البيانات: مفهومها، وأنواعها
- تُعرَّف البيانات بأنها أرقام، أو حروف، أو صور، أو تسجيل صوتي، أو تسجيل مرئي يُمكن الاستفادة منها بعد تحليلها ومعالجتها في اتخاذ قرارات مُهمَّة بخصوص إجراء مُعيَّن.
- وبالمثل، فإنَّ فحص البيانات ومعالجتها يُمكننا من إيجاد أنماط مُحدَّدة لهذه البيانات، تساعدنا على اتخاذ قرارات مُهمَّة.
- كذلك توحي البيانات بصور مفيدة ودلالات مُتعدِّدة عند تحليلها.
- وفي جميع الأحوال، فإنَّ الهدف من تحليل البيانات هو تحويل البيانات الخام إلى معارف ومعلومات تساعد الفرد على اتخاذ القرار.
تحليل البيانات
- يُعرَّف تحليل البيانات بأنَّه عملية منهجية لجمع البيانات، وتنظيمها، وتنظيفها، وتفسيرها، وتمثيلها؛ بُغية استخراج رؤى ذات معنى، وتحديد الأنماط، ودعم اتخاذ القرارات المستنيرة.
مراحل عملية تحليل البيانات
- مرحلة تحديد الأهداف والأسئلة (Defining Objectives and Questions): تُرَكِّز هذه المرحلة على فهم المشكلة، وتحديد الأهداف وتوقُّعات الأطراف المُعنيَّة.
- مرحلة الإعداد (Prepare): بعد تحديد المشكلة، يجب تحديد البيانات المطلوبة وكيفية تنظيمها.
- مرحلة جمع البيانات (Data Collection): يتمُّ في هذه المرحلة جمع البيانات ذات الصلة بالإجابة عن الأسئلة السابقة، وذلك باستخدام طرائق متنوّعة تتناسب مع طبيعة المشكلة وأهداف التحليل (مثل: الاستبانات، والمقابلات، والملاحظات)؛ لمراقبة السلوكات والعمليات وقت حدوثها، أو استخراج البيانات من قواعد البيانات الداخلية أو من المصادر الخارجية. وقد تكون البيانات المُجمَّعة كمّيّة، مثل: الأرقام، والنتائج الإحصائية. وقد تكون نوعية، مثل: النصوص، والصور.
- مرحلة تنظيف البيانات (Data Cleaning): تُعدُّ هذه المرحلة أساسية في عملية تحليل البيانات؛ إذ تتضمَّن فحص البيانات بصورة دقيقة لتحديد الأخطاء والتناقضات ومعالجتها. وقد يشمل ذلك إزالة الإدخالات المُكرَّرة، والتعامل مع القِيَم المفقودة، وتصحيح الأخطاء الناجمة عن إدخال البيانات، وضمان اتّساق البيانات. ومن ثَمَّ يهدف تنظيف البيانات إلى تحسين جودة البيانات وزيادة درجة موثوقيتها، وهو أمر ضروري للحصول على نتائج دقيقة ذات دلالات مُحدَّدة.
- مرحلة تحليل البيانات (Data Analysis): يبدأ في هذه المرحلة تنفيذ العمل التحليلي الأساسي باستخدام تقنيات وأدوات خاصة بتحليل البيانات المختلفة (مثل: لغة البرمجة بايثون (Python)، ولغة البرمجة (R)، وبرمجية إكسل (Excel)، والبرامج المُتخصِّصة، مثل: (SPSS)، و(SAS))؛ بُغْيَة استكشاف البيانات، واكتشاف الأنماط، أو العلاقات، أو الاتِّجاهات، أو الارتباطات بين البيانات، التي تعالج الأهداف والأسئلة التي حُدِّدت مُقدَّماً.
- مرحلة تفسير البيانات وعرضها (Data Interpretation and Visualization): بعد الانتهاء من مرحلة تحليل البيانات، تأتي مرحلة تفسير نتائج البيانات وعرضها بصورة واضحة وسهلة الفهم عن طريق الرسوم البيانية والمُخطَّطات والتقارير ولوحات التحكُّم. يُذكر أنَّ تفسير
- مرحلة اتِّخاذ القرارات وتنفيذ الإجراءات (Decision-Making and Action): تُركِّز هذه المرحلة على استثمار النتائج المُستخلصة من التحليل في وضع استراتيجيات فاعلة، وصياغة سياسات مناسبة، وإجراء بحوث إضافية عند اللزوم، فضلاً عن تقديم التوصيات اللازمة، وتنفيذ الحلول المناسبة.
أهمية تحليل البيانات:
- يُعَدُّ تحليل البيانات أداة أساسية للكشف عن المعلومات المُهمَّة، ودعم عملية اتِّخاذ القرارات المُستندة إلى الأدلَّة.
- تتمثَّل أهمية تحليل البيانات في أربعة مناحٍ رئيسة، هي: القدرة على التوصُّل إلى التنبُّؤات، وكشف الارتباطات بين المُتغيِّرات، وتعرُّف الأنماط المُتكرِّرة، ورصد الاتِّجاهات.
التوصُّل إلى التنبُّؤات
- يساعد تحليل البيانات على استقراء المستقبل بناءً على البيانات المؤرشفة.
- كذلك يُمكِن استخدام تطبيق تقنيات التحليل الإحصائي (مثل: الانحدار الخطِّي، والنمذجة التنبُّؤية، والتعلم الآلي) في تقدير القِيَم المستقبلية بناءً على معطيات سابقة؛ ما يُمكّننا من التخطيط المُسبَق على نحوٍ أكثر دقة، ويساعدنا على اتِّخاذ قرارات استراتيجية تدعم النمو المستدام، وتُقلِّل من المخاطر.
- على سبيل المثال، يُمكِن توقُّع النمو في الإيرادات أو تحديد التغيُّرات في الطلب على المُنتجات والخدمات.
كشف الارتباطات بين المُتغيِّرات
- الارتباط الموجب: وفيه تزداد قيمة أحد المُتغيِّرات عند زيادة الآخر.
- الارتباط السالب: وفيه تنخفض قيمة أحد المُتغيِّرات عند زيادة الآخر.
- عدم وجود ارتباط: وفيه تنعدم العلاقة الواضحة بين المُتغيِّرات.
تعرُّف الأنماط المُتكرِّرة
- تشير الأنماط في البيانات إلى العناصر أو السلوكات التي تظهر بشكل مُتكرِّر داخل مجموعة…