بداية وكتعريف بسيط فإن ما يقصد به بالأسئلة ذاتية التقييم هي الأسئلة التي يطلب فيها من المجيب أن يقدم إجابة تتعلق بتقييم يتعلق به، أي أن يقيم شيئا يتعلق بواقعه، ولا تشمل هذه الأسئلة ما يتعلق بالرأي.
تستخدم الأسئلة ذاتية التقييم في الغالب في دراسات وأبحاث علم النفس، وتستخدم أحياناً في تقييم الاحتياجات الإنسانية والتقييم المؤسساتي ومجالات بحثية أخرى.
إن التحدي الأكبر للأسئلة ذاتية التقييم هو أن المجيب هو من يقيم نفسه، فنقع في مشاكل عديدة تتعلق بموثوقية وصدق الاستبيان Reliability، مثل التقييم العالي Over estimation أو التقييم المنخفض Lower estimation، أو أن يجيب المشارك على ما يتمنى أن يكون عليه من حال وليس واقعه، وهذا ما يحدث عادة في دراسات علم النفس.
من الأمثلة على الأسئلة ذاتية التقييم:
أنا شخص إيجابي!
– موافق بشدة
– موافق
– محايد
– معارض
– معارض بشدة
عادة ما يجيب المشاركون على هذا السؤال بطريقة تحاملية، أي أنهم (ليس كلهم طبعا ولكن نسبة مرتفعة) يميلون إلى تقديم تقييمات إيجابية لأنفسهم نتيجة طبيعة التحامل التي تتواجد عند أغلب الناس خاصة عند إحساس المجيب بوجود من يطلع على الإجابات مثل مجري المقابلة نفسه إن كانت مقابلة مباشرة.
ما هو مستواك في اللغة الإنكليزية؟
– متقدم
– متوسط
– ىمنخفض
هنا توجد مشكلة مركبة تتعلق بجانبين، الأول هو التحامل مثل السؤال السابق، والثاني هو التقدير الخاطئ، أي أن المجيب ونتيجة درجة معرفته باللغة قد يقيم نفسه بدرجة أعلى من الحقيقة وأحيانا تأتي بشكل معاكس.
أنا أتصرف مع أبنائي بطريقة تربية مناسبة ومتماشية مع أساليب التربية الحديثة!
– موافق بشدة
– موافق
– محايد
– معارض
– معارض بشدة
في هذا النوع من الأسئلة في العادة يجيب المشاركون على ما يتأملون أن يكونوا عليه وليس على ما يعبر عن واقعهم.
إن الاعتماد على الاسئلة ذاتية #التقييم لا يكون خياراً في أغلب الحالات، فلنحصل على تقييم دقيق لمستوى اللغة الإنكليزية يجب أن يجرى امتحان تقييم أقرب إلى الرسمي، والذي لا يكون متاحاً أقلها لأن #الاستبيان يتضمن الكثير من الأسئلة واحد منها سؤال اللغة، وفي دراسات علم النفس فإن الاستعاضة عن أسئلة التقييم الذاتي تحتاج لمختص في المجال للحصول على تقييم دقيق والذي لا يتوفر دائما ويحتاج موازنة عالية لتنفيذه.
السؤال إذاً: إذا لم نكن قادرين على الاستعاضة عن الأسئلة ذاتية التقييم وكانت تسبب تحديات في موثوقية الاستبيان، ما هي الحلول التي يمكن أن تساعد على تجاوز هذه المشكلة؟

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

سوف نتحدث اليوم عن أحد أهم برامج التحليل الإحصائي المتقدم وهو برنامج SPSS، يتضمن البرنامج أدوات كثيرة من شأنها دعم مستخدميه خلال عملية تحليل البيانات المتقدمة واختصار الوقت عليهم. حيث سوف نذكر بإيجاز بعض المعلومات الأساسية الخاصة بالبرنامج.
1. من النقاط المهمة قبل بدء العمل على برنامج SPSS، هي تنظيف البيانات الموجودة لدينا بشكل جيد قبل إدخالها إلى البرنامج.
2. نحتاج أيضاً إلى ترميز الأسئلة الخاصة بقاعدة البيانات التي نعمل عليها لبدء عملية إدخالها على البرنامج.
3. من الأمور المميزة في برنامج SPSS، هي وجود الأدوات الداعمة التي تساعد على اختصار عملية تحليل البيانات من ساعات إلى دقائق، خاصة في حال وجود الكثير من الأسئلة المتعددة والتي تحتاج عادة إلى وقت في التحليل على برنامج Excel.
4. هناك إمكانية لإظهار الرسوم البيانية للنتائج الخاصة بالتحليل على برنامج SPSS، ولكن التعديل على الرسوم من ناحية طريقة إظهار النتائج والمؤثرات الخاصة بالرسم تعتبر بدائية بعض الشيء، ولكن برأيي هذه النقطة لا تعتبر مشكلة كبيرة، حيث بعد الانتهاء من عملية تحليل البيانات وقراءتها من خلال الصفحة الخاصة بنتائج التحليل، يمكننا أخذ البيانات الخاصة بالرسم البياني الذي نحتاج إلى إظهاره ورسمه عن طريق برنامج Excel، نعم هذه الطريقة قد تأخذ القليل من الوقت، ولكن برأيي لا تعتبر هذه النقطة مشكلة كبيرة مقارنة بالميزات الضخمة التي يقدمها لنا البرنامج. مع العلم أن إصدارات SPSS الحديثة توفر رسوم بيانية أجمل ويمكن استخدامها بصيغة قابلة للتعديل إلى برامج Microsoft.
5. إمكانية كتابة المعادلات والصيغ التي من شأنها تسهيل وتيسير عملية تحليل البيانات وإدارة وفلترة البيانات.
لذلك ومن خلال تجربتي أنصح المهتمين والمختصين بمجال تحليل البيانات الدخول في عالم برنامج SPSS لما يحتويه من أدوات من شأنها تسريع العمل بشكل كبير جداً.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

تحدثت في منشور سابق عن أهم مميزات برنامج Power BI من شركة Microsoft، والآن في هذا المنشور سوف أتحدث بشكل موجز عن بعض العيوب الموجودة في البرنامج، حيث لا شك بأن برنامج Power BI هو أحد برامج التحليل المتميزة والذي يحتوي على العديد من الخصاص التي تجذب المستخدمين إلى العمل إليه، ولكن لا يخلو البرنامج من بعض المشاكل التي قد نواجهها أثناء العمل عليه، ونذكر منها:
1. البرنامج لا يمتلك أدوات لتحليل الأسئلة المتعددة بشكل مباشر، لذلك نحتاج لاستخدام أدوات داعمة وعمليات متعددة للتمكن من تحليلها.
2. يقوم برنامج Power BI بإظهار النسب المئوية لنتائج تحليل الأسئلة متعددة الإجابات من 100%، حيث لا يظهر البرنامج النسب المئوية لكل خيار من خيارات الأسئلة المتعددة على حدا، بل يقوم بإظهار النسبة المئوية من الإجمالي الكلي للخيارات في السؤال. يوجد حل لهذه المشكلة عن طريق المعادلات في البرنامج، ولكن من سلبيات هذه الطريقة أنها تسبب بطء في عمل البرنامج خاصة في حال وجود عدة أسئلة متعددة في التقرير.
3. بطء عمل البرنامج في حال الإضافة والتعديل بشكل متكرر على محرر. Query
4. عدم قدرة البرنامج على تقديم تحليلات إحصائية متقدمة.
5. محدودية أنواع الرسوم البيانية الموجودة في البرنامج، مثل عدم وجود رسوم خرائط الضبط الإحصائي للجودة.
6. اختيار الشكل البياني المناسب، حيث هناك بعض الرسوم البيانية التي لا تظهر لنا نتائج البيانات بالشكل المطلوب ولذلك الاختيار الصحيح يقع على عاتق محلل البيانات.
7. الحصول على سوم بيانية متنوعة ومختلفة قد يحتاج القليل من البحث في المتجر الخاص بها، وذلك بسبب وجود رسوم بيانية في المتجر لا تقدم كل المزايا، مثل خاصية التفاعل مع الرسوم البيانية الأخرى، وهذا الأمر قد لا يظهر لنا إلا عند تحميلها من المتجر وتجربتها في التقرير.
8. عملية اختيار الألوان، حيث تعتبر هذه العملية هي السهل الممتنع لتقارير Power BI، وذلك بسبب تعدد الألوان والإضافات والمؤثرات الموجودة والتي يمكن إضافتها للتقرير، حيث أن عملية اختيار الألوان بشكل جميل ومتناسق لها دور كبير في إظهار جمال التقرير لأنه كما ذكرنا سابقاً فإن برنامج Power BI يعتمد على الألوان والرسوميات بشكل أساسي.
لا تقارن هذه السلبيات بحجم الإيجابيات والمزايا التي يقدمها لنا برنامج Power BI لذلك لا زلت أنصح المختصين والمهتمين بتحليل البيانات بتجربة استخدام البرنامج، فالسلبيات التي تحدثت عنها قابلة للحل إلى حد كبير.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

برنامج PowerBI هو أحد برامج التحليل التي أصدرتها شركة Microsoft، وهو برنامج تحليلي متخصص بإظهار نتائج البيانات على شكل رسوميات وعرضها بشكل تفاعلي من خلال تقارير تفاعلية قابلة للمشاركة مع الآخرين بسهولة، وسوف أذكر لكم من تجربتي لبرنامج PowerBI بعض المزايا الأساسية للبرنامج بشكل مختصر وسريع:
1. واجهة البرنامج سهلة الاستخدام، حيث تساعد المستخدمين حتى المبتدئين منهم على التعرف على الأدوات الموجودة في البرنامج بسهولة .
2. تنوع وتعدد مصادر البيانات التي يمكن ربطها بالبرنامج ونذكر منها Excel,SQL,SharePoint,Oracle,CRM apps, Access,Dyanamic 356,Google analytics, Adobe analytics,Github,Mailchimp.
3. القدرة على سحب البيانات من أي موقع إلكتروني والعمل عليها.
4. عرض البيانات وإظهارها بشكل مختلف من خلال إمكانية إنشاء التقارير التفاعلية والتي يمكن من خلالها قراءة النتائج عن طريق رسوميات وأشكال متعددة سهلة القراءة.
5. إمكانية إظهار نتائج البيانات وعرضها بطريقة تفاعلية غير تقليدية وذلك من خلال رسوم بيانية تفاعلية متعددة الأشكال مع إمكانية التعديل على الألوان الخاصة بالرسومات وإضافة تأثيرات متنوعة على الرسومات بسهولة من خلال لوحة الأدوات الخاصة بالتعديل على الرسوم البيانية.
6. ميزة التفاعل بين الرسوم البيانية، حيث عند الضغط على معلومة ما ضمن رسم بياني تتفاعل باقي الرسومات البيانية وتقوم بإظهار النتائج المرتبطة بهذه المعلومة.
7. إمكانية إضافة الصور والأيقونات وجعلها تفاعلية عن طريق ربطها بالصفحات الخاصة بالتقرير عن طريق الفهرس Bookmark.
8. ميزة إضافة الفلاتر التفاعلية للرسوم البيانية ضمن التقرير.
9. إمكانية إضافة فهرس تفاعلي للتقارير مرتبط بالعناوين الرئيسية للتقرير.
10. تعديل وإدارة البيانات بشكل متقدم من خلال محرر Power Query.
11. مشاركة التقرير بسهولة عن طريق إنشاء رابط للتقرير من خلال موقع PowerBI ومشاركته عبر الإيميل، تطبيق الواتس آب وباقي التطبيقات الأخرى.
12. الربط بين مصادر البيانات المختلفة وتحليلها مع بعضها على أنها قاعدة بيانات واحدة.
13. ربط البرنامج ببرامج تحليل البيانات المتقدمة مثل Python وR مما يتيح له تقديم تحليلات إحصائية عميقة.
أنا أنصح جميع العاملين والمهتمين في مجال تحليل البيانات باستخدام البرنامج وبدء العمل عليه، حيث أن العمل على برنامج PowerBI ستكون إضافة مميزة في مجال عملنا في تحليل البيانات.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

في العادة يعمل الباحثون والعاملون في مختلف المجالات البحثية (مراقبة وتقييم، دراسات سوق، استطلاعات رأي…) على تحديد مجموعة مواضيع رئيسية للبحث، وتسمى بالعادة إما محاور البحث أو تساؤلات أو فرضيات…، من هذه المحاور يتم اشتقاق الأسئلة التي سيتم طرحها في البحث الذي يجرونه. المشكلة لا تكمن في هذه النقطة، بل إن المشكلة التي لاحظتها لدى الكثير من الباحثين العاملين في #تطوير_الاستبيانات / #أدوات_البحث، تكمن في أن صياغة الأسئلة تأتي بالسؤال عن الموضوع أو المحور أو المعلومة المطلوبة بشكل مباشر وأحيانا بشكل حرفي، للإيضاح لنأخذ هذا المثال، إذا كان لدينا تساؤلٌ عن “احتياجات من شأنها أن تساعد على زيادة مستوى تضمين ذوي الإعاقة في التعليم”، وجاء مطور أدوات البحث/ الاستبيانات فطرح السؤال على ذوي الإعاقة بهذا الشكل “ما هي الاحتياجات التي تساعد على زيادة مستوى تضمينكم في التعليم؟”.

هذه الطريقة من الطرح تنطوي على مشاكل عديدة تؤدي في الكثير من الحالات إلى عدم الحصول على نتائج صحيحة أو عدم الإجابة على تساؤلات البحث أو الحصول على نتائج مغلوطة وذلك للأسباب التالية:

1. قد يحتوي الموضوع البحثي على مصطلحات لا يعرفها المشاركون، إذ في الغالب تستخدم في مواضيع البحث مصطلحات علمية أكاديمية، لذلك يجب استخدام كلمات أخرى مرادفة مستخدمة في الحياة الواقعية.
2. أغلب مواضيع الأبحاث الرئيسية هي نقاط معقدة لا يمكن الإجابة عليها بسؤال واحد وإنما تتم تجزئتها لبنود فرعية، تلك البنود الفرعية تتحول إلى أسئلة (مع مراعاة تحوير الصياغات بالشكل المناسب طبعا)، لذلك فإن طرح الموضوع البحثي بشكل مباشر وحرفي سيسبب الحيرة للمجيبين، إذ أنه سيصبح إما سؤال واسع وعام تصعب الإجابة عليه بهذه الطريقة.
3. في أغلب الحالات لا يكون المشاركون على مستوى معرفة يساعدهم على تقديم الإجابة على السؤال بهذا الشكل، أي في مثال دراسة احتياجات ذوي الإعاقة لزيادة تضمينهم في المشاريع الإنسانية، فالأفضل أن يتم طرح أسئلة تتعلق بالمشاكل والصعوبات التي يوجهونها والتي تعيق حصولهم على تعليم مناسب، مع ضرورة التأكيد أيضا على السؤال عنها بشكل تفصيلي وليس كسؤال واحد.

خلاصةً، يمكن القول بأن عملية تطوير الاستبيانات تظهر للعاملين في هذا المجال وخاصة غير المختصين بأنها سهلة ويمكن لأي كان أن يقوم بها، لكن التجربة تؤكد، وخاصة عند استلام البيانات بعد كل الجهد الذي بذل في بناء العينة ومنهجية البحث، بأن البيانات التي سنحصل عليها لن تكون مفيدة وذلك بسبب التصميم الخاطئ للاستبيانات.

يمكن التعبير عن الاستبيانات بأنها المثال الأوضح لعبارة “السهل الممتنع”، إذ يمكن لأي شخص أن يطور استبياناً إلا أن التحدي يأتي عند تحليل البيانات التي تم الحصول عليها، لذلك أنصح جميع العاملين في مجال الأبحاث بالتبحر بمجال تطوير الاستبيانات، والبحث خاصة في المراجع التطبيقية، إذ أن أغلب المراجع المتوفرة تتحدث عن جوانب نظرية فقط.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من خلال مشاركتنا مع العديد من المنظمات في مشاريع مختلفة، أود أن أتحدث عن أهم الأخطاء التي يقع بها جامعي البيانات:
السرعة في الإدخال: التي قد ينتج عنها معلومات غير صحيحة; مثال: في مكان الراتب الشهري للمجيب يكتب جامع البيانات 250 بدلاً من كتابة 2500.
عدم التدقيق وقراءة السؤال بشكل جيد: مثال: في المثال السابق يكون المطلوب كتابة الراتب بالليرة التركية، فيقوم جامع البيانات بكتابته إما بالليرة السورية أو بالدولار; الأمر الذي قد ينتج عنه وجود أخطاء كارثية في البيانات وقيم شاذة، مع العلم أن مسؤول جودة البيانات لا يستطيع أن يفترض العملات التي تم اعتمادها وتعديلها بنفسه.
المقاطعة غير المنطقية للأسئلة: أي عدم ربط أجوبة المجيب بشكل منطقي مع الأسئلة السابقة، مثال: في سؤال عن الأشخاص ذوي إعاقة، هل تعاني من مشاكل في المشي، فكانت الإجابة لا، على الإطلاق، وعند السؤال عن الأجهزة والمستلزمات التي تحتاجها فكانت الإجابة: العكازات. فكانت النتيجة أن الشخص لا يعاني من مشاكل في المشي، ولكن يحتاج إلى عكازات!
ضعف القدرات المهنية في التعامل مع برامج جمع البيانات (الكوبو)، مع العلم بأن هذا البرنامج أصبح من اهم وأكثر البرامج شيوعاً في جمع البيانات، وأحياناً ينتج عن ضعف الخبرة ضياع الكثير من البيانات التي قد تسبب تأخر المشروع.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من خلال تجاربي بالعمل مع العديد من المنظمات ومراكز الدراسات والباحثين لاحظت تحديا في البيانات لا يمكنني توصيفه إلا بعبارة Rubbish data أو بيانات هراء أو عديمة الفائدة.
يمكن تلخيص فكرة البيانات عديمة الفائدة بأنها بيانات أو أسئلة تُسأل في الاستبيانات لا تفيد في أي شيء يتعلق بأهداف البحث، مثال ذلك في كثير من أنشطة مراقبة أو تقييم المشاريع يتم السؤال في المقابلات مع المستفيدين عن التركيبة الأسرية بالتفصيل الممل، كأن يُسأل عن أفراد الأسرة من الجنسين وبأعمارهم المختلفة حسب مجالات محددة وكثيرة التفصيل. قد يعتقد البعض بأن هذه البيانات هامة للمشروع الإنساني المنفذ، إلا أن التجربة تقول عكس ذلك، إذ أن هذه البيانات هامة في مرحلة تقييم الاحتياجات واختيار المستفيدين، وتكون موجودة لدى المنظمة قبل توزيع المساعدات، كما أن جميع الحالات التي شهدتها لم يكن فيها استخدام لهذه البيانات أبدا (في معرض كتابة تقرير المراقبة أو التقييم)، وفي أحسن حال يتم تجميع أفراد الأسرة في رقم نهائي، إذاً لم تم السؤال عن كل تلك التفاصيل وإرهاق المستفيدين بكل تلك الأسئلة؟
إن اعتقاد بعض الباحثين بأن هذه البيانات إن لم تفدنا فهي لن تضرنا هو اعتقاد خاطئ، فكثرة الأسئلة وطرح أسئلة لا ارتباط بينها وبين هدف النشاط البحثي المنفذ يسبب عدة إشكالات منها، زيادة في التكاليف، زيادة في تردد المشاركين وتخوفهم لكثرة التفاصيل التي يتم السؤال عنها وعدم منطقيتها، انخفاض اهتمام المشاركين بتقديم إجابات جدية نظراً لزيادة مدة المقابلة واحساسهم بالملل، زيادة في احتمالية الخطأ في جمع البيانات، زيادة في تعقيدات تحليل البيانات، ضياع الباحث المسؤول عن معالجة البيانات وكتابة التقرير وبالتالي طرح نقاط نقاش وأفكار بعيدة عن هدف البحث ومشتتة لصناع القرار. لا يمكن حصر الحالات التي نلاحظ بأنها من نوع البيانات عديمة الفائدة، فالسؤال عن اسم المشارك في استطلاع رأي سياسي لا يهم فيه اسم المشارك أبدا، فهو فقط يعبر عن شخصيته الاعتبارية كممثل لعينة من فئات المجتمع المستطلع (إلا في حالات نادرة تتعلق بالتحقق والمتابعة لفرق جمع البيانات)، السؤال عن اسمه في هذا الاستطلاع سيؤدي بالضرورة إلى تقديم المشارك لإجابات تبتعد أكثر عن آرائه الحقيقة وذلك نتيجة تخوفه من ربط تلك الإجابات باسمه وتعرضه لأية مساءلة أو ضرر بسبب ذلك.
أنصح دائماً بأن يتم ربط الأسئلة أو البيانات التي نسأل عنها بأهداف بحثنا وعدم القول “ما نخسر شيء إذا سألنا هي الأسئلة”

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من أنواع الأسئلة التي لاحظت شيوع استخدامها في الاستبيانات والتي تنعكس كتحديات على تحليل البيانات هي الأسئلة الترتيبية، إذ يطلب من المشارك أن يجيب على عدة خيارات بترتيبها حسب الأولوية أو باختيار مثلا أهم ثلاثة منها بالترتيب.
سأتحدث من جانب ملاحظتي لحالات كثيرة حول هذه الأسئلة وأركز فيها على السلبيات التي تنعكس على استخدامها، ومنها:
١. بالمجمل فإن عملية ترتيب الخيارات حسب الأهم فالأقل أهمية تعتبر عملية مرهقة ومستهلكة للوقت، لذلك يلاحظ أن أغلب المشاركين لا يجيبوا عليها بجدية، وبالتالي فإن الترتيب الذي تم الحصول عليه غير دقيق.
٢. في الأسئلة التي نختار فيها أهم ثلاث إجابات وبشكل ترتيبي، يغلب عليها أن الترتيب يتبع لترتيب الإجابات نفسها في تصميم الاستبيان، أي أن المشاركين يميلون لاختيار الإجابات التي تذكر لهم في البداية على أنها الأكثر أهمية.
٣. مشكلة كبيرة في تحليل الأسئلة الترتيبية ناتجة عن ضعف أغلب البرامج الإحصائية وعدم وجود أساليب تحليلية جاهزة لهذه الأسئلة، لذلك يضطر محلل البيانات لإجراء عمليات حسابية يدوية مما يسبب مشاكل في التحليل.
٤. مشكلة في تحليلها تنبع من جانب كيفية إخراج النتائج:
– فإن حساب الترتيب كأوزان سيعطي نتيجة قد تتجاوز القيمة الحقيقية، مثل أن نحصل على نسبة مئوية أعلى من 100, أي أن النتيجة الرقمية التي سنحصل عليها لا تعبر عن قيمة حقيقية وإنما تعبر عن وزن وأهمية لهذا الخيار أمام الخيارات الأخرى وليس نسبة من اختاره.
– يواجه الكثير من محللي البيانات صعوبة في التعامل مع هذه الأسئلة لذلك يلجؤون لأساليب غير مناسبة مثل، عرض تحليلات للأولوية الأولى فقط، أو عرض تحليلات لكل أولوية على حدى، أو تحليل السؤال على أنه سؤال متعدد الإجابات تقليدي أي ليس سؤال ترتيبي.
-خطأ في حساب الأوزان، فنظام الأوزان في علم الإحصاء ليس شيء اعتباطي، أي أنه في حالات يعتبر على شكل درجة 1، 2، 3، أو على شكل نسبة احتمالية أو مئوية من أصل الإجابات…إلخ، واعتماد نظام أوزان لا يتماشى مع الغرض من السؤال سيؤدي إلى نتائج خاطئة.
-خطأ في تحديد الأوزان للإجابات، إذ أن الأولوية الأولى يجب أن تأخذ الرقم 3 والأولوية الثالثة يجب أن تأخذ الرقم 1، مع العلم أن الترتيب المنطقي عكس ذلك ولكن كقيمة نهائية يجب أن تعطي رقماً أعلى للأولوية الأولى، وهذا في العادة ما يخطئ به بعض محللي البيانات.
5. إشكالات لدى مسؤول كتابة التقارير إذ يحتار بعضهم في كيفية عرض النتائج ومناقشتها في التقرير بالشكل الصحيح.
6.مشاكل في مقاطعة الأسئلة الترتيبية مع الأسئلة الأخرى، فالسؤال موجود في عدة أعمدة في قاعدة البيانات إضافة إلى ضرورة مراعاة وجود وزن إضافة إلى تقاطع مع سؤال أو أكثر، مما يوقع الكثير من محللي البيانات بأخطاء في تحليل هذه الأسئلة.
خلاصته هو أنني لا أنصح باستخدام الأسئلة الترتيبية.
طيب، كيف ممكن أحصل على نتائج ترتيبية من دون الأسئلة الترتيبية؟ أنتظر آرائكم في التعليقات
بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

هناك من لا يضع للقيم الشاذة أو Outliers أي اعتبار عند عمله في تحليل البيانات، وقد يكون سمع بهذا المصطلح وهو يقرأ هذه الأسطر. القيم الشاذة لها تأثير كبير على الكثير من المؤشرات الإحصائية، وأساليب التعامل معها ومعالجتها تتعلق بعوامل كثيرة منها ما هو بسيط ومنها ما يكون أكثر تعقيدا يتعلق بنوع المؤشر الإحصائي، إذ يجب على محلل البيانات معرفة تصنيف المعامل الإحصائي Smooth Prameter أم لا، وهذا ما يعبر عن درجة تأثره بالقيم الشاذة.

مثلاً المتوسط الحسابي يعتبر من أفضل مؤشرات/معاملات النزعة المركزية إلا أنه يتأثر بالقيم الشاذة بدرجة كبيرة جداً مقارنة بالوسيط، علماً أن الوسيط لا يعتبر معاملاً دقيقاً مقارنة بالمتوسط الحسابي.

سأحاول في هذه الأسطر الحديث عن جانب هام وهو الأكثر بساطة وهو أساليب معالجة القيم الشاذة.

أساليب معالجة القيم الشاذة:
1. مراجعة المصدر: للتحقق من القيمة فإن كان هناك خطأ في الإدخال يتم تصحيحه، كأن يكتب العمر لدراسة للأطفال 22 خطأ بدل 2، بذلك نكتشف ببساطة أنه خطأ في الإدخال ونصححه.
2. المعالجة المنطقية للقيم الشاذة: يمكن اكتشاف أخطاء القيم الشاذة من خلال المعالجة المنطقية، ببساطة عند دراسة للقوى العاملة فإن من يكون عمره 7 سنين مثلا سيتم حذف بياناته لأنه لا يصنف من القوى العاملة.
3. التمييز بين ما نبقيه وما نحذفه: تعتبر هذه العملية مرهقة جداً، إذ لا توجد معايير دقيقة لأجل قبول أو رفض القيم الشاذة، وفي هذا الجانب يقدم برنامج SPSS ميزة جميلة، هي تصنيف القيم الشاذة إلى نوعين، قيم شاذة Outliers (التي توجد بين الربيع الأول/الثالث وواحد ونصف المدى البيعي) وقيم متطرفة Extreme values (التي تبعد ما بين واحد ونصف إلى ثلاثة مرات المدى الربيعي)، أي باختصار بيانات بعيدة عن مكان تمركز البيانات وبيانات بعيدة جداً عنه، في هذه الحالة يمكن اعتماد هذا التصنيف بقبول القيم الشاذة وحذف القيم المتطرفة.
4. استبدال القيم الشاذة التي تم حذفها: الخطوة الأخيرة والأكثر حساسية هي قرار التعامل مع ما تم حذفه من قيم شاذة، هل نقوم بإبقائها محذوفة أم نستبدلها، يبدأ التحدي من قرار الاستبدال، إذ أن تركها فارغة يترتب عليه تبعات وتحديات ومقابله فإن استبدالها يترتب عليه أيضاً تبعات وتحديات. يتبع اتخاذ قرار الاستبدال هو المنهجية المناسبة للاستبدال، فعملية استبدال القيم المفقودة معقدة أيضاً فلها منهجيات وخيارات مختلفة، كل من هذه المنهجيات سيكون له تأثير بطريقة ما على نتائج تحليل البيانات (سأتحدث عن استبدال القيم المفقودة في منشور آخر إن شاء الله).

ليس من البساطة اجمال منهجيات التعامل مع القيم الشاذة بهذه الأسطر القليلة، فحذف القيم الشاذة يضعنا في خيارات أخرى، هل نترك مكانها كقيمة مفقودة أم نستبدلها بقيم بديلة، كما أننا عندما نحذف القيم الشاذة ونعيد استكشاف البيانات نجد أن هناك قيم شاذة جديدة قد ظهرت، كانت هذه القيم لا تعتبر شاذة باعتبار قاعدة البيانات قبل تعديلها (أي قبل حذف القيم الشاذة في المرحلة الأولى)، لذلك أنصح بالتبحر بهذا المجال، مع مراعاة كم الإغراق بالتبحر بناء على حجم البيانات ودرجة حساسيتها.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

يتوارد تساؤل هام لدى العديد من المهتمين بمجال تحليل البيانات أو الذين قد يحتاجون لاستخدام برامج تحليل البيانات إما للعمل أو للمجال البحثي، ما هو الفرق بين برنامجي Excel وSPSS؟ ومتى ينصح باستخدام كل منهما؟

نقدم هنا توصيفا ملخصا عن المزايا ونقاط الضعف مصنفاً حسب التخصص أو مجال تحليل البيانات المطلوب:

أولاً: تحليل البيانات للأبحاث الأكاديمية

مطلقا وبكل وضوح فإننا ننصح باستخدام برنامج SPSS، فهو يقدم تحليلات إحصائية واسعة جداً وتمتلك خيارات لا يمكن حصرها. في هذا المجال لا يمكن لبرنامج Excel في حال من الأحوال تقديم ما يقدمه SPSS .

يقدم SPSS مثلا:

اختبار الفرضيات المعلمية واللامعلمية بخيارات واسعة تشمل الكثير من الاختبارات المطلوبة للباحثين من غير تخصص الإحصاء.
تحليل الإنحدار والإرتباط بأنواه المختلفة الخطية وغير الخطية مع اختبارات لها وخيارات تحليل مرتبطة بها بشكل واسع.
تحليل السلاسل الزمنية.
اختبارات جودة الاستبيانات.
تحليل الشبكات العصبية.
التحليل العاملي.
تحليل دوال الحياة.
تحليلات الضبط الإحصائي للجودة وخرائطها.
مع الكثير الكثير من التحليلات الإحصائية الأخرى التي تخدم في المجالات الأكاديمية.

ثانياً: تحليل البيانات للأبحاث غير الأكاديمية

ويمكن تصنيفه لعدة مستويات من تحليل البيانات:

تحليل البيانات الوصفي (البسيط):

بالمجمل البرنامجان قادران على تقديم جميع التحليلات المطلوبة في التحليل الإحصائي الوصفي، إلا أن برنامج اكسل يحتوي بعض العيوب البسيطة، مثل أنه لا يرتب الإجابات حسب ترتيبها المنطقي وإنما كترتيب أبجدي، كما أنه لا يستطيع – إلا بعمليات حسابية – تقديم حسابات تتعلق بالأسئلة التي تحتوي نصوصاً بالإضافة إلى حسابات تتعلق بالترتيب الخاص بها، مثل حساب معامل ليكارت.

يتميز SPSS بتقديم أدوات لتحليل الأسئلة متعددة الإجابات وبخيارات متقدمة، والذي لا يقدمه Excel أبداً، لذلك نحتاج لاستخدام أساليب ومعادلات للحصول على تلك التحليلات وتكون محدودة الخيارات مع اشكالات بالنسبة المئوية التي نحصل عليها منه.

تقاطع البيانات:

يمكن القول بأن البرنامجين يمكن الاعتماد عليهما في هذا الجانب، إلا في حال التقاطعات المتعددة والمعقدة والتقاطعات مع الأسئلة متعددة الإجابات فإن برنامج Excel يصبح أبطأ وأقل فعالية، أما SPSS فيقدم جميع الخيارات مهما زاد تعقيدها بنفس السرعة المطلوبة للتحليل الإحصائي الوصفي والتقاطعات البسيطة. يضاف لذلك مزايا مثل الفلترة وتقسيم البيانات التي يقدمها SPSS والتي تسرع تحليل البيانات لدرجة كبيرة جداً، إذ يمكن تحليل البيانات المطلوبة لـ 20 منطقة على حدى أن يتم عليه بنفس سرعة تحليل البيانات لمنطقة واحدة، أما في Excel فهذا يعني مضاعفة العمل 20 مرة.

يقدم SPSS مزايا تحليل وصفي وتقاطع للبيانات بسرعة أكبر بكثير من تصوراتنا، إذ أن بعض التحليلات التي تحتاج أسبوعاً كاملاً على Excel يمكن أن يتم إنهائها بعدة دقائق فقط على SPSS.

ثالثاً: تحليل البيانات الخاصة بالمؤشرات السكانية

عند الحديث عن المؤشرات السكانية فإننها نجد تحد يواجه كل برنامج من هذين البرنامجين، ففي SPSS نستطيع إجراء عمليات حسابية كثيرة جدا ومعقدة وسريعة جداً بشكل يتفوق على Excel، لكن هناك بعض نقاط الضعف البسيطة والهامة بنفس الوقت التي يعاني منها SPSS، من أهم ما تم ملاحظته بما يتعلق بذلك هو إجراء العمليات الحسابية الشرطية من عدة أعمدة، إذ أن SPSS يقدم عمليات حسابية لعدة أعمدة ولكنها لا تحتوي عدة شروط، أما Excel فيقدم هذه الميزة بقائمة واسعة من المعادلات الشرطية والفعالة.

رابعاً: إدارة البيانات والربط بين قواعد البيانات في التحليل

في هذا الجانب بالتحديد نجد تميز Excel الواضح، إذ أنه ومع حزمة Power Query يقدم مزايا لإدارة البيانات ودمجها وإمكانية تجميعها وتنظيفها، بالإضافة إلى إمكانيات الربط بين قواعد بيانات مختلفة دون دمجها وتحليلها مع بعضها بمختلف أنواع التحليلات.

أما برنامج SPSS فهو لا يقدم ميزة تحليل قواعد بيانات منعزلة دون الحاجة لدمجها، بالمقابل يمكنه حل جزء كبير من هذه المشكلة من خلال دمج قواعد البيانات، إلا أن ذلك يترتب عليه تحديات كثيرة واحتماليات كبيرة للخطأ. فعند دمج أكثر من قاعدة بيانات في العادة يكون هناك تكرار لحالات لكي تتطابق مع قاعدة البيانات الأخرى، وهذا يعني أننا عندما نحلل قاعدة البيانات التي تم تكرارها يجب أن نجري عمليات تلغي هذا التكرار لكي نحصل على تحليلات صحيحة.

إن مزايا إدارة البيانات وتحليل قواعد بيانات منعزلة مع بعضها يعتبر ميزة كبيرة تضاف لـ Excel إلا أنها ليست مطلوبة في أغلب الحالات، فيتم الحاجة لها فقط في المشاريع المعقدة والمتقدمة.

بالمقابل، يقدم برنامج SPSS في قائمة Data الكثير من المزايا التي لا يمكن وصفها إلا بالرائعة ولا تكفي مساحة هذه المقالة للحديث عنها، ولكن يمكن اختصارها بالقول أنها تعطي مزايا لإدارة البيانات يمكنها التفوق ببعض المزايا على Excel، مثل ميزة ما يسمى Unpivot أو Restructure التي يقدمها الأول بمزايا متقدمة جداً وأكثر فعالية من Excel.

خامساً: الأوزان

من الجوانب الهامة جداً في تحليل البيانات وخاصة ما يتعلق بالإحصاءات السكانية وتحليل الاحتياجات الإنسانية ودراسات السوق المتقدمة هي ميزة الأوزان Weighting، والتي تساعد على احتساب البيانات بعد مراعاة وزن يعبر مثلا عن عدد السكان في المحافظة أو المنطقة المدروسة مما يعطيها قدر قيم للاحتياجات يتناسب مع حجمها.

هذه الميزة لا يقدمها برنامج Excel أبداً، وإن أردنا إجراء عملية احتساب الأوزان في حساباتنا يدويا باستخدام المعادلات فيه فإن ذلك يسبب مشاكل في النتائج أحياناً خاصة في تحليلات التقاطع.

في SPSS بمجرد اختيار خيار احتساب الأوزان فإن سيندرج بشكل تلقائي على جميع الحسابات أياً كانت، حتى على الرسوم البيانية، ونستطيع إيقاف احتساب الأوزان بضغطة زر واحدة.

هذه مقارنة بسيطة بين البرنامجين نسعى أن تعطي تصور أولي وتساعد مختصي تحليل البيانات والمؤسسات التي تحتاج تطوير كوادرها في هذا المجال على اختيار البرنامج الأنسب لها.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

العمل عبر الانترنت يتميز بعدم ارتباطه بمكان معين أو ظرف معين، مما يجعله الأكثر مناسبة للسوريين الباحثين عن عمل، فأينما انتقل لا يتحتاج إلا اتصال انترنت وجهاز كمبيوتر ليتابع عمله.
من المزايا الأخرى هي الاستلام بعملات أجنبية، وفارق أسعار هذه العملات عن العملة السورية يعني مدخول أعلى بكثير من العمل في السوق المحلية. كما يساهم في إدخال عملات أجنبية إلى البلد وهذا يعني تحريك الأسواق المحلية.

الأهداف:
تهدف هذه الدراسة إلى زيادة فرص عمل السوريين عبر الإنترنت، من خلال رصد الكفاءات المتاحة التي تناسب هذا النوع من الأعمال، واكتشاف المشاريع التي يمكن أن تكون أكثر فعالية ومفيدة لهم لبدء العمل عبر الإنترنت، ثم مشاركتها مع المنظمات غير الحكومية التي تهتم بتوظيف السوريين.

المواضيع الرئيسية:
1. الكفاءات السورية المناسبة للعمل عبر الإنترنت.
2. وصف وضع السوريين الذين يعملون عبر الإنترنت حالياً.
3. العوائق والتحديات التي تواجه العمل عبر الإنترنت.
4. توقعات نمو العمل عبر الإنترنت في سوريا.
5. المشاريع الموصى بها لإعداد السوريين للعمل عبر الإنترنت.

النطاق:
ستغطي الدراسة 3 محافظات هي: إدلب ودرعا وحلب.
ستجرى في يناير / كانون الثاني 2018.

الفئات المستهدفة:
تركز الأسئلة على الشباب السوري والإناث والأشخاص ذوي الإعاقة.

مصادر البيانات:
1. الأفراد السوريون: لرصد الكفاءات لديهم للعمل عبر الإنترنت، وعيهم به، والمعدات التي لديهم لهذا التوع من الأعمال.
2. السوريين العاملين عبر الإنترنت: لتقديم قصص كاملة عن بعض العاملين عبر الإنترنت، وكيف بدأوا عملهم، رواتبهم الشهرية، والتحديات التي تواجههم، واحتياجاتهم لتحسين أعمالهم…
3. المستشارين العاملين عبر الإنترنت: الحصول على معلومات متعمقة عن العمل عبر الإنترنت، وما يوصيون به للوضع السوري، وما يوصى به للتعامل مع تحديات التي تواجه السوريين في العمل عبر النترنت، أي نوع من التدريبات يحتاجها السوريين لكي يكونوا قادرين على البدء في العمل عبر الإنترنت …
4. البيانات الثانوية: لمراجعة أي بحث تم القيام به عن العمل عبر الإنترنت، ما هي الخدمات الأكثر طلبا، وكيفية عمل منصات العمل على الانترنت، وكيفية إدارة التحويلات المالية …

للمهتمين بهذه الدراسة والحصول على نتائجها :
اضغط هنا

استخدام البيانات في تحليل المخاطر للمشاريع

معنى الخطر:

لا يمكن حصر مفهوم الخطر بكلمة الخطر فقط، إذ أننا نجد أن في نفس الخطر تظهر هناك فرص عديدة، وتعود إمكانية تحويله إلى فرصة لطريقة الاستجابة له. وفي هذا الجانب نجد أن الإطار المنطقي Logframe يحتوي على قسم يتعلق بالمخاطر والفرص بنفس الوقت، ويسمى هذا القسم بالفرضيات، ففي حال كان الفرض/التوقع ذو نتائج سلبية على المشروع يسمى خطراً، وفي حال كانت نتائجه المتوقعة ايجابية يسمى فرصة.

في نفس السياق يجب التمييز بين الخطر والأزمة أو المسألة Issue/crisis فالخطر هو مشكلة لم تحدث ولكن هناك احتمالية لوقوعها، أما الأزمة أو المسألة فهي مشكلة حدثت بالفعل.

متى ينفذ تحليل المخاطر؟
تحليل المخاطر ينفذ في كل نشاطات جمع البيانات، إذ يتم جمع بيانات تتعلق بالمخاطر المتوقعة وطرق الاستجابة المناسبة حتى قبل بدء تنفيذ المشروع، ففي مراحل التحليل الأولي وتقييم الاحتياجات يخصص محور للمعلومات المطلوبة حول المخاطر، كما أن ذلك يتم أيضا خلال تنفيذ المشروع، ففي أنشطة المراقبة والتقييم يجب أن يكون هناك تحليلاً للمخاطر وتحديثاً لسجل المخاطر، وكذلك الأمر في التقييمات الدورية في الشركات، وذلك لأن المخاطر تتغير بشكل دائم مما يستوجب قراءة هذه التغيرات ومجاراتها.

أدوات تحليل المخاطر:

توجد الكثير من الأدوات التي تساعد على ترتيب الأفكار وتحديد المعلومات المطلوبة والعصف الذهني لأهداف معرفة المخاطر وتحليلها وتحديد طرق الاستجابة المناسبة لها، من هذه الأدوات ما هو مخصص للمخاطر ومنها ما يستخدم لأغراض تحليلية أخرى، ولكنه يساعد في ثناياه في تحليل المخاطر. من هذه الأدوات:

سجل إطار المخاطر Risk log.
تحليل سوات SWOT analysis.
سجلات المسائل Issues للمشاريع السابقة.
سجلات التعلم Learning للمشاريع السابقة.
تحليل القوى الخمسة لبورتر Porter’s five forces.
تحليل بيستيل PESTEL analysis.
المخطط العنكبوتي Spider diagram.

ما هي أهم المعلومات التي يجب جمعها حول المخاطر؟

إجمالاً يجب تضمين المحاور التالية في أسئلة تحليل المخاطر:

اسم الخطر.
احتمالية الخطر.
درجة التأثير.
استراتيجية الاستجابة المقترحة: إلغاء الخطر، نقل الخطر، تخفيف الخطر، قبول الخطر، مع معلومات تفصيلية لأساليب الاستجابة.
التغييرات المطلوبة في تصميم المشروع والخطة التنفيذية لأجل الاستجابة المناسبة للخطر.
تكاليف الاستجابة.
ما هي الأقسام المعنية بالاستجابة للخطر.
الدروس المستفادة وأفضل الممارسات.
رضا المستفيدين/العملاء وأسباب عدم رضاهم.

مصادر بيانات المخاطر:

تتشابه مصادر بيانات تحليل المخاطر مع مصادر البيانات الخاصة بأي دراسة تحليلية أخرى، إلا أن أهم مصدر لبيانات المخاطر على الإطلاق هم الخبراء، يليهم المصادر الثانوية وخاصة من المؤسسات والهيئات الرسمية والدولية. يضاف لذلك ما يسمى بالمراجعة المكتبية Desk review، التي تقدم معلومات عن المخاطر والمشاكل التي واجهتها المشاريع الشبيهة.

يمكن أيضا اعتماد استمارات ونماذج التتبع كمصدر بيانات هام للمخاطر في مختلف المشاريع، مثل استخدام استمارات التتبع في خرائط الضبط الإحصائي للجودة Statistical quality control (SQC) charts إذ تساعد على التنبؤ بعطل العملية الإنتاجية، فيتم الاستجابة لها وتصحيحها قبل حدوث العطل.

أين يأتي تحليل المخاطر:
القطاع الإنساني:

· تحليل الاحتياجات الإنسانية: تشكل حجر الأساس لمعرفة المخاطر التي تواجه المشروع الإنساني، مثل أية مخاطر بيئية كالفيضانات التي قد تواجه تنفيذ مشروع بناء مخيم في منطقة ما.

· التقييم الأولي Pre assessment: يساعد على الغوص في تفاصيل أعمق تتعلق بالمشروع بذاته، فتقييم الاحتياجات الإنسانية قد لا يكون محدداً تجاه مشروع بذاته، أما في حالة التقييم الأولي يكون المشروع قد تحدد لذلك يكون تحليل المخاطر أكثر تخصيصاً، مثل دراسة المخاطر التي قد تنعكس عن مشاكل اجتماعية نتيجة استفادة فئات محددة دون غيرها وأساليب منع ذلك والاستجابة له في حال حدوثه.

· المراقبة: كما ذكرنا سابقاً فإن المخاطر تتطور وتتغير خلال تنفيذ المشروع، لذلك من الضروري جدا تحليل المخاطر خلال أنشطة المراقبة وبشكل خاص للمشاريع طويلة الأمد.

· التقييم: وخاصة في التقييم المرحلي (مثل التقييم النصفي Mid-term evaluation) لأنه يسمح بتحليل أعمق للمشروع وللمخاطر مما ينفذ في المراقبة.

· المساءلة: هي نشاط بيني يتواجد خلال كل أنشطة المشروع، وفيها يكون هناك أنشطة وفعاليات تتعلق بمعرفة المخاطر، فالقرب من المجتمع، وإشراك الجهات المعنية Participation، ومشاركة المعلومات Information sharing… كلها تضمن معرفة المخاطر وتجنب الوقوع فيها. أبسط مثال على ذلك عندما تنفذ منظمة إنسانية مشروع توزيع سماد دون مراعاة المعنيين بالمشروع ويظهر بأن هذا السماد لا يتناسب مع طبيعة التربة والمحاصيل في البلد مع العلم بأن أبسط فلاح في المنطقة يعلم بذلك.

قطاع الأعمال:

· اختبار فكرة المشروع Idea validation: يمكن القول بأن كل عملية اختبار فكرة المشروع تدور حول المخاطر، وبالفرص طبعا مع اعتبار ما قدمنا به من تشابك مفهومي المخاطر والفرص.

· التحليل الأولي للسوق White paper: في الكثير من المشاريع التي نفذناها في INDICATORS تكشفت الكثير من المخاطر في هذه المرحلة، إذ أن التحليل الأولي يجري استكشاف حول الفرص والمخاطر الناتجة عن توقعات الطلب، والتسعير، والتنافسية…، وبالفعل دفعت الكثير من المستثمرين إما لإجراء تغييرات جذرية في مشاريعهم أو لإلغاء الاستثمار فيه.

· دراسة الجدوى الاقتصادية: فيها يأتي قسم خاص لتحليل المخاطر، مع العلم بأن ذلك يتشابك مع جميع أقسام دراسة الجدوى، ففي التحليل المالي تظهر تحليلات الحساسية وتوقعات المبيعات والمدة المطلوبة لنقطة التعادل، ومخاطر عدم استقرار قيمة العملة المحلية…

· مرحلة التأسيس والاختبار للمشروع: فيها يتم بشكل دوري تجميع البيانات وتصنيفها ودراسة النتائج والمخاطر والأخطاء…، حتى الوصول لمقترح تعديلات على نموذج العمل بشكل يصل إلى التصميم الأمثل للمشروع ويضمن استدامته.

· مرحلة النمو والاستدامة: في هذه المرحلة على صاحب المشروع أو موظفين معنيين بالمخاطر تحليل المخاطر بشكل دوري لضمان عدم وقوع أخطاء قد تسبب إغلاق الشركة/المشروع، مثل أخطاء في التوثيقات المالية والفوترة تؤدي إلى غرامات ضخمة، مخاطر الوقوع في حالات احتيال وكيفية تطوير الإجراءات لمنع ذلك، مخاطر إغلاق أسواق رئيسية بالنسبة للشركة…

· مرحلة التوسع: تجري الشركات توسعاً لأسواق أخرى، وفي الحالة النموذجية تجري دراسة خاصة بكل عملية توسع (إن كان توسع في المنتجات أو في الأسواق)، فنجاح منتجات الشركة في سوق لا يعني نجاحها في سوق آخر. مثال ذلك فشل بعض شركات الحلويات السورية في دخول سوق اليابان، فكانت محاولات الدخول غير معتمدة على قراءة السوق، لذلك تم طرح المنتج بكميات بالكيلوغرام، مع العلم أن العائلة اليابانية تتألف من 3 أشخاص وأحياناً شخص وحيد، وبأنهم غير معتادين على تناول الحلويات من قبل لذلك لن يأكلوها بكمية تتناسب مع شرائها بالكيلوغرام، فكانت قراءة السوق ضرورية للنجاح من خلال إعادة تصميم حجم المنتج بما يتناسب مع التركيبة الاجتماعية في هذا البلد.

· إدارة الجودة: وخاصة الضبط الإحصائي للجودة SQC الذي يعنى بتتبع العمليات وتوقع الأعطال قبل حدوثها كما ذكرنا أعلاه.

· اختبار تجربة العميل: إذ تساعد على كشف أخطاء بسيطة ستكون بالمستقبل سبباً في خسارة الكثير من العملاء وخسارة الحصة السوقية.

خلاصة تهمل الكثير من المؤسسات تحليل المخاطر، وتتعامل معها فقط عندما تقع وتتحول إلى أزمات في المشروع أو الشركة، وفي حالة أفضل يتم تحليل المخاطر بطريقة اعتباطية لا تعتمد على منهجيات صحيحة ومعلومات كافية مما يسبب عدم معرفة المخاطر الأكثر خطورة على المشروع.

اختبار تجربة العميل – تطبيق تعليمي

إطار العمل:

تجاوز العمل أكثر من كونه اختباراً لتجربة العميل بالشكل التقليدي، إذ تم العمل على اختبار التطبيق من كافة الجوانب، التقنية، العلمية، رحلة العميل، فعالية التطبيق في تحقيق أهداف التعليم…

وقد تم العمل على اختبار:

• الأخطاء البرمجية Exceptions: من قبل مختص ببرمجة التطبيقات.
• أخطاء منهجية التعليم: تم تقييمها من قبل اختصاصي بنفس مجال التعليم، حاصل على دكتوراه بنفس المجال.
• التعليم بالأجهزة الحديثة: من قبل اختصاصي بمجال التعليم بالتقنيات الحديثة.
• اختبار التطبيق بشكل كامل: من قبل 3 من فريق العمل، عملوا على استخدام التطبيق وفق تسلسل استخدام يساعد على اختبار كافة مساراته وكشف أية مشاكل في التصميم، البرمجة، سهولة الاستخدام…
• تقييم المستخدمين: من خلال مقابلة 20 مستخدم استخدم التطبيق لمدة تتجاوز شهر ونصف.

رحلة العميل :

تم تنفيذها من خلال نموذجين:

• رحلة المستخدمين: تم تصميم استمارة تتبع يعمل المستخدمون الحقيقيون على استخدام التطبيق لمدة كافية (شهر ونصف) وخلال هذه المرحلة يسجلوا جميع الملاحظات بشكل مهيكل حسب الاستمارة.
• رحلة مستخدم منمذجة: تم تصميم نمذجة لرحلة العميل وتم تصميم استمارة غير مهيكلة لتتبع أداء التطبيق في التعليم، ثم قام 3 مستخدمون باستخدام التطبيق وفق النموذج المصمم وسجلوا كل الملاحظات حول المشاكل التي رأوها والأخطاء التقنية وأخطاء أساليب التعليم (الصوت، الصور، الكتابة، توقف التطبيق Exceptions…).

المخرجات والمسلمات:

تقرير متكامل يحتوي:

• وصف تفصيلي لتجربة العميل.
• تحليل للإشكالات التقنية.
• تحليل الإشكالات التعليمية.
• توصيات ومقترحات لتحسين تجربة العميل.

النتائج:

بعد سنة:

• تحميل التطبيق: أكثر من مليون.
• تقييم التطبيق: 4.5 من أصل ما يزيد على 5000 تقييم.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

بداية وكتعريف بسيط فإن ما يقصد به بالأسئلة ذاتية التقييم هي الأسئلة التي يطلب فيها من المجيب أن يقدم إجابة تتعلق بتقييم يتعلق به، أي أن يقيم شيئا يتعلق بواقعه، ولا تشمل هذه الأسئلة ما يتعلق بالرأي.
تستخدم الأسئلة ذاتية التقييم في الغالب في دراسات وأبحاث علم النفس، وتستخدم أحياناً في تقييم الاحتياجات الإنسانية والتقييم المؤسساتي ومجالات بحثية أخرى.
إن التحدي الأكبر للأسئلة ذاتية التقييم هو أن المجيب هو من يقيم نفسه، فنقع في مشاكل عديدة تتعلق بموثوقية وصدق الاستبيان Reliability، مثل التقييم العالي Over estimation أو التقييم المنخفض Lower estimation، أو أن يجيب المشارك على ما يتمنى أن يكون عليه من حال وليس واقعه، وهذا ما يحدث عادة في دراسات علم النفس.
من الأمثلة على الأسئلة ذاتية التقييم:
أنا شخص إيجابي!
– موافق بشدة
– موافق
– محايد
– معارض
– معارض بشدة
عادة ما يجيب المشاركون على هذا السؤال بطريقة تحاملية، أي أنهم (ليس كلهم طبعا ولكن نسبة مرتفعة) يميلون إلى تقديم تقييمات إيجابية لأنفسهم نتيجة طبيعة التحامل التي تتواجد عند أغلب الناس خاصة عند إحساس المجيب بوجود من يطلع على الإجابات مثل مجري المقابلة نفسه إن كانت مقابلة مباشرة.
ما هو مستواك في اللغة الإنكليزية؟
– متقدم
– متوسط
– ىمنخفض
هنا توجد مشكلة مركبة تتعلق بجانبين، الأول هو التحامل مثل السؤال السابق، والثاني هو التقدير الخاطئ، أي أن المجيب ونتيجة درجة معرفته باللغة قد يقيم نفسه بدرجة أعلى من الحقيقة وأحيانا تأتي بشكل معاكس.
أنا أتصرف مع أبنائي بطريقة تربية مناسبة ومتماشية مع أساليب التربية الحديثة!
– موافق بشدة
– موافق
– محايد
– معارض
– معارض بشدة
في هذا النوع من الأسئلة في العادة يجيب المشاركون على ما يتأملون أن يكونوا عليه وليس على ما يعبر عن واقعهم.
إن الاعتماد على الاسئلة ذاتية #التقييم لا يكون خياراً في أغلب الحالات، فلنحصل على تقييم دقيق لمستوى اللغة الإنكليزية يجب أن يجرى امتحان تقييم أقرب إلى الرسمي، والذي لا يكون متاحاً أقلها لأن #الاستبيان يتضمن الكثير من الأسئلة واحد منها سؤال اللغة، وفي دراسات علم النفس فإن الاستعاضة عن أسئلة التقييم الذاتي تحتاج لمختص في المجال للحصول على تقييم دقيق والذي لا يتوفر دائما ويحتاج موازنة عالية لتنفيذه.
السؤال إذاً: إذا لم نكن قادرين على الاستعاضة عن الأسئلة ذاتية التقييم وكانت تسبب تحديات في موثوقية الاستبيان، ما هي الحلول التي يمكن أن تساعد على تجاوز هذه المشكلة؟

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

سوف نتحدث اليوم عن أحد أهم برامج التحليل الإحصائي المتقدم وهو برنامج SPSS، يتضمن البرنامج أدوات كثيرة من شأنها دعم مستخدميه خلال عملية تحليل البيانات المتقدمة واختصار الوقت عليهم. حيث سوف نذكر بإيجاز بعض المعلومات الأساسية الخاصة بالبرنامج.
1. من النقاط المهمة قبل بدء العمل على برنامج SPSS، هي تنظيف البيانات الموجودة لدينا بشكل جيد قبل إدخالها إلى البرنامج.
2. نحتاج أيضاً إلى ترميز الأسئلة الخاصة بقاعدة البيانات التي نعمل عليها لبدء عملية إدخالها على البرنامج.
3. من الأمور المميزة في برنامج SPSS، هي وجود الأدوات الداعمة التي تساعد على اختصار عملية تحليل البيانات من ساعات إلى دقائق، خاصة في حال وجود الكثير من الأسئلة المتعددة والتي تحتاج عادة إلى وقت في التحليل على برنامج Excel.
4. هناك إمكانية لإظهار الرسوم البيانية للنتائج الخاصة بالتحليل على برنامج SPSS، ولكن التعديل على الرسوم من ناحية طريقة إظهار النتائج والمؤثرات الخاصة بالرسم تعتبر بدائية بعض الشيء، ولكن برأيي هذه النقطة لا تعتبر مشكلة كبيرة، حيث بعد الانتهاء من عملية تحليل البيانات وقراءتها من خلال الصفحة الخاصة بنتائج التحليل، يمكننا أخذ البيانات الخاصة بالرسم البياني الذي نحتاج إلى إظهاره ورسمه عن طريق برنامج Excel، نعم هذه الطريقة قد تأخذ القليل من الوقت، ولكن برأيي لا تعتبر هذه النقطة مشكلة كبيرة مقارنة بالميزات الضخمة التي يقدمها لنا البرنامج. مع العلم أن إصدارات SPSS الحديثة توفر رسوم بيانية أجمل ويمكن استخدامها بصيغة قابلة للتعديل إلى برامج Microsoft.
5. إمكانية كتابة المعادلات والصيغ التي من شأنها تسهيل وتيسير عملية تحليل البيانات وإدارة وفلترة البيانات.
لذلك ومن خلال تجربتي أنصح المهتمين والمختصين بمجال تحليل البيانات الدخول في عالم برنامج SPSS لما يحتويه من أدوات من شأنها تسريع العمل بشكل كبير جداً.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

تحدثت في منشور سابق عن أهم مميزات برنامج Power BI من شركة Microsoft، والآن في هذا المنشور سوف أتحدث بشكل موجز عن بعض العيوب الموجودة في البرنامج، حيث لا شك بأن برنامج Power BI هو أحد برامج التحليل المتميزة والذي يحتوي على العديد من الخصاص التي تجذب المستخدمين إلى العمل إليه، ولكن لا يخلو البرنامج من بعض المشاكل التي قد نواجهها أثناء العمل عليه، ونذكر منها:
1. البرنامج لا يمتلك أدوات لتحليل الأسئلة المتعددة بشكل مباشر، لذلك نحتاج لاستخدام أدوات داعمة وعمليات متعددة للتمكن من تحليلها.
2. يقوم برنامج Power BI بإظهار النسب المئوية لنتائج تحليل الأسئلة متعددة الإجابات من 100%، حيث لا يظهر البرنامج النسب المئوية لكل خيار من خيارات الأسئلة المتعددة على حدا، بل يقوم بإظهار النسبة المئوية من الإجمالي الكلي للخيارات في السؤال. يوجد حل لهذه المشكلة عن طريق المعادلات في البرنامج، ولكن من سلبيات هذه الطريقة أنها تسبب بطء في عمل البرنامج خاصة في حال وجود عدة أسئلة متعددة في التقرير.
3. بطء عمل البرنامج في حال الإضافة والتعديل بشكل متكرر على محرر. Query
4. عدم قدرة البرنامج على تقديم تحليلات إحصائية متقدمة.
5. محدودية أنواع الرسوم البيانية الموجودة في البرنامج، مثل عدم وجود رسوم خرائط الضبط الإحصائي للجودة.
6. اختيار الشكل البياني المناسب، حيث هناك بعض الرسوم البيانية التي لا تظهر لنا نتائج البيانات بالشكل المطلوب ولذلك الاختيار الصحيح يقع على عاتق محلل البيانات.
7. الحصول على سوم بيانية متنوعة ومختلفة قد يحتاج القليل من البحث في المتجر الخاص بها، وذلك بسبب وجود رسوم بيانية في المتجر لا تقدم كل المزايا، مثل خاصية التفاعل مع الرسوم البيانية الأخرى، وهذا الأمر قد لا يظهر لنا إلا عند تحميلها من المتجر وتجربتها في التقرير.
8. عملية اختيار الألوان، حيث تعتبر هذه العملية هي السهل الممتنع لتقارير Power BI، وذلك بسبب تعدد الألوان والإضافات والمؤثرات الموجودة والتي يمكن إضافتها للتقرير، حيث أن عملية اختيار الألوان بشكل جميل ومتناسق لها دور كبير في إظهار جمال التقرير لأنه كما ذكرنا سابقاً فإن برنامج Power BI يعتمد على الألوان والرسوميات بشكل أساسي.
لا تقارن هذه السلبيات بحجم الإيجابيات والمزايا التي يقدمها لنا برنامج Power BI لذلك لا زلت أنصح المختصين والمهتمين بتحليل البيانات بتجربة استخدام البرنامج، فالسلبيات التي تحدثت عنها قابلة للحل إلى حد كبير.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

برنامج PowerBI هو أحد برامج التحليل التي أصدرتها شركة Microsoft، وهو برنامج تحليلي متخصص بإظهار نتائج البيانات على شكل رسوميات وعرضها بشكل تفاعلي من خلال تقارير تفاعلية قابلة للمشاركة مع الآخرين بسهولة، وسوف أذكر لكم من تجربتي لبرنامج PowerBI بعض المزايا الأساسية للبرنامج بشكل مختصر وسريع:
1. واجهة البرنامج سهلة الاستخدام، حيث تساعد المستخدمين حتى المبتدئين منهم على التعرف على الأدوات الموجودة في البرنامج بسهولة .
2. تنوع وتعدد مصادر البيانات التي يمكن ربطها بالبرنامج ونذكر منها Excel,SQL,SharePoint,Oracle,CRM apps, Access,Dyanamic 356,Google analytics, Adobe analytics,Github,Mailchimp.
3. القدرة على سحب البيانات من أي موقع إلكتروني والعمل عليها.
4. عرض البيانات وإظهارها بشكل مختلف من خلال إمكانية إنشاء التقارير التفاعلية والتي يمكن من خلالها قراءة النتائج عن طريق رسوميات وأشكال متعددة سهلة القراءة.
5. إمكانية إظهار نتائج البيانات وعرضها بطريقة تفاعلية غير تقليدية وذلك من خلال رسوم بيانية تفاعلية متعددة الأشكال مع إمكانية التعديل على الألوان الخاصة بالرسومات وإضافة تأثيرات متنوعة على الرسومات بسهولة من خلال لوحة الأدوات الخاصة بالتعديل على الرسوم البيانية.
6. ميزة التفاعل بين الرسوم البيانية، حيث عند الضغط على معلومة ما ضمن رسم بياني تتفاعل باقي الرسومات البيانية وتقوم بإظهار النتائج المرتبطة بهذه المعلومة.
7. إمكانية إضافة الصور والأيقونات وجعلها تفاعلية عن طريق ربطها بالصفحات الخاصة بالتقرير عن طريق الفهرس Bookmark.
8. ميزة إضافة الفلاتر التفاعلية للرسوم البيانية ضمن التقرير.
9. إمكانية إضافة فهرس تفاعلي للتقارير مرتبط بالعناوين الرئيسية للتقرير.
10. تعديل وإدارة البيانات بشكل متقدم من خلال محرر Power Query.
11. مشاركة التقرير بسهولة عن طريق إنشاء رابط للتقرير من خلال موقع PowerBI ومشاركته عبر الإيميل، تطبيق الواتس آب وباقي التطبيقات الأخرى.
12. الربط بين مصادر البيانات المختلفة وتحليلها مع بعضها على أنها قاعدة بيانات واحدة.
13. ربط البرنامج ببرامج تحليل البيانات المتقدمة مثل Python وR مما يتيح له تقديم تحليلات إحصائية عميقة.
أنا أنصح جميع العاملين والمهتمين في مجال تحليل البيانات باستخدام البرنامج وبدء العمل عليه، حيث أن العمل على برنامج PowerBI ستكون إضافة مميزة في مجال عملنا في تحليل البيانات.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

في العادة يعمل الباحثون والعاملون في مختلف المجالات البحثية (مراقبة وتقييم، دراسات سوق، استطلاعات رأي…) على تحديد مجموعة مواضيع رئيسية للبحث، وتسمى بالعادة إما محاور البحث أو تساؤلات أو فرضيات…، من هذه المحاور يتم اشتقاق الأسئلة التي سيتم طرحها في البحث الذي يجرونه. المشكلة لا تكمن في هذه النقطة، بل إن المشكلة التي لاحظتها لدى الكثير من الباحثين العاملين في #تطوير_الاستبيانات / #أدوات_البحث، تكمن في أن صياغة الأسئلة تأتي بالسؤال عن الموضوع أو المحور أو المعلومة المطلوبة بشكل مباشر وأحيانا بشكل حرفي، للإيضاح لنأخذ هذا المثال، إذا كان لدينا تساؤلٌ عن “احتياجات من شأنها أن تساعد على زيادة مستوى تضمين ذوي الإعاقة في التعليم”، وجاء مطور أدوات البحث/ الاستبيانات فطرح السؤال على ذوي الإعاقة بهذا الشكل “ما هي الاحتياجات التي تساعد على زيادة مستوى تضمينكم في التعليم؟”.

هذه الطريقة من الطرح تنطوي على مشاكل عديدة تؤدي في الكثير من الحالات إلى عدم الحصول على نتائج صحيحة أو عدم الإجابة على تساؤلات البحث أو الحصول على نتائج مغلوطة وذلك للأسباب التالية:

1. قد يحتوي الموضوع البحثي على مصطلحات لا يعرفها المشاركون، إذ في الغالب تستخدم في مواضيع البحث مصطلحات علمية أكاديمية، لذلك يجب استخدام كلمات أخرى مرادفة مستخدمة في الحياة الواقعية.
2. أغلب مواضيع الأبحاث الرئيسية هي نقاط معقدة لا يمكن الإجابة عليها بسؤال واحد وإنما تتم تجزئتها لبنود فرعية، تلك البنود الفرعية تتحول إلى أسئلة (مع مراعاة تحوير الصياغات بالشكل المناسب طبعا)، لذلك فإن طرح الموضوع البحثي بشكل مباشر وحرفي سيسبب الحيرة للمجيبين، إذ أنه سيصبح إما سؤال واسع وعام تصعب الإجابة عليه بهذه الطريقة.
3. في أغلب الحالات لا يكون المشاركون على مستوى معرفة يساعدهم على تقديم الإجابة على السؤال بهذا الشكل، أي في مثال دراسة احتياجات ذوي الإعاقة لزيادة تضمينهم في المشاريع الإنسانية، فالأفضل أن يتم طرح أسئلة تتعلق بالمشاكل والصعوبات التي يوجهونها والتي تعيق حصولهم على تعليم مناسب، مع ضرورة التأكيد أيضا على السؤال عنها بشكل تفصيلي وليس كسؤال واحد.

خلاصةً، يمكن القول بأن عملية تطوير الاستبيانات تظهر للعاملين في هذا المجال وخاصة غير المختصين بأنها سهلة ويمكن لأي كان أن يقوم بها، لكن التجربة تؤكد، وخاصة عند استلام البيانات بعد كل الجهد الذي بذل في بناء العينة ومنهجية البحث، بأن البيانات التي سنحصل عليها لن تكون مفيدة وذلك بسبب التصميم الخاطئ للاستبيانات.

يمكن التعبير عن الاستبيانات بأنها المثال الأوضح لعبارة “السهل الممتنع”، إذ يمكن لأي شخص أن يطور استبياناً إلا أن التحدي يأتي عند تحليل البيانات التي تم الحصول عليها، لذلك أنصح جميع العاملين في مجال الأبحاث بالتبحر بمجال تطوير الاستبيانات، والبحث خاصة في المراجع التطبيقية، إذ أن أغلب المراجع المتوفرة تتحدث عن جوانب نظرية فقط.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من خلال مشاركتنا مع العديد من المنظمات في مشاريع مختلفة، أود أن أتحدث عن أهم الأخطاء التي يقع بها جامعي البيانات:
السرعة في الإدخال: التي قد ينتج عنها معلومات غير صحيحة; مثال: في مكان الراتب الشهري للمجيب يكتب جامع البيانات 250 بدلاً من كتابة 2500.
عدم التدقيق وقراءة السؤال بشكل جيد: مثال: في المثال السابق يكون المطلوب كتابة الراتب بالليرة التركية، فيقوم جامع البيانات بكتابته إما بالليرة السورية أو بالدولار; الأمر الذي قد ينتج عنه وجود أخطاء كارثية في البيانات وقيم شاذة، مع العلم أن مسؤول جودة البيانات لا يستطيع أن يفترض العملات التي تم اعتمادها وتعديلها بنفسه.
المقاطعة غير المنطقية للأسئلة: أي عدم ربط أجوبة المجيب بشكل منطقي مع الأسئلة السابقة، مثال: في سؤال عن الأشخاص ذوي إعاقة، هل تعاني من مشاكل في المشي، فكانت الإجابة لا، على الإطلاق، وعند السؤال عن الأجهزة والمستلزمات التي تحتاجها فكانت الإجابة: العكازات. فكانت النتيجة أن الشخص لا يعاني من مشاكل في المشي، ولكن يحتاج إلى عكازات!
ضعف القدرات المهنية في التعامل مع برامج جمع البيانات (الكوبو)، مع العلم بأن هذا البرنامج أصبح من اهم وأكثر البرامج شيوعاً في جمع البيانات، وأحياناً ينتج عن ضعف الخبرة ضياع الكثير من البيانات التي قد تسبب تأخر المشروع.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من خلال تجاربي بالعمل مع العديد من المنظمات ومراكز الدراسات والباحثين لاحظت تحديا في البيانات لا يمكنني توصيفه إلا بعبارة Rubbish data أو بيانات هراء أو عديمة الفائدة.
يمكن تلخيص فكرة البيانات عديمة الفائدة بأنها بيانات أو أسئلة تُسأل في الاستبيانات لا تفيد في أي شيء يتعلق بأهداف البحث، مثال ذلك في كثير من أنشطة مراقبة أو تقييم المشاريع يتم السؤال في المقابلات مع المستفيدين عن التركيبة الأسرية بالتفصيل الممل، كأن يُسأل عن أفراد الأسرة من الجنسين وبأعمارهم المختلفة حسب مجالات محددة وكثيرة التفصيل. قد يعتقد البعض بأن هذه البيانات هامة للمشروع الإنساني المنفذ، إلا أن التجربة تقول عكس ذلك، إذ أن هذه البيانات هامة في مرحلة تقييم الاحتياجات واختيار المستفيدين، وتكون موجودة لدى المنظمة قبل توزيع المساعدات، كما أن جميع الحالات التي شهدتها لم يكن فيها استخدام لهذه البيانات أبدا (في معرض كتابة تقرير المراقبة أو التقييم)، وفي أحسن حال يتم تجميع أفراد الأسرة في رقم نهائي، إذاً لم تم السؤال عن كل تلك التفاصيل وإرهاق المستفيدين بكل تلك الأسئلة؟
إن اعتقاد بعض الباحثين بأن هذه البيانات إن لم تفدنا فهي لن تضرنا هو اعتقاد خاطئ، فكثرة الأسئلة وطرح أسئلة لا ارتباط بينها وبين هدف النشاط البحثي المنفذ يسبب عدة إشكالات منها، زيادة في التكاليف، زيادة في تردد المشاركين وتخوفهم لكثرة التفاصيل التي يتم السؤال عنها وعدم منطقيتها، انخفاض اهتمام المشاركين بتقديم إجابات جدية نظراً لزيادة مدة المقابلة واحساسهم بالملل، زيادة في احتمالية الخطأ في جمع البيانات، زيادة في تعقيدات تحليل البيانات، ضياع الباحث المسؤول عن معالجة البيانات وكتابة التقرير وبالتالي طرح نقاط نقاش وأفكار بعيدة عن هدف البحث ومشتتة لصناع القرار. لا يمكن حصر الحالات التي نلاحظ بأنها من نوع البيانات عديمة الفائدة، فالسؤال عن اسم المشارك في استطلاع رأي سياسي لا يهم فيه اسم المشارك أبدا، فهو فقط يعبر عن شخصيته الاعتبارية كممثل لعينة من فئات المجتمع المستطلع (إلا في حالات نادرة تتعلق بالتحقق والمتابعة لفرق جمع البيانات)، السؤال عن اسمه في هذا الاستطلاع سيؤدي بالضرورة إلى تقديم المشارك لإجابات تبتعد أكثر عن آرائه الحقيقة وذلك نتيجة تخوفه من ربط تلك الإجابات باسمه وتعرضه لأية مساءلة أو ضرر بسبب ذلك.
أنصح دائماً بأن يتم ربط الأسئلة أو البيانات التي نسأل عنها بأهداف بحثنا وعدم القول “ما نخسر شيء إذا سألنا هي الأسئلة”

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من أنواع الأسئلة التي لاحظت شيوع استخدامها في الاستبيانات والتي تنعكس كتحديات على تحليل البيانات هي الأسئلة الترتيبية، إذ يطلب من المشارك أن يجيب على عدة خيارات بترتيبها حسب الأولوية أو باختيار مثلا أهم ثلاثة منها بالترتيب.
سأتحدث من جانب ملاحظتي لحالات كثيرة حول هذه الأسئلة وأركز فيها على السلبيات التي تنعكس على استخدامها، ومنها:
١. بالمجمل فإن عملية ترتيب الخيارات حسب الأهم فالأقل أهمية تعتبر عملية مرهقة ومستهلكة للوقت، لذلك يلاحظ أن أغلب المشاركين لا يجيبوا عليها بجدية، وبالتالي فإن الترتيب الذي تم الحصول عليه غير دقيق.
٢. في الأسئلة التي نختار فيها أهم ثلاث إجابات وبشكل ترتيبي، يغلب عليها أن الترتيب يتبع لترتيب الإجابات نفسها في تصميم الاستبيان، أي أن المشاركين يميلون لاختيار الإجابات التي تذكر لهم في البداية على أنها الأكثر أهمية.
٣. مشكلة كبيرة في تحليل الأسئلة الترتيبية ناتجة عن ضعف أغلب البرامج الإحصائية وعدم وجود أساليب تحليلية جاهزة لهذه الأسئلة، لذلك يضطر محلل البيانات لإجراء عمليات حسابية يدوية مما يسبب مشاكل في التحليل.
٤. مشكلة في تحليلها تنبع من جانب كيفية إخراج النتائج:
– فإن حساب الترتيب كأوزان سيعطي نتيجة قد تتجاوز القيمة الحقيقية، مثل أن نحصل على نسبة مئوية أعلى من 100, أي أن النتيجة الرقمية التي سنحصل عليها لا تعبر عن قيمة حقيقية وإنما تعبر عن وزن وأهمية لهذا الخيار أمام الخيارات الأخرى وليس نسبة من اختاره.
– يواجه الكثير من محللي البيانات صعوبة في التعامل مع هذه الأسئلة لذلك يلجؤون لأساليب غير مناسبة مثل، عرض تحليلات للأولوية الأولى فقط، أو عرض تحليلات لكل أولوية على حدى، أو تحليل السؤال على أنه سؤال متعدد الإجابات تقليدي أي ليس سؤال ترتيبي.
-خطأ في حساب الأوزان، فنظام الأوزان في علم الإحصاء ليس شيء اعتباطي، أي أنه في حالات يعتبر على شكل درجة 1، 2، 3، أو على شكل نسبة احتمالية أو مئوية من أصل الإجابات…إلخ، واعتماد نظام أوزان لا يتماشى مع الغرض من السؤال سيؤدي إلى نتائج خاطئة.
-خطأ في تحديد الأوزان للإجابات، إذ أن الأولوية الأولى يجب أن تأخذ الرقم 3 والأولوية الثالثة يجب أن تأخذ الرقم 1، مع العلم أن الترتيب المنطقي عكس ذلك ولكن كقيمة نهائية يجب أن تعطي رقماً أعلى للأولوية الأولى، وهذا في العادة ما يخطئ به بعض محللي البيانات.
5. إشكالات لدى مسؤول كتابة التقارير إذ يحتار بعضهم في كيفية عرض النتائج ومناقشتها في التقرير بالشكل الصحيح.
6.مشاكل في مقاطعة الأسئلة الترتيبية مع الأسئلة الأخرى، فالسؤال موجود في عدة أعمدة في قاعدة البيانات إضافة إلى ضرورة مراعاة وجود وزن إضافة إلى تقاطع مع سؤال أو أكثر، مما يوقع الكثير من محللي البيانات بأخطاء في تحليل هذه الأسئلة.
خلاصته هو أنني لا أنصح باستخدام الأسئلة الترتيبية.
طيب، كيف ممكن أحصل على نتائج ترتيبية من دون الأسئلة الترتيبية؟ أنتظر آرائكم في التعليقات
بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

هناك من لا يضع للقيم الشاذة أو Outliers أي اعتبار عند عمله في تحليل البيانات، وقد يكون سمع بهذا المصطلح وهو يقرأ هذه الأسطر. القيم الشاذة لها تأثير كبير على الكثير من المؤشرات الإحصائية، وأساليب التعامل معها ومعالجتها تتعلق بعوامل كثيرة منها ما هو بسيط ومنها ما يكون أكثر تعقيدا يتعلق بنوع المؤشر الإحصائي، إذ يجب على محلل البيانات معرفة تصنيف المعامل الإحصائي Smooth Prameter أم لا، وهذا ما يعبر عن درجة تأثره بالقيم الشاذة.

مثلاً المتوسط الحسابي يعتبر من أفضل مؤشرات/معاملات النزعة المركزية إلا أنه يتأثر بالقيم الشاذة بدرجة كبيرة جداً مقارنة بالوسيط، علماً أن الوسيط لا يعتبر معاملاً دقيقاً مقارنة بالمتوسط الحسابي.

سأحاول في هذه الأسطر الحديث عن جانب هام وهو الأكثر بساطة وهو أساليب معالجة القيم الشاذة.

أساليب معالجة القيم الشاذة:
1. مراجعة المصدر: للتحقق من القيمة فإن كان هناك خطأ في الإدخال يتم تصحيحه، كأن يكتب العمر لدراسة للأطفال 22 خطأ بدل 2، بذلك نكتشف ببساطة أنه خطأ في الإدخال ونصححه.
2. المعالجة المنطقية للقيم الشاذة: يمكن اكتشاف أخطاء القيم الشاذة من خلال المعالجة المنطقية، ببساطة عند دراسة للقوى العاملة فإن من يكون عمره 7 سنين مثلا سيتم حذف بياناته لأنه لا يصنف من القوى العاملة.
3. التمييز بين ما نبقيه وما نحذفه: تعتبر هذه العملية مرهقة جداً، إذ لا توجد معايير دقيقة لأجل قبول أو رفض القيم الشاذة، وفي هذا الجانب يقدم برنامج SPSS ميزة جميلة، هي تصنيف القيم الشاذة إلى نوعين، قيم شاذة Outliers (التي توجد بين الربيع الأول/الثالث وواحد ونصف المدى البيعي) وقيم متطرفة Extreme values (التي تبعد ما بين واحد ونصف إلى ثلاثة مرات المدى الربيعي)، أي باختصار بيانات بعيدة عن مكان تمركز البيانات وبيانات بعيدة جداً عنه، في هذه الحالة يمكن اعتماد هذا التصنيف بقبول القيم الشاذة وحذف القيم المتطرفة.
4. استبدال القيم الشاذة التي تم حذفها: الخطوة الأخيرة والأكثر حساسية هي قرار التعامل مع ما تم حذفه من قيم شاذة، هل نقوم بإبقائها محذوفة أم نستبدلها، يبدأ التحدي من قرار الاستبدال، إذ أن تركها فارغة يترتب عليه تبعات وتحديات ومقابله فإن استبدالها يترتب عليه أيضاً تبعات وتحديات. يتبع اتخاذ قرار الاستبدال هو المنهجية المناسبة للاستبدال، فعملية استبدال القيم المفقودة معقدة أيضاً فلها منهجيات وخيارات مختلفة، كل من هذه المنهجيات سيكون له تأثير بطريقة ما على نتائج تحليل البيانات (سأتحدث عن استبدال القيم المفقودة في منشور آخر إن شاء الله).

ليس من البساطة اجمال منهجيات التعامل مع القيم الشاذة بهذه الأسطر القليلة، فحذف القيم الشاذة يضعنا في خيارات أخرى، هل نترك مكانها كقيمة مفقودة أم نستبدلها بقيم بديلة، كما أننا عندما نحذف القيم الشاذة ونعيد استكشاف البيانات نجد أن هناك قيم شاذة جديدة قد ظهرت، كانت هذه القيم لا تعتبر شاذة باعتبار قاعدة البيانات قبل تعديلها (أي قبل حذف القيم الشاذة في المرحلة الأولى)، لذلك أنصح بالتبحر بهذا المجال، مع مراعاة كم الإغراق بالتبحر بناء على حجم البيانات ودرجة حساسيتها.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

استخدام البيانات في تحليل المخاطر للمشاريع

معنى الخطر:

لا يمكن حصر مفهوم الخطر بكلمة الخطر فقط، إذ أننا نجد أن في نفس الخطر تظهر هناك فرص عديدة، وتعود إمكانية تحويله إلى فرصة لطريقة الاستجابة له. وفي هذا الجانب نجد أن الإطار المنطقي Logframe يحتوي على قسم يتعلق بالمخاطر والفرص بنفس الوقت، ويسمى هذا القسم بالفرضيات، ففي حال كان الفرض/التوقع ذو نتائج سلبية على المشروع يسمى خطراً، وفي حال كانت نتائجه المتوقعة ايجابية يسمى فرصة.

في نفس السياق يجب التمييز بين الخطر والأزمة أو المسألة Issue/crisis فالخطر هو مشكلة لم تحدث ولكن هناك احتمالية لوقوعها، أما الأزمة أو المسألة فهي مشكلة حدثت بالفعل.

متى ينفذ تحليل المخاطر؟
تحليل المخاطر ينفذ في كل نشاطات جمع البيانات، إذ يتم جمع بيانات تتعلق بالمخاطر المتوقعة وطرق الاستجابة المناسبة حتى قبل بدء تنفيذ المشروع، ففي مراحل التحليل الأولي وتقييم الاحتياجات يخصص محور للمعلومات المطلوبة حول المخاطر، كما أن ذلك يتم أيضا خلال تنفيذ المشروع، ففي أنشطة المراقبة والتقييم يجب أن يكون هناك تحليلاً للمخاطر وتحديثاً لسجل المخاطر، وكذلك الأمر في التقييمات الدورية في الشركات، وذلك لأن المخاطر تتغير بشكل دائم مما يستوجب قراءة هذه التغيرات ومجاراتها.

أدوات تحليل المخاطر:

توجد الكثير من الأدوات التي تساعد على ترتيب الأفكار وتحديد المعلومات المطلوبة والعصف الذهني لأهداف معرفة المخاطر وتحليلها وتحديد طرق الاستجابة المناسبة لها، من هذه الأدوات ما هو مخصص للمخاطر ومنها ما يستخدم لأغراض تحليلية أخرى، ولكنه يساعد في ثناياه في تحليل المخاطر. من هذه الأدوات:

سجل إطار المخاطر Risk log.
تحليل سوات SWOT analysis.
سجلات المسائل Issues للمشاريع السابقة.
سجلات التعلم Learning للمشاريع السابقة.
تحليل القوى الخمسة لبورتر Porter’s five forces.
تحليل بيستيل PESTEL analysis.
المخطط العنكبوتي Spider diagram.

ما هي أهم المعلومات التي يجب جمعها حول المخاطر؟

إجمالاً يجب تضمين المحاور التالية في أسئلة تحليل المخاطر:

اسم الخطر.
احتمالية الخطر.
درجة التأثير.
استراتيجية الاستجابة المقترحة: إلغاء الخطر، نقل الخطر، تخفيف الخطر، قبول الخطر، مع معلومات تفصيلية لأساليب الاستجابة.
التغييرات المطلوبة في تصميم المشروع والخطة التنفيذية لأجل الاستجابة المناسبة للخطر.
تكاليف الاستجابة.
ما هي الأقسام المعنية بالاستجابة للخطر.
الدروس المستفادة وأفضل الممارسات.
رضا المستفيدين/العملاء وأسباب عدم رضاهم.

مصادر بيانات المخاطر:

تتشابه مصادر بيانات تحليل المخاطر مع مصادر البيانات الخاصة بأي دراسة تحليلية أخرى، إلا أن أهم مصدر لبيانات المخاطر على الإطلاق هم الخبراء، يليهم المصادر الثانوية وخاصة من المؤسسات والهيئات الرسمية والدولية. يضاف لذلك ما يسمى بالمراجعة المكتبية Desk review، التي تقدم معلومات عن المخاطر والمشاكل التي واجهتها المشاريع الشبيهة.

يمكن أيضا اعتماد استمارات ونماذج التتبع كمصدر بيانات هام للمخاطر في مختلف المشاريع، مثل استخدام استمارات التتبع في خرائط الضبط الإحصائي للجودة Statistical quality control (SQC) charts إذ تساعد على التنبؤ بعطل العملية الإنتاجية، فيتم الاستجابة لها وتصحيحها قبل حدوث العطل.

أين يأتي تحليل المخاطر:
القطاع الإنساني:

· تحليل الاحتياجات الإنسانية: تشكل حجر الأساس لمعرفة المخاطر التي تواجه المشروع الإنساني، مثل أية مخاطر بيئية كالفيضانات التي قد تواجه تنفيذ مشروع بناء مخيم في منطقة ما.

· التقييم الأولي Pre assessment: يساعد على الغوص في تفاصيل أعمق تتعلق بالمشروع بذاته، فتقييم الاحتياجات الإنسانية قد لا يكون محدداً تجاه مشروع بذاته، أما في حالة التقييم الأولي يكون المشروع قد تحدد لذلك يكون تحليل المخاطر أكثر تخصيصاً، مثل دراسة المخاطر التي قد تنعكس عن مشاكل اجتماعية نتيجة استفادة فئات محددة دون غيرها وأساليب منع ذلك والاستجابة له في حال حدوثه.

· المراقبة: كما ذكرنا سابقاً فإن المخاطر تتطور وتتغير خلال تنفيذ المشروع، لذلك من الضروري جدا تحليل المخاطر خلال أنشطة المراقبة وبشكل خاص للمشاريع طويلة الأمد.

· التقييم: وخاصة في التقييم المرحلي (مثل التقييم النصفي Mid-term evaluation) لأنه يسمح بتحليل أعمق للمشروع وللمخاطر مما ينفذ في المراقبة.

· المساءلة: هي نشاط بيني يتواجد خلال كل أنشطة المشروع، وفيها يكون هناك أنشطة وفعاليات تتعلق بمعرفة المخاطر، فالقرب من المجتمع، وإشراك الجهات المعنية Participation، ومشاركة المعلومات Information sharing… كلها تضمن معرفة المخاطر وتجنب الوقوع فيها. أبسط مثال على ذلك عندما تنفذ منظمة إنسانية مشروع توزيع سماد دون مراعاة المعنيين بالمشروع ويظهر بأن هذا السماد لا يتناسب مع طبيعة التربة والمحاصيل في البلد مع العلم بأن أبسط فلاح في المنطقة يعلم بذلك.

قطاع الأعمال:

· اختبار فكرة المشروع Idea validation: يمكن القول بأن كل عملية اختبار فكرة المشروع تدور حول المخاطر، وبالفرص طبعا مع اعتبار ما قدمنا به من تشابك مفهومي المخاطر والفرص.

· التحليل الأولي للسوق White paper: في الكثير من المشاريع التي نفذناها في INDICATORS تكشفت الكثير من المخاطر في هذه المرحلة، إذ أن التحليل الأولي يجري استكشاف حول الفرص والمخاطر الناتجة عن توقعات الطلب، والتسعير، والتنافسية…، وبالفعل دفعت الكثير من المستثمرين إما لإجراء تغييرات جذرية في مشاريعهم أو لإلغاء الاستثمار فيه.

· دراسة الجدوى الاقتصادية: فيها يأتي قسم خاص لتحليل المخاطر، مع العلم بأن ذلك يتشابك مع جميع أقسام دراسة الجدوى، ففي التحليل المالي تظهر تحليلات الحساسية وتوقعات المبيعات والمدة المطلوبة لنقطة التعادل، ومخاطر عدم استقرار قيمة العملة المحلية…

· مرحلة التأسيس والاختبار للمشروع: فيها يتم بشكل دوري تجميع البيانات وتصنيفها ودراسة النتائج والمخاطر والأخطاء…، حتى الوصول لمقترح تعديلات على نموذج العمل بشكل يصل إلى التصميم الأمثل للمشروع ويضمن استدامته.

· مرحلة النمو والاستدامة: في هذه المرحلة على صاحب المشروع أو موظفين معنيين بالمخاطر تحليل المخاطر بشكل دوري لضمان عدم وقوع أخطاء قد تسبب إغلاق الشركة/المشروع، مثل أخطاء في التوثيقات المالية والفوترة تؤدي إلى غرامات ضخمة، مخاطر الوقوع في حالات احتيال وكيفية تطوير الإجراءات لمنع ذلك، مخاطر إغلاق أسواق رئيسية بالنسبة للشركة…

· مرحلة التوسع: تجري الشركات توسعاً لأسواق أخرى، وفي الحالة النموذجية تجري دراسة خاصة بكل عملية توسع (إن كان توسع في المنتجات أو في الأسواق)، فنجاح منتجات الشركة في سوق لا يعني نجاحها في سوق آخر. مثال ذلك فشل بعض شركات الحلويات السورية في دخول سوق اليابان، فكانت محاولات الدخول غير معتمدة على قراءة السوق، لذلك تم طرح المنتج بكميات بالكيلوغرام، مع العلم أن العائلة اليابانية تتألف من 3 أشخاص وأحياناً شخص وحيد، وبأنهم غير معتادين على تناول الحلويات من قبل لذلك لن يأكلوها بكمية تتناسب مع شرائها بالكيلوغرام، فكانت قراءة السوق ضرورية للنجاح من خلال إعادة تصميم حجم المنتج بما يتناسب مع التركيبة الاجتماعية في هذا البلد.

· إدارة الجودة: وخاصة الضبط الإحصائي للجودة SQC الذي يعنى بتتبع العمليات وتوقع الأعطال قبل حدوثها كما ذكرنا أعلاه.

· اختبار تجربة العميل: إذ تساعد على كشف أخطاء بسيطة ستكون بالمستقبل سبباً في خسارة الكثير من العملاء وخسارة الحصة السوقية.

خلاصة تهمل الكثير من المؤسسات تحليل المخاطر، وتتعامل معها فقط عندما تقع وتتحول إلى أزمات في المشروع أو الشركة، وفي حالة أفضل يتم تحليل المخاطر بطريقة اعتباطية لا تعتمد على منهجيات صحيحة ومعلومات كافية مما يسبب عدم معرفة المخاطر الأكثر خطورة على المشروع.

بداية وكتعريف بسيط فإن ما يقصد به بالأسئلة ذاتية التقييم هي الأسئلة التي يطلب فيها من المجيب أن يقدم إجابة تتعلق بتقييم يتعلق به، أي أن يقيم شيئا يتعلق بواقعه، ولا تشمل هذه الأسئلة ما يتعلق بالرأي.
تستخدم الأسئلة ذاتية التقييم في الغالب في دراسات وأبحاث علم النفس، وتستخدم أحياناً في تقييم الاحتياجات الإنسانية والتقييم المؤسساتي ومجالات بحثية أخرى.
إن التحدي الأكبر للأسئلة ذاتية التقييم هو أن المجيب هو من يقيم نفسه، فنقع في مشاكل عديدة تتعلق بموثوقية وصدق الاستبيان Reliability، مثل التقييم العالي Over estimation أو التقييم المنخفض Lower estimation، أو أن يجيب المشارك على ما يتمنى أن يكون عليه من حال وليس واقعه، وهذا ما يحدث عادة في دراسات علم النفس.
من الأمثلة على الأسئلة ذاتية التقييم:
أنا شخص إيجابي!
– موافق بشدة
– موافق
– محايد
– معارض
– معارض بشدة
عادة ما يجيب المشاركون على هذا السؤال بطريقة تحاملية، أي أنهم (ليس كلهم طبعا ولكن نسبة مرتفعة) يميلون إلى تقديم تقييمات إيجابية لأنفسهم نتيجة طبيعة التحامل التي تتواجد عند أغلب الناس خاصة عند إحساس المجيب بوجود من يطلع على الإجابات مثل مجري المقابلة نفسه إن كانت مقابلة مباشرة.
ما هو مستواك في اللغة الإنكليزية؟
– متقدم
– متوسط
– ىمنخفض
هنا توجد مشكلة مركبة تتعلق بجانبين، الأول هو التحامل مثل السؤال السابق، والثاني هو التقدير الخاطئ، أي أن المجيب ونتيجة درجة معرفته باللغة قد يقيم نفسه بدرجة أعلى من الحقيقة وأحيانا تأتي بشكل معاكس.
أنا أتصرف مع أبنائي بطريقة تربية مناسبة ومتماشية مع أساليب التربية الحديثة!
– موافق بشدة
– موافق
– محايد
– معارض
– معارض بشدة
في هذا النوع من الأسئلة في العادة يجيب المشاركون على ما يتأملون أن يكونوا عليه وليس على ما يعبر عن واقعهم.
إن الاعتماد على الاسئلة ذاتية #التقييم لا يكون خياراً في أغلب الحالات، فلنحصل على تقييم دقيق لمستوى اللغة الإنكليزية يجب أن يجرى امتحان تقييم أقرب إلى الرسمي، والذي لا يكون متاحاً أقلها لأن #الاستبيان يتضمن الكثير من الأسئلة واحد منها سؤال اللغة، وفي دراسات علم النفس فإن الاستعاضة عن أسئلة التقييم الذاتي تحتاج لمختص في المجال للحصول على تقييم دقيق والذي لا يتوفر دائما ويحتاج موازنة عالية لتنفيذه.
السؤال إذاً: إذا لم نكن قادرين على الاستعاضة عن الأسئلة ذاتية التقييم وكانت تسبب تحديات في موثوقية الاستبيان، ما هي الحلول التي يمكن أن تساعد على تجاوز هذه المشكلة؟

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

عانت أغلب بلدان الربيع العربي من الدخول في أزمات طويلة الأمد، وقد أدت ظروف عدم الاستقرار لتراكم التعقيدات ومعوقات الاستقرار، ولا يخفى على أحد أن الاستقرار من أهم معززات تحقيق أهداف التنمية وكرامة المواطن، إلا أنه يصطدم بعدة ملفات رئيسية دائما ما كانت تظهر في بلدان الربيع العربي، فيظهر أمامنا تحديات تشكيل دستور جديد في البلاد والاشكالات الدستورية التي تعرقل ذلك، بالإضافة إلى ملف العدالة الانتقالية، وظهور التحديات الهوياتية التي كانت أكثر بروزاً في البلدان غير المستقرة.

وقد تتوارد لأذهاننا ليبيا كأحد الأمثلة لبلدان الربيع العربي، إذ نجد بأن الكثير من العوامل اللازمة للاستقرار والانتقال السياسي وتحقيق التنمية وكرامة المواطن متوفرة فيها، مع ذلك نجد أنها لا زالت تعاني من عراقيل عدة تهدد العملية السياسية، منها الإشكالات الدستورية التي تتعلق بهوية الدولة واللغة وملف التجنيس، وملف الفصائل العسكرية وتنظيمها في الجيش النظامي، وملف الانتخابات والأطراف المتهمة بجرائم الحرب، بالإضافة إلى ملف الأقليات والملف الخدمي للمناطق النائية..

للعودة إلى جذور المشكلة في ليبيا يمكن تشريح القضية حسب الجهات المعنية، إذ نجد أن:

1. الكتل السياسية: لديها مخاوف عدة مثل الخوف من استحواذ الأطراف الأخرى على السلطة والانقلاب على العملية الديموقراطية، مع وجود مخاوف أخرى من بقايا النظام السابق، والتجاذبات الناتجة عن الاختلافات النابعة من الاختلافات الدينية والفكرية والعرقية.
2. السياسيون: دائما ما يتخوف السياسيون من الاقصاء السياسي الذي يأتي كناتج عن التشريعات المستحدثة، أو التخوف من التصفية السياسية عن طريق التجييش الإعلامي.
3. المدنيون: بعد كل هذه السنين من الحرب يمكن القول بأن المدنيين لم يعودوا يعنون بالعملية السياسية كثيرا، لكن لديهم مخاوف تدور حول ملف الرواتب والمعاشات وملف الخدمات والذي يبرز أكثر في المناطق النائية التي تتخوف من التهميش والإهمال، يرافق ذلك إشكالات ترتبط بالعملية الدستورية تدور بمجملها حول حقوق المرأة واللغة الرسمية للبلاد والجنسية.
4. رجال الأعمال وأصحاب رؤوس الأموال والكتل الاقتصادية، يتخوفون من التجاذبات السياسية التي قد تنتشر نيرانها إليهم كتصفية حسابات سياسية للمحسوبين على الأطراف المختلفة.
5. الفصائل العسكرية: دائماً ما كانت مخاوف التهميش والعودة إلى الحياة المدنية دون أية مكاسب بعد سنين من التضحيات، والمخاوف من خسارة السلطة المكتسبة، مثل خسارة المفاصل الاقتصادية التي تم الاستحواذ عليها، بالإضافة إلى المخاوف من خسارة العناصر نتيجة التوجه لفكر توافقي بسبب العامل الضاغط في هذا الملف الناتج عن إرث الدم.
معظم الإشكالات التي تعرقل الاستقرار في ليبيا تدور حول المخاوف، فجميع الأطراف على اختلافها من سياسيين وكتل سياسية ومدنيين وفصائل عسكرية ورجال أعمال كلها تمتلك تلك المخاوف التي تجعلها لا تسير بالعملية السياسية والانتقال الديموقراطي في ليبيا بشكل سلس.

في هذا الصدد تأتي فكرة استطلاعات السلام التي طرحت وطبقت كمنهجية متكاملة لأول مرة في الصراع الذي حدث في آيرلاندا الشمالية عام 1996 وساهمت في إنهاء الصراع فيها، إذ أن ما لاحظه العاملون على الاستطلاع بأن ما يمنع أطراف الصراع من الجلوس على طاولة واحدة والتحاور كان نابعاً من المخاوف التي لديهم تجاه الأطراف الأخرى، لذلك تدور فكرة استطلاع السلام حول استقراء مخاوف وتطلعات الأطراف المختلفة من مدنيين وعسكريين وكتل سياسية ومن أطياف المجتمع المختلفة، وعرض نتائج هذا الاستطلاع التي ستبين لتلك الأطراف ما هي مخاوف وطلبات كل طرف مما ييسر كسر الجليد وطرح نقاط التلاقي بينها، يضاف لذلك أنها تلعب عامل ضغط ومناصرة يزيد من ميل الأطراف المختلفة تجاه الحلول السلمية وطروحات المصلحة العامة.

يمكن أن ينفذ استطلاع السلام كقراءة عامة لأهم الإشكالات الكبرى التي تمنع الأطراف المختلفة في ليبيا من التوافق الدستوري وتيسير ملف الانتخابات وملف رئاسة الحكومة، ثم يتم حلحلة التحديات التفصيلية من خلال استطلاعات تتعلق بالإشكالات والملفات المتفرعة عنها، ويتم ذلك باستطلاعات سلام متتابعة تحقق تراكماً للتوافقات الوطنية على الملفات المختلف عليها للوصول بالنهاية إلى أهداف الاستقرار السياسي والتنمية وكرامة المواطن.

نهاية يجب التنويه إلى أن ليبيا تمتلك فرصة تاريخية، إذ تصادف ظروفاً دولية جاءت بما يشبه التوافق غير المقصود على كف يد الفاعلين الدوليين في الشأن الليبي، فروسيا مشغولة في حربها في أوكرانيا والاتحاد الأوربي وأمريكا كذلك انشغلت بها لدرجة أصبحت تميل لخيارات الاستقرار في مناطق الصراع الأخرى منعاً لأية ملفات تشغله عن الملف الأوكراني، أما تركيا والإمارات فوصلتا مؤخراً إلى توافق ثنائي وتحسن في العلاقات غير مسبوق كان له آثاره الإيجابية على الملف الليبي. إذا تمكن الليبيون من استغلال هذه الفرصة للعبور من خلال تلك التوافقات وتثبيت التوافق الوطني الداخلي وتعزيز حالة الاستقرار السياسي وسيادة ليبيا فسيكون ذلك أعظم انجاز يحققونه، هذا مع عدم تطرقنا للأطراف التي لا تتصرف بالشأن الليبي بحسن النية وبالدافع الوطني، إذ أنها ورغم وجود الفرصة التي تطرقنا لها إلا أن هذه الأطراف ستسعى لوضع العصي في العجل للحفاظ على مكاسبها وتحقيق أغراضها ومطامعها الذاتية.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

سوف نتحدث اليوم عن أحد أهم برامج التحليل الإحصائي المتقدم وهو برنامج SPSS، يتضمن البرنامج أدوات كثيرة من شأنها دعم مستخدميه خلال عملية تحليل البيانات المتقدمة واختصار الوقت عليهم. حيث سوف نذكر بإيجاز بعض المعلومات الأساسية الخاصة بالبرنامج.
1. من النقاط المهمة قبل بدء العمل على برنامج SPSS، هي تنظيف البيانات الموجودة لدينا بشكل جيد قبل إدخالها إلى البرنامج.
2. نحتاج أيضاً إلى ترميز الأسئلة الخاصة بقاعدة البيانات التي نعمل عليها لبدء عملية إدخالها على البرنامج.
3. من الأمور المميزة في برنامج SPSS، هي وجود الأدوات الداعمة التي تساعد على اختصار عملية تحليل البيانات من ساعات إلى دقائق، خاصة في حال وجود الكثير من الأسئلة المتعددة والتي تحتاج عادة إلى وقت في التحليل على برنامج Excel.
4. هناك إمكانية لإظهار الرسوم البيانية للنتائج الخاصة بالتحليل على برنامج SPSS، ولكن التعديل على الرسوم من ناحية طريقة إظهار النتائج والمؤثرات الخاصة بالرسم تعتبر بدائية بعض الشيء، ولكن برأيي هذه النقطة لا تعتبر مشكلة كبيرة، حيث بعد الانتهاء من عملية تحليل البيانات وقراءتها من خلال الصفحة الخاصة بنتائج التحليل، يمكننا أخذ البيانات الخاصة بالرسم البياني الذي نحتاج إلى إظهاره ورسمه عن طريق برنامج Excel، نعم هذه الطريقة قد تأخذ القليل من الوقت، ولكن برأيي لا تعتبر هذه النقطة مشكلة كبيرة مقارنة بالميزات الضخمة التي يقدمها لنا البرنامج. مع العلم أن إصدارات SPSS الحديثة توفر رسوم بيانية أجمل ويمكن استخدامها بصيغة قابلة للتعديل إلى برامج Microsoft.
5. إمكانية كتابة المعادلات والصيغ التي من شأنها تسهيل وتيسير عملية تحليل البيانات وإدارة وفلترة البيانات.
لذلك ومن خلال تجربتي أنصح المهتمين والمختصين بمجال تحليل البيانات الدخول في عالم برنامج SPSS لما يحتويه من أدوات من شأنها تسريع العمل بشكل كبير جداً.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

تحدثت في منشور سابق عن أهم مميزات برنامج Power BI من شركة Microsoft، والآن في هذا المنشور سوف أتحدث بشكل موجز عن بعض العيوب الموجودة في البرنامج، حيث لا شك بأن برنامج Power BI هو أحد برامج التحليل المتميزة والذي يحتوي على العديد من الخصاص التي تجذب المستخدمين إلى العمل إليه، ولكن لا يخلو البرنامج من بعض المشاكل التي قد نواجهها أثناء العمل عليه، ونذكر منها:
1. البرنامج لا يمتلك أدوات لتحليل الأسئلة المتعددة بشكل مباشر، لذلك نحتاج لاستخدام أدوات داعمة وعمليات متعددة للتمكن من تحليلها.
2. يقوم برنامج Power BI بإظهار النسب المئوية لنتائج تحليل الأسئلة متعددة الإجابات من 100%، حيث لا يظهر البرنامج النسب المئوية لكل خيار من خيارات الأسئلة المتعددة على حدا، بل يقوم بإظهار النسبة المئوية من الإجمالي الكلي للخيارات في السؤال. يوجد حل لهذه المشكلة عن طريق المعادلات في البرنامج، ولكن من سلبيات هذه الطريقة أنها تسبب بطء في عمل البرنامج خاصة في حال وجود عدة أسئلة متعددة في التقرير.
3. بطء عمل البرنامج في حال الإضافة والتعديل بشكل متكرر على محرر. Query
4. عدم قدرة البرنامج على تقديم تحليلات إحصائية متقدمة.
5. محدودية أنواع الرسوم البيانية الموجودة في البرنامج، مثل عدم وجود رسوم خرائط الضبط الإحصائي للجودة.
6. اختيار الشكل البياني المناسب، حيث هناك بعض الرسوم البيانية التي لا تظهر لنا نتائج البيانات بالشكل المطلوب ولذلك الاختيار الصحيح يقع على عاتق محلل البيانات.
7. الحصول على سوم بيانية متنوعة ومختلفة قد يحتاج القليل من البحث في المتجر الخاص بها، وذلك بسبب وجود رسوم بيانية في المتجر لا تقدم كل المزايا، مثل خاصية التفاعل مع الرسوم البيانية الأخرى، وهذا الأمر قد لا يظهر لنا إلا عند تحميلها من المتجر وتجربتها في التقرير.
8. عملية اختيار الألوان، حيث تعتبر هذه العملية هي السهل الممتنع لتقارير Power BI، وذلك بسبب تعدد الألوان والإضافات والمؤثرات الموجودة والتي يمكن إضافتها للتقرير، حيث أن عملية اختيار الألوان بشكل جميل ومتناسق لها دور كبير في إظهار جمال التقرير لأنه كما ذكرنا سابقاً فإن برنامج Power BI يعتمد على الألوان والرسوميات بشكل أساسي.
لا تقارن هذه السلبيات بحجم الإيجابيات والمزايا التي يقدمها لنا برنامج Power BI لذلك لا زلت أنصح المختصين والمهتمين بتحليل البيانات بتجربة استخدام البرنامج، فالسلبيات التي تحدثت عنها قابلة للحل إلى حد كبير.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

برنامج PowerBI هو أحد برامج التحليل التي أصدرتها شركة Microsoft، وهو برنامج تحليلي متخصص بإظهار نتائج البيانات على شكل رسوميات وعرضها بشكل تفاعلي من خلال تقارير تفاعلية قابلة للمشاركة مع الآخرين بسهولة، وسوف أذكر لكم من تجربتي لبرنامج PowerBI بعض المزايا الأساسية للبرنامج بشكل مختصر وسريع:
1. واجهة البرنامج سهلة الاستخدام، حيث تساعد المستخدمين حتى المبتدئين منهم على التعرف على الأدوات الموجودة في البرنامج بسهولة .
2. تنوع وتعدد مصادر البيانات التي يمكن ربطها بالبرنامج ونذكر منها Excel,SQL,SharePoint,Oracle,CRM apps, Access,Dyanamic 356,Google analytics, Adobe analytics,Github,Mailchimp.
3. القدرة على سحب البيانات من أي موقع إلكتروني والعمل عليها.
4. عرض البيانات وإظهارها بشكل مختلف من خلال إمكانية إنشاء التقارير التفاعلية والتي يمكن من خلالها قراءة النتائج عن طريق رسوميات وأشكال متعددة سهلة القراءة.
5. إمكانية إظهار نتائج البيانات وعرضها بطريقة تفاعلية غير تقليدية وذلك من خلال رسوم بيانية تفاعلية متعددة الأشكال مع إمكانية التعديل على الألوان الخاصة بالرسومات وإضافة تأثيرات متنوعة على الرسومات بسهولة من خلال لوحة الأدوات الخاصة بالتعديل على الرسوم البيانية.
6. ميزة التفاعل بين الرسوم البيانية، حيث عند الضغط على معلومة ما ضمن رسم بياني تتفاعل باقي الرسومات البيانية وتقوم بإظهار النتائج المرتبطة بهذه المعلومة.
7. إمكانية إضافة الصور والأيقونات وجعلها تفاعلية عن طريق ربطها بالصفحات الخاصة بالتقرير عن طريق الفهرس Bookmark.
8. ميزة إضافة الفلاتر التفاعلية للرسوم البيانية ضمن التقرير.
9. إمكانية إضافة فهرس تفاعلي للتقارير مرتبط بالعناوين الرئيسية للتقرير.
10. تعديل وإدارة البيانات بشكل متقدم من خلال محرر Power Query.
11. مشاركة التقرير بسهولة عن طريق إنشاء رابط للتقرير من خلال موقع PowerBI ومشاركته عبر الإيميل، تطبيق الواتس آب وباقي التطبيقات الأخرى.
12. الربط بين مصادر البيانات المختلفة وتحليلها مع بعضها على أنها قاعدة بيانات واحدة.
13. ربط البرنامج ببرامج تحليل البيانات المتقدمة مثل Python وR مما يتيح له تقديم تحليلات إحصائية عميقة.
أنا أنصح جميع العاملين والمهتمين في مجال تحليل البيانات باستخدام البرنامج وبدء العمل عليه، حيث أن العمل على برنامج PowerBI ستكون إضافة مميزة في مجال عملنا في تحليل البيانات.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز
تمارة الرشيد: باحث في المؤشرات

في العادة يعمل الباحثون والعاملون في مختلف المجالات البحثية (مراقبة وتقييم، دراسات سوق، استطلاعات رأي…) على تحديد مجموعة مواضيع رئيسية للبحث، وتسمى بالعادة إما محاور البحث أو تساؤلات أو فرضيات…، من هذه المحاور يتم اشتقاق الأسئلة التي سيتم طرحها في البحث الذي يجرونه. المشكلة لا تكمن في هذه النقطة، بل إن المشكلة التي لاحظتها لدى الكثير من الباحثين العاملين في #تطوير_الاستبيانات / #أدوات_البحث، تكمن في أن صياغة الأسئلة تأتي بالسؤال عن الموضوع أو المحور أو المعلومة المطلوبة بشكل مباشر وأحيانا بشكل حرفي، للإيضاح لنأخذ هذا المثال، إذا كان لدينا تساؤلٌ عن “احتياجات من شأنها أن تساعد على زيادة مستوى تضمين ذوي الإعاقة في التعليم”، وجاء مطور أدوات البحث/ الاستبيانات فطرح السؤال على ذوي الإعاقة بهذا الشكل “ما هي الاحتياجات التي تساعد على زيادة مستوى تضمينكم في التعليم؟”.

هذه الطريقة من الطرح تنطوي على مشاكل عديدة تؤدي في الكثير من الحالات إلى عدم الحصول على نتائج صحيحة أو عدم الإجابة على تساؤلات البحث أو الحصول على نتائج مغلوطة وذلك للأسباب التالية:

1. قد يحتوي الموضوع البحثي على مصطلحات لا يعرفها المشاركون، إذ في الغالب تستخدم في مواضيع البحث مصطلحات علمية أكاديمية، لذلك يجب استخدام كلمات أخرى مرادفة مستخدمة في الحياة الواقعية.
2. أغلب مواضيع الأبحاث الرئيسية هي نقاط معقدة لا يمكن الإجابة عليها بسؤال واحد وإنما تتم تجزئتها لبنود فرعية، تلك البنود الفرعية تتحول إلى أسئلة (مع مراعاة تحوير الصياغات بالشكل المناسب طبعا)، لذلك فإن طرح الموضوع البحثي بشكل مباشر وحرفي سيسبب الحيرة للمجيبين، إذ أنه سيصبح إما سؤال واسع وعام تصعب الإجابة عليه بهذه الطريقة.
3. في أغلب الحالات لا يكون المشاركون على مستوى معرفة يساعدهم على تقديم الإجابة على السؤال بهذا الشكل، أي في مثال دراسة احتياجات ذوي الإعاقة لزيادة تضمينهم في المشاريع الإنسانية، فالأفضل أن يتم طرح أسئلة تتعلق بالمشاكل والصعوبات التي يوجهونها والتي تعيق حصولهم على تعليم مناسب، مع ضرورة التأكيد أيضا على السؤال عنها بشكل تفصيلي وليس كسؤال واحد.

خلاصةً، يمكن القول بأن عملية تطوير الاستبيانات تظهر للعاملين في هذا المجال وخاصة غير المختصين بأنها سهلة ويمكن لأي كان أن يقوم بها، لكن التجربة تؤكد، وخاصة عند استلام البيانات بعد كل الجهد الذي بذل في بناء العينة ومنهجية البحث، بأن البيانات التي سنحصل عليها لن تكون مفيدة وذلك بسبب التصميم الخاطئ للاستبيانات.

يمكن التعبير عن الاستبيانات بأنها المثال الأوضح لعبارة “السهل الممتنع”، إذ يمكن لأي شخص أن يطور استبياناً إلا أن التحدي يأتي عند تحليل البيانات التي تم الحصول عليها، لذلك أنصح جميع العاملين في مجال الأبحاث بالتبحر بمجال تطوير الاستبيانات، والبحث خاصة في المراجع التطبيقية، إذ أن أغلب المراجع المتوفرة تتحدث عن جوانب نظرية فقط.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من خلال مشاركتنا مع العديد من المنظمات في مشاريع مختلفة، أود أن أتحدث عن أهم الأخطاء التي يقع بها جامعي البيانات:
السرعة في الإدخال: التي قد ينتج عنها معلومات غير صحيحة; مثال: في مكان الراتب الشهري للمجيب يكتب جامع البيانات 250 بدلاً من كتابة 2500.
عدم التدقيق وقراءة السؤال بشكل جيد: مثال: في المثال السابق يكون المطلوب كتابة الراتب بالليرة التركية، فيقوم جامع البيانات بكتابته إما بالليرة السورية أو بالدولار; الأمر الذي قد ينتج عنه وجود أخطاء كارثية في البيانات وقيم شاذة، مع العلم أن مسؤول جودة البيانات لا يستطيع أن يفترض العملات التي تم اعتمادها وتعديلها بنفسه.
المقاطعة غير المنطقية للأسئلة: أي عدم ربط أجوبة المجيب بشكل منطقي مع الأسئلة السابقة، مثال: في سؤال عن الأشخاص ذوي إعاقة، هل تعاني من مشاكل في المشي، فكانت الإجابة لا، على الإطلاق، وعند السؤال عن الأجهزة والمستلزمات التي تحتاجها فكانت الإجابة: العكازات. فكانت النتيجة أن الشخص لا يعاني من مشاكل في المشي، ولكن يحتاج إلى عكازات!
ضعف القدرات المهنية في التعامل مع برامج جمع البيانات (الكوبو)، مع العلم بأن هذا البرنامج أصبح من اهم وأكثر البرامج شيوعاً في جمع البيانات، وأحياناً ينتج عن ضعف الخبرة ضياع الكثير من البيانات التي قد تسبب تأخر المشروع.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من خلال تجاربي بالعمل مع العديد من المنظمات ومراكز الدراسات والباحثين لاحظت تحديا في البيانات لا يمكنني توصيفه إلا بعبارة Rubbish data أو بيانات هراء أو عديمة الفائدة.
يمكن تلخيص فكرة البيانات عديمة الفائدة بأنها بيانات أو أسئلة تُسأل في الاستبيانات لا تفيد في أي شيء يتعلق بأهداف البحث، مثال ذلك في كثير من أنشطة مراقبة أو تقييم المشاريع يتم السؤال في المقابلات مع المستفيدين عن التركيبة الأسرية بالتفصيل الممل، كأن يُسأل عن أفراد الأسرة من الجنسين وبأعمارهم المختلفة حسب مجالات محددة وكثيرة التفصيل. قد يعتقد البعض بأن هذه البيانات هامة للمشروع الإنساني المنفذ، إلا أن التجربة تقول عكس ذلك، إذ أن هذه البيانات هامة في مرحلة تقييم الاحتياجات واختيار المستفيدين، وتكون موجودة لدى المنظمة قبل توزيع المساعدات، كما أن جميع الحالات التي شهدتها لم يكن فيها استخدام لهذه البيانات أبدا (في معرض كتابة تقرير المراقبة أو التقييم)، وفي أحسن حال يتم تجميع أفراد الأسرة في رقم نهائي، إذاً لم تم السؤال عن كل تلك التفاصيل وإرهاق المستفيدين بكل تلك الأسئلة؟
إن اعتقاد بعض الباحثين بأن هذه البيانات إن لم تفدنا فهي لن تضرنا هو اعتقاد خاطئ، فكثرة الأسئلة وطرح أسئلة لا ارتباط بينها وبين هدف النشاط البحثي المنفذ يسبب عدة إشكالات منها، زيادة في التكاليف، زيادة في تردد المشاركين وتخوفهم لكثرة التفاصيل التي يتم السؤال عنها وعدم منطقيتها، انخفاض اهتمام المشاركين بتقديم إجابات جدية نظراً لزيادة مدة المقابلة واحساسهم بالملل، زيادة في احتمالية الخطأ في جمع البيانات، زيادة في تعقيدات تحليل البيانات، ضياع الباحث المسؤول عن معالجة البيانات وكتابة التقرير وبالتالي طرح نقاط نقاش وأفكار بعيدة عن هدف البحث ومشتتة لصناع القرار. لا يمكن حصر الحالات التي نلاحظ بأنها من نوع البيانات عديمة الفائدة، فالسؤال عن اسم المشارك في استطلاع رأي سياسي لا يهم فيه اسم المشارك أبدا، فهو فقط يعبر عن شخصيته الاعتبارية كممثل لعينة من فئات المجتمع المستطلع (إلا في حالات نادرة تتعلق بالتحقق والمتابعة لفرق جمع البيانات)، السؤال عن اسمه في هذا الاستطلاع سيؤدي بالضرورة إلى تقديم المشارك لإجابات تبتعد أكثر عن آرائه الحقيقة وذلك نتيجة تخوفه من ربط تلك الإجابات باسمه وتعرضه لأية مساءلة أو ضرر بسبب ذلك.
أنصح دائماً بأن يتم ربط الأسئلة أو البيانات التي نسأل عنها بأهداف بحثنا وعدم القول “ما نخسر شيء إذا سألنا هي الأسئلة”

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

من أنواع الأسئلة التي لاحظت شيوع استخدامها في الاستبيانات والتي تنعكس كتحديات على تحليل البيانات هي الأسئلة الترتيبية، إذ يطلب من المشارك أن يجيب على عدة خيارات بترتيبها حسب الأولوية أو باختيار مثلا أهم ثلاثة منها بالترتيب.
سأتحدث من جانب ملاحظتي لحالات كثيرة حول هذه الأسئلة وأركز فيها على السلبيات التي تنعكس على استخدامها، ومنها:
١. بالمجمل فإن عملية ترتيب الخيارات حسب الأهم فالأقل أهمية تعتبر عملية مرهقة ومستهلكة للوقت، لذلك يلاحظ أن أغلب المشاركين لا يجيبوا عليها بجدية، وبالتالي فإن الترتيب الذي تم الحصول عليه غير دقيق.
٢. في الأسئلة التي نختار فيها أهم ثلاث إجابات وبشكل ترتيبي، يغلب عليها أن الترتيب يتبع لترتيب الإجابات نفسها في تصميم الاستبيان، أي أن المشاركين يميلون لاختيار الإجابات التي تذكر لهم في البداية على أنها الأكثر أهمية.
٣. مشكلة كبيرة في تحليل الأسئلة الترتيبية ناتجة عن ضعف أغلب البرامج الإحصائية وعدم وجود أساليب تحليلية جاهزة لهذه الأسئلة، لذلك يضطر محلل البيانات لإجراء عمليات حسابية يدوية مما يسبب مشاكل في التحليل.
٤. مشكلة في تحليلها تنبع من جانب كيفية إخراج النتائج:
– فإن حساب الترتيب كأوزان سيعطي نتيجة قد تتجاوز القيمة الحقيقية، مثل أن نحصل على نسبة مئوية أعلى من 100, أي أن النتيجة الرقمية التي سنحصل عليها لا تعبر عن قيمة حقيقية وإنما تعبر عن وزن وأهمية لهذا الخيار أمام الخيارات الأخرى وليس نسبة من اختاره.
– يواجه الكثير من محللي البيانات صعوبة في التعامل مع هذه الأسئلة لذلك يلجؤون لأساليب غير مناسبة مثل، عرض تحليلات للأولوية الأولى فقط، أو عرض تحليلات لكل أولوية على حدى، أو تحليل السؤال على أنه سؤال متعدد الإجابات تقليدي أي ليس سؤال ترتيبي.
-خطأ في حساب الأوزان، فنظام الأوزان في علم الإحصاء ليس شيء اعتباطي، أي أنه في حالات يعتبر على شكل درجة 1، 2، 3، أو على شكل نسبة احتمالية أو مئوية من أصل الإجابات…إلخ، واعتماد نظام أوزان لا يتماشى مع الغرض من السؤال سيؤدي إلى نتائج خاطئة.
-خطأ في تحديد الأوزان للإجابات، إذ أن الأولوية الأولى يجب أن تأخذ الرقم 3 والأولوية الثالثة يجب أن تأخذ الرقم 1، مع العلم أن الترتيب المنطقي عكس ذلك ولكن كقيمة نهائية يجب أن تعطي رقماً أعلى للأولوية الأولى، وهذا في العادة ما يخطئ به بعض محللي البيانات.
5. إشكالات لدى مسؤول كتابة التقارير إذ يحتار بعضهم في كيفية عرض النتائج ومناقشتها في التقرير بالشكل الصحيح.
6.مشاكل في مقاطعة الأسئلة الترتيبية مع الأسئلة الأخرى، فالسؤال موجود في عدة أعمدة في قاعدة البيانات إضافة إلى ضرورة مراعاة وجود وزن إضافة إلى تقاطع مع سؤال أو أكثر، مما يوقع الكثير من محللي البيانات بأخطاء في تحليل هذه الأسئلة.
خلاصته هو أنني لا أنصح باستخدام الأسئلة الترتيبية.
طيب، كيف ممكن أحصل على نتائج ترتيبية من دون الأسئلة الترتيبية؟ أنتظر آرائكم في التعليقات
بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز

هناك من لا يضع للقيم الشاذة أو Outliers أي اعتبار عند عمله في تحليل البيانات، وقد يكون سمع بهذا المصطلح وهو يقرأ هذه الأسطر. القيم الشاذة لها تأثير كبير على الكثير من المؤشرات الإحصائية، وأساليب التعامل معها ومعالجتها تتعلق بعوامل كثيرة منها ما هو بسيط ومنها ما يكون أكثر تعقيدا يتعلق بنوع المؤشر الإحصائي، إذ يجب على محلل البيانات معرفة تصنيف المعامل الإحصائي Smooth Prameter أم لا، وهذا ما يعبر عن درجة تأثره بالقيم الشاذة.

مثلاً المتوسط الحسابي يعتبر من أفضل مؤشرات/معاملات النزعة المركزية إلا أنه يتأثر بالقيم الشاذة بدرجة كبيرة جداً مقارنة بالوسيط، علماً أن الوسيط لا يعتبر معاملاً دقيقاً مقارنة بالمتوسط الحسابي.

سأحاول في هذه الأسطر الحديث عن جانب هام وهو الأكثر بساطة وهو أساليب معالجة القيم الشاذة.

أساليب معالجة القيم الشاذة:
1. مراجعة المصدر: للتحقق من القيمة فإن كان هناك خطأ في الإدخال يتم تصحيحه، كأن يكتب العمر لدراسة للأطفال 22 خطأ بدل 2، بذلك نكتشف ببساطة أنه خطأ في الإدخال ونصححه.
2. المعالجة المنطقية للقيم الشاذة: يمكن اكتشاف أخطاء القيم الشاذة من خلال المعالجة المنطقية، ببساطة عند دراسة للقوى العاملة فإن من يكون عمره 7 سنين مثلا سيتم حذف بياناته لأنه لا يصنف من القوى العاملة.
3. التمييز بين ما نبقيه وما نحذفه: تعتبر هذه العملية مرهقة جداً، إذ لا توجد معايير دقيقة لأجل قبول أو رفض القيم الشاذة، وفي هذا الجانب يقدم برنامج SPSS ميزة جميلة، هي تصنيف القيم الشاذة إلى نوعين، قيم شاذة Outliers (التي توجد بين الربيع الأول/الثالث وواحد ونصف المدى البيعي) وقيم متطرفة Extreme values (التي تبعد ما بين واحد ونصف إلى ثلاثة مرات المدى الربيعي)، أي باختصار بيانات بعيدة عن مكان تمركز البيانات وبيانات بعيدة جداً عنه، في هذه الحالة يمكن اعتماد هذا التصنيف بقبول القيم الشاذة وحذف القيم المتطرفة.
4. استبدال القيم الشاذة التي تم حذفها: الخطوة الأخيرة والأكثر حساسية هي قرار التعامل مع ما تم حذفه من قيم شاذة، هل نقوم بإبقائها محذوفة أم نستبدلها، يبدأ التحدي من قرار الاستبدال، إذ أن تركها فارغة يترتب عليه تبعات وتحديات ومقابله فإن استبدالها يترتب عليه أيضاً تبعات وتحديات. يتبع اتخاذ قرار الاستبدال هو المنهجية المناسبة للاستبدال، فعملية استبدال القيم المفقودة معقدة أيضاً فلها منهجيات وخيارات مختلفة، كل من هذه المنهجيات سيكون له تأثير بطريقة ما على نتائج تحليل البيانات (سأتحدث عن استبدال القيم المفقودة في منشور آخر إن شاء الله).

ليس من البساطة اجمال منهجيات التعامل مع القيم الشاذة بهذه الأسطر القليلة، فحذف القيم الشاذة يضعنا في خيارات أخرى، هل نترك مكانها كقيمة مفقودة أم نستبدلها بقيم بديلة، كما أننا عندما نحذف القيم الشاذة ونعيد استكشاف البيانات نجد أن هناك قيم شاذة جديدة قد ظهرت، كانت هذه القيم لا تعتبر شاذة باعتبار قاعدة البيانات قبل تعديلها (أي قبل حذف القيم الشاذة في المرحلة الأولى)، لذلك أنصح بالتبحر بهذا المجال، مع مراعاة كم الإغراق بالتبحر بناء على حجم البيانات ودرجة حساسيتها.

بواسطة:
غيث البحر: الرئيس التنفيذي لشركة إنديكيتورز