दी जाती हैं और सूरज की आख़िरी किरणों तक बिकती रहती हैं। स्थानीय मछुआरे और फेरीवाले यह काम रोज़ करते हैं। मछलियाँ ताज़ी हैं, इसलिए खरीदारों की भीड़ लगती है और दाम थोड़े ऊँचे रहते हैं। नौ तस्वीरों वाली यह फोटो-स्टोरी अपने आप में एक साफ़-सुथरी, एवरग्रीन इंसानी-दिलचस्पी की रिपोर्ट है। लेकिन जिस जगह यह रिपोर्ट पहुँची, वहाँ इसका कोई काम नहीं था। एक ऑटोमेटेड कंटेंट पाइपलाइन ने इस आइटम को 'क्रिकेट_एशिया' का लेबल दे दिया और इस तरह एक स्थानीय मत्स्य-व्यापार की तस्वीर-कहानी क्रिकेट एनालिटिक्स कॉर्पस का हिस्सा बन गई। दूसरे चरण (Stage-2) के गहरे विश्लेषण ने जब इसे खोला, तो पाया गया कि आइटम में क्रिकेट का एक भी तत्व मौजूद नहीं है — न कोई टीम, न खिलाड़ी, न बोर्ड, न लीग, न मैच, न नियम, न प्रसारण का ज़िक्र। यह कोई मामूली चूक नहीं, एक ऐसी खामी है जो डेटा-आधारित क्रिकेट रिपोर्टिंग की बुनियादी भरोसेमंदी को चोट पहुँचाती है। आइटम में असल में क्या है, यह समझना ज़रूरी है। चांदेर बाज़ार नाम का एक स्थानीय बाज़ार, देकरा गाँव, बोगुड़ा सदर उपज़िला, और पानी का स्रोत नुरुइल बील। छह मछली प्रजातियाँ गिनाई गई हैं — मोला, पुटी, टाकी, शोल, कोई और मेनी। कारोबार का समय दोपहर से शाम तक है। ताज़गी और स्वाद के कारण खरीदार आते हैं और कीमतें मामूली रूप से ऊँची रहती हैं। बस इतना ही। क्रिकेट से जुड़ा एक भी नाम, एक भी आँकड़ा, एक भी घटना इस पूरे स्रोत में नहीं है। यही पहला बड़ा जोखिम है — डेटासेट कंटैमिनेशन। जब शून्य-क्रिकेट वाला आइटम क्रिकेट लेबल के साथ कॉर्पस में बैठ जाता है, तो वह 'बांग्लादेश गतिविधि' के आँकड़ों को कृत्रिम रूप से बढ़ा देता है। एक क्रिकेट एनालिटिक्स टीम जो बीसीबी या बीपीएल से जुड़े डैशबोर्ड बना रही है, उसे बांग्लादेश से जुड़े कंटेंट में उछाल दिखेगा — जबकि असल में वह उछाल मछली बाज़ार की तस्वीरों से आ रहा होगा। यह ठीक उसी किस्म की गलती है जो आगे चलकर 'आत्मविश्वास से भरे, पर गलत' निष्कर्ष पैदा करती है। डेटासेट में मात्रा बढ़ जाना, गुणवत्ता बढ़ जाना नहीं होता। दूसरी बड़ी खामी स्रोत की अपारदर्शिता है। इस आइटम के हर सूचना-बिंदु के आगे 'स्रोत: कोई नहीं' दर्ज है। न कोई अख़बार, न कोई रिपोर्टर, न कोई तारीख़। यानी यह आइटम अपने सही क्षेत्र — स्थानीय मत्स्य-अर्थशास्त्र — में भी सत्यापन-योग्य नहीं है। जब किसी रिपोर्ट का हर दावा बिना स्रोत के हो, तो उसे किसी भी गंभीर विश्लेषण में 'स्थापित तथ्य' की तरह उद्धृत नहीं किया जा सकता। इसे अविश्वसनीय चिह्नित करके ही आगे बढ़ाना चाहिए। तीसरी कमज़ोरी संख्याओं का पूर्ण अभाव है। पूरे लेख का एकमात्र आर्थिक दावा यह है कि 'कीमतें थोड़ी ऊँची हैं'। न कोई आँकड़ा, न कोई आधार-रेखा, न कोई तुलनात्मक बाज़ार। इस एक वाक्य से महँगाई, आपूर्ति की कमी या बाज़ार की सेहत — इनमें से कोई भी निष्कर्ष निकालना सरासर अतिविस्तार होगा। विश्लेषण ने इस आइटम को स्पष्ट रूप से गैर-मात्रात्मक घोषित किया है, और यही रुख सही है। जोखिम-मैट्रिक्स में प्राथमिकता साफ़ है। उच्च स्तर पर दो चीज़ें हैं — गलत क्लासिफिकेशन से डेटासेट का दूषित होना, और स्रोत का पूरी तरह अनुपलब्ध होना। मध्यम स्तर पर बिना आँकड़ों वाले आर्थिक दावे और एक ही दोपहर की नौ तस्वीरों से पूरे ज़िले की अर्थव्यवस्था का अनुमान लगाने की प्रवृत्ति। निम्न स्तर पर प्रजातियों के नामों की अस्पष्टता — ख़ासकर 'मेनी', जिसका वैज्ञानिक वर्गीकरण स्थानीय नाम से पक्का नहीं किया जा सकता। कुल जोखिम रेटिंग 'मध्यम' है, और वह पूरी तरह पाइपलाइन की अखंडता से आती है, किसी क्रिकेट जोखिम से नहीं। गौर करने वाली बात यह है कि विश्लेषण के आठों आयामों ने क्रिकेट के सवालों पर 'उपलब्ध जानकारी अपर्याप्त' का जवाब दिया। फ़ॉर्मैट विश्लेषण, खिलाड़ी तकनीक, टीम परिदृश्य, लीग और वाणिज्यिक पारिस्थितिकी, शासन और नियम, जन-नैरेटिव, उद्योग ट्रांसमिशन — सब जगह शून्य। यह फ्रेमवर्क की विफलता नहीं, उसका अनुशासन है। एक ईमानदार विश्लेषक वहाँ 'शून्य' लिखता है जहाँ सामग्री नहीं है, बजाय इसके कि वह अनुमान से ज़रूरी दिखने वाले निष्कर्ष गढ़ ले। इस आइटम की असली कीमत अपने सही क्षेत्र में है। जो शृंखला यहाँ दर्ज है, वह है — बील में मछली पकड़ना, सड़क किनारे सीधी बिक्री, और ग्रामीण परिवार की नक़द आय। यह छोटी, स्थानीय और दैनिक-मौसमी शृंखला है, जिसमें बीच के बिचौलिए कम हैं और इसलिए मछुआरे को खुदरा कीमत का अपेक्षाकृत बड़ा हिस्सा मिल सकता है। ताज़गी को ही बाज़ार की पहचान बनाना बताता है कि मुक़ाबला कीमत पर नहीं, बल्कि 'कितनी जल्दी बिक्री' पर होता है। यह एक विभेदन-रणनीति है, सामान्य जिंस-व्यापार नहीं। क्रिकेट से एकमात्र संभावित पुल यह है कि ग्रामीण आय का स्तर तय करता है कि कोई परिवार अपने बच्चे के क्रिकेट करियर में निवेश कर सकता है या नहीं। यह संरचनात्मक रूप से वास्तविक विचार है, लेकिन इस लेख में इसका कोई साक्ष्य नहीं है। इसे परिकल्पना के रूप में दर्ज करना चाहिए, निष्कर्ष के रूप में नहीं। इसी तरह, राजशाही डिवीज़न का बांग्लादेश के घरेलू क्रिकेट ढाँचे में योगदान रहा है — पर यह लेख उस पर एक शब्द भी नहीं कहता, इसलिए दोनों को जोड़ना तथ्य-निर्माण होगा। समाधान स्पष्ट और तकनीकी है। पहला, तुरंत पुनः-टैगिंग — इस आइटम को खाद्य-सुरक्षा या बांग्लादेश-स्थानीय-अर्थव्यवस्था श्रेणी में डाला जाए। दूसरा, उसी बैच के बाकी Stage-1 आउटपुट की जाँच, क्योंकि अगर एक आइटम इस तरह फिसला है तो बैच-स्तरीय त्रुटि दर काम की हो सकती है। तीसरा और सबसे ज़रूरी — एक कठोर एंटिटी गेट लगाना: किसी भी आइटम को 'क्रिकेट_*' लेबल तभी मिले जब उसमें कम से कम एक नामित क्रिकेट एंटिटी मौजूद हो। यह एक साधारण नियम है, पर यही इस पूरी गड़बड़ी को रोक सकता था। इस आइटम की बनावट भी एक संकेत देती है। कोई बायलाइन नहीं, कोई तारीख़ नहीं, कोई आउटलेट नहीं, और नौ-फ्रेम वाली गैलरी — यह पैटर्न सिंडिकेटेड या हल्के-एट्रिब्यूशन वाले वेब फोटो-फ़ीचर का है। यही वजह है कि पहले चरण में समय-संवेदनशीलता का आकलन ही नहीं हो सका। एवरग्रीन फ़ीचर न तो पुराना पड़ता है, न ही कोई नई जानकारी जोड़ता है। अंत में, मूल बात यह है कि आइटम निर्दोष है — उसका लेबल नहीं। एक छोटी-सी फोटो-स्टोरी ने दो चरणों तक क्रिकेट का चोला पहने रखा और किसी ने पकड़ा नहीं। जब भी किसी स्पोर्ट्स डेटा प्रोडक्ट में बांग्लादेश से जुड़ी गतिविधि अचानक बढ़ी दिखे, तो यह पूछना बेहतर होगा कि वह उछाल किस चीज़ से आ रहा है — क्रिकेट से, या चांदेर बाज़ार की ताज़ी मछलियों से। (यह विश्लेषण केवल उपलब्ध Stage-1 डीकंस्ट्रक्शन पर आधारित है। इसमें सट्टेबाज़ी या वेजरिंग से जुड़ी कोई सलाह नहीं है।)