لا تقل “حسب البيانات” فقط

المحلل المحترف يستطيع شرح:

ما مصدر البيانات؟
ما الفترة؟
كيف تم حساب المؤشر؟
وما القيود الموجودة؟

كلما كان تحليلك قابلًا للتفسير والمراجعة، زادت الثقة في نتائجه.

ماذا تعلمت هذا الشهر؟

لا تقيس تطورك بعدد الدورات التي شاهدتها.

قِسه بما تستطيع فعله اليوم ولم تكن تستطيع فعله قبل شهر.

هل تستطيع تنظيف ملف؟
إنشاء PivotTable؟
كتابة Query؟
بناء Dashboard؟
استخراج Insight؟

في تحليل البيانات، التطبيق هو المقياس الحقيقي للتعلم.

لا تبدأ بـ Power BI!

أحد الأخطاء الشائعة عند تعلم تحليل البيانات هو البدء بالأداة قبل فهم المشكلة.

قبل فتح Excel أو Power BI اسأل:
- ما السؤال الذي أريد الإجابة عنه؟
- ما البيانات التي أحتاجها؟
- وما القرار الذي سأتخذه بعد ظهور النتيجة؟

الأداة تنفذ، لكن التفكير التحليلي هو الذي يقود التحليل.

تمرين بسيط يطور تفكيرك التحليلي

افتح كشف مصروفاتك للشهر الماضي وصنفها إلى:
🏠 أساسيات
☕ كماليات
📱 اشتراكات
🚗 تنقل
💰 ادخار

ثم اسأل:
- أين يذهب أكبر جزء من دخلي؟
- وما المصروف الذي يمكن تخفيضه؟

هذا تحليل بيانات حقيقي، حتى لو لم تستخدم أي برنامج متقدم.

وعطنا النتائج في التعليقات 👇

Excel أقوى مما تتوقع

لا تستعجل الانتقال إلى الأدوات المتقدمة.

إذا أتقنت:
PivotTable
XLOOKUP
SUMIFS
IF
Power Query
والرسوم البيانية

فأنت قادر على تنفيذ نسبة كبيرة من التحليلات اليومية التي تحتاجها في بيئة العمل.

أتقن الأساس قبل مطاردة الأدوات.

📊 كيف تكتشف الأخطاء في بياناتك باستخدام Excel؟

تخيل أن لديك ملف Excel يحتوي على 5,000 عملية بيع، وتريد التأكد من عدم وجود عمليات مكررة.

بدل مراجعة البيانات يدويًا، يمكنك استخدام أداة Conditional Formatting لتحديد القيم المكررة.

الخطوات:
1️⃣ حدد العمود الذي يحتوي على أرقام العمليات.
2️⃣ اختر Conditional Formatting.
3️⃣ اضغط Highlight Cells Rules.
4️⃣ اختر Duplicate Values.

سيقوم Excel بتمييز القيم المكررة مباشرة.

💡 نصيحة: لا تحذف السجلات المكررة قبل التأكد من أنها أخطاء فعلية؛ فقد تتشابه بعض القيم بشكل طبيعي.

💡 ما الفرق بين SUM وSUMIF وSUMIFS؟

ثلاث دوال في Excel يمكنها اختصار الكثير من العمل.

🔹 SUM: تجمع جميع الأرقام في نطاق محدد.

🔹 SUMIF: تجمع الأرقام التي تحقق شرطًا واحدًا.

🔹 SUMIFS: تجمع الأرقام التي تحقق عدة شروط.

مثال:
لديك ملف مبيعات يحتوي على المنطقة والمنتج وقيمة المبيعات.

باستخدام SUMIFS يمكنك معرفة إجمالي مبيعات منتج معين في مدينة الرياض فقط.

🎯 الفكرة: بدل تصفية البيانات يدويًا كل مرة، اجعل Excel يحسب النتائج تلقائيًا.

📈 لماذا نستخدم Power Query؟

إذا كنت تستقبل ملف Excel كل أسبوع وتحتاج إلى تنظيفه وترتيبه، فلا تكرر العمل يدويًا.

هنا تأتي قوة Power Query.

يمكنك استخدامه في:
☑ حذف الأعمدة غير المطلوبة.
☑ معالجة القيم الفارغة.
☑ دمج عدة ملفات.
☑ توحيد تنسيق التواريخ.
☑ إزالة السجلات المكررة بعد التحقق منها.

والأجمل أنك تستطيع إعادة تطبيق خطوات التنظيف عند وصول بيانات جديدة.

💡 تعلم Power Query يوفر وقتًا كبيرًا لمن يعملون على التقارير المتكررة.

🎯 ما الفرق بين KPI وMetric؟

كثير من المبتدئين يخلطون بينهما.

Metric (مقياس):
رقم نستخدمه لقياس نشاط أو نتيجة معينة.

مثل:
عدد زيارات الموقع = 50,000 زيارة.

KPI (مؤشر أداء رئيسي):
مقياس مرتبط بهدف استراتيجي أو تشغيلي مهم.

مثل:
رفع معدل تحويل الزوار إلى مشترين من 2% إلى 4%.

📌 ليس كل Metric يعتبر KPI.

الخلاصة: المقياس يخبرك بما يحدث، ومؤشر الأداء الرئيسي يساعدك على متابعة التقدم نحو هدف محدد.

🤖 كيف تستفيد من ChatGPT في تحليل البيانات؟

الذكاء الاصطناعي أصبح مساعدًا مفيدًا لمحلل البيانات.

تخيل أنك تعمل على ملف Excel وتحتاج إلى حساب نسبة النمو بين شهرين.

يمكنك أن تسأل ChatGPT:

“لدي مبيعات شهر سبتمبر في الخلية B2 ومبيعات أكتوبر في C2. أعطني معادلة Excel لحساب نسبة النمو.”

سيقدم لك معادلة مثل:

=(C2-B2)/B2

ثم تنسق الناتج كنسبة مئوية.

💡 مهم: تأكد من معالجة حالة كون المبيعات السابقة صفرًا، وراجع النتائج قبل الاعتماد عليها.

ولا ترفع بيانات عملاء أو معلومات سرية إلى أدوات غير معتمدة.

📊 متى تستخدم الرسم العمودي ومتى تستخدم الخطي؟

اختيار الرسم المناسب يجعل بياناتك أسهل للفهم.

📊 الرسم العمودي (Column Chart):
مناسب لمقارنة المبيعات بين المنتجات أو المناطق.

📈 الرسم الخطي (Line Chart):
مناسب لمتابعة تطور المبيعات عبر الأشهر.

🥧 الرسم الدائري (Pie Chart):
يمكن استخدامه لعرض نسب مكونات إجمالي واحد عندما تكون الفئات قليلة.

مثال:
إذا أردت مقارنة أداء 5 فروع، استخدم الرسم العمودي.

أما إذا أردت متابعة أداء فرع واحد خلال 12 شهرًا، فاستخدم الرسم الخطي.

🎯 الرسم الصحيح يساعد القارئ على فهم الرسالة بسرعة.

🧠 ما هو تحليل السبب الجذري؟

تخيل أن مبيعات متجر انخفضت بنسبة 20%.

قد يعتقد المدير أن المشكلة في التسويق.

لكن محلل البيانات يبدأ بالبحث:

هل انخفض عدد الزوار؟
هل انخفض معدل التحويل؟
هل ارتفعت الأسعار؟
هل نفدت المنتجات الأكثر طلبًا؟

بعد التحليل قد يكتشف أن المنتج الأكثر مبيعًا كان غير متوفر لمدة أسبوعين.

هنا تغيرت المشكلة من ضعف التسويق إلى مشكلة في إدارة المخزون.

💡 الدرس: لا تعالج الأعراض قبل فهم السبب الحقيقي.

💻 تعلم SQL من خلال مثال بسيط

لديك جدول اسمه Sales يحتوي على:

• Product
• City
• Amount

وتريد معرفة إجمالي المبيعات في كل مدينة.

يمكنك كتابة:

SELECT City, SUM(Amount) AS TotalSales
FROM Sales
GROUP BY City;

هذه الأوامر تعني:

🔹 SELECT: اختر البيانات المطلوبة.

🔹 SUM: احسب مجموع المبيعات.

🔹 GROUP BY: اجمع النتائج حسب المدينة.

🎯 SQL تساعدك على استخراج المعلومات المطلوبة من قواعد البيانات دون الحاجة إلى تصدير كل شيء إلى Excel.

📉 ما الفرق بين النمو والنمو الحقيقي؟

تخيل أن مبيعات متجرك ارتفعت من 100 ألف ريال إلى 120 ألف ريال.

نسبة النمو = 20%.

لكن ماذا لو ارتفعت تكلفة التشغيل من 70 ألفًا إلى 100 ألف ريال؟

النتيجة:

الربح التشغيلي المبسط سابقًا = 30 ألف ريال.

الربح التشغيلي المبسط حاليًا = 20 ألف ريال.

رغم ارتفاع المبيعات، انخفض الربح!

💡 الدرس: لا تكتفِ بقياس نمو الإيرادات، بل راقب التكاليف والأرباح أيضًا.

🔍 ما هو تحليل Pareto أو قاعدة 80/20؟

من أشهر الأساليب المستخدمة لتحديد الأولويات.

فكرة Pareto أن جزءًا صغيرًا من الأسباب قد يكون مسؤولًا عن نسبة كبيرة من النتائج.

مثال افتراضي:

قد تكتشف أن 20% من المنتجات تحقق 80% من المبيعات.

هذا يساعدك على معرفة المنتجات التي تستحق اهتمامًا أكبر.

لكن انتبه:

قاعدة 80/20 ليست قانونًا ثابتًا، وقد تختلف النسب حسب البيانات.

🎯 استخدم التحليل لتحديد العناصر الأكثر تأثيرًا، وليس لافتراض أن النسبة ستكون دائمًا 80/20.

📊 ما هو Data Modeling في Power BI؟

تخيل أن لديك ثلاثة جداول:

جدول العملاء.
جدول المنتجات.
جدول المبيعات.

بدل وضع كل المعلومات في جدول واحد ضخم، يمكنك ربط الجداول باستخدام علاقات واضحة.

هذا يسمى Data Modeling أو نمذجة البيانات.

يساعدك على:
☑ تنظيم المعلومات.
☑ تقليل التكرار غير الضروري.
☑ إنشاء تحليلات مترابطة.
☑ تحسين سهولة إدارة التقارير.

💡 من يريد الاحتراف في Power BI عليه فهم نمذجة البيانات، وليس الاكتفاء بتصميم الرسوم.

🎯 كيف تقيس نجاح حملة تسويقية؟

تخيل أنك أنفقت 5,000 ريال على حملة إعلانية.

حققت الحملة:
100,000 مشاهدة.
2,000 زيارة.
100 عملية شراء.
15,000 ريال مبيعات.

يمكنك حساب:

📌 معدل التحويل من الزيارة إلى الشراء:

100 ÷ 2,000 × 100 = 5%

📌 تكلفة اكتساب العميل:

5,000 ÷ 100 = 50 ريالًا.

📌 العائد على الإنفاق الإعلاني (ROAS):

15,000 ÷ 5,000 = 3

أي أن كل ريال إعلاني حقق 3 ريالات من المبيعات المنسوبة للحملة.

لكن هل الحملة مربحة؟

للإجابة تحتاج أيضًا إلى معرفة تكلفة المنتجات والمصاريف الأخرى.

الدرس: لا تحكم على الحملة من المشاهدات فقط.

🤖 هل الذكاء الاصطناعي سيستبدل محلل البيانات؟

الذكاء الاصطناعي يستطيع اليوم المساعدة في كتابة الأكواد وتنظيف البيانات وإعداد الملخصات.

لكن محلل البيانات لا يقتصر عمله على هذه المهام.

هناك مهارات أخرى مهمة:

🧠 فهم طبيعة العمل.

🎯 تحديد المشكلة الصحيحة.

📊 تقييم جودة البيانات.

🔍 التحقق من النتائج.

💡 تقديم توصيات قابلة للتنفيذ.

الذكاء الاصطناعي قد يغير طبيعة عمل المحلل ويؤتمت بعض مهامه، لكنه لا يلغي الحاجة إلى الحكم البشري.

نصيحتي: تعلم استخدام الذكاء الاصطناعي مع تطوير مهاراتك التحليلية.

📈 ما الفرق بين Forecast وTarget؟

كثير من الموظفين يخلطون بين التوقع والمستهدف.

Target – المستهدف:
النتيجة التي تريد المؤسسة تحقيقها.

Forecast – التوقع:
النتيجة التي تشير البيانات والافتراضات إلى إمكانية تحقيقها.

مثال:

المستهدف السنوي للمبيعات = 10 ملايين ريال.

التوقع بناءً على الأداء الحالي = 8.5 ملايين ريال.

الفجوة المتوقعة = 1.5 مليون ريال.

🎯 هنا يأتي دور التحليل في تحديد الإجراءات اللازمة لتقليل الفجوة.

💡 كيف تستخدم Excel لاكتشاف أفضل المنتجات؟

لديك ملف يحتوي على 10,000 عملية بيع.

وتريد معرفة أكثر 5 منتجات تحقيقًا للإيرادات.

الطريقة:

1️⃣ حدد البيانات.

2️⃣ اختر Insert ثم PivotTable.

3️⃣ ضع اسم المنتج في Rows.

4️⃣ ضع قيمة المبيعات في Values.

5️⃣ رتّب النتائج من الأكبر إلى الأصغر.

6️⃣ اعرض أعلى 5 منتجات.

خلال دقائق تستطيع استخراج معلومة مهمة.

لكن تذكر:

المنتج الأعلى مبيعات ليس بالضرورة الأعلى ربحية.

📊 لماذا يجب أن تتعلم DAX؟

إذا بدأت استخدام Power BI، فستسمع كثيرًا عن DAX.

وهي لغة تعبيرات تُستخدم لإنشاء حسابات ومقاييس داخل نموذج البيانات.

مثل:

إجمالي المبيعات.

متوسط قيمة الطلب.

نسبة النمو.

المبيعات منذ بداية السنة.

مثال بسيط:

dax
Total Sales = SUM(Sales[Amount])

هذا المقياس يحسب مجموع قيم المبيعات وفق سياق التصفية المستخدم في التقرير.

💡 ابدأ بالمقاييس البسيطة، ثم تعلم CALCULATE وFILTER ومفاهيم سياق التصفية تدريجيًا.