كنت أراقب أحد زملائي الجدد في القسم وهو يحاول الاستفادة من قدرات ChatGPT في تحليل البيانات، فكتب له بحماس: “حلّل هذه البيانات”. فجاءه الردّ بمجموعة نصائح ورؤى عامة لا يمكن استخدامها في تقرير لدعم صناع القرار، ثم قال جملة سمعتها كثيرًا مؤخرًا: “كنت أتوقع أكثر من ذلك من الذكاء الاصطناعي”. فاقتربت منه وقلت: جرّب أن تطلب منه شيئًا محددًا فعلًا كأن تقول مثلًا: “حلّل اتجاهات المبيعات ربع السنوية، واستخرج الفئات التي يظهر فيها تراجع واضح خلال آخر عامين، واقترح أسبابًا محتملة للتحوّل”. لتظهر أمامه رؤى دقيقة، وجداول منظمة، ونقاط قابلة للتنفيذ. في لحظتها تغيّر انطباعه عن الأداة بالكامل، واكتشف بنفسه أن المشكلة لم تكن في ChatGPT، بل في طريقة مخاطبته. يبين هذا المشهد المستعرض أن كتابة أوامر Prompts ذكية أصبحت إحدى أهم مهارات محلل البيانات اليوم، فصياغة جملة واحدة بإحكام قد تعني اختصار ساعات من التحليل اليدوي، واستخدام كلمات فضفاضة قد يعني ضياع البوصلة منذ البداية. ولكي تتمكن من كتابة مطالبة ذكية لتحقيق أقصى استفادة ممكنة من أدوات الذكاء الاصطناعي لا سيما شات جيبيتي لا بد من فهم آلية عمله في تفسير الأوامر والمطالبات.

ما الذي يجعل ChatGPT يقرأ أوامرك Prompts بشكل صحيح؟

لا يفهم الذكاء الاصطناعي الأوامر كما يفهمها البشر، بل يعالجها وفق الأنماط والعلاقات التي تعلّمها أثناء التدريب، لذا فإن صياغة الأوامر Prompts هي التي تُحدد مستوى الدقة والفائدة في النتائج. والحق أنه يوجد ثلاثة عناصر رئيسية تتحكم في جودة استجابة ChatGPT أو غيره من أدوات الذكاء الاصطناعي لأي طلب:

الوضوح: هل قلت ما تريده فعلًا؟

الغموض يا عزيزي يجعل النموذج يخمّن ما تقصده وغالبًا يخطئ، فمثلًا إذا قلت: اشرح Python، فهذا السؤال متشعب جدًا، وقد يفضي إلى تعريف تاريخي لا يفيدك. بينما لو قلت: اشرح طريقة عمل List Comprehension في Python مع 3 أمثلة، فإن هذا يعد طلب واضح يوجّه الذكاء الاصطناعي نحو مهمة محددة.

التحديد: هل قيّدت المهمة بما يكفي؟

كلما زادت التفاصيل، قلّت التخمينات، فمثلًا إذا قلت: كيف أحلل البيانات؟ فإن هذه المطالبة فيها عشرات التفسيرات الممكنة. أما لو قلت: عرّف القيم الشاذة في DataFrame باستخدام IQR في Pandas، فسيعطيك مباشرة خطوات قابلة للتنفيذ.

الهيكلة: هل رتّبت ما تريده في نقاط واضحة؟

عندما تُقسّم المهمة وفق خطوات مهيكلة استنادًا إلى نهج مبتكر يتبعها النموذج بوضوح ودون ارتباك وتكون المخرجات ذات جودة عالية، فالتفكير المنظم ينتج عنه تحليل منظم. والخلاصة، كلما كان طلبك أكثر وضوحًا وتنظيمًا وهيكلية، كان ChatGPT أكثر ذكاءً في الاستجابة.

القواعد الذهبية لكتابة Prompts تحليل بيانات فعّالة

لكي تحصل على نتائج تحليلية حقيقية — وليس نصائح عامة يجب أن تمنح ChatGPT سياقًا يساعده على التفكير بدل التخمين، وإليك مجموعة من القواعد الذهبية لصياغة المطالبات Prompts التي تُحدث فرقًا واضحًا في جودة التحليل:
  • عرّف الهدف بوضوح: فبدلًا من أن تقول (حلل البيانات)، اكتب (استخرج المنتجات التي انخفضت مبيعاتها خلال الستة أشهر الأخيرة وحدد الأسباب المحتملة).
  • حدد نطاق البيانات: فعليك أن تذكر نوع البيانات– الإطار الزمني– القطاع– صيغة الملف، فكل معلومة إضافية تمنع الانحراف عن الهدف.
  • اطلب منه اتباع أسلوب تحليلي: كأن تقول مثلًا (طبّق منهجية تحليل السلاسل الزمنية وحدد الاتجاهات والتذبذبات الموسمية).
  • اطلب تبرير النتائج: اعلم أن التحليل دون تفسير يفقد قيمته، فمثلًا يمكنك أن تقول له (فسّر لماذا انخفض الطلب على هذه الفئة مع ذكر أدلة من البيانات وكيفية الحل).
  • اطلب إخراجًا قابلًا للاستخدام: مثل جداول، مخططات، كود تحليلي، صياغة داخل Power BI.
فاعلم أنه كلما قلت التخمينات… ازدادت الدقة، وكلما زادت التفاصيل… أصبح الذكاء الاصطناعي أكثر ذكاءً. وتأسيسًا على القواعد المستعرضة، إليك بالقسم الآتي مجموعة من الأمثلة العملية.

أمثلة عملية على كتابة Prompts لتحليل البيانات باستخدام ChatGPT

لا يكفي أن تطلب من شات جيبيتي تحليل البيانات بشكل عام، وإنما ينبغي أن توضّح ما تحتويه بياناتك، وما الذي تريد الوصول إليه منها، وكيف تريد عرض النتائج. فالمطالبات Prompts التحليلية الأكثر نجاحًا تتميز بثلاثة عناصر:
  • وصف واضح لبنية البيانات (الأعمدة، الحجم، المجال).
  • طلب تفسير وليس مجرد نتائج.
  • توجيه ChatGPT لاقتراح مخططات أو أساليب تحليل مناسبة.
وإليك أمثلة عملية:
  • تحليل تنبؤي وربط المتغيرات بالأثر المالي: لديك بيانات مبيعات تحتوي على: السعر، عدد الزيارات، الخصومات، التصنيف التسويقي، الإيرادات اليومية. أنشئ نموذجًا لتحديد أي المتغيرات لها التأثير الأكبر على الإيرادات، مع تفسير قابل للتطبيق تجاريًا، واقتراح إجراءات تزيد الإيرادات خلال الربع القادم.
  • توصيف العملاء وتقسيم الشرائح السوقية: إليك بيانات العملاء: العمر، قيمة الشراء السنوية، معدل التفاعل بالأجهزة المحمولة، عدد الشكاوى. اقترح ٤ شرائح عملاء باستخدام تحليل التجمع Clustering، مع ذكر وصف كل شريحة، والرسالة التسويقية الأنسب لها، والمنتجات التي تزيد احتمالية شرائها.
  • تحليل أسباب التراجع في KPI رئيسي: معدل الاحتفاظ بالعملاء انخفض من ٨١٪ إلى ٧٢٪ خلال ٣ أشهر. استنادًا إلى بيانات التفاعل والدعم والمشتريات، حلِّل الأسباب المحتملة وحدّد أهم ٣ متغيرات مرتبطة بالتراجع، واقترح حلولًا قابلة للتنفيذ مدعّمة بالأدلة.
  • إعداد Dashboard Narrative: بناءً على هذا الملخص: الإيرادات ↑ +١٢٪ — تكاليف الاكتساب ↑ +٤٠٪ — معدل الربح الصافي ↓ −١٥٪ — الوقت بين الشراءات ↑ اكتب قصة بيانات تحليلية تشرح ما يحدث فعليًا خلف الأرقام، وضع توصيات تنفيذية تساعد الإدارة على اتخاذ قرار سريع.
  • كشف التحيز وتحسين جودة النماذج التنبؤية: لدي نموذج توصية منتجات دقته ٨٣٪ لكنه يظهر انحيازًا ضد شريحة الأعمار ٥٥+.
اقترح طرقًا كمية لاكتشاف أسباب التحيز، وكيفية تحسين توازن الدقة والعدالة دون الإضرار بالربحية. ولعلك تتساءل هل من سبيل لتطوير مهاراتي في تحليل البيانات وذكاء الأعمال باستخدام الذكاء الاصطناعي والتعرف على هندسة الأوامر لتحقيق الاستفادة الكاملة من هذه الأدوات المتطورة؟ والإجابة نعم.

خطوة نحو الاحتراف مع دبلومة تحليل البيانات وذكاء الأعمال من معهد محترفي الإدارة IMP

ما دمت تعمل على رفع مستواك في استخدام الذكاء الاصطناعي التوليدي وتحليل البيانات المتقدم، فإن تعزيز هذه المهارات بنهج أكاديمي تطبيقي يصبح استثمارًا استراتيجيًا. وهنا يأتي دور دبلومة تحليل البيانات وذكاء الأعمال التي يقدمها معهد محترفي الإدارة IMP، المصممة بصفة خاصة لتلبية احتياجات السوق الحديثة. ماذا ستتعلم داخل الدبلومة؟ تم تصميم المنهج ليمنحك سيطرة كاملة على دورة حياة البيانات والتحليل التطبيقي، عبر محاور تشمل:
  • Power BI لإنشاء لوحات تحكم تفاعلية وذكاء أعمال قابل للتنفيذ.
  • SQL & Databases لاستخلاص البيانات وتنظيمها ومعالجتها بكفاءة عالية.
  • Power Query & Data Modeling لتنقية البيانات وتحويلها لتناسب التحليل الذكي.
  • التحليل الإحصائي والتنبؤي باستخدام أساليب عملية مثل الانحدار ونماذج التوقع.
  • قواعد سرد البيانات Data Storytelling لعرض النتائج بلغة سهلة لدعم صناع القرار.
  • مفاهيم ذكاء الأعمال BI لتوظيف البيانات في تحسين الأداء واتخاذ القرارات.
  • الذكاء الاصطناعي التحليلي وتكامل Copilot في Power BI لإثراء التحليل بالتشغيل الآلي.
تخرج من الدبلومة قادرًا على:
  • بناء تحليلات متقدمة مدعومة بالاستدلال الذكي.
  • تقديم توصيات تنفيذية مقنعة مبنية على أرقام واضحة.
  • تصميم لوحات قيادة تدعم فرق الإدارة في اتخاذ القرارات الفورية.
  • قيادة مبادرات التحول الرقمي داخل شركتك بثقة.
رسالة واحدة تفصلك عن تطوير مهاراتك ومعرفة تفاصيل التسجيل بالدبلومة. تواصل الآن.