لو بتدور على شغل كـ Data Analyst أو حتى لسه بتفكر تبدأ في المجال ده، ممكن تمشي على الخطوات دي على LinkedIn لمدة 6 شهور على الأقل وهتشوف النتايج بنفسك..

»» افتح LinkedIn واعمل سيرش على "Data Analyst".من الفلاتر اختار "People" عشان تحدد الناس اللي شغالين في المجال ده
»» ادخل على الحسابات الشخصية بتاعتهم وضيفهم عندك
»» لما تدخل على بروفايل حد، انزل على الخبرات بتاعته وشوف شغال فين وادخل على صفحة الشركة واعملها متابعة وممكن تعمل ملف Excel تسجل فيه أسامي الشركات ومواقعهم عشان تتابعهم بعدين..
»» لما تدخل على صفحة الشركة في LinkedIn، استخدم الفلتر "People" (اللي موجود جنب "Posts" و"About") عشان تشوف كل اللي شغالين في الشركة وضيف أي حد شغال Data Analyst في الشركة دي..

»» كمان ضيف أي حد من الـ HR أو مديرين ممكن يكون ليهم علاقة بالمجال.. حاول تستغل عدد الناس اللي تقدر تضيفهم كل شهر بشكل كويس، لأن LinkedIn بيسمحلك بعدد محدد..

بكده هتلاقي صفحتك كلها مليانة ناس ومحتوى ليه علاقة بمجال الـ Data Analysis، وهتتعرض لوظايف بتتنشر في بوستات على صفحتك الرئيسية.. وده لأن حوالي 70% من الوظايف ما بتنزلش في قسم الـ "Jobs" وبتكون موجودة في منشورات الناس..

كمان هيتعملك توصيات أو عروض شغل من الناس اللي ضفتهم على البروفايل، وده هيساعدك توصل لفرص شغل جديدة..

»» لو بتدور على شغل في دولة معينة، كل اللي عليك إنك تزود الدولة في الفلتر وانت بتعمل سيرش على "Data Analyst" في الأول، وبكده تقدر توصل للشركات اللي في أي دولة عن طريق الناس اللي شغالين فيها..

أصعب خطوة هي أول شغلانة، ودي بتحتاج مجهود وصبر واستمرارية.. بالتوفيق للجميع

‏دورة تحليل البيانات من STC بالتعاون مع مؤسسة مسك

‏المدة : 7 ساعات
‏الشرح : باللغة العربية
‏التكلفة : مجانية بالكامل
‏شهادة إتمام معتمدة من مسك وSTC

‏رابط التسجيل :
https://t.co/CAvTHx4yg6

📊 هل يكفي تتعلم أدوات مثل Excel أو Power BI عشان تصير محلل بيانات؟

الجواب: لا. 👎
الأدوات مهمة… لكنها مجرد “سيارة”، والإحصاء هو “رخصة القيادة”. بدون الإحصاء ممكن تتحرك، لكن ما تعرف وين رايح!

✨ ليش الإحصاء مهم؟
1️⃣ يفهمك الفرق بين الصدفة والاتجاه الحقيقي.
– مثل لما تشوف مبيعات ارتفعت يومين: هل هو صدفة ولا اتجاه مستمر؟
2️⃣ يساعدك تختار العينة الصحيحة.
– ما تقدر تسوي استبيان لـ 1 مليون شخص، لكن بعلم الإحصاء تختار 1000 شخص يمثلونهم بدقة.
3️⃣ يعطيك أدوات مثل الانحدار، الارتباط، التوزيعات… اللي تفتح لك الباب للتنبؤ والتفسير.
4️⃣ يحميك من الاستنتاجات الخاطئة اللي تضيع وقتك وفلوسك.

🚀 المحصلة:
• مع الإحصاء = محلل بيانات واثق يقرأ الأرقام ويفسرها صح.
• بدون إحصاء = شخص يعرف يستخدم أداة… لكن يضيع قدام الأرقام.

💡 تذكّر: الإحصاء مو مادة جامدة، هو لغة الأرقام… واللي يفهمها يقدر يترجم البيانات إلى قرارات قوية.

خارطة الطريق لتصبح محلل بيانات محترف
إذا كنت تطمح للعمل في مجال تحليل البيانات، فهذه خارطة طريق شاملة تمهد لك الطريق نحو التميز في هذا المجال المتسارع:
‏1️⃣ ابدأ بالأساسيات
تعلّم الرياضيات، الإحصاء، ومهارات البرمجة (مثل Python). هذه الأدوات هي العمود الفقري لأي محلل بيانات.

2️⃣ فهم البيانات
تعلّم المفاهيم الأساسية للبيانات، واستكشاف البيانات (EDA)، والتحليل الإحصائي.

‏3️⃣ إتقان أدوات التصوير البصري
تعلم أدوات مثل Power BI أو Tableau لتوصيل الأفكار بفعالية عبر الرسوم البيانية والتقارير.

4️⃣ اكتسب المعرفة بالمجال (Domain Knowledge)
فهم المجال الذي تعمل فيه يساعدك على تفسير البيانات بشكل صحيح واتخاذ قرارات مدروسة.
‏5️⃣ لا تتوقف عن التعلم
المجال يتغير بسرعة، فاستمر في التعلم والتحديث من خلال الدورات والقراءة.

6️⃣ ابنِ شبكة علاقاتك
تواصل مع محترفين في نفس المجال، وشارك في مجتمعات تحليل البيانات لتبادل المعرفة والفرص.



‏💬 أسئلة شائعة:

🔹 ما هو دور محلل البيانات؟
جمع وتحليل وتفسير البيانات لتحويلها إلى تقارير تساعد الإدارة في اتخاذ قرارات مبنية على حقائق.

🔹 كيف أصبح محلل بيانات؟
امتلك مهارات تحليلية، إحصائية، برمجية، وتواصل فعال. استخدم أدوات مثل Python وPower BI.

‏🔹 كيف تساهم تحليلات البيانات في نمو الأعمال؟
بمنح الشركات رؤى تساعد على تحسين العمليات، تقليل التكاليف، زيادة الأرباح، ومواكبة السوق.

🔹 ما التحديات التي يواجهها محللو البيانات؟
تنظيف البيانات، التعامل مع البيانات الضخمة، اختيار الأسلوب التحليلي المناسب، وضمان الخصوصية.

‏🔹 كيف تحل تحليلات البيانات مشكلات العالم الحقيقي؟
من تحسين تجربة العملاء، إلى كشف الاحتيال، وتحسين الخدمات الصحية، وتحسين المخزون في التجزئة.

📊 تحليل البيانات = مهارة المستقبل
ابدأ اليوم واصنع فرقًا بقرارات مبنية على بيانات!

عدلنا اسعار الإعلانات حسب التالي :
15$ اعلان لمدة 3 ايام
25$ اعلان لمدة 7 ايام
40$ اعلان لمدة شهر

الفرق بين تحليل البيانات وعلم البيانات وإدارة البيانات والذكاء الاصطناعي:

1. تحليل البيانات Data Analysis

- تحليل البيانات هو عملية تحويل الأرقام والمعلومات الخام إلى قصص وأفكار تساعدك على اتخاذ القرار الصحيح.

- الخطوة الأولى لأي تحليل بيانات ناجح هي الفهم الجيد للسؤال الذي تريد الإجابة عليه.

2. الذكاء الاصطناعي AI

- الذكاء الاصطناعي لا يستبدل البشر، لكنه يعطيهم قوة أكبر لاتخاذ قرارات أسرع وأدق.

- من أهم استخدامات الذكاء الاصطناعي: التعرف على الصور، التنبؤ بالطلب، وتحسين تجربة العملاء.

3. إدارة البيانات Data Management

- إدارة البيانات الجيدة تعني أن بياناتك منظمة، محدثة، وآمنة.

- نظام إدارة البيانات القوي يمنع الأخطاء ويوفر وقت التحليل.

4. علم البيانات Data Science

- علم البيانات يجمع بين الإحصاء، البرمجة، وفهم المجال للوصول إلى نتائج ذات قيمة.

- إذا كانت البيانات هي النفط، فإن علم البيانات هو عملية تكرير هذا النفط.

📊 خطوات تعلم تحليل البيانات (باختصار)
1. فهم الأساسيات
• ما هو تحليل البيانات ولماذا مهم؟
• أنواع البيانات (كمية – نوعية).
• مراحل التحليل (جمع → تنظيف → تحليل → عرض).

2. إتقان الأدوات الأساسية
• Excel / Google Sheets: التنظيف، الصيغ، Pivot Table.
• SQL: لاستخراج البيانات من قواعد البيانات.

3. تعلم لغة برمجة لتحليل البيانات
• Python (Pandas, NumPy, Matplotlib).
• أو R (للإحصاء والتحليل المتقدم).

4. التحليل الإحصائي
• المتوسط، الانحراف المعياري، الارتباط.
• اختبارات الفرضيات (Hypothesis Testing).

5. تصوير البيانات (Data Visualization)
• استخدام أدوات مثل: Power BI، Tableau، أو مكتبات Python.
• تحويل الأرقام إلى رسوم بيانية تسهّل الفهم.

6. المشاريع العملية
• حل مشاكل حقيقية ببيانات مفتوحة (Kaggle مثلًا).
• بناء Dashboard أو تقرير تحليلي.

7. المهارات المساندة
• التفكير النقدي.
• سرد القصة بالبيانات (Data Storytelling).
• مهارات التواصل مع غير المختصين.

✨ الخلاصة:
ابدأ بـ Excel + SQL، ثم تعلم Python أو Power BI، وطبّق على مشاريع عملية صغيرة حتى تصل لمرحلة تقديم تقارير و قصص بالبيانات

نشعركم ان هذه القناة هي امتداد لمجتمع علي التقني .
ويمكنكم متابعة المجتمع على الواتس اب عبر الروابط التالية:

🔷 مجتمع علي التقني♦

https://chat.whatsapp.com/HZTAGbxVlafADmVSbbDq3V?mode=ac_t

🔷 مجتمع علي التقني 2♦

https://chat.whatsapp.com/Cx9oPSkJFuh57nLavGAPKA?mode=ac_t

‏في عالم اليوم، القرارات العشوائية قد تكلفك الكثير، بينما القرار المبني على البيانات يفتح لك أبواب النجاح 🚀.
البيانات ليست مجرد أرقام وجداول، بل هي بوصلة ترشدك إلى أين يستثمر جمهورك وقيمة كل خطوة تخطوها.
‏الشركات التي اعتمدت على التحليل الذكي استطاعت أن تقلل المخاطر، وتزيد الأرباح، وتبني استراتيجيات أقوى من منافسيها.
فكر في الأمر: كل نقرة، كل تفاعل، كل عملية شراء… رسالة واضحة تقول لك ماذا يريد عملاؤك فعلاً.
‏البيانات لا تكذب، إنها تمنحك صورة أوضح لتصنع قرارات واثقة تبني مستقبل عملك.

❓ وأنت: هل تعتمد على الحدس أكثر أم على البيانات في قراراتك اليومية؟

📊 *𝗜𝗻𝘁𝗲𝗿𝘃𝗶𝗲𝘄𝗲𝗿:* How do you find the *second highest salary* in *Power BI / DAX*?

🙋‍♂️ *𝗠𝗲:* In Power BI, we can use *RANKX()* to rank salaries and filter for the 2nd highest like this:

SecondHighestSalary = 
CALCULATE(
    MAX(Employees[Salary]),
    FILTER(
        ALL(Employees),
        RANKX(ALL(Employees), Employees[Salary], , DESC) = 2
    )
)

🧠 *Logic Breakdown:*
- RANKX() ranks all salaries in descending order
- FILTER() keeps only rows where rank = 2
- CALCULATE() + MAX() returns the 2nd highest salary value

✅ *Use Case:* Leaderboards, top performer dashboards, compensation analysis, etc.

💡 *Pro Tip:* Use ALL() to remove filters if you're working inside a visual or measure.

💬 *Tap ❤️ for more!*

📊 *🔧 Must-Know Power BI Functions & Features*

*1. SUM()* – *Add column values*
› DAX Example: SUM(Sales[Amount]) → Total sales

*2. CALCULATE()* – *Modify filters in calculations*
› CALCULATE(SUM(Sales[Amount]), Region = "East")
› Adds custom filter logic

*3. FILTER()* – *Return table with filtered rows*
› FILTER(Sales, Sales[Amount] > 1000)

*4. IF()* – *Apply logic*
› IF(Sales[Amount] > 1000, "High", "Low")

*5. RELATED()* – *Fetch data from related table*
› Use in relationships: RELATED(Products[Category])

*6. DISTINCT()* – *Remove duplicates*
› DISTINCT(Customer[Name]) → Unique customer names

*7. DATESYTD() / TOTALYTD()* – *Time intelligence*
› Example: TOTALYTD(SUM(Sales[Amount]), Date[Date])

*8. *Visual Interactions* – *Click to filter across charts*
› Use slicers, cross-filtering, and tooltips

*9. *Drill-Through & Drill-Down*
› Right-click visuals → See detailed breakdowns

*10. *Power Query Editor* – *Clean & transform data*
› Remove columns, split text, replace values, etc.

🧠 *Tip:* Start with basic visuals, use DAX gradually, and always model your data cleanly.

✨ *Tap ❤️ if you found this useful!*

‏كل ما تعمّق الواحد بالقراءة عن التحليل ومهاراته يكتشف انه عملية فكريّة عميقة بعيدة عن كونها مجرّد أرقام وأدوات..
هي رحلة تبدأ بفهم المشكلة (حُسن طرح السؤال)، ثم تمر عبر البيانات، وإلى أن تنتهي بقرار قادر على تغيير المستقبل!
‏التحليل مش بس أدوات أو برامج بل "عقلية" تعتمد على ثلاث مهارات:
-الملاحظة: إنك ترى النمط خلف الأرقام.
-السؤال: إنك تطرح السؤال الصحيح.
-الربط: إنك توصل بين البيانات والواقع العملي; بحيث يكون التفسير منطقي ولامس للواقع
من دون هذا الثلاثي, من الصعب الوصول لتحليل فعّال..

‏شركة تجارة إلكترونية لاحظت انخفاض أرباح ربع معيّن.
بدون تحديد المشكلة، بنضيع بين آلاف المنتجات والعملاء.
لكن لو حدد المشكلة بوضوح، بيصيغ السؤال الصح:

هل الانخفاض بسبب تراجع مبيعات منتج معين؟
أو بسبب ارتفاع تكلفة الشحن؟

التحليل يبدأ هنا: تحديد المشكلة وتحويلها لسؤال واضح!


‏وبعد السؤال؟
بنغوص ببحر البيانات; البحر المليء بالشوائب!
فراغات, أخطاء, قيم غير منطقية وإلخ..
كما تقول العبارة الإحصائية "GIGO: Garbage In, Garbage Out", دقيقة واحدة نمضيها بالتنظيف بتوفّر ساعات من التفسيرات الركيكة!

‏التحليل مش مستوى واحد، بل أربع مراحل متكاملة:
الوصف: نفهم "إيش اللي صار" من خلال الأرقام.
التفسير: نحلل "ليش صار" باستخدام المقارنات والفرضيات.
التنبؤ: نستفيد من الأنماط عشان نتوقع "إيش ممكن يصير بعدين".
التوصية: نترجم كل هذا إلى قرار عملي "إيش لازم نسوي الآن"

‏وزبدة التحليل تكمُن في تقرير مبسّط يصف اللي صار, كما انّه الجسر بين شغلنا والقرار..

الخلطة السحرية الموجودة بالتقارير:
-صور ورسوم توضح الفكرة بسرعة.
-قصص وأمثلة تقرّب المفهوم (السرد القصصي مهم للمحلل!).
-مقارنات بسيطة تجعل أي شخص -حتى غير المتخصّص- يفهم الرسالة.
..

الفرق بين تحليل البيانات وعلم البيانات وإدارة البيانات والذكاء الاصطناعي:

1. تحليل البيانات Data Analysis

- تحليل البيانات هو عملية تحويل الأرقام والمعلومات الخام إلى قصص وأفكار تساعدك على اتخاذ القرار الصحيح.

- الخطوة الأولى لأي تحليل بيانات ناجح هي الفهم الجيد للسؤال الذي تريد الإجابة عليه.

2. الذكاء الاصطناعي AI

- الذكاء الاصطناعي لا يستبدل البشر، لكنه يعطيهم قوة أكبر لاتخاذ قرارات أسرع وأدق.

- من أهم استخدامات الذكاء الاصطناعي: التعرف على الصور، التنبؤ بالطلب، وتحسين تجربة العملاء.

3. إدارة البيانات Data Management

- إدارة البيانات الجيدة تعني أن بياناتك منظمة، محدثة، وآمنة.

- نظام إدارة البيانات القوي يمنع الأخطاء ويوفر وقت التحليل.

4. علم البيانات Data Science

- علم البيانات يجمع بين الإحصاء، البرمجة، وفهم المجال للوصول إلى نتائج ذات قيمة.

- إذا كانت البيانات هي النفط، فإن علم البيانات هو عملية تكرير هذا النفط.