البيانات من الصفر — جداول، رسوم، وتحليل بسيط

1. ما هي البيانات؟ — من الأرقام إلى القرارات

الهدف: تفهم أن البيانات وصف للواقع تساعد على الفهم والقرار.

البيانات: أي معلومة يمكن تسجيلها — درجات، أسعار، أسماء عملاء، عدد زيارات.

لماذا تهم؟
• متجر يعرف المنتج الأكثر مبيعاً
• مدرسة ترى تحسّن الطلاب
• تطبيق يفهم سلوك المستخدم (بخصوصية)

دورة البيانات:
جمع → تنظيف → تحليل → عرض → قرار

ليست «سحراً» — أسئلة واضحة + بيانات نظيفة = إجابات أفضل.

أخلاقيات: لا تجمع بيانات شخصية دون إذن.

• البيانات تصف الواقع — لا تستبدل التفكير
• جودة البيانات = جودة القرار
• الخصوصية والموافقة مهمة
• ابدأ بأسئلة بسيطة

 واقع
  |
 جمع
  |
 تنظيف → تحليل → رسم
  |
 قرار

2. جداول البيانات — Excel و Google Sheets

الهدف: تبني جدولاً منظماً: صفوف، أعمدة، رؤوس.

الصف = سجل واحد (طالب، منتج، يوم)
العمود = خاصية (الاسم، السعر، التاريخ)
الصف الأول = رؤوس الأعمدة (Headers)

مهارات أساسية:
• تجميد الصف الأول
• فرز Sort حسب عمود
• فلتر Filter
• SUM, AVERAGE, COUNT

Google Sheets مجاني وسحابي — Excel أقوى محلياً.

قاعدة: عمود واحد = نوع واحد (لا تخلط نصاً ورقماً في نفس الخلية بلا سبب).

• رؤوس واضحة بالعربية أو الإنجليزية
• صف واحد = كيان واحد
• دوال SUM و AVERAGE للبداية
• احفظ نسخة قبل تعديل كبير

     الاسم | العمر | المدينة
     -----|------|--------
     أحمد |  14  | القاهرة
     سارة |  15  | الرياض

3. أنواع البيانات — رقم، نص، تاريخ، فئة

الهدف: تصنّف الأعمدة وتتجنب خلط الأنواع.

أنواع شائعة:
• رقم Number: 42، 3.14 — يمكن حسابه
• نص Text: «أحمد» — للتصنيف لا المتوسط
• تاريخ Date: 2026-07-17 — للترتيب الزمني
• فئة Category: صغير/متوسط/كبير
• منطقي Boolean: نعم/لا

أخطاء شائعة:
• «عشرة» كنص بدل 10 رقماً
• تواريخ بصيغ مختلطة
• فراغات في خلايا مهمة

في Sheets: تنسيق الخلية Format → Number/Date.

• نوع العمود يحدد العمليات المسموحة
• لا متوسط للأسماء
• وحّد صيغة التاريخ
• الفئات محدودة وواضحة

 رقم → + - × ÷
 نص  → عد · تصنيف
 تاريخ → قبل/بعد
 فئة → رسم أعمدة

4. تنظيف البيانات — الفوضى قبل التحليل

الهدف: تكتشف وتصلح تكراراً وفراغات وأخطاء إدخال.

80% من وقت المحلل في التنظيف أحياناً!

مشاكل شائعة:
• تكرار صفوف
• خلايا فارغة
• إملاء مختلف: «القاهرة» vs «قاهره»
• قيم شاذة Outliers: عمر 999
• أعمدة زائدة

أدوات:
• إزالة تكرار Remove duplicates
• Find & Replace
• TRIM لمسافات زائدة
• قواعد تحقق Data validation

وثّق ماذا حذفت ولماذا — للشفافية.

• لا تحلل قبل التنظيف
• وحّد القيم النصية
• تحقق من الشواذ
• احتفظ بنسخة خام

 بيانات خام
     |
 تنظيف
     |
 بيانات جاهزة
     |
 تحليل

5. الرسوم البيانية — قصة بصرية

الهدف: تختار نوع الرسم المناسب وتبني رسماً يدعم سؤالك.

أنواع:
• أعمدة Bar: مقارنة فئات (مبيعات منتجات)
• خط Line: تغيّر زمني (زيارات شهرية)
• دائري Pie: نسب من كل (استخدم بحذر — ≤5 فئات)
• مبعثر Scatter: علاقة بين رقمين

قواعد Mesue:
• عنوان يجيب «ماذا أرى؟»
• محاور مسمّاة
• ألوان قليلة وواضحة
• لا تضلّل بمحور Y مقطوع

Sheets: Insert → Chart — اختر النوع حسب السؤال.

• الرسم يخدم السؤال لا الزينة
• Bar للمقارنة، Line للزمن
• Pie للنسب البسيطة فقط
• عنوان واضح بالعربية

 سؤال: من الأعلى مبيعاً؟
        |
        v
   [رسم أعمدة]
        |
        v
   إجابة مرئية

6. SQL مقدمة — SELECT و FROM و WHERE

الهدف: تقرأ وتكتب استعلامات بسيطة على جدول.

SQL = لغة للتحدث مع قواعد البيانات.

SELECT name, price FROM products;
SELECT * FROM students WHERE grade > 90;
SELECT city, COUNT(*) FROM users GROUP BY city;

ORDER BY price DESC;
LIMIT 10;

جرّب مجاناً:
• sqliteonline.com
• db-fiddle.com

الجدول students(id, name, grade, city) مثال كلاسيكي.

• SELECT أعمدة، FROM جدول
• WHERE يصفّي الصفوف
• ORDER BY للترتيب
• COUNT للعدّ

 SELECT → FROM → WHERE
      |
   [نتيجة جدول]

7. CSV — تبادل البيانات بين الأنظمة

الهدف: تصدّر وتستورد CSV بين Sheets و SQL وأدوات أخرى.

CSV = قيم مفصولة بفاصلة (أو ; في بعض اللغات)

name,age,city
أحمد,14,القاهرة

تصدير من Sheets: File → Download → CSV
استيراد: Upload → استبدال أو إلحاق

انتبه:
• الترميز UTF-8 للعربية
• الفواصل داخل النص — استخدم اقتباس ""
• التواريخ قد تتغيّر صيغتها

CSV جسر بين Excel و Python pandas وقواعد البيانات.

• UTF-8 للعربية
• رؤوس في السطر الأول
• تحقق بعد الاستيراد
• CSV بسيط وعالمي

 Sheets --CSV--> Python/SQL
              |
           تحليل

8. أخلاقيات البيانات والخصوصية

الهدف: تجمع وتستخدم بيانات بموافقة وشفافية.

قبل جمع بيانات أشخاص:
• لماذا نحتاجها؟
• هل هناك موافقة؟
• أين تُخزّن ومن يراها؟
• كم مدة الاحتفاظ؟

إخفاء الهوية: لا تنشر أسماء حقيقية في مشاريع عامة — استخدم أحمد_1.

GDPR وقوانين محلية — المبدأ: **الحد الأدنى من البيانات**.

في المدرسة: لا تصوّر زملاء دون إذن لاستبيان.

• اجمع ما تحتاج فقط
• موافقة واضحة
• إخفاء هوية في العرض العام
• احذف عند انتهاء الحاجة

 جمع → هل مسموح؟
   نعم → تخزين آمن
   لا  → توقف

9. دراسة حالة — متجر صغير

الهدف: تتبع سؤالاً من البيانات الخام إلى الرسم والخلاصة.

السيناريو: متجر Mesue صغير — 30 عملية بيع (منتج، كمية، تاريخ، مدينة).

السؤال: أي منتج الأكثر مبيعاً؟ وأي مدينة الأعلى؟

الخطوات:
1) استورد CSV
2) نظّف التكرار
3) عمود إجمالي = سعر × كمية
4) Pivot أو GROUP BY منتج
5) رسم أعمدة
6) خلاصة: «القلم 40% من الإيراد»

هكذا يعمل محلل بيانات مبتدئ — قصة + أرقام + رسم.

• سؤال واحد في كل مرة
• خطوات موثّقة
• خلاصة بلغة بشرية
• الرسم يدعم النص

 CSV → تنظيف → تجميع
              |
           رسم + خلاصة

10. المشروع النهائي — تحليل بياناتك

الهدف: تسلّم تحليلاً كاملاً: سؤال، جدول نظيف، رسم، SQL، خلاصة.

المطلوب:
1) سؤال واضح (مدرسة، رياضة، مبيعات فكرة، إلخ)
2) ≥20 صف بيانات (جمع أخلاقي)
3) جدول منظّف + لقطة
4) رسم بياني مناسب
5) استعلام SQL واحد على الأقل
6) خلاصة عربية ½ صفحة + توصية
7) (اختياري) عرض 3 شرائح

معيار النجاح: شخص آخر يفهم قصتك من الرسم والخلاصة دون شرح طويل.

• قصة بيانات كاملة
• أخلاقيات وخصوصية
• أدوات: Sheets + SQL
• عرض بسيط للفخر

 سؤال → بيانات → تنظيف
        |
   رسم + SQL
        |
    خلاصة + عرض