محترف معتمد في تحليل البيانات

الصورة الكبرى

الذكاء الاصطناعي (AI) هو الهدف العام لجعل الآلات تؤدي مهام تتطلب عادةً ذكاءً بشريًا. وتعلّم الآلة (ML) هو الطريق الأساسي لتحقيق ذلك اليوم: فبدلًا من كتابة القواعد يدويًا، نترك البرنامج يتعلّم الأنماط من البيانات. أما التعلّم العميق (DL) فهو فرع قوي من تعلّم الآلة يستخدم شبكات عصبية متعدّدة الطبقات. وعلم البيانات هو الحرفة الأوسع لتحويل البيانات الخام إلى قرارات — ويجمع بين الإحصاء والبرمجة وتعلّم الآلة معًا.

ثلاثة أنواع من تعلّم الآلة

• التعلّم المُوجَّه — لديك أمثلة موسومة (مدخل ← إجابة معروفة) ويتعلّم النموذج التنبّؤ بالإجابة. مثال: التنبّؤ بسعر منزل من خصائصه.
• التعلّم غير المُوجَّه — بلا وسوم؛ يكتشف النموذج البنية بنفسه، مثل تجميع العملاء المتشابهين (التجميع العنقودي).
• التعلّم المعزّز — يتعلّم الوكيل بالتجربة والمكافأة، مثل برنامج يتعلّم لعب لعبة.

سير عمل علم البيانات

تتبع كل المشاريع تقريبًا الحلقة نفسها. معرفتها تبقيك على المسار مهما زاد تعقيد المشكلة:

• ١. تحديد السؤال ومقياس النجاح مع أصحاب المصلحة.
• ٢. جمع البيانات وتخزينها (ملفات، قواعد بيانات، واجهات برمجية).
• ٣. تنظيفها واستكشافها (EDA) — فهم ما لديك فعلًا.
• ٤. تجهيز الخصائص وتقسيم البيانات إلى تدريب واختبار.
• ٥. تدريب النماذج وتقييمها وضبطها.
• ٦. نشر النموذج المختار ومراقبته في بيئة التشغيل.

أين تقع الأدوات

في هذا البرنامج ستستخدم Python كلغة، و SQL لجلب البيانات من قواعد البيانات، و NumPy/Pandas لاستكشافها، و Matplotlib/Plotly لتصويرها، و scikit-learn لبناء النماذج، و Streamlit لنشرها. وكل موضوع لاحق في هذا الدليل هو محطة على ذلك المسار.

الإحصاء الوصفي: المركز والتشتّت

أولًا، لخّص عمودًا. المركز هو المتوسط (mean) أو الوسيط (median — أكثر مناعة ضد القيم الشاذّة). والتشتّت هو الانحراف المعياري: الصغير يعني أن القيم قريبة من المتوسط؛ والكبير يعني تبعثرها. انظر دائمًا إلى الاثنين — فالمتوسط نفسه قد يُخفي بيانات مختلفة جدًا.

التوزيعات والمنحنى الطبيعي

يُظهر التوزيع عدد مرّات ظهور كل قيمة. ويظهر المنحنى الطبيعي (الجرسي) الشهير في كل مكان. وقاعدته التقريبية: نحو 68% من القيم تقع ضمن انحراف معياري واحد من المتوسط، و95% ضمن انحرافين، و99.7% ضمن ثلاثة. وهكذا تحكم إن كانت قيمة ما «غير معتادة».

الاحتمال في دقيقة

• الاحتمال يقيس مدى ترجيح وقوع حدث، من 0 (مستحيل) إلى 1 (مؤكّد).
• الاحتمال الشرطي P(A|B) — احتمال A بعد وقوع B — هو جوهر نماذج كثيرة (مثل مرشّحات البريد المزعج).
• الأحداث المستقلة تتضاعف: P(A and B) = P(A)·P(B) حين لا يؤثّر أحدها في الآخر.

الاستدلال: هل هذا النمط حقيقي؟

نادرًا ما تملك كل البيانات — بل عيّنة فقط. ويتيح الإحصاء الاستدلالي التعميم من العيّنة إلى المجتمع. ويسأل اختبار الفرضية: «لو لم يكن هناك أثر فعليًا، فما مدى غرابة ما رأيت؟» ويجيب القيمة الاحتمالية p: فقيمة p صغيرة (< 0.05 اصطلاحًا) تعني أن النتيجة يصعب أن تكون محض صدفة.

الارتباط ليس سببية

يقيس الارتباط مدى تحرّك متغيّرين معًا (من -1 إلى +1). وهو أساسي لاختيار الخصائص — لكن شيئين قد يرتبطان دون أن يُسبّب أحدهما الآخر (مبيعات الآيس كريم وحوادث الغرق يرتفعان معًا في الصيف). وإثبات السببية يتطلّب تجربة مضبوطة، لا مجرّد ارتباط.

الصيغ والمراجع

تبدأ الصيغة بـ =، والسحر في مراجع الخلايا: اكتب المنطق مرّة واسحبه للأسفل. والفرق الجوهري بين المرجع النسبي (A1، يتحرّك عند النسخ) والمطلق ($A$1، يبقى ثابتًا) — والخلط بينهما هو الخطأ الأول في Excel.

=SUM(B2:B100)            total
=AVERAGE(B2:B100)        mean
=IF(C2>1000,"High","Low") condition
=VLOOKUP(A2, Sheet2!A:D, 4, FALSE)  join by key
=XLOOKUP(A2, ids, prices)           modern lookup

دوال البحث تضمّ جداولك

تجلب VLOOKUP / XLOOKUP قيمة من جدول آخر بمطابقة مفتاح — وهي نسخة جدول البيانات من JOIN في SQL. و XLOOKUP هي البديل الحديث: تبحث يمينًا ويسارًا وتُرجع رسالة «غير موجود» واضحة.

الجداول المحورية — التلخيص في ثوانٍ

يجمّع الجدول المحوري آلاف الصفوف ويلخّصها بالسحب والإفلات: ضع فئة في الصفوف ورقمًا في القيم، فيبني Excel الملخّص. وهي فكرة GROUP BY نفسها دون كتابة كود — وأثمن مهارة في Excel للمحلّلين.

نظّف قبل أن تحلّل

• «إزالة التكرارات» و«النص إلى أعمدة» و TRIM/CLEAN تصلح الواردات الفوضوية بسرعة.
• «التحقّق من صحة البيانات» يمنع الإدخالات الخاطئة من المصدر (قوائم منسدلة، مديات).
• «التنسيق الشرطي» يحوّل الجدول إلى خريطة حرارية لرؤية الأنماط فورًا.

الجداول والصفوف والأعمدة

تخزّن قاعدة البيانات العلائقية البيانات في جداول — شبكة من الصفوف (السجلّات) والأعمدة (الحقول). ولكل جدول عادةً مفتاح أساسي يميّز الصف تمييزًا فريدًا، وترتبط الجداول ببعضها عبر تلك المفاتيح. و MySQL هو المحرّك الذي ستستخدمه.

تشريح الاستعلام

قراءة البيانات جملة واحدة تُنفَّذ عباراتها دائمًا بترتيب منطقي ثابت. أتقِن هذا الهيكل وستقرأ أي استعلام تقريبًا.

SELECT   city, COUNT(*) AS deals, AVG(price) AS avg_price
FROM     sales
WHERE    year = 2025
GROUP BY city
HAVING   COUNT(*) > 10
ORDER BY avg_price DESC
LIMIT    5;

الدمج (JOIN) — ضمّ الجداول

غالبًا ما تكون البيانات التي تحتاجها موزّعة على جداول (العملاء، الطلبات، المنتجات). ويعيد الدمج (JOIN) ضمّها عبر مفتاح مشترك. INNER JOIN يُبقي المتطابقات فقط؛ و LEFT JOIN يُبقي كل صف من الجدول الأيسر حتى لو لم يوجد تطابق في الأيمن.

SELECT o.id, c.name, o.total
FROM   orders o
JOIN   customers c ON c.id = o.customer_id
WHERE  o.total > 1000;

التجميع حيث تكمن الرؤية

• COUNT و SUM و AVG و MIN و MAX تلخّص صفوفًا كثيرة في رقم واحد.
• GROUP BY يحسب تلك الملخّصات لكل فئة (لكل مدينة، لكل شهر).
• هذا النمط الواحد يجيب عن معظم أسئلة الأعمال: «ما متوسط/إجمالي X لكل Y؟»

Power Query: جلب البيانات وتنظيفها

قبل المرئيات، يتّصل Power Query بالمصادر (Excel و SQL والويب) وينظّفها بخطوات مسجّلة قابلة للتكرار — حذف أعمدة، تقسيم، تدوير، دمج. ولأن الخطوات محفوظة، يعيد التحديث تشغيل التنظيف كاملًا على البيانات الجديدة تلقائيًا.

نموذج البيانات ومخطّط النجمة

يتألّق Power BI حين تربط عدّة جداول بدل ورقة مسطّحة عملاقة. وأفضل ممارسة هي مخطّط النجمة: جدول حقائق مركزي (المعاملات) مرتبط بجداول أبعاد (التاريخ، المنتج، العميل). والعلاقات الجيّدة تجعل كل مرئية تُرشّح كل المرئيات الأخرى.

DAX: مقاييس تُحسب لحظيًا

DAX هي لغة صيغ Power BI. والمقياس يُعاد حسابه وفق ما رشّحه المستخدم — فـ «إجمالي المبيعات» يعني تلقائيًا «إجمالي مبيعات هذه المنطقة، هذا الشهر» عند النقر على مُقسّم. والنموذج الذهني المفتاح هو سياق الترشيح: قيمة المقياس تعتمد على ما هو محدّد حولها.

Total Sales = SUM(Sales[Amount])

Sales YoY % =
VAR ThisYear = [Total Sales]
VAR LastYear = CALCULATE([Total Sales],
                 SAMEPERIODLASTYEAR(Dates[Date]))
RETURN DIVIDE(ThisYear - LastYear, LastYear)

صمّم من أجل القرار

• ابدأ بمؤشّر الأداء الرئيسي، ثم التفاصيل الداعمة — أعلى اليسار يُقرأ أولًا.
• المُقسّمات تتيح للمستخدمين الخدمة الذاتية؛ والتلميحات تضيف عمقًا دون فوضى.
• انشر إلى خدمة Power BI للمشاركة وجدولة التحديثات التلقائية.

Tableau — تحليل يبدأ بالمرئيات

بُني Tableau حول الاستكشاف بالسحب والإفلات: أفلِت حقلًا على الصفوف أو الأعمدة فيرسم أفضل مخطّط فورًا. ويتفوّق في الاكتشاف البصري السريع واللوحات التفاعلية المصقولة، ويتحدّث القواعد نفسها كـ Power BI — الأبعاد (الفئات) مقابل المقاييس (الأرقام).

Looker Studio — مجاني ومتصل بالويب

يتّصل Looker Studio من Google أصلًا بـ Google Sheets و BigQuery و Google Ads و Analytics، ويُشارَك كمستند Google. وهو الخيار الأمثل لتقارير التسويق والويب حين تكون البيانات في منظومة Google أصلًا.

اختر الأداة المناسبة

• Power BI — نمذجة عميقة (DAX)، بيئات مايكروسوفت/المؤسسات.
• Tableau — استكشاف بصري سريع وأجمل المخطّطات.
• Looker Studio — لوحات تسويق/ويب مجانية ضمن منظومة Google.
• Power Automate / أدوات الذكاء — جدولة التحديثات وإطلاق التنبيهات على البيانات.