जब एक मिसाइल रिपोर्ट क्रिकेट न्यूज़ बन गई: स्पोर्ट्स डेटा पाइपलाइन की ऑडिट रिपोर्ट

ग्यारह सूचना बिंदु। शून्य क्रिकेट इकाई। यही अनुपात उस फ़ाइल में दर्ज हुआ जिसे एक स्पोर्ट्स डेटा पाइपलाइन ने अपने क्रिकेट कॉर्पस में 'क्रिकेट_एशिया' टैग के साथ भर्ती कर लिया। फ़ाइल के भीतर ताइफ़ और यनबू की दिशा में दागी गई दो मिसाइलों को रोकने का दावा था, रियाद नागरिक सुरक्षा एजेंसी का अलर्ट था, कुछ ही मिनटों में वापस लिया गया वही अलर्ट था, और "मिसाइल तथा ड्रोन को विफल करने" से जुड़ी सूचना या तस्वीरें साझा करने पर लगाई गई कानूनी रोक थी। ग्यारह बिंदुओं में एक भी ऐसा नाम नहीं था जिसे किसी क्रिकेट फ़्रेमवर्क में बैठाया जा सके — न खिलाड़ी, न टीम, न बोर्ड, न लीग, न मैच, न प्रारूप। मैं तर्क से पहले ऑडिट ट्रेल बनाता हूँ, इसलिए पहली पंक्ति गिनती है, टिप्पणी नहीं। जो सामग्री क्रिकेट की खबर नहीं है, उसे क्रिकेट की खबर मान लेना पत्रकारिता की चूक नहीं, पाइपलाइन की चूक है — और पाइपलाइन की चूकें आम तौर पर बिल किसी तीसरी फ़ाइल पर भेजती हैं।

आधुनिक खेल-डेटा सिस्टम चार परतों में चलता है। पहली परत स्रोत-टैगिंग है, जहाँ किसी फ़ीड को उसके प्रकाशन-क्षेत्र या हेडलाइन-कीवर्ड के आधार पर वर्ग सौंपा जाता है। दूसरी परत एंटिटी एक्सट्रैक्शन है, जहाँ पाठ से खिलाड़ी, टीम, बोर्ड, लीग और वेन्यू बाहर निकाले जाते हैं। तीसरी परत डोमेन असाइनमेंट है। चौथी परत डाउनस्ट्रीम है — सेंटिमेंट इंडेक्स, नैरेटिव ट्रैकिंग, फ़ैंटेसी और बेटिंग मॉडल, प्रदर्शन-पूर्वानुमान। इस फ़ाइल ने पहली परत पर ही गलती कर दी। भीतर जो मौजूद था, वह यमन का गृहयुद्ध था: 2026 का हस्तक्षेप, जुलाई 2026 में ध्वस्त हुआ संघर्ष-विराम, तेल-अधोसंरचना पर निशाना, और लाल सागर से होकर होर्मुज़ जलडमरूमध्य को बचाते निर्यात का भूगोल। सऊदी नेतृत्व वाले गठबंधन का दावा, नागरिक सुरक्षा विभाग का अलर्ट, और वापसी के बिंदु पर स्रोत खाली। रियाद हवाई अड्डे पर तेरह लोगों की मौत का आँकड़ा भी उसी पाठ में बैठा था। यह वह सामग्री है जिसे किसी भी खेल-उत्पाद में गमीफ़ाई नहीं किया जा सकता, और जिसे 'क्रिकेट_एशिया' लेबल मिल गया। मेरा आकलन है कि यह गलती एंटिटी एक्सट्रैक्शन की नहीं, स्रोत-टैगिंग परत की है — क्योंकि एक्सट्रैक्टर ने कुछ निकाला ही नहीं, इंस्ट्रक्शन ज्यों का त्यों छोड़ दिया। यानी वह चुपचाप सही था, और उसके ऊपर की परत ग़लत थी।

असली नुक़सान एक फ़ाइल का नहीं, उन सूचकांकों का है जो इस तरह की फ़ाइलों से बनते हैं। पहला असर एंटिटी लिंकर पर पड़ता है। अगर इस पाठ में ताइफ़, यनबू या मक्का जैसे स्थान-नाम हैं, तो नाम-समानता वाले लिंकर इन्हें किसी दक्षिण एशियाई नाम-पैटर्न से जोड़ सकते हैं और एक नक़ली खिलाड़ी-संबंध जनरेट कर सकते हैं। दूसरा असर सेंटिमेंट इंडेक्स पर पड़ता है — एक सुरक्षा-घटना का भाव-भार क्रिकेट भाव-भार में जुड़ जाता है, और किसी टूर्नामेंट की "टेंशन लाइन" बेवजह ऊपर खिसक जाती है। तीसरा असर मॉडल-इनपुट पर पड़ता है। मैंने अप्रैल 2026 में चेन्नई सुपर किंग्स के निलंबन के दौरान आईपीएल के साठों मैच हाथ से कोड किए थे — एक ही गूगल शीट, फ़ेज़-स्प्लिट वाला प्रति-गेंद अपेक्षित रन मॉडल, और हर पंक्ति के सामने उसका स्रोत। बत्तीस हज़ार व्यूज़ मिले, लेकिन असली फ़ायदा यह था कि जब मुंबई इंडियंस ने 21 मई को हैदराबाद में राइजिंग पुणे सुपरजायंट को एक रन से हराया, तब फ़ाइल में कोई ऐसी पंक्ति मौजूद नहीं थी जिसका मालिक न पता हो। गंदी पंक्ति मॉडल को नहीं, मॉडल पर भरोसे को तोड़ती है।

दूसरा, ज़्यादा ज़रूरी नुक़सान, एक ऐसी समस्या को छिपा देता है जिसका क्रिकेट से वास्तविक संबंध है। खाड़ी क्षेत्र की सुरक्षा-स्थिति क्रिकेट शेड्यूलिंग के लिए एक असली, यद्यपि अप्रत्यक्ष, चर है। संयुक्त अरब अमीरात में आईएलटी20 जैसी फ़्रैंचाइज़ प्रॉपर्टी चलती है; एशिया कप 2026 दुबई और अबू धाबी में खेला गया, और 28 सितंबर 2026 को दुबई में भारत ने पाकिस्तान के खिलाफ़ फ़ाइनल पाँच विकेट से जीता; एशिया कप 2026 भी उसी क्षेत्र में हुआ था। चूँकि भारत-पाकिस्तान द्विपक्षीय सीरीज़ 2026-13 के बाद से नहीं खेली गई और दोनों टीमें आईसीसी तथा एशिया कप आयोजनों में ही भिड़ती हैं, तटस्थ वेन्यू की ज़रूरत संरचनात्मक है, और उस ज़रूरत का भू-राजनीतिक जोखिम भी संरचनात्मक है। लेकिन — और यही वह रेखा है जिसे इस फ़ाइल ने धुँधला कर दिया — यह चर केवल तभी क्रिकेट का चर बनता है जब कोई आधिकारिक निकाय उस पर क़दम उठाए। आईसीसी या किसी बोर्ड की यात्रा-सलाह, फ़िक्सचर पुनर्निर्धारण की घोषणा, या आयोजन-सूची में बदलाव — इन तीन में से कोई एक घटना घटित हो, तभी खाड़ी की सुरक्षा-घटना क्रिकेट का समाचार बनती है। मिसाइल रोके जाने की खबर अपने आप में क्रिकेट की खबर नहीं है, चाहे उसका भौगोलिक पता क्रिकेट-वेन्यू के बग़ल में हो।

इस फ़ाइल में तीन और चीज़ें थीं जिन्हें आगे नहीं बढ़ाया जाना चाहिए। एक, स्वतंत्र पुष्टि का अभाव — मिसाइल-रोध का दावा केवल गठबंधन का है, अलर्ट-क्रम केवल नागरिक सुरक्षा एजेंसी का है, और अलर्ट-वापसी के बिंदु पर स्रोत ही दर्ज नहीं है। दो, एक तथ्यात्मक अशुद्धि — पाठ होर्मुज़ पर "ईरान की नाकाबंदी" कहता है, जबकि दर्ज स्थिति ईरान की जलडमरूमध्य बंद करने की धमकी की रही है, नाकाबंदी की नहीं। तीन, आंतरिक विरोधाभास — "पश्चिमी क्षेत्रों" की संख्या चार बताई गई, पर सूची में ताइफ़, यनबू और मक्का यानी तीन ही स्थान हैं, और यनबू दो बार आता है। जिस स्रोत की गिनती चार पर तीन दे, उससे आए हर आँकड़े पर "सत्यापन लंबित" का ठप्पा लगना चाहिए — भले वह आँकड़ा क्रिकेट का हो या न हो। मुझे 2026 में इसी अनुशासन का फ़ायदा मिला था, जब रूस विश्व कप से पहले मेरी बत्तीस-टीम टेबल ने जर्मनी की मौका-गुणवत्ता को बत्तीस में उन्नीसवें स्थान पर रखा था और जर्मनी 27 जून को कज़ान में दक्षिण कोरिया से 2-0 हारकर ग्रुप चरण में बाहर हो गया। बत्तीस में उन्नीसवाँ एक कोऑर्डिनेट है, चरित्र-दोष नहीं — यही बात इस फ़ाइल पर भी लागू होती है।

यहाँ असली जोखिम मिसाइल नहीं, बिना लेबल वाली पंक्ति है। ताइफ़ पर रोका गया रोध आईपीएल की नीलामी-तिजोरी नहीं हिलाता, विश्व टेस्ट चैंपियनशिप की अंक-तालिका नहीं बदलता, और किसी बल्लेबाज़ की स्ट्राइक रेट नहीं गिराता। सहसंबंध और कारण अलग-अलग चीज़ें हैं। ख़तरा उस आदत में है जो हर बड़ी घटना के भीतर एक "क्रिकेट-एंगल" खोज निकालती है — वही आदत, जिसने इस फ़ाइल पर ग़लत टैग चिपका दिया। एक ग़लत वर्गीकृत फ़ाइल अभी महज़ एक किस्सा है। हफ़्ते-दर-हफ़्ते नमूने में दो प्रतिशत से ऊपर त्रुटि दर एक संकेत है। यह वह सीमा है जहाँ आँकड़ा, आँकड़ा होना बंद करकर गड़बड़ी बन जाता है।

आगे का रास्ता तकनीकी और उबाऊ है, और इसीलिए ज़रूरी है। भर्ती के समय ही एक न्यूनतम क्रिकेट-इकाई सीमा लागू हो — कम से कम एक मान्यता-प्राप्त खिलाड़ी, टीम, बोर्ड, लीग या वेन्यू। जो फ़ाइल यह परीक्षा पास न करे, वह क्वारंटीन में जाए और मैनुअल समीक्षा की कतार में लगे। खाड़ी जोखिम की निगरानी शेड्यूलिंग के लिए की जाए, और वह भी बोर्ड तथा आईसीसी की आधिकारिक सलाह से — न्यूज़फ़ीड से नहीं। और इस फ़ाइल को सिस्टम के रीग्रेशन-टेस्ट के रूप में दर्ज कर लिया जाए, ताकि ठीक की गई पाइपलाइन इसे पहले ही प्रयास में ठुकरा दे। अगली बार जब कोई टैग किसी सुरक्षा रिपोर्ट को क्रिकेट बताए, तो सवाल यह नहीं होना चाहिए कि खबर सच है या नहीं — सवाल यह होना चाहिए कि वह इस कॉर्पस में पहुँची कैसे।

(विश्लेषण सार्वजनिक रूप से उपलब्ध स्रोत-विवरण और चरण-1 पाठ-विघटन के निष्कर्षों पर आधारित है। मूल सामग्री भू-राजनीतिक समाचार रिपोर्ट है; उसका 'क्रिकेट_एशिया' वर्गीकरण ग़लत है। यह सामग्री खेल-सूचना तथा डेटा-गुणवत्ता संदर्भ के लिए है, किसी सट्टे की सलाह नहीं। खेल-परिणाम अनिश्चित होते हैं, निष्कर्षों को तर्कसंगत भाव से लें।)