كل شركة دلوقتي محتاجة حد يفهم أرقامها ويطلع منها قرارات. اعرف يعني إيه Data Analyst، وبيتعلم إيه، وإزاي تدخل المجال حتى لو مش خريج حاسبات.
كل ضغطة على تطبيق، كل طلب أكل، كل فاتورة في سوبر ماركت، بتتحول لبيانات. والشركات النهارده قاعدة على جبال من البيانات دي، بس البيانات لوحدها ملهاش قيمة لو محدش فهمها. هنا بيظهر دور محلل البيانات (Data Analyst): الشخص اللي بياخد الأرقام الملخبطة ويحولها لإجابات واضحة وقرارات. في المقال ده هنعرف المحلل بيعمل إيه فعلًا، وليه المجال ده مطلوب، وتتعلم إيه وبأي ترتيب، ومع أمثلة كود صغيرة تحس منها بطعم الشغل.
ببساطة، محلل البيانات بيجاوب على أسئلة البيزنس باستخدام البيانات. أسئلة زي:
عشان يجاوب، بيعدي على كذا مرحلة: يجمع البيانات من مصادرها، ينضفها (وده بياخد وقت أكتر مما تتخيل)، يحللها، وفي الآخر يعرض النتائج في Dashboard أو تقرير بسيط يفهمه المدير اللي مش تقني.
محلل البيانات (Data Analyst) غير عالم البيانات (Data Scientist). المحلل بيركز على فهم اللي حصل وليه حصل، أما عالم البيانات فبيركز أكتر على بناء نماذج تتنبأ باللي هيحصل. التحليل غالبًا هو البوابة الأسهل لدخول عالم البيانات كله.
تخيل إنك محللة بيانات في شركة توصيل. يومك ممكن يمشي كده:
شايف؟ الشغل مش أرقام جافة. ده شغل محقق بيدور على القصة اللي ورا الأرقام.
وعلى فكرة، مش كل الأيام فيها اكتشافات مثيرة. فيه أيام كتير بتروح في تنضيف بيانات فيها قيم ناقصة أو مكررة، أو تواريخ مكتوبة بأكتر من شكل، أو أسماء مدن متكتبة بطرق مختلفة. وده جزء طبيعي جدًا من الشغل، والمحلل الشاطر بيتعلم يعمله بسرعة ودقة لأن أي تحليل مبني على بيانات وسخة هيطلع نتايج غلط.
متستهونش بيه أبدًا. اتعلم الدوال الأساسية، و XLOOKUP، والـ Pivot Tables، والرسوم البيانية. ناس كتير بتبدأ شغلها التحليلي بـ Excel بس.
اللغة اللي بتكلم بيها قواعد البيانات. SELECT و WHERE و GROUP BY و JOIN هيبقوا أصحابك. دي من أهم المهارات اللي بتتطلب في أي وظيفة تحليل.
لما البيانات تكبر على Excel أو تحتاج تنضيف معقد، Python هي الحل. مكتبة Pandas بتخليك تتعامل مع جداول ضخمة بسطور قليلة، و Matplotlib أو Seaborn للرسوم.
أداة لعمل Dashboards تفاعلية تقدر المديرين يتفاعلوا معاها. هنا بتحول تحليلك لحاجة شكلها حلو وسهل الفهم.
مش محتاج تبقى عالم رياضيات. محتاج تفهم المتوسط والوسيط والانحراف المعياري، والتوزيعات، والفرق بين الارتباط والسببية، وأساسيات اختبار الفرضيات. وتقدر تتعلمه بالتوازي مع الأدوات.
خلينا نجاوب على سؤال بسيط: "إيه أكتر 5 مدن جابت مبيعات؟" مرة بـ SQL ومرة بـ Pandas.
بـ SQL:
SELECT city,
SUM(amount) AS total_sales,
COUNT(*) AS orders_count
FROM orders
WHERE order_date >= '2026-01-01'
GROUP BY city
ORDER BY total_sales DESC
LIMIT 5;بـ Python و Pandas:
import pandas as pd
df = pd.read_csv("orders.csv", parse_dates=["order_date"])
df = df[df["order_date"] >= "2026-01-01"]
top_cities = (
df.groupby("city")["amount"]
.agg(total_sales="sum", orders_count="count")
.sort_values("total_sales", ascending=False)
.head(5)
)
print(top_cities)الاتنين بيوصلوا لنفس الإجابة. الـ SQL بتستخدمه لما البيانات جوه قاعدة بيانات، و Pandas لما تكون في ملفات أو محتاج تحليل وتنضيف أعمق بعد ما تجيبها.
متبدأش بـ Machine Learning والحاجات الكبيرة. ركز على SQL و Pandas وإزاي تسأل سؤال صح عن البيانات. السؤال الصح نص الإجابة.
وبعد ما تجيب الأرقام، الشغل الحقيقي بيبدأ: ليه المدينة الأولى متقدمة كده؟ هل عدد الطلبات أكبر ولا متوسط قيمة الطلب أعلى؟ هل الفرق ده ثابت كل شهر ولا موسمي؟ الأسئلة دي هي اللي بتحول الجدول لقصة، والقصة هي اللي بتوصل لقرار.
تحليل البيانات من أكتر المجالات اللي بتستقبل ناس جاية من خلفيات مختلفة: محاسبين، مهندسين، ناس من التسويق والمبيعات، صيادلة، وحتى مدرسين. والسبب إن فهمك للبيزنس اللي كنت شغال فيه بيخليك تسأل أسئلة صح المحلل الجديد مش هيعرف يسألها.
متسيبش شغلك الحالي فجأة. ابدأ تتعلم جنبه، وحاول تطبق التحليل في شغلك نفسه. أول مشروع تحليل حقيقي ممكن يكون في الشركة اللي إنت فيها أصلًا.
في كل مشروع اكتب: السؤال اللي بتجاوب عليه، خطوات التنضيف، أهم 3 نتايج، والتوصية. ده بيوري طريقة تفكيرك مش بس الكود.
| الفترة | التركيز |
|---|---|
| الشهر الأول | Excel متقدم وأساسيات الإحصاء |
| الشهر التاني | SQL من الأساسيات لحد JOIN والـ Subqueries |
| الشهر التالت والرابع | Python و Pandas والرسوم البيانية |
| الشهر الخامس | Power BI وعمل Dashboards |
| الشهر السادس | 2 لـ 3 مشاريع كاملة للـ Portfolio |
ومتنساش إن التعلم مش بيخلص بعد الست شهور. كل مشروع جديد هيعلمك حاجة، وكل Dataset جديدة هتقابلك فيها مشكلة تنضيف جديدة. الفكرة إنك بعد الفترة دي هتكون عندك الأساس اللي يخليك تقدم على وظايف مبتدئين أو تدريب، أو تبدأ تطبق التحليل في شغلك الحالي.
الخطة دي على أساس ساعتين تقريبًا يوميًا، وهي مرنة. المهم الاستمرارية مش السرعة.
كورس Data Analysis with Python في فيجن كود بياخدك من الأساسيات لحد مشاريع تحليل حقيقية، بشرح عربي وجلسات لايف مع المدربين. وأول درسين مجانًا عشان تجرب بنفسك.
اكتشف كورس تحليل البيانات
الرد على التعليق