مقدمة في تحليل البيانات

• أعرّف البيانات، وأذكر أنواعها.
• أُبيّن أهمية تحليل البيانات.
• أُوضّح أهمّ طرائق تحليل البيانات.

البيانات اليوم: لماذا نحتاج إلى تحليلها؟

نعيش اليوم في عصر استحوذت عليه البيانات؛ إذ أصبحت عنصرًا أساسيًا تعتمد عليه المؤسسات والأفراد في اتّخاذ القرارات المُهمّة.

• غَدَت البيانات رأس مال الشركات الكبرى ومفتاحاً للولوج إلى عالم النجاح والتطوّر.
• وقد تزايدت أهميتها في ظل الانتشار الواسع لوسائل التكنولوجيا الحديثة، التي أتاحت للناس كافَّةً جمع كم ضخم من البيانات واستخدامها.

بناءً على معرفتي السابقة، أُصنِّف كُلّاً ممّا يأتي إلى بيانات ومعلومات:

علامات الطلبة في مبحث العلوم.

قائمة تحوي أسماء الطلبة مُرَتَّبة ترتيباً هجائياً.

نسب هطل الأمطار خلال أسبوع كامل.

نتائج الطلبة النهائية في امتحان قبول (ناجح أو راسب).

ما البيانات؟ أرقام وحروف وصور وأصوات

• فحص البيانات ومعالجتها يُمكننا من إيجاد أنماط مُحدَّدة لهذه البيانات، تساعدنا على اتخاذ قرارات مُهمَّة.
• توحي البيانات بصور مفيدة ودلالات مُتعدِّدة عند تحليلها.
• الهدف من تحليل البيانات هو تحويل البيانات الخام إلى معارف ومعلومات تساعد الفرد على اتخاذ القرار.

استخدم سراج أنا وأفراد مجموعتي لنحدد نوع البيانات في كل صف من صفوف الجدول الآتي:

"Hello World" 20

20.5 [20,32,45,90] ("apple", 'Banana', "Cherry") {"name":"John","age":36} False

• 56 "hello@gmail.com" "576354321235"

تحليل البيانات: من الخام إلى القرار

• يستفاد من تحليل البيانات على المستوى الشخصي والمستوى المُؤسَّسي، ويشمل ذلك جميع المجالات.
• على المستوى الشخصي: يعتمد تحليل البيانات على بيانات بسيطة وتحليل مباشر بناءً على الخبرة أو المعرفة السابقة.
• على المستوى المُؤسَّسي: يكون التحليل أكثر شمولاً وتعقيداً، ويتطلَّب التعامل مع كمّ هائل من البيانات ⁦(Big Data)⁩ باستخدام أدوات تحليل مُتقدِّمة ومهارات مُتخصِّصة.
• يساعد هذا التحليل المؤسسات على فهم الأنماط، وتوقُّع الاتجاهات، واتخاذ قرارات استراتيجية تُؤثِّر في الأعمال تأثيراً كبيراً.

سبع مراحل: من السؤال إلى القرار

بوجه عام، تَمُرُّ عملية تحليل البيانات بالمراحل التكرارية السبع الآتية: تحديد الأهداف والأسئلة، الإعداد، جمع البيانات، تنظيف البيانات، تحليل البيانات، تفسير البيانات وعرضها، اتخاذ القرارات وتنفيذ الإجراءات.

• كل مرحلة من تلك المراحل تعتمد على المرحلة التي تسبقها؛ لضمان أن يكون التحليل فاعلاً وواضحاً وقابلاً للتنفيذ.

• ما المشكلة التي أُحاول حَلَّها؟
• ما الذي يلزم الأطراف المُعنيَّة؟

• ما البيانات التي أحتاج إليها؟
• كيف أُنظّم هذه البيانات تنظيماً فاعلاً؟
• ما المصادر التي سأجمع منها البيانات التي تلزمني؟

• 4. تنظيف البيانات ⁦(Data Cleaning)⁩: مرحلة أساسية؛ تتضمَّن فحص البيانات بصورة دقيقة لتحديد الأخطاء والتناقضات ومعالجتها.
• إزالة الإدخالات المُكرَّرة، والتعامل مع القِيَم المفقودة، وتصحيح الأخطاء الناجمة عن إدخال البيانات، وضمان اتّساق البيانات.
• يهدف تنظيف البيانات إلى تحسين جودة البيانات وزيادة درجة موثوقيتها، وهو أمر ضروري للحصول على نتائج دقيقة ذات دلالات مُحدَّدة.

• تفسير

  البيانات وتمثيلها مرئيّاً يُسهم في جعل النتائج قابلة للفهم، ويساعد الأطراف المَعْنِيَّة على فهمها، ويُمكّنهم من اتِّخاذ قرارات مستنيرة.

أُناقش - بالتعاون مع أفراد مجموعتي - العبارات الآتية، ثمَّ نُصنِّفها معاً إلى مراحل البيانات التي تُعبِّر عنها:

"استبعاد الصفوف التي تحتوي على أخطاء في القِيَم أو في البيانات غير المنطقية".

"إجراء استطلاع رأي لجمع وجهات نظر العملاء حيال المُنتج الجديد".

"تحديد القرارات الرئيسة بناءً على النتائج المُستخلصة من التحليل".

"استخدام جدول محوري لاكتشاف الأنماط في البيانات".

"تحويل التواريخ إلى صيغة مُوحَّدة لسهولة التحليل".

"تقديم عرض تقديمي للإدارة العليا يتضمَّن الرسوم البيانية والنتائج".

"تنفيذ الاستراتيجية الجديدة الآن بناءً على تحليل البيانات".

أُشارك أفراد المجموعات الأخرى في الإجابة التي توصَّلنا إليها في المجموعة، ثمَّ نتبادل معاً التغذية الراجعة.

لماذا نحلل البيانات؟ أربعة مناحٍ

• 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

التنبؤ: نقرأ الماضي لنقدّر المستقبل

• يساعد تحليل البيانات على استقراء المستقبل بناءً على البيانات المؤرشفة.
• 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.
• يُمكِن توقُّع النمو في الإيرادات أو تحديد التغيُّرات في الطلب على المُنتجات والخدمات.

أدرس البيانات الواردة في الجدول (1-1)، ثمَّ أُحاوِل التنبُّؤ بقيمة الرسوم للسنتين الدراسيتين (2025-2026، 2026-2027)، ثمَّ أُجيب عن السؤالين الآتيين:

ما القِيَم التي تنبَّأتُ بها؟

ما الطريقة التي استخدمْتُها في عملية التنبُّؤ؟

أُقارن إجابتي بإجابات الزملاء/الزميلات في الصف، ثمَّ نُناقش معاً سبب الاختلاف في القِيَم.

الارتباط: كيف يتحرك متغيّر مع آخر؟

• يساعد تحليل البيانات على فهم العلاقات الإحصائية بين المُتغيِّرات المختلفة وتحديدها؛ ما يُمكننا من اتخاذ قرارات دقيقة
• العلاقة بين المُتغيِّرات تظهر غالبًا بأحد الأشكال الثلاثة الآتية:
• 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.

ولنرى هذه العلاقات بأعيننا نرسمها.

أبحث في الحياة اليومية عن أمثلة على بيانات مُترابطة (مثل: العلاقة بين عمر السيارة وعدد الكيلومترات التي تقطعها بالوقود، والعلاقة بين عدد ساعات استخدام الهاتف المحمول والنوم الصِّحّي، والعلاقة بين درجة الحرارة ومبيعات المُثلجات)، ثمَّ أمثلها باستخدام مُخطط تشتت، ثمَّ أحلِّل المُخطط لتحديد نوع الارتباط بين المُتغيِّرات (موجب، سالب، عدم وجود ارتباط).

الأنماط: ما الذي يتكرر في البيانات؟

• يساعد اكتشاف هذه الأنماط على فهم السلوكات التي يُمكن الإفادة منها في تحسين الأداء أو اتخاذ القرارات
• هذه الأنماط ليست مُقتصرة على عمليات البيع والشراء
• سلوك المُستخدِمين في تصفح المواقع الإلكترونية في شبكة الإنترنت
• العمليات الصناعية
• الأنماط الصِّحّية في بيانات المستشفيات
• فهي تُعدُّ مطلبًا أساسيًّا في علم البيانات.

الاتجاه: إلى أين تسير القيم مع الزمن؟

• تُعدُّ الزيادة التدريجية في مُتوسِّط درجة حرارة الأرض بسبب تغيّر المناخ اتِّجاهًا.
• تُصنَّف الاتِّجاهات إلى ثلاثة أنواع، هي:
• الاتِّجاه التصاعدي ⁦(Uptrend)⁩: يشير هذا الاتِّجاه إلى حركة تصاعدية عامة في البيانات.
• الاتِّجاه التنازلي ⁦(Downtrend)⁩: يُظهر هذا الاتِّجاه حركة تنازلية عامة.
• الاتِّجاه الجانبي ⁦(Sideways Trend)⁩: يَصف هذا الاتِّجاه حالة يتذبذب فيها المُتغيِّر من دون أنْ يُظهر حركة صافية مُحدَّدة.
• يساعد تحليل الاتِّجاهات على التنبُّؤ بالتغيُّرات المستقبلية، ويُسهم في تحديد المخاطر المُحتملة، وتعديل الاستراتيجيات وفقًا لها.

أربعة أنواع تجيب عن أربعة أسئلة

• تُعدُّ البيانات أداة أساسية للإجابة عن الأسئلة التي تدعم اتخاذ قرارات مُهمَّة، وهي تُسهم أيضًا في إيجاد تساؤلات جديدة تُمثّل وسيلة لاستكشاف الاتجاهات وفتح آفاق معرفية تُعزِّز مناحي الإبداع والابتكار.
• تحقيق الفائدة القصوى من البيانات يتطلَّب فهم أنواع التحليل المختلفة للتمكُّن من اختيار الأنسب منها.

• تحليل البيانات الوصفي ⁦(Descriptive Analytics)⁩: "ما الذي حدث؟".
• تحليل البيانات التشخيصي ⁦(Diagnostic Analytics)⁩: "لماذا حدث ذلك؟".
• تحليل البيانات التنبُّؤي ⁦(Predictive Analytics)⁩: "ماذا سيحدث مستقبلًا؟".
• تحليل البيانات التوجيهي ⁦(Prescriptive Analytics)⁩: "ماذا يجب أن نفعل حيال ذلك؟".

الوصفي: ما الذي حدث؟

• يبحث التحليل الوصفي في البيانات الرقمية، وهو يُعنى بتقديم صورة واضحة وشاملة عن البيانات باستخدام تقنيات إحصائية ورسوم بيانية.

• أ. مقاييس التكرار والجداول التكرارية: تهدف هذه التقنية إلى تحديد أكثر القِيَم شيوعًا في البيانات.
• ب. مقاييس التشتُّت ومقاييس النزعة المركزية: تهدف هذه التقنية إلى تلخيص البيانات. ومن أمثلتها: الوسط، والوسيط، والمنوال، والتباين، ومقاييس النزعة المركزية والانحراف المعياري.
• ج. تحليل توزيع البيانات: تهدف هذه التقنية إلى فهم نمط توزيع البيانات، مثل تحديد إذا كانت تتبع التوزيع الطبيعي أم لا.

التشخيصي: لماذا حدث ذلك؟

• يساعد على تحديد الأسباب الرئيسة لاتِّخاذ خطوات تصحيحية.

• أ. تحليل السلاسل الزمنية: تهدف هذه التقنية إلى تحليل البيانات، وتقييم التغيُّرات بمرور الوقت، وتحديد الأحداث المُؤثِّرة.
• ب. تحليل الارتباط: تهدف هذه التقنية إلى تحديد مدى قوَّة العلاقة بين المُتغيِّرات ونوعها؛ ما يساعد على كشف العوامل المُؤثِّرة.

التنبؤي: ماذا سيحدث مستقبلًا؟

• يعتمد التحليل التنبُّؤي على البيانات المُؤرشفة والنماذج الإحصائية وخوارزميات تعلُّم الآلة في استخلاص توقُّعات دقيقة تدعم اتِّخاذ قرارات استراتيجية.

• يستخدم التحليل التنبُّؤي أدوات مُتعدِّدة، مثل: أداة بايثون ⁦(Python)⁩ التي تعتمد على مكتبات مُتخصِّصة (مثل: ⁦Pandas⁩، و⁦NumPy⁩، و⁦Scikit-Learn⁩) في تحليل البيانات وتطوير النماذج التنبُّؤية
• وأداة ⁦(SQL)⁩ التي يُعتمد عليها في استخراج البيانات من قواعد البيانات ومعالجتها.
• تُوفِّر بعض المنصَّات (مثل ⁦Microsoft Azure Machine Learning⁩) بيئة مرنة لتطوير نماذج تعلُّم الآلة ونشرها.

التوجيهي: ماذا يجب أن نفعل حيال ذلك؟

• يستخدم تحليل البيانات التوجيهي النتائج المُستخلصة من الأنواع الأخرى (مثل: التحليل الوصفي، والتحليل التشخيصي، والتحليل التنبُّؤي) في تقديم توصيات عملية وقابلة للتنفيذ حيال كيفية التصرُّف في مواجهة المشكلات، أو عند اتِّخاذ قرارات استراتيجية.

• أ. الخوارزميات: تُستخدم الخوارزميات في تنفيذ المهام بناءً على قواعد مُحدَّدة؛ إذ تُستخدم في البنوك مثلاً خوارزميات لمراقبة إنفاق العملاء، ويُمكن لهذه الخوارزميات التوصية بإلغاء تنشيط بطاقات الائتمان عند الاشتباه في حدوث احتيال.

• خوارزميات تعلُّم الآلة ⁦(Machine Learning)⁩: تُعدُّ خوارزميات تعلُّم الآلة أداة فاعلة للتحليل التوجيهي؛ فهي تساعد على معالجة كمٍّ كبير من البيانات لتحديد أفضل مسارات العمل.
• تُستخدم هذه الخوارزميات في تقديم توصيات دقيقة عن طريق تدريب النماذج باستخدام معادلات رياضية وقواعد شرطية.

أبحث في المواقع الإلكترونية الموثوقة في شبكة الإنترنت عن أنواع جديدة ومُتقدِّمة لتحليل البيانات، ثمَّ أكتب تقريرًا عن ذلك، وأضمِّنه بيانًا لأهمية كل نوع من أنواع تحليل البيانات في دعم القرارات وتطوير العمليات، وذكرًا للتقنيات والأدوات المُستخدمة في تنفيذ كل من هذه الأنواع.

أدرس الحالة الآتية، ثمَّ أُبيِّن - بالتعاون مع أفراد مجموعتي - كيف يُمكن استخدام أنواع تحليل البيانات في حلِّ المشكلة:

"لاحظت إدارة شركة لبيع الملابس تغيُّراً في حجم مبيعاتها خلال الأشهر الثلاثة الأخيرة، وهي تسعى إلى فهم هذا التغيُّر، واتِّخاذ قرارات ناجعة لتحسين مُعدَّل المبيعات".

بعد ذلك أُقارن وزملائي في المجموعة النتائج التي توصَّلنا إليها في المجموعة بما توصَّل إليه أفراد المجموعات الأخرى من نتائج، ثمَّ نتبادل معاً التغذية الراجعة بإشراف المُعلِّم/ المُعلِّمة.

المواطنة الرقمية: خصوصية وشفافية ومساءلة

• الخصوصية ⁦(Privacy)⁩: أحترم خصوصية الأفراد أثناء عملية جمع البيانات وتحليلها، وأتأكَّد أنَّ البيانات الشخصية تُجمع وتُستخدم وفقاً للقوانين والسياسات المعمول بها.
• الشفافية ⁦(Transparency)⁩: أحرص على توفير معلومات واضحة عن الهدف من تحليل البيانات وكيفية استخدامها.
• المساءلة ⁦(Accountability)⁩: أتحمَّل المسؤولية عن القرارات والإجراءات التي تُتَّخذ بناءً على تحليل البيانات.

أقيّم تعلّمي: أسئلة المعرفة والمهارات

السؤال الأوّل: أعرّف المصطلحات الآتية:

البيانات ⁦(Data)⁩.

تحليل البيانات ⁦(Data analysis)⁩.

التحليل التنبّؤي ⁦(Predictive Analysis)⁩.

السؤال الثاني: أرسم مُخطّطًا يُبيّن مراحل عملية تحليل البيانات.

السؤال الثالث: أذكر تقنية واحدة مُستخدمة في كل نوع من أنواع تحليل البيانات الواردة في الجدول الآتي:

التحليل التشخيصي التحليل الوصفي التحليل التنبّؤي التحليل التوجيهي

المهارات: أوظّف مهارات التفكير الناقد والبحث الرقمي والتواصل في الإجابة عن السؤالين الآتيين:

السؤال الأوّل: أصنّف الجمل الآتية إلى نوع تحليل البيانات الذي تُعبّر عنه كلّ منها:

"إذا زدنا قيمة الخصومات بما نسبته 10%، فإن النموذج يقترح أن يرتفع مُعدّل المبيعات بنسبة 15%".

"الرسوم البيانية تُوضّح أنّ الأداء في الربع الأخير كان هو الأفضل خلال العام".

"تحليل أسباب زيادة الشكاوى يُظهِر أنّ التأخير في الشحن هو المشكلة الأساسية".

"النظام يقترح جدولة الموظفين أثناء أوقات الذروة بناءً على البيانات التنبّؤية".

"البيانات تُظهر أنّ العملاء يُفضّلون التسوّق يوم الجمعة أكثر من الأيام الأخرى".

السؤال الثاني: جاء في تقرير لإحدى المدارس: "أظهرت نتائج تحليل علامات الطلبة أنّ الأداء في بعض المواد كان أقلّ من المُتوقّع؛ ما أثار قلق الإدارة". بناءً على ذلك، أُبيّن كيف يُمكن للإدارة استخدام أنواع التحليل المختلفة في فهم المشكلة واعتماد الحلول المناسبة لتحسين أداء الطلبة.