हूती मिसाइल रोकथाम और क्रिकेट डेटा पाइपलाइन: ताइफ और यनबू से निकला सबक

सऊदी नेतृत्व वाले गठबंधन ने सोमवार को दावा किया कि उसने ताइफ और यनबू की ओर दागी गई दो मिसाइलों को रोक लिया। रियाद के नागरिक सुरक्षा विभाग ने कुछ ही मिनटों के भीतर हवाई हमले की चेतावनी जारी की, फिर उसे रद्द कर दिया, और नागरिकों को मिसाइल व ड्रोन रोधी कार्रवाई से जुड़ी तस्वीरें या सूचना साझा करने के खिलाफ कानूनी चेतावनी दे दी। इस बीच रियाद हवाई अड्डे पर हुए हमले में 13 लोगों की मौत और दर्जनों के घायल होने की खबर है। यमन में जुलाई 2026 में संघर्ष विराम ढहने के बाद से हूती हमले लगातार जारी हैं, और यनबू रेड सी के जरिए तेल निर्यात का ऐसा ठिकाना है जो होर्मुज जलडमरूमध्य पर निर्भरता को कम करता है।

मैं यह पूरा घटनाक्रम बता रहा हूं क्योंकि जिस डेटा स्रोत से यह सामने आया, उसने इस रिपोर्ट को क्रिकेट श्रेणी में डाल दिया था। पिछले 45 साल से मैं भारतीय क्रिकेट की निर्णय-प्रक्रियाओं को ऑडिट करता आया हूं — वीडियो रिव्यू डेस्क, चयन समिति की मिनट्स, नीलामी की शर्तें, ब्रॉडकास्ट राइट्स की फाइलिंग। 2026 के आईपीएल फाइनल में मैंने पहली बार फ्रेम-बाय-फ्रेम समीक्षा टेम्पलेट बनाया था, आखिरी पांच ओवरों के 14 रिव्यू-योग्य पल अलग-अलग लॉग करके। तब सबक यह मिला था कि एक खराब फ्रेम पूरी इनिंग की कहानी बदल सकता है — और आज यह रिपोर्ट देखकर लगता है कि वही सबक अब डेटा स्तर पर दोहराया जा रहा है।

डोमेन गड़बड़ी की जड़ में: खाली एंटिटी सेट

2026 में जब आईपीएल यूएई में खेला गया और स्टेडियम खाली थे, मैंने पुणे से एक रिमोट रिव्यू लैब चलाया। शोर न होने के कारण मैंने क्लोज़ कैच के बाद 19 खिलाड़ियों की प्रतिक्रियाएं अलग से देखीं और पाया कि म्यूट ब्रॉडकास्ट पर गेंदबाज 0.4 सेकंड पहले अपील कर रहे थे। उस टुकड़े ने बताया कि दर्शक जो देख रहे हैं और जो फ्रेम में दर्ज है, वे दो अलग चीजें हो सकती हैं। यह रिपोर्ट इसी तर्क की सबसे साफ मिसाल है: कहानी में ताइफ, यनबू, मक्का, रियाद हवाई अड्डा जैसे स्थान हैं, लेकिन एक भी क्रिकेट एंटिटी नहीं — न कोई खिलाड़ी, न टीम, न बोर्ड, न लीग, न मैदान, न प्रारूप।

जब स्थानों के नाम बन जाते हैं नकली खिलाड़ी

मूल्यांकन में जो सबसे चौंकाने वाला संकेत मिला वह पाइपलाइन के स्तर टैगिंग लेयर से आता है। निष्कर्ष यह है कि मिसक्लासिफिकेशन सबसे संभवतः सोर्स-टैगिंग लेयर पर हुआ, एंटिटी एक्सट्रैक्शन से ऊपर। यानी यह एकल त्रुटि नहीं है; वही गलती पूरे फीड बैच में दोहराएगी, केवल इस एक आइटम तक सीमित नहीं रहेगी।

और असली खतरा इससे आगे शुरू होता है। ताइफ, यनबू और मक्का जैसे भू-नामों की ध्वनि-रचना दक्षिण एशियाई नामों से मिलती-जुलती है। अगर यह आइटम किसी क्रिकेट डेटाबेस में चला गया, तो डाउनस्ट्रीम प्लेयर-एंटिटी लिंकर इन स्थानों को खिलाड़ियों से जोड़ सकते हैं। मैं ऐसा असोसिएशन स्वयं नहीं बना रहा — मैं सिर्फ वह तंत्र बता रहा हूं जो बना सकता है। यह फैंटेसी क्रिकेट या सेंटिमेंट इंडेक्स में मौन रूप से घुस जाएगा, और तब तक किसी को पता नहीं चलेगा जब तक कोई विश्लेषक 'लगातार बढ़ता रुझान' नाम की काल्पनिक चीज पर कोई स्तंभ न लिख दे।

रेटिंग का सारा ढांचा खाली हो जाता है

मूल्यांकन के आठों आयामों को देखिए। प्रारूप विश्लेषण में कोई मैच नहीं, कोई पारी नहीं, कोई परिणाम नहीं। खिलाड़ी तकनीक खंड में शॉट या गेंदबाजी की कोई मेट्रिक नहीं, केवल संस्थागत अभिनेता। टीम लैंडस्केप में कोई आईसीसी रैंकिंग नहीं। लीग और वाणिज्यिक पारिस्थितिकी में तेल निर्यात और समुद्री चोकपॉइंट हैं, आईपीएल या बिग बैश नहीं।

नियम-शासन खंड में एक दिलचस्प बात है जिसे मैं एक तरफ रखना चाहता हूं: नागरिक सुरक्षा विभाग की सूचना को रोकने की कार्रवाई एक जान-बूझकर सूचना-नियंत्रण का रुख दिखाती है। लेकिन यह सुरक्षा-प्रशासन का घटनाक्रम है, क्रिकेट शासन का नहीं। आईसीसी इस पूरे पाठ में कहीं नहीं है। न एंटी-करप्शन यूनिट, न एनओसी विवाद, न एलिजिबिलिटी मामला। जल्दी-जल्दी चेतावनी जारी होना और रद्द होना खेल के नियमों की घटना नहीं है।

पचास-साठ साल का अनुभव मुझे यह सिखाता है कि जब आपके पास पेपर-ट्रेल न हो तो आरोप नहीं लगाते। और जब आपके पास स्पोर्टिंग पेपर-ट्रेल ही न हो, तो स्पोर्टिंग निष्कर्ष नहीं निकालते। यह रिपोर्ट बिल्कुल यही मामला है।

एक असंवेदनशील संख्या जो डेटासेट में नहीं होनी चाहिए

यहां एक बात कहनी जरूरी है जिस पर फोकस कम जा रहा है। रियाद हवाई अड्डे पर 13 लोगों की मौत और दर्जनों घायल — यह एक मानवीय आंकड़ा है। यह कभी भी स्पोर्ट्स-एनालिटिक्स फील्ड में प्रोसेस नहीं होना चाहिए। पूरा संघर्ष दुनिया के सबसे बुरे मानवीय संकटों में से एक बताया जाता है। अगर कोई सिस्टम इस सामग्री को किसी हल्के-फुल्के स्पोर्ट्स प्रोडक्ट का हिस्सा बनाता है, तो यह पाइपलाइन की विफलता है — सेंटिमेंट इंडेक्स की गलती से भी बड़ी।

एकल-स्रोत दावे और तथ्यात्मक अशुद्धि

रोकथाम का दावा केवल सऊदी नेतृत्व वाले गठबंधन से आया। चेतावनी केवल रियाद के नागरिक सुरक्षा विभाग से। और रद्द करने की सूचना का स्रोत ही दर्ज नहीं है ('Source: None')। स्वतंत्र पुष्टि कहीं नहीं।

इसके अलावा मूल पाठ में एक तथ्यात्मक अशुद्धि है: इसमें 'ईरान की होर्मुज जलडमरूमध्य पर नाकाबंदी' का जिक्र है, जबकि ऐतिहासिक रूप से दर्ज स्थिति यह है कि ईरान ने जलडमरूमध्य बंद करने की धमकी दी थी, वास्तविक नाकाबंदी नहीं लगाई थी। यह छोटी-सी चूक बताती है कि इस स्रोत की विश्वसनीयता को डाउनग्रेड किया जाना चाहिए।

क्वारंटीन और एक न्यूनतम-एंटिटी-थ्रेशोल्ड

मेरा निष्कर्ष एक सायास प्रक्रिया-विश्लेषक के नाते यह है कि इस आइटम का असली महत्व सामग्री में नहीं, डेटा-स्वच्छता में है। यह 'cricket_asia' लेबल लगे किसी कॉर्पस का क्लासिक प्रदूषण मामला है, और यह एक पूर्ण रिग्रेशन-टेस्ट केस है। एक सुधारी गई पाइपलाइन को इसे पहले पास में ही खारिज कर देना चाहिए।

विश्लेषण में जो सबसे उपयोगी संकेत पकड़ में आया वह यह है: एंटिटी एक्सट्रैक्शन फील्ड खाली छूट गया था — यह संकेत देते हुए कि एक्सट्रैक्टर को पाठ में कुछ भी नहीं मिला। यह खालीपन एक डोमेन-मिसमैच ट्रिगर के रूप में स्वचालित रूप से उठाया जा सकता है। मेरा सुझाव है कि इन्टेक स्तर पर एक न्यूनतम थ्रेशोल्ड लागू हो: किसी भी आइटम को क्रिकेट कॉर्पस में प्रवेश के लिए कम से कम एक मान्यता प्राप्त खिलाड़ी, टीम, बोर्ड, लीग या मैदान चाहिए। जो इसमें विफल हो, उसे मैनुअल रिव्यू कतार में भेजा जाए।

जहां इसका क्रिकेट से कोई तार नहीं जुड़ता

यह रिपोर्ट और क्रिकेट उद्योग के बीच कोई ट्रांसमिशन चैनल स्थापित नहीं किया जा सकता। इसका आर्थिक ट्रांसमिशन रेड सी के जरिए तेल निर्यात मार्गों से होकर जाता है — वह मैक्रो-एनर्जी चैनल है, क्रिकेट-कमर्शियल नहीं।

हां, एक प्रासंगिक संदर्भ नोट मैं अलग रखना चाहता हूं, जो इस लेख के आकलन से बाहर है: खाड़ी राज्यों की खेल-निवेश रणनीति पिछले दशक में बड़ी हुई है, और यह क्षेत्र क्रिकेट के लिए तटस्थ मैदान के केंद्र के रूप में काम करता है — संयुक्त अरब अमीरात आधारित आईएलटी20 से लेकर कई तटस्थ-स्थल अंतर्राष्ट्रीय सीरीज तक। अगर सऊदी पूंजी क्रिकेट में विशेष रूप से बढ़ती है, तो वह किसी अलग स्रोत से सत्यापित किया जाना चाहिए, इस रिपोर्ट से नहीं।

जिस बात पर नजर रखनी चाहिए

घटना का विशुद्ध क्रिकेट-खतरा शून्य है, लेकिन डेटा-अखंडता का खतरा उच्च स्तर का है। क्योंकि स्टेज-1 आउटपुट पहले ही एक गलत डोमेन लेबल, एक गलत एंटिटी निर्देश और एक अपूर्ण समय-संवेदनशीलता फील्ड लिए बैठा है। अगर ऐसे आइटम जमा होते रहे, तो वे क्रिकेट भावना और कथा सूचकांकों को चुपचाप विकृत करेंगे।

साप्ताहिक ऑडिट कीजिए: cricket_asia लेबल वाले आइटम्स के एक यादृच्छिक नमूने में क्रिकेट एंटिटी की उपस्थिति जांचिए। यदि नमूने के 2 प्रतिशत से अधिक आइटम में शून्य क्रिकेट एंटिटी मिले, तो कॉर्पस संदूषण की स्थिति मान लीजिए।

फिलहाल, मैं एक ऐसी रिपोर्ट का ऑडिट पूरा कर रहा हूं जिसे क्रिकेट डेटा कहा गया, पर जिसमें एक भी क्रिकेट तथ्य नहीं। रिव्यू डेस्क ने मुझे सिखाया था कि निष्कर्ष पर पहुंचने से पहले फ्रेम को फ्रीज करो। यहां मैं कर चुका हूं। फ्रेम खाली है। बॉल-ट्रैकिंग खाली है। और जो सबसे जरूरी है — फैसला यह है कि इसे रिकॉर्ड में दर्ज नहीं किया जाना चाहिए।