هذا كتيّب يختصر الرحلة اللي تحتاجها و كيف ممكن تتطور او تبدأ في تحليل البيانات او علم البيانات.

الله يوفقكم جميعا 🙏🏼🤍

هذا كتاب فيه تفاصيل عن كيف تتعامل مع تنظيف البيانات و معالجتها، و إيش العوامل اللي المفروض تركز عليها او تبعد عنها.

محتواه جداً جمييل 👍🏼، ممكن تستخدمونه كمرجع أثناء التنظيف 👏🏼.

#تفاعلكم_يحفزنا

اي شارت تستخدم لعرض بياناتك ؟

إذا جيت تعرض بياناتك، مو أي شارت ممكن يكون لائق للعرض ولا حتى ممكن يوضحلك الإجابة اللي تدور عليها.

في هذي الصورة ملخص لأغلب الرسوم التوضيحية و ايهم الأنسب لنوع المتغيرات اللي تبغى تعرضه :


و هذي كتابين بتخلي نظرتك عن الداشبوردز اعمق و تعرف توصل فكرتك عن طريق الرسوم التوضيحية بشكل صحيح 👏🏼:

الـSlicing بالبايثون من اهم الأشياء اللي لازم تعرف تتعامل معاها و بتواجهك كثير اثناء تحليل البيانات.

الأمثلة اللي بالصورة ممكن تطبقها على DataFrame او String مو بس المصفوفات 👍🏼.

بإذن الله بتفهم مفهوم الـSlicing من هذي الصورة بشكل مبدئي، و جرب تطبق بنفسك و تلعب فيها على Strings و مصفوفات من اختيارك، لأن التعلم بالتجربة افضل 👌🏼.

✅ إكسل.. أداة لا غنى عنها لمحلل البيانات 📊💡

إكسل ليس مجرد برنامج جداول، بل هو سلاحك السري في تحليل البيانات. من خلاله تقدر تنظّف بياناتك، تستخرج مؤشرات مهمة، وتبني تقارير تفاعلية بسرعة. خلنا نمر على أهم المهارات:

1️⃣ أهم الدوال العملية

الدوال تختصر وقتك وتخلّي شغلك أدق:
• للحسابات الأساسية: SUM, AVERAGE, COUNT
• للمنطق والشرط: IF, AND, OR
• للبحث والمطابقة: VLOOKUP, XLOOKUP, INDEX + MATCH
• للنصوص: LEFT, RIGHT, LEN, TRIM, CONCAT
• للتواريخ والأوقات: TODAY, NOW, TEXT

2️⃣ الجداول المحورية PivotTable

لو عندك آلاف الصفوف من البيانات، الجداول المحورية تعطيك ملخص ذكي بنقرة:
• تجميع حسب التاريخ أو المنطقة
• مقارنة المنتجات أو الأقسام
• إنشاء حقول محسوبة
• دمجها مع الرسوم البيانية

3️⃣ التحليل البصري

الرسوم تحوّل الأرقام الجامدة إلى قصص:
• الأعمدة والأشرطة: للمقارنة
• الخطية: لمتابعة الاتجاهات عبر الزمن
• الدائرية: لفهم النسب
• المدرج التكراري: لمعرفة توزيع البيانات

نصيحة: لا تكثر من الألوان، ركّز على البساطة والوضوح.

4️⃣ تنظيف البيانات

أصعب جزء للمحلل غالبًا هو البيانات الفوضوية. إكسل يساعدك:
• إزالة القيم المكررة
• معالجة الخلايا الفارغة
• فصل النصوص باستخدام Text to Columns
• ضبط القيم عبر Data Validation
• استخدام التنسيقات الشرطية للكشف عن القيم الشاذة



💡 Tip: إذا كان شغلك على بيانات كبيرة، استخدم Power Query بدل الطرق اليدوية.

📌 تذكير: مهارتك في الإكسل = سرعتك في التحليل = قيمة أعلى في سوق العمل.




💬 اضغط ❤️ إذا وجدت هذا مفيدًا!

لماذا البيانات مثل النفط الخام؟

يقولون “البيانات هي النفط الجديد”، والسبب أنها لو بقيت خام ما تفيد، لكن لما يتم تحليلها واستخلاص الأنماط منها تتحول إلى ثروة حقيقية. الشركات اللي تهمل بياناتها، كأنها تمتلك نفط بس ما عندها مصفاة.

جودة القرار = جودة البيانات

قبل ما تبدأ بأي أداة أو رسم بياني، اسأل نفسك:
✅ هل البيانات دقيقة؟
✅ هل فيها تكرار أو نقص؟

القرار المبني على بيانات ناقصة مثل بيت مبني على أساس ضعيف.

📍وظيفة
تعلن شركة تطوير عقاري مقرها الرياض عن رغبتها في توظيف:
محلل بيانات مالية - Finance Data Analyst
المهام والمسؤوليات:
إعداد تقارير مالية ولوحات تفاعلية توضح الأداء المالي باستخدام Power BI أو Excel.
تحليل الإيرادات والمصروفات وتحديد فرص التحسين المالي.
تقديم تقارير تحليلية دقيقة للإدارة لدعم اتخاذ القرار.
التأكد من دقة وصحة البيانات المالية وسلامة مصادرها.
المؤهلات المطلوبة:
درجة البكالوريوس في المالية، المحاسبة، أو تحليل البيانات.
إجادة Excel المتقدم (Pivot Tables – Power Query – Formulas).
يفضل معرفة في Power BI أو أي أداة تحليل بيانات.
فهم قوي للمفاهيم المالية والمحاسبية.
مهارات تحليلية واهتمام بالتفاصيل.
إجادة اللغة الإنجليزية تحدثًا وكتابة.
الخبرة المطلوبة:
خبرة سنتين الى ثلاث سنوات في مجال التحليل المالي أو تحليل البيانات.

يرجى ذكر محلل بيانات مالية - Finance Data Analyst في عنوان الايميل
info@msga.co

•┈┈┈┈•✿❁✿•┈┈┈┈•
🔷 مجتمع علي التقني♦

*للإشتراك* ⬇
(1)
https://chat.whatsapp.com/HZTAGbxVlafADmVSbbDq3V?mode=ac_t

(2)
https://chat.whatsapp.com/Cx9oPSkJFuh57nLavGAPKA?mode=ac_t

قناة وظائف ابو سعيد
https://whatsapp.com/channel/0029VazaMEW29757al4rKw40
•┈┈┈┈•✿❁✿•┈┈┈┈•

📍 إعلان وظيفي
HIRING: DATA SCIENTIST

Location: Dammam/Khobar, Saudi Arabia
Industry: Oil & Gas Project

We are seeking an experienced Data Scientist to drive data collection, visualization, and advanced analytics for a major Oil & Gas project. This role is crucial for enhancing project controls and governance through data-driven insights.

Job Description (Key Responsibilities):

* Drive and facilitate the collection of project cost and schedule data within the established project controls and governance environment.
* Develop data and perform necessary data cleansing to support analytics use cases, advanced predictions, and reporting.
* Integrate, centralize, protect, and maintain various data sources.
* Support the translation of business problems into data models and design innovative data visualization.
* Support continuous improvement actions with measurable effect through the automating of data collection processes.

Required Qualifications & Experience:

* Experience: Minimum 5 years of relevant professional experience.
* Education: Bachelor’s Degree in Engineering, IT, or Business.
* Industry Focus: Experience in Oil & Gas EPC project controls (scheduling, cost estimating/controls) is strongly preferred.
* Project Exposure: Experience across the full project lifecycle, from Conceptual Engineering down to PRE-FEED, FEED, and Execution, is preferred.

How to Apply:
Please send your detailed CV/Resume to the following email address:

chackochan.j@unisisengineering.com

📍الموقع: #الدمام #الخبر

التحليل يبدأ بالسؤال

✅ لا تسأل البيانات: “وش عندك؟”

✅ بل اسأل: “كيف أزيد مبيعاتي؟”

✅ “ليش العملاء يلغون الاشتراك؟”.

صياغة السؤال الصحيح نصف الحل.

تعلن شركة عن توفر شاغر ب أبها
- محللة بيانات

الشروط:
* يجب توفر خبره في نفس المجال.
* تخصص نظم معلومات او اي تخصص ذا صله.
* شرط السكن بالمنطقه الجنوبيه

لإرسال السيرة الذاتية على الإيميل مع كتابة المسمى الوظيفي - المنطقة بالعنوان :
Careers.hr2@outlook.com

بدك تتعلّم كيف تحوّل الجداول والأرقام لتقارير تفاعلية ولوحات بصرية بتشرح حالها بنفسها؟ 📊
بتسمع عن Power BI بس مش عارف من وين تبدأ أو كيف تستخدمه؟ 🤔

ورشة "تحليل وتصوير البيانات باستخدام Power BI" من قفزة، هي فرصتك لتدخل عالم تحليل البيانات بخطوات عملية وسهلة ✨
رح تتعلّم فيها كيف تشتغل على Power BI من الصفر، وتبني تقارير ولوحات (Dashboards) تساعدك تفهم البيانات وتعرضها بشكل احترافي 👨‍💻📈

لو كنت:
🔹 مهتم بتحليل البيانات أو مجال الأعمال
🔹 حابب تتعلم Power BI بشكل عملي ومباشر
🔹 حابب تطور مهارة مطلوبة بكل المجالات اليوم

سواء كنت مبتدئ أو عندك فكرة بسيطة، هي الورشة رح تعطيك أساس قوي لتستخدم Power BI 🦾

رابط التسجيل
https://docs.google.com/forms/d/e/1FAIpQLSdL79fONDGOgWt8WCgC1qz12EnLY_HeG_sSQxJdzgb6sri39g/viewform?usp=send_form

المقاعد جداً محدودة والأولوية للحجز المسبق .
•┈┈┈┈•✿❁✿•┈┈┈┈•
🔷 مجتمع علي التقني♦

*للإشتراك* ⬇
(1)
https://chat.whatsapp.com/HZTAGbxVlafADmVSbbDq3V?mode=ac_t

(2)
https://chat.whatsapp.com/Cx9oPSkJFuh57nLavGAPKA?mode=ac_t
•┈┈┈┈•✿❁✿•┈┈┈┈•

‌‎#وظائف | شركة استشارات هندسية – الرياض
(للسعوديين فقط)
أخصائي تحليل بيانات (GP01) – بكالوريوس + خبرة 3 سنوات + Power BI
📩 التقديم: hr2@amrgroup.com.sa
📌 اكتب كود الوظيفة في العنوان

ينفع نتعلم تحليل بيانات من غير ما نتعلم إحصاء.؟؟ ❌❌❌
• الإحصاء هو فعلاً الأساس الذهبي لتحليل البيانات، وكل ما تتعلمه فيه يزيد من تميزك كمحلل بيانات أو Data Scientist.
• الإحصاء هو اللي يحولك من مجرد "عارف تستخدم Excel أو Python" إلى "شخص فاهم فعلاً البيانات بتقول إيه".

طب اي الحاجات اللي مفروض ابقي عارفها في الإحصاء.؟؟
أولًا: الأساسيات اللي لازم تتقنها
أنواع البيانات والمقاييس
بيانات كمية vs نوعية
مقياس اسمي، ترتيبي، فئوي، نسبي
→ دا بيساعدك تختار التحليل والإحصاء المناسب لكل نوع من البيانات.
مقاييس النزعة المركزية والتشتت
المتوسط، الوسيط، المنوال
الانحراف المعياري، التباين، المدى
→ هتفهم بيها توزيع البيانات ومدى انتشارها قبل أي تحليل متقدم.
توزيع البيانات
التوزيع الطبيعي (Normal Distribution)
الانحراف والتفلطح (Skewness & Kurtosis)
→ مهم جدًا لأن معظم الاختبارات الإحصائية تفترض التوزيع الطبيعي.
🔍 ثانيًا: الإحصاء الاستدلالي (Inferential Statistics)
اختبار الفرضيات (Hypothesis Testing)
t-test, ANOVA, Chi-square, Mann-Whitney
→ تستخدمها عشان تثبت أو تنفي فرضياتك بالبيانات بدل من التخمين.
فترات الثقة (Confidence Intervals)
→ تفيد في تقدير مدى دقة نتائجك.
الارتباط والانحدار (Correlation & Regression)
الارتباط: يقيس العلاقة بين متغيرين
الانحدار: يتنبأ بقيمة متغير من آخر
→ دي من أهم الأدوات في التحليل التنبؤي.
📈 ثالثًا: الإحصاء التطبيقي والتحليلي المتقدم
تحليل التباين المتعدد (MANOVA)
لو عندك أكتر من متغير تابع.
تحليل العوامل (Factor Analysis)
لاستخلاص العوامل المؤثرة من بين متغيرات كثيرة.
تحليل المكونات الرئيسية (PCA)
لتقليل الأبعاد في البيانات الكبيرة.
الاحتمالات وعمليات بايز (Bayesian Statistics)
مهمة جدًا في تعلم الآلة (Machine Learning).
🚀 رابعًا: مهارات تميزك فعلاً
الربط بين الإحصاء والبرمجة
تعلم تطبيق الإحصاء بـ:
Python (مكتبات مثل pandas, numpy, scipy, statsmodels)
R (قوية جدًا في التحليل الإحصائي)
التحليل البصري (Data Visualization)
استخدم أدوات مثل matplotlib, seaborn, أو Power BI وTableau لتوضيح النتائج.