محترف معتمد في تحليل البيانات

برنامج محترف معتمد في تحليل البيانات (CDAP) هو تدريب عملي قائم على المشاريع مُصمّم لبناء أساس قوي في تحليل البيانات باستخدام أدوات رائدة في القطاع مثل Excel وPower BI وMySQL وTableau وLooker Studio. يغطي البرنامج منظومة تحليل البيانات بالكامل—من جمع البيانات وتحويلها إلى النمذجة والتصوير المرئي وسرد البيانات—مما يمكّن المشاركين من استخلاص الرؤى وإيصالها بفعالية. ومن خلال منهج تطبيقي، يكتسب المشاركون خبرة عملية عبر دورة حياة تحليل البيانات الكاملة، وصولاً إلى مشروع تخرّج واقعي. سيتم تزويد الخريجين بالمهارات الواقعية المطلوبة لوظائف مثل محلل البيانات، وسيكونون جاهزين للتقدّم إلى أدوار أكثر تقدماً في البيانات والذكاء الاصطناعي، مدعومين بحافظة مشاريع تطبيقية جاهزة لسوق العمل.

لا توجد متطلبات مسبقة محددة للالتحاق بالبرنامج، لكن الإلمام الأساسي بالرياضيات والإحصاء سيعزّز تجربة التعلّم لديك. الإلمام بالمفاهيم الأساسية في الرياضيات والإحصاء اختياري لكنه مفيد.

طريقة التعلّم

• التدريب بقيادة المدرّب (ILT): شارك في جلسات تفاعلية داخل قاعة الدراسة يقودها محترفون ذوو خبرة في القطاع لتجربة تعلّم غامرة.
• التدريب الافتراضي بقيادة المدرّب (VILT): انضم إلى فصول مباشرة عبر الإنترنت من أي مكان، بما يوفّر مرونة دون التضحية بالتفاعل والإرشاد.

• محللو البيانات الطموحونالأفراد الساعون إلى بناء أساس قوي في التعامل مع البيانات والتصوير المرئي والتفكير التحليلي باستخدام أدوات مثل Excel وPower BI وSQL.
• المطورون والمهندسون التقنيونمهندسو البرمجيات أو متخصصو تقنية المعلومات الراغبون في التوسّع نحو أدوار تحليل البيانات وذكاء الأعمال.
• محترفو الأعمال والتحليلاتصنّاع القرار والمحللون وقادة الفرق الراغبون في الاستفادة من البيانات للحصول على رؤى أعمال أذكى واستراتيجيات قائمة على البيانات.

• تحليل البيانات وتنظيفها وتحويلها باستخدام Excel وPower BI وSQL.
• تصميم قواعد البيانات العلائقية والاستعلام عنها باستخدام MySQL.
• تطبيق التقنيات الإحصائية لكشف الرؤى ودعم اتخاذ القرارات.
• بناء لوحات معلومات تفاعلية وإيصال البيانات من خلال سرد البيانات المرئي.
• إنجاز مشاريع واقعية لإبراز مهارات تحليل البيانات الجاهزة لسوق العمل.

ساعات البرنامج

120 ساعة

التدريب المؤسسي

16 يوماً كاملاً، مدة كل يوم 7–8 ساعات.

المتعلّمون الأفراد

برنامج مدته 4 أشهر بواقع جلستين أسبوعياً (4 ساعات لكل جلسة)، أو برنامج مدته 5 أشهر بواقع جلسة واحدة أسبوعياً (6 ساعات لكل جلسة).

المواقع

الولايات المتحدة (نيوارك، ديلاوير)؛ المملكة العربية السعودية (الرياض)؛ الإمارات العربية المتحدة (أبراج بحيرات جميرا، دبي — بالشراكة مع Elbadya Quantum)؛ مصر (القاهرة الجديدة، مدينة نصر، والمهندسين/الجيزة).

عند إتمام برنامج محترف معتمد في تحليل البيانات (CDAP) بنجاح، يحصل المشاركون على شهادة إنجاز رسمية من ابسلون لحلول التعلم والذكاء الاصطناعي — الولايات المتحدة، تقرّ بكفاءتهم في تحليل البيانات والإحصاء وExcel وPower BI وSQL والتصوير المرئي للبيانات. يُقدَّم البرنامج بما يتوافق مع المعايير الدولية، بما في ذلك ISO 21001 وISO 9001 — مع حصول الشركة الأم ابسلون للذكاء الاصطناعي العالمية أيضًا على شهادة ISO/IEC 27001:2022 لأمن المعلومات — ويتّبع أطراً معترفاً بها عالمياً مثل IACET وCPD، بما يضمن تجربة تعلّم عالية الجودة وذات صلة بالقطاع. يحصل جميع الخريجين على شهادة موثّقة رقمياً تحتوي على معرّف شهادة فريد ومعرّف EPSILON شخصي، مما يتيح التحقق الفوري والآمن عبر الإنترنت—وهي مثالية للحوافظ المهنية وملفات LinkedIn والتحقق من قبل أصحاب العمل. وبالإضافة إلى ذلك، تُصدَر شهادة ورقية مرموقة مطبوعة بميزات أمان وعلامة تجارية متقدمة تشمل رقماً تسلسلياً فريداً ورمز تحقق، وختماً مذهّباً بارزاً مع توقيعات EPSILON AI المعتمدة، وعناصر أمان مطبوعة بالأشعة فوق البنفسجية (UV) لتعزيز الأصالة والحماية من التزوير.

• حضور ما لا يقل عن 80% من الجلسات التدريبية المباشرة.
• تحقيق درجة لا تقل عن 80% في الاختبار النهائي.
• إتمام مشروع التخرّج وتقديمه بنجاح.

• ما هو تحليل البيانات؟
• الأهمية للأعمال وحالات الاستخدام الواقعية
• عملية تحليل البيانات: الجمع، التنظيف، الاستكشاف، النمذجة، التصوير المرئي
• أنواع البيانات ومستويات القياس
• دور محلل البيانات ومهاراته

• مقدمة في الإحصاء الوصفي
• أنواع البيانات: الفئوية مقابل العددية
• مستويات القياس: الاسمية والترتيبية والفترية والنسبية
• الرسوم البيانية للبيانات الفئوية: المخططات الشريطية والدائرية
• جداول التوزيع التكراري
• فهم العلاقات بين المتغيرات
• مقاييس النزعة المركزية: المتوسط والوسيط والمنوال
• مقاييس التشتت: المدى والتباين والانحراف المعياري
• فهم الالتواء وشكل التوزيعات
• التغاير والارتباط: تحديد الأنماط والعلاقات
• استخدام حزمة أدوات التحليل Analysis ToolPak في Excel: ملخص الإحصاء الوصفي؛ المتوسط والوسيط والمنوال؛ المدى والحد الأدنى والحد الأقصى؛ الالتواء والانحراف المعياري
• مقدمة في الإحصاء الاستدلالي
• أنواع التوزيعات: الطبيعي، t، مربع كاي، وغيرها
• نظرية النهاية المركزية وتوزيعات العينات
• المُقدِّرات مقابل التقديرات
• فترات الثقة وهامش الخطأ
• أساسيات اختبار الفرضيات (أمثلة العينة الواحدة)

• أساسيات Excel: التنقّل في الواجهة (الأشرطة، أوراق العمل، الخلايا، والنطاقات)؛ بنية المصنّف وتقنيات إدخال البيانات وأفضل ممارسات التنسيق
• أساسيات التعامل مع البيانات: الفرز والتصفية (أحادي ومتعدد المستويات)؛ تجميد الأجزاء وإخفاء/إظهار الصفوف والأعمدة؛ إنشاء الجداول المنظمة وفهم تنسيق الجداول
• التحقق من الصحة ومنع الأخطاء: التحقق من صحة البيانات (القوائم المنسدلة وقيود الإدخال)؛ إزالة التكرارات واستخدام تحويل النص إلى أعمدة
• مقدمة في دوال Excel: الدوال الحسابية (SUM، AVERAGE، MIN، MAX، COUNT)؛ المنطق الأساسي (IF، AND، OR)
• مقدمة في التنسيق الشرطي: المؤشرات المرئية (مقاييس الألوان ومجموعات الأيقونات وأشرطة البيانات)
• التصوير المرئي الأساسي للبيانات: إنشاء المخططات الشريطية والعمودية والخطية والدائرية؛ تنسيق عناصر المخطط وتخطيطه
• المشروع رقم 1: بناء أداة تتبّع للموظفين نظيفة ومُتحقَّق منها مع إحصاءات موجزة وعناصر مرئية منسّقة

• الاستخدام المتقدم للدوال — دوال النصوص: CONCATENATE، TEXTJOIN، LEFT، RIGHT، MID، LEN، FIND، SUBSTITUTE
• الدوال المنطقية ودوال الأخطاء: الدوال المتداخلة Nested IFs، IFERROR، IFS
• دوال البحث: VLOOKUP، HLOOKUP، INDEX-MATCH، XLOOKUP
• الدوال الإحصائية: MEDIAN، MODE، STDEV، VAR، RANK، LARGE، SMALL
• دوال التاريخ والوقت: TODAY، NOW، DATEDIF، NETWORKDAYS، EOMONTH، TEXT
• معادلات المصفوفات والمصفوفات الديناميكية: فهم وتطبيق FILTER، SORT، UNIQUE
• جداول Pivot ومخططات Pivot: إنشاء الجداول المحورية وتجميعها وتلخيصها وتخصيصها؛ GETPIVOTDATA للمرجع المنظم والحقول المحسوبة؛ دمج أدوات التقطيع (Slicers) والجداول الزمنية للتفاعلية
• التصوير المرئي المتقدم للبيانات: بناء المخططات المدمجة والمدرّج التكراري ومخططات الشلال (Waterfall)؛ تحسين لوحات المعلومات بالتنسيق الشرطي والمؤشرات المرئية
• Power Query في Excel: استيراد البيانات من مصادر متعددة (Excel، CSV، الويب، قواعد البيانات)؛ تحويل البيانات (التقسيم، التنظيف، التصفية، التعبئة، الإلحاق، الدمج)؛ إدارة القيم الفارغة وتنظيف النصوص والأعمدة الشرطية
• نمذجة البيانات باستخدام Power Pivot: إنشاء العلاقات وبنية المخطط النجمي (Star Schema)؛ الأعمدة المحسوبة مقابل المقاييس وإنشاء مؤشرات الأداء الرئيسية (KPI)
• أساسيات DAX داخل Excel: استخدام DAX للحسابات الديناميكية؛ دوال ذكاء الوقت (YTD، MTD، SAMEPERIODLASTYEAR)؛ فهم سياق الصف مقابل سياق التصفية واستخدام VAR للتحسين
• المشروع رقم 2: بناء لوحة مبيعات احترافية بالاعتماد على Excel تجمع بين Power Query وجداول PivotTables ونمذجة Power Pivot وحسابات DAX لإعداد التقارير والتحليل التفاعلي
• المشروع رقم 3: بناء ورقة للتنبؤ بتسرّب العملاء باستخدام المعادلات ولوحات المعلومات لإبراز عوامل الخطر والاتجاهات الشهرية

• حالة عمل شاملة تتطلب الاستخدام الكامل لأدوات Excel: Power Query وجداول PivotTables وPower Pivot وDAX والتصورات المرئية المتقدمة. التسليم النهائي عبارة عن لوحة معلومات على المستوى التنفيذي تحاكي تحليل أداء متعدد الأقسام.

• أساسيات Power Query: نظرة عامة على الواجهة وبنية سير العمل؛ الاتصال بمصادر بيانات متنوعة (Excel، CSV، الويب، APIs، SQL، وغيرها)
• تقنيات تحويل البيانات: التصفية والفرز وإزالة التكرارات؛ تقسيم الأعمدة واستبدال القيم؛ تنظيف النصوص وإزالة المسافات وإعادة تسمية الأعمدة؛ التعامل مع البيانات المفقودة وتوصيف البيانات
• العمليات المتقدمة: تجميع البيانات وتدويرها وإلغاء تدويرها؛ إلحاق ودمج الاستعلامات؛ إجراء عمليات الربط المتقدمة (Inner، Left، Right، Full)؛ حساب فروق التواريخ ومعالجة النصوص
• المنطق المخصص باستخدام لغة M: قراءة وكتابة كود M الأساسي؛ تعديل الاستعلامات باستخدام المحرر المتقدم؛ تطبيق تحويلات مخصصة باستخدام دوال M؛ تصحيح وتحسين كود M لأداء أفضل
• المشروع رقم 4: تنظيف وتحويل بيانات التسويق — استخدام Power Query لتوحيد وتنظيف بيانات الحملات الأولية من مصادر متعددة

• مبادئ نمذجة البيانات: تصميم المخطط النجمي مقابل المخطط الثلجي (Snowflake)؛ بناء وإدارة العلاقات (واحد إلى متعدد، متعدد إلى متعدد)
• أساسيات DAX: بناء الجملة والعوامل والأعمدة المحسوبة والمقاييس؛ الدوال الشائعة (SUM، COUNT، AVERAGE، CALCULATE)
• تقنيات DAX المتقدمة: ذكاء الوقت (YTD، MTD، SAMEPERIODLASTYEAR)؛ التجميع باستخدام المكررات (SUMX، AVERAGEX)؛ منطق السياق (سياق الصف مقابل سياق التصفية، المتغيرات VAR)؛ معالجة التصفية (FILTER، ALL، SELECTEDVALUE)
• تصميم مؤشرات الأداء الرئيسية (KPIs) والمقاييس
• المشروع رقم 5: لوحة تحليلات الموارد البشرية باستخدام نماذج بيانات Power BI وDAX

• التطوير المرئي باستخدام Power BI Desktop: إتقان مكوّنات الواجهة (علامات تبويب الصفحة الرئيسية، الإدراج، النمذجة، والعرض)؛ استخدام العناصر المرئية (الشريطية، الدائرية، الخطية، المدمجة، الشجرية، المقياس، الخرائط)
• ميزات التفاعلية: عوامل التصفية، أدوات التقطيع (Slicers)، الإشارات المرجعية، التنقّل التفصيلي (Drill-through)، تلميحات الأدوات؛ إنشاء التنقّل وتجارب المستخدم متعددة الطبقات
• أفضل ممارسات سرد البيانات: التصميم الهادف (مبادئ التخطيط، رحلة المستخدم، التسلسل الهرمي)؛ صياغة أسئلة الأعمال في صورة رؤى مرئية
• المشروع رقم 6: لوحة مبيعات تنفيذية مع سرد البيانات والتفاعلية

• نظرة عامة على منصة Power BI السحابية: نشر التقارير ولوحات المعلومات؛ تحديث مجموعات البيانات والتحديثات المجدولة
• إدارة مساحات العمل والأذونات: إنشاء مساحات العمل وإدارتها؛ مشاركة التقارير بأمان والتعاون ضمن الفرق
• تطوير تحليل What-If: إنشاء المعاملات والعناصر المرئية الديناميكية للمحاكاة
• المشروع رقم 7: لوحة سيناريوهات التسويق باستخدام معاملات What-If

• تقديم تقرير ذكاء أعمال متكامل يجمع بين Power Query ونمذجة البيانات وDAX، منشور على خدمة Power BI، ويشمل ميزات التفاعلية والتنقّل والمحاكاة. يتضمن التسليم النهائي عرضاً تقديمياً تنفيذياً.

• الاتصال بـ Google Sheets وBigQuery وSQL
• بطاقات النتائج والمخططات وعوامل التصفية والتنقّل التفصيلي
• المشروع رقم 8: لوحة التجارة الإلكترونية باستخدام Looker Data Studio

• التنقّل والتصميم المرئي (الشريطي، الخطي، الخرائط، المخصص)
• عوامل التصفية والتمييز وميزات سرد البيانات
• المشروع رقم 9: مقاييس أداء الأعمال باستخدام Tableau

• Power Automate للمحللين: أتمتة مهام سير عمل البيانات الروتينية من Excel وSharePoint وForms وغيرها؛ المشغّلات والموصّلات وتدفقات المنطق؛ التكامل مع منظومة Microsoft
• استخدام ChatGPT وأدوات الذكاء الاصطناعي: هندسة الأوامر (Prompt Engineering) لاستكشاف البيانات وتلخيصها؛ تصنيف النصوص واستخراج الكيانات وتنظيف البيانات باستخدام GPT؛ بناء إضافات ChatGPT وإضافات GPT لـ Excel للتحليل

• مفاهيم قواعد البيانات العلائقية (RDBMS): تصميم قواعد البيانات؛ الجداول والأعمدة وأنواع البيانات؛ العلاقات (واحد إلى متعدد ومتعدد إلى متعدد)
• MySQL لعلوم البيانات: MySQL Workbench؛ عمليات CRUD؛ تحديد البيانات؛ تصفية البيانات؛ ترتيب البيانات؛ تحديد عدد البيانات؛ الدوال التجميعية؛ تجميع البيانات؛ الاستعلامات الفرعية؛ إدارة التاريخ والوقت؛ إدراج بيانات جديدة؛ تحديث البيانات؛ حذف البيانات
• الاتصال بقواعد البيانات ومعالجة البيانات باستخدام Python
• نشاط: تصميم بنية قاعدة بيانات مثل Facebook وTalabat وYouTube
• المشروع رقم 10: تصميم قاعدة بيانات للتجارة الإلكترونية
• المشروع رقم 11: تحليل قاعدة بيانات نظام التجارة الإلكترونية
• المشروع رقم 12: تحليل قاعدة بيانات دورات Lynda

• نظرة عامة على السحابة: AWS، Azure، GCP
• أدوات تكامل البيانات والتحليلات
• الأساسيات — أساسيات السحابة وتحليلات البيانات: ما هي الحوسبة السحابية؟ (IaaS مقابل PaaS مقابل SaaS، السحابة المتعددة مقابل السحابة الواحدة)؛ لماذا يحتاج المحللون إلى السحابة (قابلية التوسّع، كفاءة التكلفة، التعاون، الوصول إلى البيانات الضخمة)؛ نظرة عامة على GCP وخدماتها الأساسية (الحوسبة، التخزين، قواعد البيانات، الشبكات، IAM)؛ إعداد حساب GCP وفهم الفوترة (يشمله إعداد حساب GCP المجاني ورصيد التجربة)
• تخزين البيانات وإدخالها على GCP: Cloud Storage (الحاويات، تنسيقات الملفات: CSV، Parquet، Avro)؛ Cloud SQL (قاعدة بيانات علائقية للمحللين)؛ مقدمة في BigQuery (الأداة الأساسية للمحلل)؛ أدوات إدخال البيانات (Pub/Sub، أساسيات Dataflow، Dataprep، الاستيراد من مصادر خارجية مثل Sheets وAPIs)
• BigQuery للمحللين (وحدة أساسية): بنية BigQuery (بلا خوادم، التخزين العمودي، فصل الحوسبة عن التخزين)؛ كتابة SQL فعّالة في BigQuery (SQL القياسي، الحقول المتداخلة، المصفوفات)؛ التقسيم والتجميع (Partitioning & Clustering) لتحسين التكلفة؛ تحسين أداء الاستعلامات ونموذج التسعير (حسب الطلب مقابل السعر الثابت). يتم ذلك ضمن BigQuery Sandbox والطبقة المجانية الدائمة.
• تحويل البيانات وتنسيق مهام سير العمل: مقدمة في Dataform (مسارات ETL/ELT للمحللين)؛ Dataprep لمعالجة البيانات دون برمجة مكثّفة؛ Cloud Composer (Airflow في GCP) لجدولة مهام سير العمل؛ مثال على مسار يومي (تحميل CSV الخام ← التنظيف والتحويل ← جدول BigQuery ← لوحة المعلومات)
• ملاحظة مهمة حول التكلفة: صُمّم هذا المنهج ليُكمَل مجاناً باستخدام الطبقة المجانية السخية من Google Cloud والرصيد المبدئي، مع إرشادات حول الخدمات المجانية دائماً وكيفية مراقبة الاستخدام وإعداد التنبيهات لرحلة تعلّم خالية من القلق.

• يحاكي مشروع التخرّج النهائي سيناريو عمل واقعياً يتطلب من المشاركين تطبيق دورة حياة تحليل البيانات الكاملة — من إدخال البيانات الأولية إلى عرض الرؤى القابلة للتنفيذ — عبر مختلف الأدوات التي يغطيها البرنامج.
• مُخرَج: لوحة معلومات متعددة المنصات
• مُخرَج: وثيقة ملخص استراتيجية البيانات
• مُخرَج: عرض تقديمي تنفيذي مسجّل أو مباشر يحاكي التفاعل الواقعي مع أصحاب المصلحة