Data Science Presentation PDF

‫د‪.‬اسعد السعدني‬ ‫‪1‬‬  ‫أهداف التعلم‬ ‫بنهاية هذا الفصل سيكون الطالب قادرا على أن‪:‬‬ ‫فهما ملصطلح علم البيانات ومفهومه‪.‬‬ ‫‪.1‬يكتسب الطالب ً‬ ‫‪.2‬يميزبين املصطلحات‪ :‬البيانات‪ ،‬املعلومات‪ ،‬واملعرفة‪.‬‬...

‫د‪.‬اسعد السعدني‬ ‫‪1‬‬  ‫أهداف التعلم‬ ‫بنهاية هذا الفصل سيكون الطالب قادرا على أن‪:‬‬ ‫فهما ملصطلح علم البيانات ومفهومه‪.‬‬ ‫‪.1‬يكتسب الطالب ً‬ ‫‪.2‬يميزبين املصطلحات‪ :‬البيانات‪ ،‬املعلومات‪ ،‬واملعرفة‪.‬‬ ‫‪.3‬يفرق بين علم البيانات وذكاء األعمال‪.‬‬ ‫‪.4‬يوضح التقارب بين علم البيانات والذكاء االصطناعي‪.‬‬ ‫‪.5‬يعرف مراحل دورة حياة علم البيانات‪.‬‬ ‫صنف تقنياته‪.‬‬ ‫ُ‬ ‫يعرف مصطلح البيانات الضخمة‪ ،‬يحدد خصائصه‪ ،‬وي ِّ‬ ‫‪ِّ.6‬‬ ‫حدد مبادئ حوكمة البيانات‪.‬‬ ‫‪.7‬يعرف مفهوم إدارة البيانات ُ‬ ‫وي‬ ‫ِّ‬ ‫‪.8‬يناقش املهارات واألدوات الضرورية ملمارسة علم البيانات‪.‬‬ ‫حدد مختلف املهن املرتبطة بمجال علم البيانات‪.‬‬ ‫ُ‬ ‫‪.9‬ي ِّ‬ ‫‪.01‬يعرف أهمية البيانات في تشكيل املجتمعات الرقمية وتطويرها‬ ‫‪2‬‬  ‫مقدمة يف علم البياانت‬ ‫‪Data Science‬‬ ‫تكمن أهمية علم البيانات (‪ )Data Science‬في أن البيانات أصبحت جزءا أساسيا في جميع‬ ‫مطلبا ر ً‬ ‫ئيسا من قبل الشركات لكي تتوسع أعمالها وتتطور‪.‬حيث تمكن‬ ‫ً‬ ‫الصناعات‪ ،‬فلقد أصبحت البيانات‬ ‫الشركات من اتخاذ القرارات املناسبة وذلك من خالل تحليل كميات كبيرة من البيانات الستخراج رؤى‬ ‫وتوصيات قيمة إلدارة تلك الشركات‪.‬‬ ‫علم البيانات هو مجال الدراسة الذي يتعامل مع كميات هائلة من البيانات باستخدام األدوات والتقنيات‬ ‫الحديثة إليجاد أنماط غير بديهية داخل تلك البيانات‪ ،‬وللوصول الى معلومات مهمة يمكن أن تساهم في‬ ‫اتخاذ القرارات املتعلقة بكافة األعمال‪.‬‬ ‫‪3‬‬  ‫مجاالت تطبيق علم البيانات‬ ‫التطبيقات التجارية والصناعية‬ ‫‪‬‬ ‫الرعاية الصحية‪ ،‬واملعلوماتية الحيوية‪ ،‬والعلوم الطبيعية‬ ‫‪‬‬ ‫االقتصاد الرقمي‪ ،‬وتحليل وسائل التواصل االجتماعي والشبكات االجتماعية‬ ‫‪‬‬ ‫املنازل الذكية‪ ،‬واملدن الذكية واملواصالت الذكية‬ ‫‪‬‬ ‫التعليم والتعلم اإللكتروني‬ ‫‪‬‬ ‫الطاقة‪ ،‬واالستدامة‪ ،‬واملناخ‬ ‫‪‬‬ ‫‪4‬‬  ‫البيانات واملعلومات ‪Data and Information‬‬ ‫تحيط بك البيانات بصورة يومية في كل مكان‪ ،‬فتتلقى املعلومات من التلفازومن الصحف والكتب وشبكة اإلنترنت‪،‬‬ ‫ولكن هل فكرت في أن هناك فرقا بين البيانات واملعلومات؟ تعد البيانات تمثيال للحقائق أو األفكار بصورة شكلية‪،‬‬ ‫بحيث يمكن إيصالها أو معالجتها من خالل طريقة أو عملية ما‪.‬‬ ‫‪ ‬البيانات‪ :‬تمثيل الحقائق أو األفكاربتنسيق مناسب للتخزين أو املعالجة أو النقل‪.‬‬ ‫‪ ‬املعلومات‪ :‬مجموعة من البيانات التي خضعت للمعالجة وأصبحت منظمة ذات معنى وتقدم في سياق محدد‬ ‫ُ‬ ‫ومفيد وتمكن عمليات صنع القرار‪.‬‬ ‫البيانات األولية واملعلومات ‪:Raw Data and Information‬‬ ‫ً‬ ‫تطلق تسمية البيانات األولية على البيانات التي تم جمعها حديثا من مصادر مختلفة‪ ،‬ولكن لم يتم معالجتها أو‬ ‫تحليلها بعد بأي شكل من األشكال‪ ،‬وعادة ما ترمز كلمة البيانات (‪ )Data‬إلى البيانات األولية‪ ،‬ولكن بمجرد‬ ‫تحليلها فإنها تتحول إلى معلومات‪.‬‬ ‫‪5‬‬ 6  ‫املعرفة ‪Knowledge‬‬ ‫تعتبر املعرفة تمثيال لفهمك للعالم‪ ،‬وهي بشكل أساس ي مجموعة من املعلومات يتم استخدامها لتقديم فائدة أو‬ ‫تحقيق غرض معين‪.‬يمكنك القول إن فهم الشخص لبعض املعلومات حول ش يء ما يوفر لديه معرفة به‪ ،‬فتصبح‬ ‫املعلومات معرفة عند تطبيق عمليات التفكير‪ ،‬أو التقييم‪ ،‬أو التخطيط‪ ،‬أو التنظيم‪.‬‬ ‫‪7‬‬ 8  ‫علم البيانات وذكاء األعمال ‪Business & Science Data‬‬ ‫‪Intelligence‬‬ ‫توجد البيانات في كل مكان من حولك‪ ،‬ويتم استخدامها ومعالجتها وتحليلها في جميع مجاالت الحياة‪.‬‬ ‫‪‬‬ ‫ُ‬ ‫تتطور نوعية البيانات واستخداماتها باستمرار‪ ،‬وتستخدم بشكل خاص في العديد من التطبيقات املهمة مثل‬ ‫‪‬‬ ‫ذكاء األعمال (‪ ،)Business Intelligence‬ولهذا ُيعتبر ذكاء األعمال عملية قائمة على التقنية‬ ‫لتحليل البيانات وتوفير معلومات مهمة تساعد املدراء التنفيذين وغيرهم من املسؤولين وصناع القرار على‬ ‫اتخاذ قرارات دقيقة خاصة باألعمال‪.‬‬ ‫على الرغم من أن كال من علم البيانات وذكاء األعمال يتضمن العمل على البيانات‪ ،‬إال أنهما يختلفان عن‬ ‫‪‬‬ ‫بعضهما‪.‬‬ ‫ً‬ ‫ُيعد علم البيانات أكثر تعقيدا مقارنة بذكاء األعمال‪ ،‬حيث يقتصر نطاق ذكاء األعمال على مجال األعمال‪ ،‬ويتم‬ ‫‪‬‬ ‫فيه تحليل البيانات السابقة من خالل تطوير لوحات املعلومات وعرض مستخلصات (رؤى) األعمال‪ ،‬وكذلك‬ ‫ترتيب وتنظيم وتحليل البيانات وذلك الستخراج املعلومات التي من شأنها مساعدة الشركات على النمو‬ ‫وتحقيق أهدافها بناء على فهم االتجاهات الحالية لألعمال‪.‬‬ ‫يعتمد علم البيانات على استخدام البيانات املتوفرة للقيام بتنبؤات مستقبلية وعرض توقعات نمو األعمال‬ ‫‪‬‬ ‫التجارية‪ ،‬وذلك بتوظيف مجموعة واسعة مما يسمى بالنماذج التنبؤية والخوارزميات اإلحصائية املعقدة‪.‬‬ ‫‪9‬‬  ‫ذكاء االعمال ‪ :Business Intelligence‬هو نظام مبني على البيانات ويشمل جمع وتخزين وتحليل وتمثيل البيانات لدعم‬ ‫عمليات اتخاذ القرارات‪.‬‬ ‫يتمثل الدور األساس ي ألدوات ذكاء األعمال في تحليل معلومات املؤسسات والشركات واملساهمة في إعداد استراتيجيات األعمال‪ ،‬أما‬ ‫أدوات عالم البيانات فتشمل أدوات معالجة البيانات وأدوات البيانات الضخمة وكذلك نماذج خوارزمية معقدة لتحليل البيانات‬ ‫واستخالص التوصيات‪.‬‬ ‫‪10‬‬  ‫علم البيانات والذكاء االصطناعي ‪Data Science and‬‬ ‫‪Artificial Intelligence‬‬ ‫ً‬ ‫كما تعرفت سابقا على مفهوم علم البيانات‪ ،‬فإن مجال الذكاء االصطناعي ‪ُ Artificial Intelligence‬يعد‬ ‫ً‬ ‫مجال آخريتعامل مع كم كبيرمن البيانات‪.‬‬ ‫يمكن استخدام كل تقنية من هاتين التقنيتين بصوره منفصلة عن األخرى للوصول لحلول لتحديات مختلفة‪ ،‬كذلك‬ ‫يمكن لكل منهما إكمال بعضهما والتقارب ً‬ ‫معا‪.‬‬ ‫‪:Artificial Intelligence‬أحد مجاالت علوم الحاسب ويهدف لبناء أنظمة قادرة على‬ ‫ً‬ ‫الذكاء االصطناعي‬ ‫ً‬ ‫ً‬ ‫أداء املهام التي تتطلب عادة ذكاء بشريا مثل القدرة على التعلم واالستدالل‪ ،‬وحل املشكالت ومعالجة اللغة الطبيعية‬ ‫واإلدراك‪.‬‬ ‫باستخدام أدوات حسابية للقيام بما يسمى بالتحليل الوصفي‬‫ً‬ ‫يختص علم البيانات بمعالجة البيانات التاريخية‬ ‫للبيانات ‪ Descriptive Analysis‬والذي يقدم وصفا للمو اقف املحددة‪ ،‬وكذلك للتنبؤ بالنتائج من خالل‬ ‫التحليل التنبؤي ‪ ،Predictive Analysis‬ولتقديم الحلول والتوصيات للمشكالت من خالل التحليل التوجيهي‬ ‫ً‬ ‫استخداما هي األدوات اإلحصائية واإلدارية التي يمكن بواسطتها‬ ‫‪.Prescriptive Analysis‬من أكثر األدوات‬ ‫تحليل البيانات املؤرخة‪.‬‬ ‫‪11‬‬ ‫يستخدم الذكاء االصطناعي مجموعة متنوعة من التقنيات ملحاكاة الطريقة التي يفكر بها البشر والتي‬ ‫‪‬‬ ‫ً‬ ‫فبدل من التركيز على إجراء الحسابات الرياضية‪ ،‬يتم التركيز‬ ‫يقومون بناء عليها باتخاذ القرارات وتحليلها‪،‬‬ ‫عند استخدام أدوات الذكاء االصطناعي على عناصر املعرفة والذكاء كعناصر حاسمة لحل املشكالت‪.‬‬ ‫ويهتم الذكاء االصطناعي كذلك بالحوسبة املعرفية‪.‬‬ ‫ّ‬ ‫مشروعات علم البيانات املعقدة ً‬ ‫و‬ ‫غالبا ما تتضمن استخدام تقنيات تعلم اآللة ‪ -‬أحد فر ع الذكاء‬ ‫‪‬‬ ‫االصطناعي ‪ -‬لتسهيل تحليل البيانات التنبؤية والتوجيهي‪.‬‬ ‫ّ‬ ‫يستخدم الجيل القادم من أدوات علم البيانات ومنصات ذكاء األعمال تعلم اآللة للقيام ببعض اإلجراءات‬ ‫‪‬‬ ‫التعرف على األنماط في البيانات الكتشاف األنماط املخفية وتقديم التصورات والرؤى املهمة التخاذ‬ ‫ّ‬ ‫مثل‬ ‫القرارات‬ ‫جدا في الحصول على‬ ‫عند الجمع بين علم البيانات والذكاء االصطناعي‪ ،‬يمكن الحصول على طريقة فعالة ً‬ ‫‪‬‬ ‫نتائج دقيقة بشكل ملحوظ تساهم في اتخاذ قرارات أفضل وأسرع‪.‬‬ ‫‪12‬‬ ‫دورة حياة علم البيانات ‪Data Science Life Cycle‬‬ ‫يقوم علماء البيانات واملتخصصين في العمل‬ ‫على مشروعات علم البيانات بتوظيف خبراتهم‬ ‫من خالل خطوات محددة لتنفيذ كل مشروع‬ ‫جديد بكفاءة‪ُ.‬يطلق على هذه العملية اسم‬ ‫دورة حياة علم البيانات وتتضمن خمس‬ ‫مراحل تتميز كل مرحلة من املراحل املختلفة‬ ‫لهذه الدورة بخصائص معينة‪.‬‬ ‫‪13‬‬ ‫‪.1‬تعريف املشكلة وصياغتها ‪Problem Definition and‬‬ ‫‪Formulation‬‬ ‫فهم أهداف ومتطلبات العمل أو‬ ‫املشكلة العلمية وتحويل هذه‬ ‫املعرفة الى مسألة يمكن حلها‬ ‫بتحليل البيانات‪.‬‬ ‫‪ ‬من أجل تصميم و إيجاد حل‬ ‫ملشكلة بواسطة علم البيانات‪،‬‬ ‫فإنك تحتاج أوال إلى فهم ماهية‬ ‫املشكلة نفسها‪.‬‬ ‫‪ُ ‬يعد التحليل الشامل للمشكلة‬ ‫وبيئتها واملتغيرات التي تؤثر عليها‬ ‫أمرا ضرورًيا لتطوير الحلول‬ ‫ً‬ ‫الالزمة لحل تلك املشكلة‬ ‫‪14‬‬ ‫‪ -2‬جمع البيانات‪Data Collection‬‬ ‫ عملية جمع القراءات أو الحقائق وتنسيقها‪ ،‬وتشمل‬ ‫الحصول عليها وتسميتها وتحسينها‪.‬‬ ‫ بعد أن يتم تحديد األهداف‪ ،‬يجب توفير مجموعة‬ ‫البيانات نفسها‪ ،‬ورغم انه قد يتم إدخال البيانات‬ ‫ً‬ ‫ً‬ ‫يدويا أحيانا‪ ،‬فمن املهم التنقيب وجمع البيانات‪،‬‬ ‫حيث يتعين في هذه املرحلة جمع بيانات كافية‬ ‫ملواصلة معالجتها‪.‬‬ ‫ يمكن أن تأتي البيانات نفسها من مجموعة متنوعة‬ ‫ً‬ ‫من املصادر‪ ،‬فمثال تقوم أجهزة االستشعار البيئية‬ ‫وتطبيقات الهاتف املحمول ومنصات الويب بتوليد‬ ‫البيانات بصورة مستمرة ليتم تخزينها تلق ً‬ ‫ائيا في‬ ‫قواعد البيانات‪.‬‬ ‫‪15‬‬  ‫‪ -3‬تجهيزالبيانات وتنظيفها ‪Data Preparation and Cleaning‬‬ ‫عملية متعددة املراحل ملراجعة البيانات وتصحيحها للتأكد من أنها في صيغة موحدة‪ ،‬ويتضمن ذلك‬ ‫‪‬‬ ‫معالجة القيم املفقودة والبيانات املشوشة‪ ،‬وحل التناقضات والتكرارات‪.‬‬ ‫ُ‬ ‫تعد عملية "تنظيف" البيانات ومعالجتها أحد أهم املراحل في دورة حياة علم البيانات‪.‬‬ ‫‪‬‬ ‫يجب على عالم البيانات تصحيح وتجهيز البيانات التي تم جمعها في مرحلة التنقيب للتأكد من مناسبتها‬ ‫‪‬‬ ‫ملرحلة التحليل الالحقة‪ ،‬وعند دمج البيانات من مصادر متعددة تزيد احتمالية تكرار البيانات أو تداخلها‪،‬‬ ‫األمرالذي يتطلب عملية تصحيح وتصويب لتلك البيانات‪.‬‬ ‫كذلك هو الحال إذا ُوجدت بيانات تالفة أو منسقة بشكل غير صحيح أو مكررة أو خاطئة أو حتى غير‬ ‫‪‬‬ ‫مكتملة‪.‬‬ ‫تكمن أهمية تصحيح تلك البيانات في أن الرؤى أو االستنتاجات املستمدة في مرحلة التحليل من تلك‬ ‫‪‬‬ ‫البيانات ستكون خاطئة وسيصعب للغاية استنتاج ما إذا كانت املشكلة ناشئة من أخطاء في خطوات‬ ‫التحليل أو أن البيانات نفسها لم يتم تصحيحها‪ ،‬ولهذا السبب فإن عملية تنظيف البيانات والتحقق من‬ ‫ً‬ ‫ً‬ ‫ُ‬ ‫صحتها ً‬ ‫جيدا قبل تحليلها تعد أمرا مهما للغاية للعملية بأكملها‪.‬‬ ‫‪16‬‬  ‫‪ -4‬التحليل االستكشافي للبيانات‪Exploratory Data Analysis‬‬ ‫‪ ‬هو نهج لتحليل مجموعات البيانات وتلخيص خصائصها الرئيسية‪ ،‬ويتم عادة باستخدام األساليب‬ ‫املرئية‪.‬‬ ‫‪ ‬بعد أن جمعت البيانات وقمت بتصحيحها‪ ،‬يمكنك تحليل مجموعة البيانات واستنباط اإلجابات‬ ‫املطلوبة ألسئلتك‪ ،‬ويتم إجراء تحليل البيانات باستخدام أدوات تحليل البيانات او األكواد واملكتبات‬ ‫ً‬ ‫البرمجية املتخصصة‪ ،‬وقد يكون التحليل بسيطا وذلك بدراسة متغير واحد أو أكثر‪ ،‬وقد يتسع ليشمل‬ ‫تعقيدا تتضمن عمليات إحصائية متقدمة‪.‬‬‫ً‬ ‫عمليات أكثر‬ ‫‪ُ ‬يعد تعلم اآللة من أكثر الطرق شيوعا في الوقت الحالي لتحليل مجموعة البيانات‪ ،‬ويجب ِّاتباع خطوات‬ ‫محددة لتحليل البيانات باستخدام تعلم اآللة‪ ،‬ففي البداية يجب تحديد نموذج تعلم اآللة بإيجاد قيم‬ ‫املدخالت واملخرجات يليها بناء خوارزمية التحليل نفسها‪.‬‬ ‫‪ ‬تعتبر هذه العملية معقدة‪ ،‬ولهذا فإن هناك متخصصين للقيام بها مثل علماء البيانات ومهندس ي تعلم‬ ‫اآللة‪.‬بعد االنتهاء من الخوارزمية‪ ،‬يتم بناء النموذج واختباره‪ ،‬وعند اكتمال هاتين املرحلتين يمكنك‬ ‫استخدام البيانات الناتجة منه للوصول لإلجابات املرجوه الحصول عليها من عمليات التحليل‪.‬‬ ‫‪17‬‬  ‫‪ -5‬التمثيل الرسومي للبيانات ‪Data Visualization‬‬ ‫‪ ‬يسلط التمثيل الرسومي للمعلومات الضوء على أنماط و اتجاهات البيانات‪ ،‬ويساعد القارئ‬ ‫على تطويررؤى وتوصيات ً‬ ‫بناء على تلك البيانات‪.‬‬ ‫‪ ‬يتم تقديم البيانات التي يتم تحليلها عادة بصوره جداول بيانات‪ ،‬مما يتيح ملحللي البيانات ذوي‬ ‫الخبرة استخدامها‪ ،‬ويقدم التمثيل املرئي لتحليل البيانات إمكانية استخالص رؤى وتوصيات‬ ‫ذات جودة أفضل‪ ،‬بينما توفر الرسوم البيانية واملخططات وحتى الخرائط‪ ،‬وكذلك التقارير‬ ‫املنسقة طريقة فعالة لرؤية وفهم أنماط البيانات و اتجاهاتها أي ما توحي به تلك البيانات‪.‬‬ ‫أمرا ضرورًيا التخاذ قرارات ُمستندة إلى البيانات عند التعامل مع كميات‬ ‫‪ُ ‬يعد تمثيل النتائج ً‬ ‫هائلة من املعلومات‪.‬‬ ‫‪18‬‬  ‫املجاالت واملهارات األساسية للدراسة في علم البيانات‬ ‫‪ ‬علم البيانات هو مصطلح واسع يتطلب الكفاءة في مختلف املجاالت إلتقانها‪.‬‬ ‫‪ ‬بعض املجاالت والجوانب الرئيسية الالزمة إلتقان علم البيانات‪:‬‬ ‫❖تعلم اآللة‬ ‫بالنسبة لعالم البيانات‪ ،‬يعد تعلم اآللة مهارة أساسية‪.‬تتمثل الفكرة األساسية للتعلم اآللي في السماح‬ ‫لآلالت بالتعلم بشكل مستقل باستخدام كتلة البيانات التي يتم تغذيتها بالجهاز كمدخالت‪.‬مع تقدم‬ ‫التكنولوجيا‪ ،‬يتم تدريب اآلالت على التصرف مثل البشرفي القدرة على اتخاذ القرار‪.‬‬ ‫❖التعلم العميق‬ ‫ً‬ ‫ً‬ ‫غالبا ما يستخدم التعلم العميق في علم البيانات‪.‬ألنها تعمل بشكل أفضل بكثير من طرق التعلم اآللي‬ ‫ً‬ ‫تلقائيا من بنية البيانات‪.‬‬ ‫التقليدية‪.‬حيث يستخرج التعلم العميق امليزات‬ ‫‪19‬‬  ‫❖الرياضيات‬ ‫لتحسين مهارات التعلم اآللي‪ ،‬يجب أن يكون لدى عالم البيانات معرفة عميقة بالرياضيات‪.‬موضوعان‬ ‫مهمان في الرياضيات من حيث التطبيق في علم البيانات هما الجبر والحساب‪.‬فإن الحسابات مطلوبة في‬ ‫مجاالت مختلفة من التعلم اآللي‪ ،‬مثل تقنيات التحسين‪.‬‬ ‫❖االحصاء واالحتمالية‬ ‫ً‬ ‫العالم هو عالم احتمالي‪ ،‬لذلك نحن نعمل مع البيانات االحتمالية؛ هذا يعني أنه وفقا ملجموعة محددة‬ ‫جزءا من الوقت فقط‪.‬الستخدام علم البيانات بشكل‬ ‫من املتطلبات األساسية‪ ،‬ستظهر لك البيانات ً‬ ‫صحيح‪ ،‬يجب أن تكون على دراية باالحتماالت واإلحصاءات‪.‬اإلحصاء واالحتماالت من املتطلبات‬ ‫األساسية في علم البيانات واملعرفة الجيدة في هذا املجال ضرورية‪.‬‬ ‫❖الخوارزميات‬ ‫نظرا ألن جميع أنظمة التعلم اآللي تعتمد على الخوارزميات‪ ،‬فمن الضروري ً‬ ‫جدا أن يكون لدى عالم‬ ‫‪ً ‬‬ ‫البيانات فهم أساس ي للخوارزميات وكيفية تصميمها‪.‬‬ ‫‪20‬‬  ‫❖معالجة اللغة الطبيعية‬ ‫ً‬ ‫ً‬ ‫ً‬ ‫في مجال علم البيانات‪ ،‬تعد معالجة اللغة الطبيعية مكونا مهما للغاية مع تطبيقات واسعة في مختلف‬ ‫قطاعات الصناعة والشركات‪.‬من السهل على البشر فهم اللغة‪ ،‬ومع ذلك‪ ،‬فإن اآلالت غير قادرة على‬ ‫التعرف عليها بشكل كاف‪.‬معالجة اللغة الطبيعية هي فرع من فروع الذكاء االصطناعي يركز على سد‬ ‫الفجوة بين التواصل بين اإلنسان واآللة لتمكين اآللة من التفسيروالفهم‪.‬‬ ‫❖العرض املرئي للبيانات‬ ‫يعد تصوير البيانات أحد أهم فروع علم البيانات‪.‬ببساطة‪ ،‬يتضمن الرسم التوضيحي عرض البيانات في‬ ‫شكل رسوم بيانية ومخططات بيانية‪.‬‬ ‫❖لغة البرمجة‬ ‫يجب أن يتمتع عالم البيانات‪ ،‬باإلضافة إلى مهارات الكمبيوتر األساسية مثل مهارات البرمجة حتى يتمكن‬ ‫من استخدامها للعمل مع البيانات والتمثيل املرئي واستخدام التعلم اآللي ومهارات التعلم العميق في‬ ‫تنفيذ املشروع‪.‬‬ ‫‪21‬‬  ‫تطبيقات علم البيانات‬ ‫اآلن بعد أن عرفت أهمية علم البيانات واملتطلبات األساسية واملهارات الالزمة له‪ ،‬من املهم أن تعرف كيف‬ ‫يمكن استخدام علم البيانات في العالم الحقيقي‪ ،‬وسنرى كيف غير علم البيانات العالم اليوم‪.‬لذلك‪ ،‬إليك‬ ‫قائمة بتطبيقات علوم البيانات ملعرفة املزيد عن تطبيقاتها‪:‬‬ ‫ املواصالت‬ ‫أهم تقدم أو تطويرحققه علم البيانات في مجال النقل هو إدخال السيارات ذاتية القيادة‪.‬‬ ‫‪ ‬لقد أسس علم البيانات موطئ قدم قوي في صناعة النقل من خالل التحليل املكثف ألنماط استهالك‬ ‫الوقود‪.‬‬ ‫‪ ‬املر اقبة النشطة للمركبة وسلوك السائق‪.‬‬ ‫ً‬ ‫‪ ‬توفيربيئات قيادة أكثرأمانا للسائقين‪.‬‬ ‫‪ ‬تحسين أداء السيارة‪ ،‬وإضافة االستقاللية إلى السيارات‪.‬‬ ‫ً‬ ‫باستخدام التعلم املعزز واالستقاللية‪ ،‬يمكن لشركات صناعة السيارات بناء سيارات أكثر ذ ً‬ ‫كاء وطرقا‬ ‫منطقية أفضل‪.‬‬ ‫‪22‬‬  ‫ كشف املخاطرواالحتيال‬ ‫تم استخدام علم البيانات ألول مرة في التمويل واملصارف‪.‬كانت العديد من املؤسسات املالية مثقلة بالديون في‬ ‫نهاية كل عام‪.‬لذلك‪ ،‬تم اعتبار اساليب علم البيانات كحل‪.‬لتحليل احتمالية املخاطر‪ ،‬تعلموا فصل البيانات ً‬ ‫بناء‬ ‫على مواصفات العميل والتكاليف السابقة واملتغيرات الضرورية األخرى‪.‬وبالتالي‪ ،‬يمكنهم القيام بالتسويق‬ ‫بناء على إيرادات كل عميل كل عام‪.‬‬‫املستهدف ً‬ ‫ علم الوراثة والجينات الوراثية‬ ‫يساعد علم البيانات علماء األحياء على تحليل استجابة الجينات لألدوية املختلفة‪.‬والغرض منه هو فهم ودراسة‬ ‫تأثير الحمض النووي على صحة الشخص‪ ،‬والذي يسعى إلى إيجاد روابط بيولوجية بين األمراض والجينات‬ ‫واالستجابات لألدوية‪.‬‬ ‫ تطويراالدوية‬ ‫يتطلب اكتشاف دواء جديد سنوات من البحث واالختبار للوصول إلى مرحلة اإلنتاج وفي النهاية يتم ترخيصه‬ ‫للمتاجر الطبية واملستشفيات للمرض ى‪.‬يمكن استخدام خوارزميات التعلم اآللي وعلوم البيانات لتبسيط العملية‬ ‫وتقليل الوقت الالزم للفحص األولي ملركبات األدوية املستخدمة في إنتاج األدوية‪.‬يمكن أن تتنبأ الخوارزميات‬ ‫أيضا بكيفية استجابة الجسم ملركبات دو ائية معينة باستخدام نماذج ومحاكاة إحصائية‬ ‫وعلوم البيانات ً‬ ‫ورياضية مختلفة‪.‬هذا أسرع بكثير من االختبا ات املختبرية التقليدية‪.‬يمكن للنماذج ً‬ ‫أيضا توقع النتائج املستقبلية‬ ‫ر‬ ‫بشكل أكثردقة‪.‬‬ ‫‪23‬‬  ‫التعامل مع البياانت‬ ‫ما املقصود بالبيانات الضخمة؟ ?‪What is Big Data‬‬ ‫نظرا لخصائص‬ ‫مجموعة بيانات كبيرة تتطلب تقنيات قابلة للتوسع لتخزينها ومعالجتها وإدارتها وتحليلها وذلك ً‬ ‫حجمها‪ ،‬وتنوعها وسرعتها وتباينها وبالطبع قيمتها‪.‬‬ ‫يشير مصطلح البيانات الضخمة إلى البيانات الكبيرة ً‬ ‫جدا أو املعقدة التي ال يمكن معالجتها بالطرق التقليدية‪،‬‬ ‫ً‬ ‫كبيرا جدا لتتم معالجتها باستخدام أنظمة الحوسبة التقليدية‪ ،‬فإن تخزين‬ ‫ونظرا ألن كم هذه البيانات ُيعد ً‬ ‫ً‬ ‫كبيرا‪ ،‬وكذلك قد تتطلب السرعة الهائلة لعملية جمع البيانات متطلبات‬ ‫مجموعاتها ومعالجتها يعتبر ً‬ ‫تحديا ً‬ ‫تخزين عالية للغاية‪.‬‬ ‫‪24‬‬ ‫البيانات هي أساس علم البيانات؛ البيانات هي املكونات الرئيسية التي تستند إليها جميع التحليالت‪.‬في مجال‬ ‫علم البيانات‪ ،‬يمكن تقسيم هذه البيانات إلى مجموعتين‪ :‬البيانات التقليدية والبيانات الضخمة‪.‬‬ ‫تشير البيانات التقليدية إلى البيانات املخزنة في قواعد البيانات التي يمكن للمحللين إدارتها على جهاز‬ ‫الحاسوب‪.‬هذه البيانات في شكل جدول يحتوي على قيم عددية أو نصية‪.‬بالطبع‪ ،‬مصطلح "تقليدي"‬ ‫هو ما نستخدمه في أغلب األحيان للتمييزبشكل أفضل بين البيانات الضخمة و أنواع البيانات األخرى‪.‬‬ ‫البيانات الضخمة‪ ،‬من ناحية أخرى‪ ،‬هي بيانات أكبر من البيانات التقليدية وعادة ما يتم توزيعها عبر‬ ‫شبكة واسعة من أجهزة الحاسوب‪.‬‬ ‫‪ ‬تعريف البيانات الضخمة‪ :‬تشير البيانات الضخمة إلى مجموعة بيانات هيكلية معقدة وغير منظمة‬ ‫وذات حجم كبير يتم إنشاؤها بسرعة من مجموعة متنوعة من املصادر‪ ،‬مما يساعد في اتخاذ‬ ‫القرار‪.‬‬ ‫‪25‬‬ ‫تشير البيانات الضخمة إلى مجموعة كبيرة من البيانات غير املتجانسة التي يتم الحصول عليها من‬ ‫ً‬ ‫أنواعا مختلفة من البيانات على النحو التالي‪:‬‬ ‫مجموعة متنوعة من املصادروتتضمن‬ ‫‪ ‬البيانات غير املهيكلة‪ :‬الشبكات االجتماعية‪ ،‬ورسائل البريد اإللكتروني‪ ،‬واملدونات‪ ،‬والتغريدات‪،‬‬ ‫والصورالرقمية‪ ،‬وبيانات الجوال‪ ،‬وصفحات الويب‪ ،‬إلخ‪.‬‬ ‫‪ ‬شبه املنظمة‪ :‬ملفات ‪ ،XML‬ملفات نصية‪ ،‬إلخ‪.‬‬ ‫‪ ‬البيانات املهيكلة‪ :‬قواعد البيانات والتنسيقات املهيكلة األخرى‪.‬‬ ‫البيانات الضخمة هي في األساس تطبيق خاص لعلم البيانات حيث تكون مجموعة البيانات كبيرة ً‬ ‫جدا‬ ‫وتحتاج إلى التغلب على التحديات املنطقية ملواجهتها‪.‬‬ ‫علم البيانات هو نهج علمي يطبق األفكارالخوارزمية والحاسوبية ملعالجة هذه البيانات الضخمة‪.‬‬ ‫‪26‬‬  ‫خصائص البيانات الضخمة‬ ‫‪Characteristics of Big Data‬‬ ‫هناك خمسة معايير أساسية تساعدنا في‬ ‫تصنيف أي بيانات تحت مصطلح "البيانات‬ ‫الضخمة" وهي‪ :‬التنوع‪ ،‬والقيمة‪ ،‬والحجم‪،‬‬ ‫واملوثوقية‪ ،‬والسرعة‪.‬وتعتبر البيانات‬ ‫"ضخمة" عندما تأتي بأحجام كبيرة‪ ،‬وبمعدل‬ ‫ً‬ ‫سريع جدا‪ ،‬وبتنوع كبير‪ ،‬وبدقة عالية‪،‬‬ ‫وفائدة‪.‬ويجب أن تستوفي البيانات جميع هذه‬ ‫املعايير لكي يتم اعتبارها "بيانات ضخمة"‪.‬‬ ‫‪27‬‬  ‫‪ ‬التنوع ‪Variety‬‬ ‫يسير التنوع إلى العديد من أنواع البيانات املتو افرة ويتم هيكلة البيانات التقليدية املختلفة‬ ‫وتكييفها بدقة في قواعد البيانات العالئقية‪ ،‬ولكن مع ظهور البيانات الضخمة‪ ،‬أصبحت‬ ‫البيانات تتو افر في أنواع جديدة غير منظمة‪.‬تتطلب أنواع البيانات غير املنظمة وشبه املنظمة)‬ ‫مثل النصوص والصوت والفيديو (معالجة اضافية مسبقة الستخالص املعاني ودعم معلومات‬ ‫البيانات الوصفية املتعلقة بتلك البيانات‪ ،‬وبدون هذه البيانات الوصفية يكون من املستحيل‬ ‫معرفة ما يتم تخزينه وكيف يمكن معالجته‪.‬‬ ‫‪ ‬القيمة‪Value‬‬ ‫إن جمع الكثير من البيانات ال يعني أن تلك البيانات هي ذات قيمة‪ ،‬فقيمة البيانات تتمثل في‬ ‫امكانية الحصول على التوصيات والوصول إلى بعص األفكارمن خاللها ‪.‬‬ ‫يشير مصطلح القيمة الى مدى فائدة البيانات في اتخاذ القرارات‪ ،‬وبالطبع فإن إجراء التحليالت‬ ‫املناسبة هو وسيلة استخراج قيمة البيانات الضخمة‪.‬‬ ‫‪28‬‬  ‫‪ ‬الحجم‪Volume‬‬ ‫مهما في البيانات‬ ‫نظرا ألنه يجب معالجة كميات كبيرة من البيانات غير املنظمة‪ ،‬فإن كم البيانات يعد ً‬ ‫جانبا ً‬ ‫✓ ً‬ ‫الضخمة‪.‬‬ ‫✓ يمكن أن تكون قيمة بعض هذه البيانات غير معروفة قبل القيام بتحليلها‪ ،‬مثل بيانات تصفح‬ ‫املستخدمين ألحد مو اقع الويب أو أحد تطبيقات الهاتف الذكي‪ ،‬أو تلك البيانات التي يتم الحصول عليها‬ ‫من أجهزة إنترنت األشياء املدعمة بأجهزة االستشعار‪.‬‬ ‫✓ قد يصل حجم هذه البيانات إلى العشرات‪ ،‬بل املئات من التيرابايت من البيانات‪.‬‬ ‫‪ ‬املوثوقية‪Veracity‬‬ ‫✓ ترتبط صحة البيانات بمدى دقة مجموعة البيانات أو موثوقيتها‪.‬‬ ‫✓ ال ترتبط املوثوقية بجودة البيانات نفسها فحسب‪ ،‬بل أيضا بمدى مصداقية مصدر البيانات ونوعها‬ ‫وكيفية معالجتها‪.‬‬ ‫‪ ‬السرعة‪Velocity‬‬ ‫✓ يشير مصطلح السرعة إلى معدل التقاط البيانات وتخزينها‪.‬‬ ‫✓ تنتج البيانات من معظم األجهزة الذكية املتصلة باإلنترنت أجهزة إنترنت األشياء واألجهزة املحمولة في الوقت الحقيقي أو‬ ‫‪29‬‬ ‫قريبا من الوقت الحقيقي‪ ،‬مما يتطلب الجمع الفوري لتلك البيانات وكذلك نقلها وتخزينها‪.‬‬ ‫ً‬  ‫الفرق بين علم البيانات والبيانات الضخمة‬ ‫االختالفات بين علم البيانات والبيانات الضخمة‪:‬‬ ‫‪ ‬تحتاج املؤسسات إلى البيانات الضخمة لتحسين أدائها وزيادة نمو أعمالها وتقديم منتجات أفضل‬ ‫لعمالئها‪.‬بينما يوفر علم البيانات أساليب وآليات لفهم واستغالل إمكانات البيانات الضخمة في‬ ‫الوقت املناسب‪.‬‬ ‫‪ ‬من الواضح أن علم البيانات يستخدم مناهج نظرية وعملية الستكشاف معلومات البيانات الضخمة‪،‬‬ ‫ً‬ ‫ً ًً‬ ‫والتي تلعب دورا مهما في استغالل إمكانات البيانات الضخمة‪.‬يمكن اعتبار البيانات الضخمة على أنها‬ ‫مجموعة من البيانات غيرالصالحة‪ ،‬إال إذا تم تحليلها باالستدالل االستنباطي واالستقرائي‪.‬‬ ‫‪ ‬يرتبط تحليل البيانات الضخمة بالتنقيب في البيانات‪.‬لكن علم البيانات يستخدم خوارزميات التعلم‬ ‫اآللي لتصميم وتطويرالنماذج اإلحصائية لتوليد املعرفة بكميات كبيرة من البيانات الضخمة‪.‬‬ ‫‪30‬‬  ‫تقنيات إدارة البيانات الضخمة‬ ‫‪Technologies that Enable the Management of Big Data‬‬ ‫تستخدم الشركات أنظمة الحاسب وقواعد البيانات لالحتفاظ بالسجالت املختلفة مثل ًاملعامالت املتعلقة‬ ‫‪‬‬ ‫بمعالجة الطلبات واملدفوعات وتتبع العمالء وإدارة التكلفة في الشركات تحتاج الشركات أيضا إلى نظام إلعداد‬ ‫التقارير لتوفير املعلومات التي تساعدها على العمل بكفاءة واملساعدة املدراء التنفيذيين على اتخاذ القرارات‬ ‫املدروسة التي تضمن أداء أفضل لألعمال‪.‬‬ ‫يحتاج مديرو املتجر اإللكتروني إلى تحسين تجربة الشراء والتأكد من أن زوار املوقع الذين يتصفحون املنتجات‬ ‫‪‬‬ ‫سيصبحون زبائن للمتجر وذلك من خالل شراء املنتجات وكذلك العمل على عودة الزبائن للشراء مرات أخرى‬ ‫في املستقبل من خالل املوقع‪.‬‬ ‫ينتج عن هذه التفاصيل الدقيقة التي يتم جمعها كم هائل من البيانات التي يجب تحليلها لتقديم رؤية واضحة‬ ‫‪‬‬ ‫وقيمة للقائمين على أعمال الشركة‪.‬يتم استخدام نتائج تحليل تلك املعلومات إلحداث تغييرات في مخطط‬ ‫موقع الويب أو املتجر‪ ،‬ولتعديل أسعار املنتجات سواء بالزيادة أو بالخصم‪ ،‬ولتنظيم الحمالت التسويقية‬ ‫للمنتجات على وسائل التواصل االجتماعي للتأثيرعلى سلوكيات الشراء لدى الزبائن‪.‬‬ ‫يتطلب القيام بهذا األمر من الشركات توفير تقنيات وأدوات جديدة إلدارة وتحليل البيانات الضخمة الستخراج‬ ‫‪‬‬ ‫قيمة األعمال‪ ،‬ويجب جمع البيانات املطلوبة من املصادر الداخلية كدو ائر املبيعات والتصنيع واملحاسبة‪،‬‬ ‫وكذلك من املصادر الخارجية كالبيانات اإلحصائية عن النمو السكاني وطبيعة الزبائن وأعمارهم‪ ،‬وكذلك‬ ‫البيانات املتعلقة بالشركات املنافسة مثال‪ ،‬وذلك الستخراج معلومات موجزة وموثوقة حول الوضع الحالي‬ ‫واملستقبلي للشركة والتأثيرات املحتملة ملتغيرات السوق‪.‬‬ ‫‪31‬‬  ‫تقنيات إدارة البيانات الضخمة‬ ‫مستودعات البيانات ‪Data Warehouse‬‬ ‫✓ قد تعتبرمستودعات البيانات األداة األقدم لتحليل بيانات الشركات‪.‬‬ ‫✓ يسيرمستودع البيانات إلى قاعدة البيانات التي تخزن البيانات الحالية والتاريخية التي نتجت عن‬ ‫العديد من أنظمة املعامالت التشغيلية األساسية مثل أنظمة املبيعات‪ ،‬ودعم العمالء‪ ،‬والتصنيع‪،‬‬ ‫والتي تجعل البيانات متاحة لصانعي القرارفي الشركة‬ ‫✓ ويتم دمج هذه البيانات مع البيانات من املصادرالخارجية لتحويل البيانات غيراملكتملة إلى بيانات‬ ‫منظمة قبل تخزينها في مستودع البيانات‪.‬‬ ‫✓ يوفرنظام مستودع البيانات أيضا مجموعة من األدوات للتحليل واالستعالم وكذلك أدوات إعداد‬ ‫التقاريرالرسومية‪.‬‬ ‫‪32‬‬  ‫تقنيات إدارة البيانات الضخمة‬ ‫‪ ‬الحوسبة في الذاكرة‪In-Memory Computing‬‬ ‫هي طريقة لتسهيل عملية تحليل البيانات الضخمة العتمادها بصورة أساسية على ذاكرة الحاسب‬ ‫الرئيسة ‪ RAM‬لتخزين البيانات‪.‬يصل املستخدمون إلى البيانات املخزنة في الذاكرة األساسية للنظام‬ ‫وبالتالي يتم تجاوز معوقات استرداد وقراءة البيانات املوجودة في قاعدة البيانات التقليدية املستندة إلى‬ ‫التخزين على األقراص مما يعني تقليل وقت االستعالم بشكل كبير‪.‬تتميز الخوادم السحابية بشكل خاص‬ ‫بوجود سعة كبيرة من ذاكرة الوصول العشوائي‪ ،‬مما يسهل استخدامها في عمليات الحوسبة في الذاكرة‪.‬‬ ‫‪ ‬بحيرة البيانات‪Data Lake‬‬ ‫ً‬ ‫بحيرة البيانات هي مستودع بيانات عادة ما يكون سحابيا ُيستخدم لتخزين كميات هائلة من البيانات‬ ‫األولية وغير املعالجة‪.‬في هذه الطريقة يتم استخدام عنوان ‪ URL‬ثابت لدعم كل من البيانات املنظمة)‬ ‫مثل قواعد البيانات (والبيانات غيراملنظمة) مثل رسائل البريد اإللكتروني واملستندات( ‪.‬‬ ‫‪33‬‬  ‫‪ ‬التنقيب في البيانات الضخمة ‪Mining Big Data‬‬ ‫✓ عملية اكتشاف األنماط في كمية كبيرة من البيانات واستخراج املعلومات املفيدة في توقع السلوك املستقبلي‪.‬‬ ‫✓ يتم جمع البيانات الضخمة باستمرار بواسطة أجهزة االستشعار والتطبيقات العامة والتطبيقات‬ ‫الشخصية‪.‬‬ ‫✓ إن عملية جمع البيانات ليست سوى الخطوة األولى في العملية املشارإليها باسم اكتشاف املعرفة‪.‬‬ ‫✓ عملية اكتشاف األنماط في كمية كبيرة يشير إلى العملية الشاملة للوصول إلى املعرفة املفيدة من البيانات‪,‬‬ ‫فالتنقيب عن البيانات هو تطبيق لخوارزميات في توقع السلوك املستقبلي‪.‬‬ ‫✓ تحديد العالقات املختلفة داخل هذه البيانات‪.‬‬ ‫✓ تعتبر الخطوات األخرى في عملية اكتشاف املعرفة مثل تنظيف البيانات‪ ،‬وتكامل البيانات‪ ،‬وتحويل صيغة‬ ‫البيانات‪ ،‬والتفسيرالصحيح لنتائج التنقيب ضرورية لضمان اشتقاق املعرفة املفيدة من البيانات‪.‬‬ ‫‪34‬‬ 35 36  ‫‪ ‬البيانات الضخمة والتخزين السحابي ‪Big Data and Cloud Storage‬‬ ‫✓ هناك خياران معتمدان لتخزين البيانات الضخمة التخزين السحابي والتخزين الداخلي‪.‬‬ ‫✓ ولقد كان تطوير تطبيقات البيانات الضخمة في املاض ي يعتمد أساسا على حفظ البيانات في وسائط‬ ‫التخزين داخليا (على الخوادم داخل الشركات واملؤسسات)‪ ،‬مما تطلب توفر مستودعات بيانات‬ ‫محلية عالية التكلفة‪ ،‬وكذلك تثبيت برامج معقدة إلدارة تلك املستودعات‪.‬‬ ‫✓ ساهمت التطورات الحديثة في علوم الحوسبة والبيانات في استبدال تلك الطريقة بالتخزين السحابي‪،‬‬ ‫والذي يعد بمثابة الحل األمثل لتخزين البيانات الضخمة‪ ،‬وذلك ملا يلي‪:‬‬ ‫ تو افر النطاق العريض عالي السرعة على نطاق واسع يسهل حركة البيانات من مكان إلى آخر‪.‬ومع وجود‬ ‫بيانات منتجة محليا لم تعد هناك حاجة لتخزين البيانات داخليا‪ ،‬بل أصبح باإلمكان نقلها إلى التخزين‬ ‫السحابي لتحليلها‪.‬‬ ‫ أصبحت غالبية التطبيقات تعتمد على التخزين السحابي‪ ،‬مما يعني أن عملية إنتاج املزيد من البيانات‬ ‫ً‬ ‫سحابيا تزداد باستمرار‪ ،‬ولقد ساهم ذلك في قيام أعداد متزايدة من رواد األعمال بعمل تحليالت‬ ‫وتخزينها‬ ‫جديدة للبيانات الضخمة ملساعدة الشركات على تحليل البيانات السحابية في كثير من املجاالت مثل‬ ‫معامالت التجارة اإللكترونية وبيانات أداء تطبيقات الويب‪.‬‬ ‫‪37‬‬ 38  ‫سياسة الشركات وحوكمة البيانات ‪Data Governance and Policies‬‬ ‫✓ تحدد الضوابط والهياكل التنظيمية للشركات واملؤسسات املسؤوليات وطرق اتخاذ القرارات املتعلقة‬ ‫بإدارة البيانات‪ ،‬والتي تتضمن تطويرالسياسات واإلجراءات الداخلية التي تتحكم بإدارة البيانات‬ ‫✓ تساعد إدارة البيانات املؤسسات الخاصة أو املؤسسات الحكومية وغير الربحية في التعامل مع‬ ‫عمليات إدارة البيانات بجودة عالية خالل جميع مراحل دورة حياة البيانات‪ ،‬وتؤدي هذه السياسات‬ ‫واإلجراءات الفعالة إلى تحسين األعمال والنتائج‪ ،‬حيث تقوم الشركات واملؤسسات بجمع كميات هائلة‬ ‫من البيانات الداخلية والخارجية‪ ،‬وتعتبر إدارة البيانات ضرورية الستخدام تلك البيانات بفعالية‬ ‫وإدارة املخاطروخفض التكاليف املختلفة‪.‬‬ ‫واجبا على املؤسسات أن تمتثل للتشريعات الجديدة الخاصة بخصوصية البيانات وحمايتها مثل‬ ‫✓ أصبح ً‬ ‫الالئحة العامة لحماية البيانات في االتحاد األوروبي (‪ )GDPR‬وقانون خصوصية املستهلك في‬ ‫كاليفورنيا (‪ ،)CCPA‬وذلك ألن حوكمة البيانات بصورة سيئة تجر املؤسسات إلى صعوبات وتجعلها‬ ‫تحت طائلة مواجهة العقوبات‪.‬‬ ‫تضمن حوكمة البيانات أن البيانات ) آمنة ‪ -‬موثوقة ‪ -‬موثقة – مدارة – مدققة (‬ ‫‪39‬‬  ‫معاييرحوكمة البيانات ‪Data Governance Standards‬‬ ‫قامت منظمة املعاييرالدولية ‪ 150‬بتطويرمعيار‪ ISO/IEC 38505‬لتطبيق مبادئ حوكمة تقنية‬ ‫املعلومات على متطلبات إدارة البيانات‪.‬‬ ‫‪ ‬املبادئ الستة لحوكمة البيانات‬ ‫املسئولية‪ :‬تحدد لألفراد‪.‬‬ ‫‪.1‬‬ ‫االستراتيجية‪ :‬تتو افق مع مهمة ورؤية املؤسسة‪.‬‬ ‫‪.2‬‬ ‫الحيازة‪ :‬تتو افق مع املتطلبات التنظيمية‬ ‫‪.3‬‬ ‫التو افق‪ :‬ضمان االمتثال للتشريعات والسياسات الداخلية وأخالقيات العمل‪.‬‬ ‫‪.4‬‬ ‫األداء‪ :‬تلبية متطلبات املؤسسة‪.‬‬ ‫‪.5‬‬ ‫السلوك اإلنساني‪ :‬تشجيع الناس على املشاركة‪.‬‬ ‫‪.6‬‬ ‫‪40‬‬  ‫‪ ‬حوكمة البيانات وإدارتها ‪Data Governance versus Data Management‬‬ ‫✓ من األهمية اإلدراك أن حوكمة البيانات هي أحد مكونات إدارة البيانات الشاملة‪.‬‬ ‫✓ إن وضع القواعد اإلرشادية لحوكمة البيانات دون التنفيذ الفعلي لها يعتبر مضيعة للوقت والجهد دون‬ ‫معنى أو قيمة حقيقية‪ ،‬فحوكمة البيانات تحدد جميع الضوابط والسياسات والعمليات‪ ،‬والتي تنفذ‬ ‫بواسطة إدارة البيانات‪ ،‬والتي مهمتها هي جمع البيانات واستخدامها في صنع القرار من خالل اتباع‬ ‫أساسيات الحوكمة والتي تتمثل بالضوابط والسياسات والعمليات املتعلقة بالبيانات‪.‬‬ ‫✓ تشبه حوكمة البيانات عملية تطويرالتصميم لبناء منزل جديد‪ ،‬أما إدارة البيانات فهي عملية البناء‬ ‫نفسها‪.‬‬ ‫‪ ‬إدارة البيانات‪ :‬إدارة البيانات هي إنشاء وتنفيذ البنى والسياسات واإلجراءات التي تدير احتياجات دورة‬ ‫حياة البيانات الكاملة للمؤسسة‪.‬‬ ‫تحديات حوكمة البيانات ‪Data Governance Challenges‬‬ ‫ ‬ ‫تعد التحديات املرتبطة بالبيانات السحابية والبيانات الضخمة من األمورالشائعة التي تواجهها املؤسسات بخصوص حوكمة البيانات‪،‬‬ ‫فالخدمات السحابية و أنظمة البيانات الضخمة تستدعي متطلبات حوكمة جديدة‪.‬لقد كان تركيزبرامج حوكمة البيانات حتى وقت قريب‬ ‫على البيانات املخزنة في مركزالبيانات‪ ،‬أما اآلن فأصبح من الضروري التعامل مع الكثيرمن البيانات املنظمة وغيراملنظمة وشبه املنظمة‬ ‫التي قد تظهرمعا في بيئات البيانات الضخمة‪ ،‬باإلضافة إلى تهديدات الخصوصية املرتبطة بأنظمة البيانات السحابية‪.‬‬ ‫‪41‬‬  ‫من املسؤول عن حوكمة البيانات؟ ?‪Who is Responsible‬‬ ‫تضم عملية حوكمة البيانات مجموعة متنوعة من األشخاص في معظم املؤسسات‪:‬‬ ‫✓ املستخدمين النهائيين املطلعين على البيانات ذات العالقة في أنظمة املؤسسة‪.‬‬ ‫✓ مدراء األعمال‬ ‫✓ املتخصصين في إدارة البيانات‬ ‫✓ موظفي تقنية املعلومات‪ ،‬ويتحمل املسئولية الرئيسة عن الحوكمة عادة رئيس قسم املعلومات أو‬ ‫كبيرمسؤولي البيانات ومديرإدارة البيانات‬ ‫ُيعد رئيس قسم املعلومات أحد كبار املسؤولين التنفيذيين عن برنامج حوكمة البيانات وتشمل‬ ‫مسؤولياته الحصول على املو افقة والتمويل والتوظيف في البرنامج‪ ،‬وكذلك تقديم املبادرات‪ ،‬وتقييم‬ ‫تطورالبرنامج‪ ،‬والترويج له بفاعلية‪.‬‬ ‫ً‬ ‫فاعتمادا على حجم املؤسسة‪ ،‬يتم تعيين مدير عام إلدارة البيانات ولقيادة وتنسيق مبادرة الحوكمة‪ ،‬حيث‬ ‫يتولى عقد االجتماعات‪ ،‬وتنفيذ الدورات التدريبية‪ ،‬وتتبع مؤشرات األداء الرئيسة‪ ،‬وإدارة االتصاالت‬ ‫الداخلية للمبادرة‪.‬ويعمل مدير إدارة البيانات مع مالكي البيانات واملسؤولين الذين يضمنون تطبيق‬ ‫ضوابط وقواعد حوكمة البيانات و اتباع املستخدمين النهائيين لها‪.‬‬ ‫‪42‬‬