قبل أن تتمكن من بناء لوحات المعلومات، أو تشغيل النماذج، أو عمل التوقعات، تحتاج إلى فهم بياناتك، والخطوة الأولى في هذه العملية هي الإحصاء الوصفي. فيساعدك الإحصاء الوصفي في تلخيص مجموعات البيانات الكبيرة في بضع أرقام بسيطة. فهو يظهر لك ما هو طبيعي، وما هو غير معتاد، وما الذي قد يحتاج إلى اهتمام. سواء كنت تعمل في مجال الأعمال، أو البحث، أو التسويق، أو المال، أو الموارد البشرية، أو العمليات التشغيلية، فإن هذا هو الجزء المهم من التحليلات الذي تستخدمه يوميًا، حتى لو لم تدرك ذلك.
ويتخطى العديد من المحللين هذه الخطوة وينتقلون مباشرة إلى الرسوم البيانية والنماذج، ما يؤدي عادةً إلى أخطاء، إذ يبدأ التحليل الجيد بفهم الشكل الأساسي لبياناتك.
لنستعرض أهم النقاط حول الإحصاء الوصفي في تحليل البيانات، وبدايتنا مع التعريف.
ما هو الإحصاء الوصفي؟
هو أسلوب يُستخدم لتلخيص ووصف السمات الرئيسية لمجموعة بيانات، إذ يساعدك في الإجابة على أسئلة مثل:
- ما هي القيمة النموذجية؟
- إلى أي مدى تنتشر بياناتي؟
- هل توجد قيم غير معتادة أو متطرفة؟
- ما الأنماط التي تظهر للوهلة الأولى؟
هذه الأسئلة مهمة لأن الإجابات عليها تشكّل كل قرار تتخذه لاحقًا.
كما تُصنَّف الإحصاءات الوصفية في ثلاث فئات رئيسية:
- مقاييس النزعة المركزية (المتوسط الحسابي، الوسيط، المنوال).
- مقاييس التشتت (المدى، والتباين، والانحراف المعياري).
- شكل التوزيع (الالتواء، التفرطح Kurtosis، أنماط التكرار).
وتشكل هذه الأساسيات العمود الفقري لكل التحليلات عالية المستوى.
ما المقاييس الأساسية التي يجب أن تعرفها؟
تدور معظم التحليلات الوصفية حول ثلاثة أنواع من المقاييس:
النزعة المركزية
تخبرك هذه القيم كيف يبدو الشكل “النموذجي”:
- المتوسط الحسابي (Mean): القيمة المتوسطة.
- الوسيط (Median): القيمة الوسطى.
- المنوال (Mode): القيمة الأكثر تكرارًا.
فعندما تحتوي البيانات على قيم متطرفة (شاذة)، يكون الوسيط أكثر موثوقية.
التشتت (الانتشار)
يوضح مدى تباعد القيم عن بعضها:
- المدى (Range): أعلى قيمة – أقل قيمة.
- التباين (Variance): مدى اختلاف القيم عن المتوسط.
- الانحراف المعياري (Standard Deviation): مدى انتشار البيانات بشكل عام.
فإذا كان الانحراف المعياري مرتفعًا، فهذا يعني أن بياناتك غير متناسقة.
شكل التوزيع
يساعدك هذا في فهم ما إذا كانت البيانات تميل لليسار أو اليمين (الالتواء)، أو إذا كان لها ذيول ثقيلة (التفرطح)، كما يساعد في اكتشاف القيم المتطرفة وفهم ما إذا كانت بياناتك تتناسب مع الافتراضات التي تتطلبها العديد من النماذج الإحصائية.
لماذا تعد الإحصاءات الوصفية ضرورية؟
كشفت دراسة أجريت عام 2023 حول تحليلات الأعمال أن الشركات التي تستخدم التحليل الوصفي بشكل منتظم تولد رؤى أكثر وضوحًا وتتخذ قرارات إستراتيجية أفضل. وترجع أهمية الإحصاء الوصفي للعديد من الأسباب ومنها:
- اكتشاف الأخطاء والقيم المتطرفة مبكرًا.
- فهم ما إذا كانت المتوسطات تمثل بياناتك بشكل جيد.
- رؤية أنماط قد تفوتك في الجداول الأولية.
- التقليل من خطر سوء التفسير.
- وضع الأساس للنمذجة والتوقعات الصحيحة.
ثلاثة أمثلة عملية يمكنك تطبيقها على الفور
المثال ١: بيانات المبيعات
لديك أرقام الإيرادات الشهرية، تقوم بحساب:
- المتوسط الحسابي: متوسط الإيرادات الشهرية.
- الوسيط: يخبرك كيف تبدو الشهور “النموذجية”.
- الانحراف المعياري: يوضح ما إذا كان الإيراد مستقرًا أم متقلبًا.
- التوزيع: يُظهر ما إذا كانت قليل من الشهور ذات الإيرادات المرتفعة تشوّه المتوسط.
فمن دون هذه التحليلات، قد تبني قراراتك على متوسطات مضللة.
المثال ٢: أداء الحملات التسويقية
تقوم بجمع بيانات تكلفة الحصول على عميل محتمل من ١٠ حملات. الإحصاءات الوصفية تجيب بسرعة على:
- هل تكلفة الحصول على عميل محتمل متسقة؟
- هل حملة أو حملتين فقط ترفعان المتوسط؟
- هل الوسيط أقل من المتوسط (وهذا يعني وجود قيم متطرفة)؟
هذا يخبرك ما إذا كان فريقك يعمل بشكل متناسق، أو أن بعض الحملات تشوه النتائج.
المثال ٣: أداء الموظفين أو مؤشرات الموارد البشرية
غالبًا ما تستخدم فرق الموارد البشرية الإحصاءات الوصفية لفهم:
- توزيعات الرواتب.
- أنماط حضور الموظفين.
- نتائج التدريب.
فعلى سبيل المثال، إذا كان متوسط الراتب أعلى بكثير من الوسيط، فهذا يعني أن عددًا قليلًا من الرواتب المرتفعة يرفع المتوسط وليس أن معظم الموظفين يتقاضون رواتب جيدة.
أخطاء شائعة يجب تجنبها عند تطبيق الإحصاءات الوصفية
إليك الأخطاء التي يقع فيها العديد من المحللين والتي يمكنك تجنبها:
- استخدام المتوسط الحسابي حتى عندما تكون البيانات منحرفة (مائلة).
- تجاهل القيم المتطرفة دون فهم سبب ظهورها.
- مقارنة مجموعات البيانات دون التحقق من التشتت أو التباين.
- الانتقال إلى التنبؤات قبل تلخيص البيانات.
- الاعتماد فقط على الرسوم البيانية دون التحقق من الملخصات الرقمية.
يساعدك التحليل الوصفي الجيد على تجنب هذه الفخاخ والخروج بنتائج متسقة وذات جودة عالية.
ما الأدوات الرئيسية التي يمكنك استخدامها؟
لا تحتاج إلى أدوات متقدمة للبدء، فالأدوات الأساسية تكفي:
- Excel (المتوسط، الوسيط، المنوال، الانحراف المعياري، الجداول المحورية).
- Power BI (المقاييس السريعة، الإحصاءات الموجزة، العناصر المرئية).
- Python / R (إذا كنت ترغب في التعمق أكثر).
واعلم أن الأهم هو فهم معنى الأرقام — وليس الأداة التي تستخدمها.
واقع الإحصاء الوصفي في الشرق الأوسط
تولِّد المؤسسات في الشرق الأوسط كميات من البيانات أكثر من أي وقت مضى، خاصة في القطاعات مثل:
- التجارة الإلكترونية.
- الخدمات اللوجستية.
- القطاع المالي.
- الخدمات الحكومية.
- الرعاية الصحية.
فقبل أن تنتقل هذه المؤسسات إلى التحليلات المتقدمة أو الذكاء الاصطناعي، تحتاج فرق العمل إلى أساس قوي في التحليل الوصفي، وهنا تكمن مشكلة العديد من الشركات: البيانات موجودة، ولكن المهارات اللازمة لتفسيرها مفقودة.
أكدت ورقة بحثية حديثة أن الإحصاءات الوصفية تُعد مهارة أساسية للمحللين في جميع القطاعات، ما يجعل من الضروري تعلمها لمواكبة التطورات الحادثة.
لماذا يجب أن يتعلم فريقك هذه المهارات الآن؟
إذا عرف فريقك كيفية تلخيص وتفسير البيانات بشكل صحيح:
- تصبح القرارات أوضح.
- تزداد سرعة إعداد التقارير.
- تتناقص الأخطاء.
- تسير المشاريع بسلاسة أكبر.
- تصبح نماذج الذكاء الاصطناعي أكثر دقة.
- تصبح الرؤى أسهل في التواصل.
فالتحليل الوصفي هو الأساس الذي يدعم كل شيء بما يتضمن النماذج التنبؤية، ولوحات المعلومات، والتوقعات، والأتمتة.
هل ترغب في أن يتعلم فريقك هذه المهارات؟
تساعدك دبلومة تحليل البيانات و ذكاء الأعمال من معهد محترفي الإدارة IMP على تحقيق ذلك، وتدريب فريقك على كل ما يحتاجونه للتعامل مع البيانات بشكل صحيح بدءًا من الإحصاءات الوصفية، ثم الانتقال إلى Excel وـPower BI وـSQL والأتمتة وسرد القصص بالبيانات.
وتعتمد دبلومة تحليل البيانات وذكاء الأعمال المقدمة من معهد محترفي الإدارة على نهج فريد يجمع بين النظرية والتطبيق العملي المُصمم بشكل خاص للمؤسسات الفعلية في الشرق الأوسط، ويشمل مشاريع تطبيقية وأدوات مستخدمة في بيئة العمل، كي يتعلم فريقك كيفية تنقية البيانات وتلخيصها وفهمها وتوصيلها، ما يؤهلهم للتعامل مع التحليلات المتقدمة وأدوات الذكاء الاصطناعي.
إذا كنت تريد أن يفكر موظفوك كمحللين وأن يعملوا بثقة، فإن دبلومة تحليل البيانات وذكاء الأعمال من IMP تُعد نقطة انطلاق قوية.
تواصل الآن.
