क्रिकेट लेबल के पीछे छिपी मछली मंडी: डेटा पाइपलाइन की चुपचाप फेल होती नींव

बोगुड़ा सदर उपजिले के देकरा गाँव के पास, एक दोपहर की तेज़ धूप में, सड़क किनारे लगी मछली की थड़ियों की नौ तस्वीरें मेरे सामने खुलीं। पहली नज़र में यह एक साफ़-सुथरा फोटो-फीचर था — चंदर बाज़ार की मछली मंडी, नुरुइल बील से आई मोला, पुटी, टाकी, शोल, कोई और मेनी, दोपहर से शाम तक चलने वाला कारोबार, और ताज़गी की वजह से 'थोड़ा ऊँचा' दाम। लेकिन जिस फ़ाइल में ये तस्वीरें मेरे डेस्क तक पहुँचीं, उस पर लेबल लगा था cricket_asia। बारह सूचना-बिंदुओं में एक भी क्रिकेट इकाई नहीं थी — न टीम, न खिलाड़ी, न बोर्ड, न लीग, न मैच, न नियम, न प्रसारण।

मैंने अपने करियर में तीन बार अपना खुद का इंडेक्स बनाया है, और तीनों बार वह मुझसे झूठ बोलता रहा, जब तक कि मैंने उसे सुधारना बंद नहीं कर दिया। इस फ़ाइल ने मुझे वही सबक याद दिलाया, लेकिन उलटी दिशा से। यहाँ मॉडल ने नहीं, बल्कि मॉडल से पहले लगने वाले लेबल ने झूठ बोला। क्रिकेट एनालिसिस की जो पूरी इमारत मैं रोज़ खड़ी करता हूँ, उसकी नींव में यह एक छोटी, बेहद साधारण दरार है — और यही सबसे खतरनाक किस्म की दरार होती है।

मुझे यह स्पष्ट कर देना चाहिए कि मैं इस लेख में किसी मछली बाज़ार की आर्थिक रिपोर्ट नहीं लिख रहा। यह लेख उस प्रक्रिया के बारे में है जिसने एक स्थानीय, स्रोत-विहीन फोटो-फीचर को क्रिकेट डेटासेट में डाल दिया। बांग्लादेश की प्रशासनिक भूगोल पर आधारित मेरी समझ यह कहती है कि बोगुड़ा सदर उपजिला, राजशाही डिवीज़न में पड़ता है, और वहाँ का बील-आधारित मत्स्य-तंत्र एक मौसमी, छोटे पैमाने का बाज़ार है। मेरी दलील क्रिकेट की अर्थव्यवस्था पर इस बाज़ार के असर की नहीं है — मेरी दलील इस बात की है कि हम अपने डेटा-संग्रह की सफ़ाई को कितनी हल्के में ले रहे हैं।

मूल समस्या संख्या नहीं, उसका पता है। फ़ाइल के हर सूचना-बिंदु पर स्रोत 'कोई नहीं' लिखा है। न आउटलेट का नाम, न रिपोर्टर, न तारीख। यह वह स्थिति है जिसे मैं अपने हिसाब से 'सत्यापन-अंधापन' कहता हूँ — दावा मौजूद है, पर उसे जाँचने का कोई रास्ता नहीं। खेल पत्रकारिता में मैंने यह समस्या दशकों से देखी है: किसी प्रीव्यू में 'पिच स्लो है' लिख दिया जाता है, बिना यह बताए कि यह किसने देखा, कब देखा, और किस मैच से तुलना करके कहा। मेरे 2026 के कोलकाता वाले इंडेक्स ने मुझे यही सिखाया था — जब मैंने केकेआर के 9.1 के पावरप्ले रन-रेट को देखा, तो 41 प्रतिशत चौके किनारे या गलत टाइमिंग से निकले थे। कच्चा आँकड़ा साफ़ दिख रहा था; उसका स्रोत नहीं।

यही दिक्कत इस मछली-फ़ाइल के साथ है, बस कई गुना बड़े पैमाने पर। फ़ाइल में छह मछलियों की प्रजातियाँ गिनाई गई हैं, कारोबार का समय बताया गया है, दाम 'थोड़ा ऊँचा' बताया गया है — लेकिन किसी भी दावे के साथ कोई संख्या नहीं है। न किलो में बिक्री, न खरीदारों की गिनती, न विक्रेताओं की संख्या, न किसी तुलनीय बाज़ार से कीमत। मेरे पेशे की सबसे बुनियादी शर्त यह है कि जिस आँकड़े को आप दोबारा नहीं बना सकते, वह विश्लेषण नहीं, सिर्फ़ राय है जिसने दशमलव का बाना पहन लिया हो। इस फ़ाइल में दशमलव भी नहीं है।

फिर भी यह लेबल क्रिकेट का था। और यही असली खोज है।

यह पाइपलाइन की विफलता है, विषय-वस्तु की नहीं। मैंने तीन जाँचें लगाईं: क्या लेबल के अंदर कोई नामित क्रिकेट इकाई है? नहीं। क्या कोई सुधारने योग्य तिथि है? नहीं। क्या कोई क्वांटिफ़ाइड दावा है? नहीं। तीनों में विफलता का मतलब यह है कि दो पूरे स्टेज — डीकंस्ट्रक्शन और वर्गीकरण — एक ऐसी चीज़ को क्रिकेट समझकर आगे बढ़ा चुके हैं जो क्रिकेट नहीं है। यह कोई मासूम गलती नहीं है। अगर ऐसी फ़ाइलें डेटासेट में जमा होती रहीं, तो एक साल बाद जब मैं 'बांग्लादेश में क्रिकेट गतिविधि' का कोई ट्रेंड ग्राफ़ बनाऊँगा, तो उसमें बोगुड़ा के मछली बाज़ार का सिग्नल भी चुपचाप बैठा होगा। मुझे यह भ्रम होगा कि मैं डेटा पढ़ रहा हूँ, जबकि मैं अपनी ही पाइपलाइन का शोर पढ़ रहा होऊँगा।

मेरी आदत है कि पहला ड्राफ़्ट बनने के बाद मैं उसे हमेशा एक बार खुद को शर्मिंदा करने के लिए आज़माता हूँ। इस फ़ाइल ने मुझे यही किया। सबसे पहले मैंने सोचा कि क्या इसे किसी तरह क्रिकेट से जोड़ा जा सकता है — ग्रामीण आय का स्तर, बच्चे के क्रिकेट करियर को फंड करने की क्षमता। यह रास्ता असल में मौजूद है। लेकिन यह इस फ़ाइल में मौजूद नहीं है; यह मेरे सिर में मौजूद है। और यही वह क्षण है जब मैं अपनी सबसे बड़ी आदत — 'ब्याज़-प्राप्त मेट्रिक के अहंकार' — से बचना चाहता हूँ। जिस पैमाने को मैंने खुद बनाया हो, उससे कोई ऐसा नहीं है जो मेरे मॉडल से बाहर हो? यही सोच सबसे तेज़ी से विश्लेषक को भ्रम में डालती है। मॉडल के साथ एक फेज़ या एक क्लिप जोड़ने की मेरी आदत मुझे यहाँ बचाती है: फ़ाइल में कोई क्लिप नहीं है, इसलिए दावा भी नहीं।

बोगुड़ा का भूगोल मज़बूत है; बाकी सब कमज़ोर। फ़ाइल का सबसे भरोसेमंद हिस्सा उसका पता है — देकरा गाँव, चंदर बाज़ार, बोगुड़ा सदर उपजिला। बांग्लादेश की प्रशासनिक संरचना में यह क्रम मानक है। मैं इस पते को किसी भी ज़िला-स्तरीय अध्ययन के साथ मिलाकर जाँच सकता हूँ। यही इस फ़ाइल की एकमात्र ठोस, दोबारा जाँची जा सकने वाली चीज़ है। बाकी सब — 'ताज़गी और स्वाद के कारण खरीदार आते हैं', 'दाम थोड़े ऊँचे हैं' — बिना किसी संख्या के व्यक्तिपरक कथन हैं। मैं इन्हें आर्थिक रिपोर्ट नहीं, एक फोटोग्राफर के नोट्स मानता हूँ।

इसी तरह, मैं इस प्रजाति-सूची — मोला, पुटी, टाकी, शोल, कोई — को एक दस्तावेज़ के रूप में दर्ज कर सकता हूँ, यह समझते हुए कि यह बांग्लादेश के बीलों में मिलने वाली लघु स्वदेशी प्रजातियों का एक जाना-पहचाना समूह है। 'मेनी' का ठीक वैज्ञानिक नाम मैंट्रांसलिटरेशन से पक्का नहीं कर सकता, इसलिए उसे अनिश्चित ही रहने दूँगा। तीन दशमलव वाली सटीकता का खतरा यहीं है — सिर्फ़ इसलिए कि मैं प्रजाति का नाम लिख सकता हूँ, इसका मतलब यह नहीं कि मैं उसकी पहचान सत्यापित कर चुका हूँ।

जो चीज़ सबसे ज़्यादा भरमाती है, वह है नियमितता। यह फोटो-फीचर अपने खुद के विषय में ईमानदार है। वह कहता है: यहाँ रोज़ दोपहर मछली बिकती है, बील से आती है, ताज़ी है, दाम थोड़े ऊँचे हैं। कुछ गलत नहीं। यही इसकी खूबी है — और यही इसे क्रिकेट की नज़र में खतरनाक बनाती है। मेरे देखे, डेटासेट में सबसे खराब प्रदूषण वह नहीं होता जो झूठा और शोरगुल वाला हो; सबसे बुरा वह होता है जो सच, शांत और लेबल-विस्थापित हो। एक तस्वीर-आधारित, स्रोत-रहित, तारीख-रहित, संख्या-रहित फीचर क्रिकेट कॉर्पस में चुपचाप बैठकर अगली तिमाही के किसी 'बांग्लादेश में गतिविधि' वाले ग्राफ़ को ऊपर धकेल देगा। और जब सवाल उठेगा, तो मेरे पास जवाब देने के लिए सिर्फ़ यह होगा कि लेबल ऐसा ही था।

यहीं मुझे अपनी ही कमज़ोरी पर सबसे ज़्यादा शक होता है। क्योंकि मेरा लगाव जटिलता की ओर है, मैं हर टूर्नामेंट में एक नया फ़ीचर जोड़ता चला जाता हूँ, और तीन अनुमानों वाला नियम मुझे यह भुला देता है कि पहले यह देखना ज़रूरी है कि डेटा का दरवाज़ा ही सही दिशा में खुल रहा है या नहीं। इस फ़ाइल ने यही दिखाया: मेरी समस्या मॉडल की सटीकता नहीं, प्रवेश की शुद्धता है। एक हार्ड गेट चाहिए — किसी भी आइटम को cricket_* लेबल तभी मिले जब उसमें कम-से-कम एक नामित क्रिकेट इकाई मौजूद हो। यह साधारण नियम आज नहीं है।

मैंने वह सबक सबसे पहले 2026 में, एक कोलकाता स्टार्टअप में सीखा था, जब मैंने रातों-रात बॉल-बाय-बॉल प्रेशर इंडेक्स बनाया और दोपहर में मिली 'यह क्लिप देखो' वाली अंतर्दृष्टि ने मॉडल को पीछे छोड़ दिया। मॉडल सही था, पर मैंने उसे गलत दिशा में इस्तेमाल किया। यहाँ मुझे गलत फ़ाइल मिली, और मेरी पहली प्रतिक्रिया प्रजातियों के नाम सत्यापित करने की नहीं, यह जाँचने की थी कि यह कहाँ से आई। दोनों मामलों में सबक एक ही है: पहले गेट, फिर खेल।

अगला संकेत तीन जगहों पर देखने योग्य है। पहला, उसी बैच की दूसरी cricket_* फाइलों की नमूना-जाँच — अगर उनमें भी शून्य क्रिकेट इकाइयाँ मिलीं, तो यह एक विस्तारित पाइपलाइन-विफलता है, न कि कोई अकेला किस्सा। दूसरा, पूरे डेटासेट में स्रोत-असाइनमेंट का अनुपात — अगर 'कोई नहीं' उच्च हिस्से पर है, तो कोई संदर्भ-मानक ज़िंदा नहीं है, और सारी रिपोर्टिंग जन्म से ही असत्यापनीय बन जाती है। तीसरा, वही जो मैं शुरू से कह रहा हूँ — यह फ़ाइल सही लेबल के साथ एक उपयोगी माइक्रो-विग्नेट बनती है, मछली-मंडी और ग्रामीण आय के लिए; और एक घातक भ्रामक बिंदु बनती है, क्रिकेट के लिए। दोनों सच हैं, बस दरवाज़ा एक ही है। अगली बार जब मैं cricket_asia का कोई नया बैच खोलूँगा, तो मेरा पहला सवाल मॉडल से नहीं, प्रवेश-द्वार से होगा।