1
00:00:11,860 --> 00:00:15,080
بسم الله الرحمن الرحيم أهلا وسهلا بكم في درس جديد

2
00:00:15,080 --> 00:00:17,480
من دراسة مادية EMIS مازلنا مع chapter six

3
00:00:17,480 --> 00:00:21,040
foundations of business intelligence database and

4
00:00:21,040 --> 00:00:23,780
information management today we are going to talk

5
00:00:23,780 --> 00:00:28,080
about analytical tools relationships patterns

6
00:00:28,080 --> 00:00:32,740
trends tools for concentrating analyzing and

7
00:00:32,740 --> 00:00:37,240
providing access to vast amounts of data to help

8
00:00:37,240 --> 00:00:40,380
users make better business decisions

9
00:00:42,210 --> 00:00:47,150
multidimensional data analysis أو data mining

10
00:00:47,150 --> 00:00:52,950
text mining web mining إذا اليوم نتحدث عن أدوات

11
00:00:52,950 --> 00:00:58,110
التحليل التي يمكن استخدامها لتحليل كميات كبيرة أو

12
00:00:58,110 --> 00:01:03,480
هائلة من البيانات، والتي من خلال تحليل هذه البيانات

13
00:01:03,480 --> 00:01:08,400
يمكن استخدامها أو يمكن مساعدة هذا التحليل يمكن أن 

14
00:01:08,400 --> 00:01:14,760
يساعد الإدارة والمستخدمين في اتخاذ قرارات أفضل من

15
00:01:14,760 --> 00:01:18,860
بين هذه الأدوات التحليلية Multidimensional Data

16
00:01:18,860 --> 00:01:25,040
Analysis  الذي هو تحليل البيانات متعدد الأبعاد

17
00:01:25,040 --> 00:01:34,410
والمسمى Data mining الذي هو بيانات يعني التعدين

18
00:01:34,410 --> 00:01:39,490
أو يمكن استخراج التعدين من خلال الـ Big Data أو ما 

19
00:01:39,490 --> 00:01:44,530
إلى ذلك data mining text mining تحليل النصوص، و

20
00:01:44,530 --> 00:01:50,370
أيضا web mining الذي هو تحليل أو تنقيب في الـ Web

21
00:01:50,370 --> 00:01:56,130
OLAP online analytical processing التي هي OLAP طيب

22
00:01:56,870 --> 00:02:01,710
ننتقل إلى online analytical processing support

23
00:02:01,710 --> 00:02:05,690
multidimensional data analysis support

24
00:02:05,690 --> 00:02:11,230
multidimensional data analysis إذا يدعم تحليل

25
00:02:11,230 --> 00:02:17,050
البيانات متعددة الأبعاد متعددة الأبعاد لأننا سنتعرف

26
00:02:17,360 --> 00:02:22,280
على ماذا معنى هذه البيانات متعددة الأبعاد Viewing 

27
00:02:22,280 --> 00:02:28,080
data using multiple dimensions طيب each aspect of

28
00:02:28,080 --> 00:02:32,840
information product, pricing, cost, region, time

29
00:02:32,840 --> 00:02:38,150
period is different dimension إذا هو يقول يعني مثل

30
00:02:38,150 --> 00:02:40,870
ما تحدثنا قبل قليل viewing data using multiple

31
00:02:40,870 --> 00:02:44,430
dimensions بمعنى أنه يقوم بتحليل البيانات متعددة

32
00:02:44,430 --> 00:02:50,130
الأبعاد وبالتالي يستخدم عرض البيانات باستخدام أبعاد

33
00:02:50,130 --> 00:02:55,450
متعددة يعني ممكن يعرض عمود أو يعرض بيانات لِ

34
00:02:55,450 --> 00:03:00,590
المنطقة تعتبر المنطقة بُعد، السعر يعتبر بُعد آخر،

35
00:03:00,590 --> 00:03:05,820
التكلفة لِ المنتج يعتبر بُعد آخر، وبالتالي كلّ

36
00:03:05,820 --> 00:03:10,320
يعني كل شيء من هذه الأشياء يعتبر بُعد، كل جانب من

37
00:03:10,320 --> 00:03:16,720
هذه الجوانب الخاصة بالمعلومات يعتبر بُعد يعني مختلف

38
00:03:16,720 --> 00:03:21,140
عن البعض الآخر طيب في ماذا ممكن نستخدم هذا القلّب؟

39
00:03:21,140 --> 00:03:25,320
ممكن يساعدنا في الإجابة على أسئلة من نوع مثلًا هو

40
00:03:25,320 --> 00:03:29,320
قطّع example how many washers sold in east ... in

41
00:03:29,320 --> 00:03:35,270
the east and john compared with other regions؟ يعني

42
00:03:35,270 --> 00:03:38,470
تحليل أو استخدام أولاه في التحليل ممكن يساعدنا على

43
00:03:38,470 --> 00:03:42,590
الإجابة على بعض الأسئلة من ... يعني من أمثلة

44
00:03:42,590 --> 00:03:47,430
الأسئلة التي يمكن الإجابة عنها كم عدد ال ... يعني ال

45
00:03:47,430 --> 00:03:52,510
... الـ Washers، الغسلات التي تم بيعها في المنطقة

46
00:03:52,510 --> 00:03:57,290
الشرقية في شهر مثلًا يونيو، جون مقارنة بِ

47
00:03:57,290 --> 00:04:01,190
المناطق الأخرى، هيجيب لنا إجابة على هذا السؤال

48
00:04:01,190 --> 00:04:04,790
وعنده قدرة على أنه يعمل تحليل ويجيب لنا إجابة على

49
00:04:04,790 --> 00:04:10,610
هذا السؤال قلها in a bell repeat online answers to

50
00:04:10,610 --> 00:04:16,570
ad hoc queries يَتيح النظام OLAP أو برنامج

51
00:04:16,570 --> 00:04:20,510
الـ OLAP إجابات سريعة، عنده إمكانية على إنه يقدّم

52
00:04:20,510 --> 00:04:26,370
إجابات سريعة عبر الإنترنت على الاستفسارات العارضة

53
00:04:26,370 --> 00:04:30,250
مثلًا هذا السؤال عايز يدّعي استفسار كيف ممكن؟ ممكن

54
00:04:30,250 --> 00:04:37,110
المُستفسر أو المستخدم يبدأ يبحث عن الإجابة من خلال

55
00:04:37,110 --> 00:04:40,650
جواله يسأل السؤال من خلال الكمبيوتر أو الـ Laptop

56
00:04:42,520 --> 00:04:47,280
طيب هنا الـ Multidimensional Data Model هو الآن بدأ

57
00:04:47,280 --> 00:04:54,240
يحكي لنا عن الـ Model هذا الـ Model تبع الـ OLAP هذا

58
00:04:54,240 --> 00:04:59,020
الرسم بيوضح الأبعاد من حيث صلة البيانات يعني عندي 

59
00:04:59,020 --> 00:05:02,920
هنا على سبيل المثال الـ Region في عندي East West 

60
00:05:02,920 --> 00:05:08,620
Central في عندي East West و الـ Central

61
00:05:08,620 --> 00:05:14,240
بمعنى في عندي منطقة الشرق في منطقة الغرب والمنطقة 

62
00:05:14,240 --> 00:05:18,180
الوسطى وما إلى ذلك طيب هذا البعد هذا أول بُعد إذا

63
00:05:18,180 --> 00:05:24,030
يتحدث هنا عن أبعاد Main المنطقة الـ Region البعد

64
00:05:24,030 --> 00:05:27,230
الثاني الذي هو يتحدث عن ماذا؟ عن الـ Product، في

65
00:05:27,230 --> 00:05:32,370
عنده Nuts، في عنده Bolts، Washers، Screws،

66
00:05:32,370 --> 00:05:36,950
يتحدث عن أن المنتجات تبعه في عنده هنا Nuts

67
00:05:36,950 --> 00:05:42,010
بمعنى جوز لكن هنا المقصود فيها الصواميل، صمولة 

68
00:05:42,010 --> 00:05:48,430
تبع البرج، Bolts التي هي البراغي و ... أو المسامير

69
00:05:48,430 --> 00:05:53,330
إن صح التعبير و Washers غسلات والـ Screws التي هي

70
00:05:53,330 --> 00:05:56,470
الـ براغي التي هي البراغي هذه المنتجات إذا هذا بُعد 

71
00:05:56,470 --> 00:06:01,450
آخر لِ Product هذا البعد الثاني طيب الـ Actual أو الـ

72
00:06:01,450 --> 00:06:04,950
Projected يعني صار في عندي بُعدين في عندي الـ Project

73
00:06:04,950 --> 00:06:11,780
الذي خطط بيعه من هذه المنتجات والمبيعات الفعلية هذا 

74
00:06:11,780 --> 00:06:16,440
بُعد اثنين، ثلاثة، أربعة، أربع أبعاد، أربع أبعاد

75
00:06:16,440 --> 00:06:22,180
الآن الفكرة البسيطة لهذا الـ ... يعني OLAP لو

76
00:06:22,180 --> 00:06:27,940
إننا حرّكنا هذا المكعب تسعين درجة لو حركنا هذا 

77
00:06:27,940 --> 00:06:34,560
المكعب تسعين درجة الوجه الذي يظهر المنتج ممكن

78
00:06:34,560 --> 00:06:41,120
يكون مقابل المبيعات الفعلية والمتوقعة يعني لو حركنا 

79
00:06:41,120 --> 00:06:46,840
هذا المكعب تسعين درجة سيظهر المبيعات الفعلية أو 

80
00:06:46,840 --> 00:06:52,540
المنتجات مقابل المبيعات الفعلية والمخطط طيب لو

81
00:06:52,540 --> 00:06:57,960
حركناه مرة ثانية تسعين درجة سنقوم بدوره تدويره مرة

82
00:06:57,960 --> 00:07:02,580
ثانية التي ... التي يظهر يعني هي ... سيكون ماذا؟

83
00:07:02,580 --> 00:07:08,540
المنطقة ... المنطقة مقابل ماذا؟ المتوقع والفعلي

84
00:07:08,540 --> 00:07:14,100
للمبيعات المتوقع والفعلي للمبيعات إذا هو يَعطيك

85
00:07:14,100 --> 00:07:20,780
تقرير في أبعاد مختلفة يعني يقول لك ماذا المتوقع و

86
00:07:20,780 --> 00:07:25,380
الفعلي من المنتجات مقابل أنواع المنتجات طيب لو

87
00:07:25,380 --> 00:07:31,620
حرّكنا المكعب مرة ثانية ممكن يَعطينا المبيعات الفعلية

88
00:07:31,620 --> 00:07:36,600
والمبيعات المتوقعة مقابل المنطقة وبالتالي بإمكانه

89
00:07:36,600 --> 00:07:41,920
أيضًا يجيب على بعض الأسئلة مثلًا في المنطقة الشرقية

90
00:07:41,920 --> 00:07:48,600
ماذا هي المبيعات الفعلية والمتوقعة لمنتجات البراغي

91
00:07:48,600 --> 00:07:53,480
والصواميل والغسلات وأهل المجر هذا المكعب يُشار إليه

92
00:07:53,480 --> 00:07:58,900
في بعض الأحيان أو يقال عنه الذي هو Data Cube Data 

93
00:07:58,900 --> 00:08:04,480
Cube بمعنى أنه مكعب البيانات مكعب البيانات هذه

94
00:08:04,480 --> 00:08:10,540
طريقة تحليل الـ OLAP لأننا انتقلنا إلى الـ Data Mining

95
00:08:10,540 --> 00:08:15,340
دخلنا في النوعية الأخرى من الـ Data والتي هي الـ

96
00:08:15,340 --> 00:08:19,520
Data Mining طيب التنقيب عن البيانات لماذا يكون يعني

97
00:08:19,520 --> 00:08:23,880
مهمًا بالنسبة للشركات لأنهم يبحثون عن اكتشافات 

98
00:08:23,880 --> 00:08:28,420
جديدة يبحثون عن اكتشافات جديدة، وعشان كده الشركات

99
00:08:28,420 --> 00:08:32,520
في بعض الأحيان تلجأ للتنقيب في وينفي الـ Web وفي 

100
00:08:32,520 --> 00:08:37,880
الـ Text وفي أشياء أخرى خلّينا نتعرف على الـ Data

101
00:08:37,880 --> 00:08:41,780
Mining finds hidden patterns relationship in

102
00:08:41,780 --> 00:08:46,220
database example customer buying patterns هو الآن

103
00:08:46,220 --> 00:08:53,840
بدأ يتعرف على أنماط وسلوك الشراء تبع العملاء من

104
00:08:53,840 --> 00:09:00,110
خلال يعني البحث عن الأنماط المختلفة والبيانات

105
00:09:00,110 --> 00:09:05,430
المُدفوعة بشكل أكبر من قبل الشركات مثل ما حكينا قبل

106
00:09:05,430 --> 00:09:11,150
قليل لِماذا الاكتشاف، والاكتشاف هنا فعلا يكون يعني 

107
00:09:11,150 --> 00:09:16,690
المُقصد أو السبب الرئيسي منه فهم سلوك العملاء بدنا

108
00:09:16,690 --> 00:09:22,240
نفهم سلوك العملاء أنماط الشراء وما إلى ذلك عشان

109
00:09:22,240 --> 00:09:26,780
نحدد هل والله إحنا عندنا حملة تسويقية كانت كويسة أو 

110
00:09:26,780 --> 00:09:31,300
مش كويسة سنتعرف على ذلك بعد قليل طيب and first

111
00:09:31,300 --> 00:09:38,160
rules to product to products future behavior ممكن 

112
00:09:38,160 --> 00:09:43,460
استنتاج يعني قواعد للتنبؤ بالسلوك المستقبلي is an

113
00:09:43,460 --> 00:09:49,780
inference استنتاج rules to predict future behavior 

114
00:09:49,780 --> 00:09:57,480
ممكن من خلال الـ Data Mining نعمل استنتاج لقواعد 

115
00:09:57,480 --> 00:10:01,360
يمكن استخدام هذه القواعد في التنبؤ بالسلوك

116
00:10:01,360 --> 00:10:07,500
المستقبلي للـ Consumer أو للعملاء Types of 

117
00:10:07,500 --> 00:10:11,520
information obtainable from data mining is عن

118
00:10:11,520 --> 00:10:15,200
أنواع المعلومات التي يمكن الحصول عليها من الـ Data 

119
00:10:15,200 --> 00:10:18,980
Mining التي هي ماذا Association ... Association

120
00:10:18,980 --> 00:10:23,940
أشياء ذات صلة والله يمكن ذكرنا سابقًا في المخابرات

121
00:10:23,940 --> 00:10:27,800
الوجهية علاقة أو مثال الذي هو علاقة الشيبسي 

122
00:10:27,800 --> 00:10:32,360
بالبيبسي والآن نرجع نكرر هذا المثال نُجدُ مبيعات الـ

123
00:10:32,360 --> 00:10:36,380
Chips مقابل مبيعات الـ Pepsi خلال فترة زمنية محددة

124
00:10:36,380 --> 00:10:42,000
نقوم ... نأخذ سلسلة زمنية لهذه المبيعات ونُوجد 

125
00:10:42,000 --> 00:10:45,460
تحليل ... تحليل هل يوجد ... يعني هل سيقول في ماذا؟

126
00:10:45,460 --> 00:10:51,340
علاقة أو لا في علاقة أو لا؟ طيب لو كان في علاقة هل

127
00:10:51,340 --> 00:10:55,460
يمكن وضع بعض القواعد الأخرى بما يزيد مثلًا من

128
00:10:55,460 --> 00:10:59,320
مبيعات الشيبسي أو من مبيعات الـ Pepsi وما إلى ذلك؟

129
00:10:59,320 --> 00:11:05,640
طيب Sequences ... Sequences بمعنى التتالي أو 

130
00:11:05,640 --> 00:11:09,520
التعاقب يعني خلّيني نضرب مثال هنا إن والله لو كان

131
00:11:09,520 --> 00:11:14,140
في حي سكني قيد الإنشاء أو برج سكني قيد الإنشاء

132
00:11:14,140 --> 00:11:19,520
معناته بعد فترة من الزمن سيتم يعني نجدُ عدد الطوابق

133
00:11:19,520 --> 00:11:24,020
في هذا البرج كم عدد الشقق السكنية في هذا البرج

134
00:11:24,310 --> 00:11:28,870
خمسين شقة معناته في عندي من المحتمل أن أبيع خمسين

135
00:11:28,870 --> 00:11:35,790
ثلاجة، خمسين بوتاجاز، خمسين يعني غسالة وما إلى ذلك

136
00:11:36,920 --> 00:11:41,300
Classification بمعنى أنه هل الآن ممكن إحنا نعمل

137
00:11:41,300 --> 00:11:44,500
Classification للعملاء حسب الـ Niche حسب ماذا هم

138
00:11:44,500 --> 00:11:49,200
مشترياتهم أو ماذا هي أفضلّياتهم نستطيع أن نعمل لهم مجموعات 

139
00:11:49,200 --> 00:11:53,240
ممكن كمان يعني Classification حسب والله هل هم

140
00:11:53,240 --> 00:11:56,780
عملاء يشترون بصورة دورية وبمبلغ ضخم أو هو

141
00:11:56,780 --> 00:12:00,380
اشترى مبلغ ضخم لمرة واحدة وانتهى ولا هو بيشتري 

142
00:12:00,380 --> 00:12:04,870
بمبلغ بسيط بشكل مستمر، إذا أنا بجسمه في مجموعات

143
00:12:04,870 --> 00:12:08,730
Clustering لو كان في الشريندي مجموعات ممكن أعملهم 

144
00:12:08,730 --> 00:12:13,790
تصنيف بشكل مختلف Forecasting ممكن استخدم البيانات

145
00:12:13,790 --> 00:12:20,250
اللي هي بيانات الـ data mining ليعني التنبؤ وأحيانًا

146
00:12:20,250 --> 00:12:22,990
التنبؤ هذا لا يكفي في بعض الأحيان بأخذ هذه

147
00:12:22,990 --> 00:12:29,150
البيانات ليعملها handling على software أخرى لبرضه 
148
00:12:29,150 --> 00:12:29,910
التنبؤ

149
00:12:32,200 --> 00:12:36,820
طيب، الآن انتقلنا إلى جزئية الـ Text Mining جزئيات

150
00:12:36,820 --> 00:12:41,180
الـ Text Mining Text Mining عن إيش بتحدثنا؟

151
00:12:41,180 --> 00:12:46,560
بيقول إنه تحليل النصوص Extract key elements from

152
00:12:46,560 --> 00:12:52,770
large unstructured datasets، إذن بيستخرج عناصر ..

153
00:12:52,770 --> 00:12:58,950
بيستخرج العناصر الأساسية من مجموعات البيانات

154
00:12:58,950 --> 00:13:04,110
الكبيرة غير المهيكلة، كلام جميل لكن محتاجين نفهم

155
00:13:04,110 --> 00:13:08,910
أكثر، نحتاجين نفهم أكثر يعني إيش unstructured data

156
00:13:08,910 --> 00:13:12,770
الـ unstructured data هذه اللي لا يمكن نحطها في

157
00:13:12,770 --> 00:13:18,810
مثلاً data اللي في جداول ويكون في إلها أعمدة و

158
00:13:18,810 --> 00:13:23,650
صفوف زي ما شفنا في الـ axis لكن هذه الـ unstructured

159
00:13:23,650 --> 00:13:29,250
data ممكن تكون data مختلفة زي إيش؟ زي الـ email زي

160
00:13:29,250 --> 00:13:33,170
الـ moments اللي ممكن نحطها على الـ facebook أو على

161
00:13:33,170 --> 00:13:38,010
الـ wechat وما إلى ذلك، بعض الأشياء بتيجي من الـ call

162
00:13:38,010 --> 00:13:43,290
center في أشياء أخرى ممكن تكون زي .. زي الـ video

163
00:13:43,290 --> 00:13:46,850
زي الـ .. الـ image وما إلى ذلك، لأ هذه كلها

164
00:13:46,850 --> 00:13:52,420
unstructured طيب بيستخدمولها إيه؟ sentiment

165
00:13:52,420 --> 00:14:00,440
analysis software، هذا الـ software is able to mine

166
00:14:00,440 --> 00:14:06,880
text content in an email, messages, blogs, social

167
00:14:06,880 --> 00:14:12,020
mediaconversation or survey، إذا عنده قدرة أن يقوم

168
00:14:12,020 --> 00:14:17,240
هذا البرنامج بيقوم بالتحليل لمين؟ للإيميلات، للـ blogs

169
00:14:17,240 --> 00:14:22,760
للـ social media حتى يعرف إيه التوجهات يعني صح

170
00:14:22,760 --> 00:14:26,300
التعبير، هم يعني sentiment لو لو ترجمناها حرفياً

171
00:14:26,300 --> 00:14:31,840
بتكون عاطفة أو يعني بتشير إلى العاطفة، لكن المقصود

172
00:14:31,840 --> 00:14:38,820
هنا تحليل المشاعر باتجاه قضية ما، والله هو سواء

173
00:14:38,820 --> 00:14:42,560
كانت سياسية أو إحنا بنحكي في مجال الـ business والـ

174
00:14:42,560 --> 00:14:46,880
product، معناته هو بيفضل هذا المنتج عندك، كيف

175
00:14:46,880 --> 00:14:50,560
بعرف، بعرف من خلال الـ .. يعني الـ emails بتاعتهم،

176
00:14:50,560 --> 00:14:53,200
من خلال التعليقات اللي بيحطها أو الـ blogs اللي

177
00:14:53,200 --> 00:14:58,320
بيحطها ومثلاً طيب web mining discover and analysis

178
00:14:58,320 --> 00:15:05,520
of useful pattern and information from web، إذا 

179
00:15:05,520 --> 00:15:09,820
بدنا نتحدث عن التنقيب عبر إيه؟ على الـ web؟ web

180
00:15:09,820 --> 00:15:15,680
mining طيب بيقول اكتشاف وتحليل الأنماط والمعلومات

181
00:15:15,680 --> 00:15:21,020
المفيدة من الـ web، شيء جميل كيف نعمل كده؟ web content

182
00:15:21,020 --> 00:15:27,100
mining، web content mining اللي هو التنقيب في محتوى

183
00:15:27,100 --> 00:15:31,960
الـ web، التنقيب في محتوى الـ web ليش المقصود في ذلك؟

184
00:15:31,960 --> 00:15:37,660
دلّني نشوف، بيقول الـ web content mining is the

185
00:15:37,660 --> 00:15:42,040
process of extracting knowledge from the content

186
00:15:42,040 --> 00:15:48,940
of web pages which may include text, image, audio

187
00:15:48,940 --> 00:15:56,090
and video data، إذن الـ web mining بيقوم بـالبحث

188
00:15:56,090 --> 00:16:01,250
والتنقيب عن أنماط .. يعني عن أنماط في داخل

189
00:16:01,250 --> 00:16:06,670
البيانات من خلال الـ .. يعني إنه يشوف والله إيش

190
00:16:06,670 --> 00:16:12,110
موجود في البيانات النصية أو الصور أو الفيديوهات

191
00:16:12,660 --> 00:16:19,300
وبالتالي هو بيقوم إيه؟ يعني بيقوم في التعقب عن

192
00:16:19,300 --> 00:16:24,060
المحتوى، صح التعبير للـ web، في عملية استخراج إيش

193
00:16:24,060 --> 00:16:29,400
بيعمل؟ بيعمل extracting knowledge، عمال بيعمل

194
00:16:29,400 --> 00:16:35,070
استخراج للمعرفة from the content of web pages من

195
00:16:35,070 --> 00:16:39,590
صفحات الـ web واللي صفحات الـ web هذه بتتضمن على إيش؟

196
00:16:39,590 --> 00:16:43,570
بتتضمن على بيانات ممكن تكون بيانات نصية، text أو

197
00:16:43,570 --> 00:16:48,190
ممكن تكون صور، image أو ممكن تكون فيديوهات وما إلى

198
00:16:48,190 --> 00:16:53,870
ذلك، إذن هدفي ما يتعلق بالـ web content mining، web

199
00:16:53,870 --> 00:17:00,220
structure mining، web structure mining يعني بيتحدث

200
00:17:00,220 --> 00:17:05,820
عن تعدين بنية الـ web، الـ structure .. الـ structure

201
00:17:05,820 --> 00:17:09,440
نفسه عبارة .. يعني لو .. لو تخيلنا الـ web عبارة عن

202
00:17:09,440 --> 00:17:14,120
صفحة أمامنا، الأهم فيها مواضيع مختلفة ومعناوين

203
00:17:14,120 --> 00:17:19,220
مختلفة، كيف ممكن تختار عنوان، كيف ممكن تختار مقال و

204
00:17:19,220 --> 00:17:23,760
تبدأ تبحث عنه، إذا إن هو بيعمل mining للـ structure

205
00:17:23,760 --> 00:17:27,740
تبع الـ web نفسه، طيب، إيش بيقول هنا؟ بيقول web

206
00:17:27,740 --> 00:17:31,680
structure mining examines data related to the

207
00:17:31,680 --> 00:17:37,060
structure of a particular website، طيب، for

208
00:17:37,060 --> 00:17:44,270
example, links pointing إلى مقال يشير إلى مشكلة

209
00:17:44,270 --> 00:17:50,550
مجتمع، المقالات حيث أن مقالات تأتي من مقالات تشير

210
00:17:50,550 --> 00:17:58,150
إلى عموماتها أو ربما حقيقة المواضيع التي تحتوي على

211
00:17:58,150 --> 00:18:03,440
المقال، طيب، إيش يعني الكلام هذا يا جماعة؟ إيش يعني

212
00:18:03,440 --> 00:18:07,100
الكلام هذا؟ يعني الآن الـ .. الـ web structure

213
00:18:07,100 --> 00:18:13,040
mining بيقوم بعملية فحص لمين؟ وبي .. بي .. بيستخرج

214
00:18:13,040 --> 00:18:17,200
بيانات أو بيتحقق أو بيعدّل، سميها ما شئت، ترجمها زي

215
00:18:17,200 --> 00:18:22,360
ما أنت عايز، المهم الفكرة تصِل، فحص بنية الـ web نفسه

216
00:18:22,360 --> 00:18:27,480
الـ web، بنية الـ web والبيانات المتعلقة في داخل أو

217
00:18:27,480 --> 00:18:33,400
في هيكل موقع الـ web نفسه، طيب على سبيل المثال هو

218
00:18:33,400 --> 00:18:38,460
بيقول الروابط أو تشير الروابط اللي يعني بتؤدي أو

219
00:18:38,460 --> 00:18:43,410
بتشير إلى مستند معين إلى شعبية هذا المستند مثلاً، كم

220
00:18:43,410 --> 00:18:49,190
عدد القراء لهذا المستند؟ قد إيش عدد الناس اللي

221
00:18:49,190 --> 00:18:52,350
طلعوا أو قرأوا هذا المستند مقارنة في المستندات

222
00:18:52,350 --> 00:18:57,410
اللي موجودة في داخل الـ web وما إلى ذلك؟ إذا أرجو

223
00:18:57,410 --> 00:19:04,150
أن تكون الفكرة وصلت، web usage mining، web usage

224
00:19:04,150 --> 00:19:10,070
mining اللي هو تعدين أو استخراج أو تعدين، خلينا ..

225
00:19:10,070 --> 00:19:14,670
خلينا نمشي على نفس الـ .. يعني المصطلح، تنقيب، تعدين

226
00:19:14,670 --> 00:19:20,030
سمّيها ما شئت، تعدين أو تنقيب، استخراج الـ web أو

227
00:19:20,030 --> 00:19:25,610
استخدام الـ web، web usage mining بمعنى تعدين أو

228
00:19:25,610 --> 00:19:31,850
تنقيب استخدام الـ web، هذه جزئية مهمة عن تعرف web

229
00:19:31,850 --> 00:19:35,930
usage mining، examining user interaction data

230
00:19:35,930 --> 00:19:41,970
recorded by a web server whenever requests for a

231
00:19:41,970 --> 00:19:45,550
website resources are received.

232
00:19:49,260 --> 00:19:56,460
هذا النوع من التنقيب أو الفحص بيستخدم الـ web فيها

233
00:19:56,460 --> 00:20:02,390
بيانات تفاعل المستخدم، في عند مستخدم دخل على الـ web

234
00:20:02,390 --> 00:20:07,910
سجل والله بيفحص عن نوع معين من الملابس، مثلاً تي

235
00:20:07,910 --> 00:20:13,830
شيرت، قد إيش المقاس؟ مقاس XL، اللون، هل هو male

236
00:20:13,830 --> 00:20:19,510
ولا female، بداية أُحدد إن هو مثلاً male، اللون بده

237
00:20:19,510 --> 00:20:24,510
اللون الأبيض، بدأ ينتقل من مواصفة إلى أقرأ، طيب

238
00:20:24,510 --> 00:20:32,300
لغاية لما نوصل للـ curved، هل هو حاطها في سلة

239
00:20:32,300 --> 00:20:36,040
المشتريات، والخطوة الأخيرة اللي المفروض تكون إنّه

240
00:20:36,040 --> 00:20:41,480
عملياً الدفع، لكن لم يحدث الدفع، لو حدث الدفع معناته

241
00:20:41,480 --> 00:20:45,500
المعاملة انتهت، هم بيتتبعوا، هم الـ web usage mining

242
00:20:45,500 --> 00:20:50,860
عمال بيتتبع هذه الخطوات للـ user، طيب إذا ما اشتغلش

243
00:20:50,860 --> 00:20:54,960
معناته هو أحد أمرين يا إما غير رأيه يا إما في خلل

244
00:20:54,960 --> 00:21:00,040
في الـ web، ليش ما صار الدخل؟ طيب هذه من الأشياء أو من

245
00:21:00,040 --> 00:21:08,060
الأمثلة البسيطة على موضوع التتبع، طيب وبيقوم يعني

246
00:21:08,060 --> 00:21:12,840
الـ .. الـ .. الـ .. الـ .. الـ web هنا بيستخدم هذه

247
00:21:12,840 --> 00:21:19,140
البيانات المسجلة لتفاعل المستخدم بواسطة مين؟ هو

248
00:21:19,140 --> 00:21:24,630
بيقول بواسطة خادم الـ web، أيضًا يتم طلب الطلبات

249
00:21:24,630 --> 00:21:29,790
للحصول على موارد موقع الوصف، شيء جميل، طبعًا يمكن

250
00:21:29,790 --> 00:21:34,070
شرحناها بالعام، أرجو أن تكون الفكرة وصلت، الـ usage

251
00:21:34,070 --> 00:21:38,770
data records the user's behavior when the user

252
00:21:38,770 --> 00:21:43,370
browsers or makes transactions on the website and

253
00:21:43,760 --> 00:21:50,780
collects the data in a server log، يتم تسجيل

254
00:21:50,780 --> 00:21:55,400
بيانات المستخدم اللي بتتبع سلوك المستخدم لما بيقوم

255
00:21:55,400 --> 00:22:00,460
بالتصفح وبيجراء العمليات على الموقع وبيجمع

256
00:22:00,460 --> 00:22:06,730
البيانات هذه في الـ server log، سجل الخدمة، المثال

257
00:22:06,730 --> 00:22:10,850
اللي قبل قليل تحدثنا عنه تي شيرت، أعتقد بيوضح هذا

258
00:22:10,850 --> 00:22:15,250
الأمر بشكل جيد، هذا الموضوع له بلغ الأهمية ليه؟

259
00:22:15,250 --> 00:22:18,150
لأنّه إحنا بتقوم بعملية analyzing such data can

260
00:22:18,150 --> 00:22:22,890
help companies determine the value of particular

261
00:22:22,890 --> 00:22:28,340
customers، cross marketing strategy across products

262
00:22:28,340 --> 00:22:32,280
and the effectiveness of professional campaigns.

263
00:22:32,280 --> 00:22:36,980
بيساعد هذه البيانات وتطبيقها لـ consumer

264
00:22:36,980 --> 00:22:44,080
behavior وكيفية استخدامه للـ web الآن بيساعدنا في

265
00:22:44,080 --> 00:22:48,000
تحليل هذه البيانات، بتساعدنا في تحليل البيانات اللي

266
00:22:48,000 --> 00:22:53,590
بتقدم للشركات خدمات أو تقارير أو معلومات ذات قيمة

267
00:22:53,590 --> 00:22:57,910
عن العملاء أو عن عملاء معينين، وهل هم فعلاً

268
00:22:57,910 --> 00:23:01,670
بيشتريوا ولا ما بيشتريوش، إيش الأفضليات ربعتهم،

269
00:23:01,670 --> 00:23:08,180
توجهاتهم وما إلى ذلك، هذه المعلومات تتم تحليلها وأيضًا

270
00:23:08,180 --> 00:23:13,540
مساعدة الشركة في التأكد من استراتيجيتها

271
00:23:13,540 --> 00:23:16,920
التسويقية من خلال المنتجات هل هي كانت صحيحة ولا

272
00:23:16,920 --> 00:23:21,380
محتاجة إلى تقويم أو تعديل أو أو إلى آخرى، كمان هذه

273
00:23:21,380 --> 00:23:25,580
البيانات وتحليلها بيؤدي إلى معرفة الشركات مدى

274
00:23:25,580 --> 00:23:29,820
فعالية الحملات الترويجية، الحملات الترويجية، إذن لها

275
00:23:29,820 --> 00:23:34,460
بلغ الأثر، web usage mining خاصة للمين؟ للناس اللي

276
00:23:34,460 --> 00:23:38,140
بيشتغلوا في الـ marketing يا جماعة، تتبع سلوك الـ

277
00:23:38,140 --> 00:23:42,280
consumer والذي يتم تخزينه على الـ server log

278
00:23:42,280 --> 00:23:45,620
وبالتالي يعني من خلال تحليل هذه البيانات للـ

279
00:23:45,620 --> 00:23:49,380
consumer بقدر أعرف استراتيجية التسويق اللي كانت

280
00:23:49,380 --> 00:23:53,540
صحيحة ولا لأ، هل فعّلت الحملات الترويجية وما إلى 

281
00:23:53,540 --> 00:23:54,000
ذلك

282
00:23:57,610 --> 00:24:02,730
database and the web database and the web many

283
00:24:02,730 --> 00:24:06,590
companies use the web to make some internal 

284
00:24:06,590 --> 00:24:11,070
database available to consumers or partners

285
00:24:11,070 --> 00:24:16,810
consumers or partners إذا بتستخدم يعني مجموعة من

286
00:24:16,810 --> 00:24:22,180
الشركات الـ web لإتاحة بعض المعلومات، بعض قواعد 

287
00:24:22,180 --> 00:24:25,900
المعلومات الداخلية يتم إتاحتها لمين؟ للعملاء و

288
00:24:25,900 --> 00:24:30,460
للشركات يمكن في الـ chapter رقم اتنين لما شفنا الـ

289
00:24:30,460 --> 00:24:34,340
enterprise application كان بيعمل امتداد إلى خارج

290
00:24:34,340 --> 00:24:38,780
الـ enterprise نفسه وبالتالي بدي صلاحيات لمين؟ للـ

291
00:24:38,780 --> 00:24:43,540
user و عفوا للـ consumer و الـ supplier supplier في

292
00:24:43,540 --> 00:24:46,860
بعض الأحيان هذه من الأمثلة الأخرى اللي دائما

293
00:24:46,860 --> 00:24:51,380
بنذكركم فيها و احنا في المحاضرات الوجهية أن طلاب

294
00:24:51,380 --> 00:24:55,040
في داخل الجامعة عندهم امتداد بإمكانهم أنهم يعملوا

295
00:24:55,040 --> 00:24:57,800
access على قواعد البيانات تبع الجامعة لما يقوموا 

296
00:24:57,800 --> 00:25:03,840
بعملية التسجيل للفصل الجديد إضافة مادة أو صحب مثل

297
00:25:05,280 --> 00:25:09,780
Typically Configuring Includes إذا التكوين لهذه

298
00:25:09,780 --> 00:25:13,520
البيانات تتكون من إيه؟ Web Server يكون فيه قاعدة

299
00:25:13,520 --> 00:25:18,120
بيانات للإنترنت Application Server Middleware CGI

300
00:25:18,120 --> 00:25:23,340
Scripts إذا خدمة تطبيق وبرمادات أو برامج وسيط أو

301
00:25:23,340 --> 00:25:28,660
برامج نصية هي مسميات لـ Application وقدرات Database

302
00:25:28,660 --> 00:25:32,240
servers hosting database management system كمان

303
00:25:32,240 --> 00:25:38,980
خدمة يعني قاعدة البيانات يقوم باستضافة اللي هو إيه؟

304
00:25:38,980 --> 00:25:42,420
الـ database management system advantages of using

305
00:25:43,280 --> 00:25:48,040
The web for database access ايش المزايا اللي يمكن

306
00:25:48,040 --> 00:25:54,060
الـ .. يعني الانتفاع بها من استخدام الـ .. الـ web

307
00:25:54,060 --> 00:25:59,380
للوصول إلى قاعدة البيانات بيقول easy اه بي use a

308
00:25:59,380 --> 00:26:03,960
browser software سهولة استخدامه برنامج المتصفح

309
00:26:03,960 --> 00:26:08,540
المتصفح البرنامج وسهل استخدامه وليس معقدًا web

310
00:26:08,540 --> 00:26:13,020
interface requires few or no changes to database

311
00:26:13,020 --> 00:26:18,280
تطلب واجهة الـ web تغييرات قليلة أو معدومة في بعض

312
00:26:18,280 --> 00:26:23,160
الأحيان على قاعدة البيانات كمان inexpensive to add

313
00:26:23,160 --> 00:26:30,330
web interface to systems غير مكلفة يعني إضافة واجهة

314
00:26:30,330 --> 00:26:35,330
web إلى النظام هذه من مزايا استخدام الـ web للوصول

315
00:26:35,330 --> 00:26:41,170
إلى قاعدة البيانات طيب هنا يعني بيقول أن الـ

316
00:26:41,170 --> 00:26:44,910
clients واد الـ web browser بيقدر الـ clients من هنا

317
00:26:44,910 --> 00:26:49,470
يعمل يعني access لما تديله الشركة بعض الصلاحيات 

318
00:26:49,470 --> 00:26:52,470
لما تديله الشركة بعض الصلاحيات سواء كان الـ

319
00:26:52,470 --> 00:26:58,110
consumer أو الـ partner بيقدر إنه المستخدمون لقواعد

320
00:26:58,110 --> 00:27:01,850
البيانات هدول يقدروا يصلوا إلى قاعدة البيانات سواء

321
00:27:01,850 --> 00:27:07,310
كان من الـ laptop أو من الـ pc أو حتى من الـ يعني 

322
00:27:07,310 --> 00:27:13,290
التاب أو الأجهزة يعني الـ cellphone أو ما إلى ذلك 

323
00:27:13,290 --> 00:27:18,940
اللي هو المحمول يتم من هنا عمليًا التواصل عبر الـ

324
00:27:18,940 --> 00:27:24,340
server من خلال الـ internet الشبكات من خلال شبكة الـ

325
00:27:24,340 --> 00:27:29,860
internet طيب الـ web server هذه بيستخدم إيه؟ الـ

326
00:27:29,860 --> 00:27:35,160
application server ليه؟ لأنه هنا في الـ application

327
00:27:35,160 --> 00:27:41,760
server في لغة الـ SQL اللي هي structured query

328
00:27:41,760 --> 00:27:45,680
language ليش؟ لأن الـ database فيها موجود الـ

329
00:27:45,680 --> 00:27:49,960
management database في الـ server هنا موجودة

330
00:27:49,960 --> 00:27:53,540
وبالتالي هو بيحول الأوامر اللي جاية من الـ web 

331
00:27:53,540 --> 00:27:59,480
server لـ QSL بتحولها إلى الـ database server الـ

332
00:27:59,480 --> 00:28:02,310
database server هنا موجودة الـ Management

333
00:28:02,310 --> 00:28:09,070
Information Systems موجودة هنا، تمام؟ الـ database

334
00:28:09,070 --> 00:28:15,290
هذه قاعدة البيانات، إذا هو يعني بياخد البيانات من 

335
00:28:15,290 --> 00:28:21,280
قاعدة البيانات، بياخد البيانات من قاعدة البيانات

336
00:28:21,280 --> 00:28:27,360
وبيوديها إلى الـ database server وديها أو بياخدها

337
00:28:27,360 --> 00:28:31,680
من الـ database server بياخدها من قاعدة البيانات

338
00:28:31,680 --> 00:28:38,760
اللي هي الـ database و بوديها هنا يتم معالجتها يتم

339
00:28:38,760 --> 00:28:42,280
معالجتها ليش؟ لأن الـ database management system 

340
00:28:42,280 --> 00:28:46,500
موجودة هنا database management system موجودة هنا و

341
00:28:46,500 --> 00:28:49,740
زي ما تذكرنا سابقا الـ database management system

342
00:28:49,740 --> 00:28:54,160
لا تستخدم لغات query language أو structured query

343
00:28:54,160 --> 00:28:59,040
language الـ SQL Structured Query Language مش 

344
00:28:59,040 --> 00:29:03,320
مستخدمة عندها ما بتستخدمها لذلك هنا يعني يتم

345
00:29:03,320 --> 00:29:08,700
تحويلها للـ application server اللي بيستخدم الـ SQL

346
00:29:08,700 --> 00:29:13,380
و بيحول هذه البيانات Structured Query Language 

347
00:29:13,380 --> 00:29:18,720
بيوريها أو بيصدرها إلى الـ web server اللي بيدوره

348
00:29:18,720 --> 00:29:23,760
بيصدرها من خلال الـ internet للـ clients أو الـ web

349
00:29:23,760 --> 00:29:28,760
browser وبالتالي بتوصلوا بلغة الـ structured query

350
00:29:28,760 --> 00:29:33,040
language اللي من خلالها بيقدر يشوف البيانات اللي

351
00:29:33,040 --> 00:29:38,950
بيقدر يشوف البيانات بشكل ملحوظ طيب establishing an 

352
00:29:38,950 --> 00:29:44,650
information policy كيف ممكن احنا أن نؤسس لسياسات 

353
00:29:44,650 --> 00:29:50,290
وقواعد البيانات firms rules procedures rules for 

354
00:29:50,290 --> 00:29:55,430
sharing managing standardized data إذا القواعد

355
00:29:55,430 --> 00:30:01,570
وإجراءات الشركة وأدوارها rules of sharing أدوارها

356
00:30:01,570 --> 00:30:07,030
لمشاركة البيانات وإدارة توحيدها وإدارتها عفواً 

357
00:30:07,030 --> 00:30:14,270
وتوحيدها الشركات عندها سياسات محددة الشركات عندها

358
00:30:14,270 --> 00:30:19,930
إجراءات معينة عندها إمكانية مشاركة للبيانات بشكل

359
00:30:19,930 --> 00:30:25,260
يعني محدد حسب سياسات وإجراءات أو قواعد معينة على 

360
00:30:25,260 --> 00:30:28,140
سبيل المثال الطلاب في الخارج عندهم صلاحيات أنهم 

361
00:30:28,140 --> 00:30:33,040
يسموه بتسجيل المساقات صح مساقات لكن أكثر من ذلك 

362
00:30:33,040 --> 00:30:37,400
ما عندهمش صلاحيات فهذه من ضمن السياسات أو الأمثلة

363
00:30:37,400 --> 00:30:43,160
على ذلك data administration إدارة البيانات إدارة 

364
00:30:43,160 --> 00:30:45,100
البيانات طيب

365
00:30:47,830 --> 00:30:52,050
establish policies and procedures to manage data

366
00:30:52,050 --> 00:30:59,310
إذا هي من مهمها من مهم إدارة البيانات أو 

367
00:30:59,310 --> 00:31:03,490
department لإدارة البيانات إدارة البيانات من مهمها

368
00:31:03,490 --> 00:31:08,810
لها تحط السياسات والإجراءات لإدارة البيانات تحط 

369
00:31:08,810 --> 00:31:15,210
السياسات والإجراءات لإدارة هذه البيانات data

370
00:31:15,210 --> 00:31:24,380
governance بمعنى اللي هو حوكمة البيانات deals with

371
00:31:24,380 --> 00:31:28,400
policies and processes for managing availability

372
00:31:29,510 --> 00:31:33,650
Usability, Integrity and Security of Data

373
00:31:33,650 --> 00:31:39,510
Especially Regarding Government Regulations طيب، 

374
00:31:39,510 --> 00:31:43,530
إيش يعني الكلام هذا؟ حوكمة البيانات من خلال هذه

375
00:31:43,530 --> 00:31:48,370
الإجراءات بدنا نتأكد من أنه يتم التعامل مع

376
00:31:48,370 --> 00:31:54,030
السياسات والعمليات لتوفير هذه البيانات وسهولة 

377
00:31:54,030 --> 00:31:57,150
الاستخدام وإنه يكون فيه نوع من التكامل للبيانات

378
00:31:57,150 --> 00:32:01,900
بصفة بشكل كامل البيانات عليها أمن آمنة ما حدش يقدر

379
00:32:01,900 --> 00:32:06,820
يعمل فيها أي شيء أو يخترقها أو يغير فيها شيء خاصة

380
00:32:06,820 --> 00:32:11,540
يعني كمان بدنا نتأكد من الحوكمة فيما يتعلق بتطبيق

381
00:32:11,540 --> 00:32:17,560
القواعد والقوانين والإجراءات الحكومية المتعلقة في

382
00:32:17,560 --> 00:32:22,020
يعني التكنولوجيا والبيانات وما إلى ذلك يعني على

383
00:32:22,020 --> 00:32:26,500
سبيل المثال أمريكا فرضت قانونًا أنه لابد من الاحتفاظ 

384
00:32:26,500 --> 00:32:32,560
بكل الـ email للأشخاص في شركات التكنولوجيا لمدة

385
00:32:32,560 --> 00:32:37,820
خمس سنوات لمدة خمس سنوات هذا أحد الأمثلة هذا أحد

386
00:32:37,820 --> 00:32:42,480
الأمثلة الـ Database and Administration Creating

387
00:32:42,480 --> 00:32:46,720
and Maintaining Database إدارة قواعد البيانات هي

388
00:32:46,720 --> 00:32:53,420
اللي بتقوم بـ Maintaining ويعني Creating and 

389
00:32:53,420 --> 00:32:57,160
Maintaining Database بتقوم بإنشاء وصيانة قواعد

390
00:32:57,160 --> 00:33:01,370
البيانات الـ Data Administration في النهاية ممكن 

391
00:33:01,370 --> 00:33:06,030
نلخص وظيفة هذه الـ .. يعني وظيفة هذه أو وظيفة إدارة

392
00:33:06,030 --> 00:33:10,410
البيانات أو وظيفة إدارة البيانات هي مسئولة عن 

393
00:33:10,410 --> 00:33:17,490
شيئين تصميم قواعد البيانات المنطقية وكمان مسئولة عن 

394
00:33:17,490 --> 00:33:23,810
تطوير قواميس البيانات وأيضاً كمان يعني الـ data

395
00:33:23,810 --> 00:33:28,110
governance محتاجين أن يكون فيه نوع من الحوكمة على

396
00:33:28,110 --> 00:33:34,630
هذه البيانات بحيث أن تكون بيانات دقيقة ويعني

397
00:33:34,630 --> 00:33:39,430
الصلاحيات حسب الإجراءات والسياسات المرسومة في داخل 

398
00:33:39,430 --> 00:33:44,340
الشركة أو المؤسسة أو المنظمة اللي يكون فيه تطبيق

399
00:33:44,340 --> 00:33:48,280
للقوانين اللي معمول فيها في هذه الدولة أو  TELك

400
00:33:48,280 --> 00:33:52,800
بدنا نتأكد من ذلك لأن إدارة administration ممكن

401
00:33:52,800 --> 00:33:56,580
تكون department في الشركات أو المنظمات الكبرى ممكن 

402
00:33:56,580 --> 00:34:02,050
تكون عبارة عن موظف أو اثنين في الشركات الصغيرة طيب 

403
00:34:02,050 --> 00:34:07,650
ensuring data quality بدنا نتأكد من جودة البيانات

404
00:34:07,650 --> 00:34:11,750
بدنا نتأكد من جودة البيانات وهذه الأشياء لها بالغ

405
00:34:11,750 --> 00:34:15,690
الأثر والأهمية دي لأنه لو كانت البيانات يعني دقيقة

406
00:34:15,690 --> 00:34:21,540
معناته النتائج من التحليل بتكون دقيقة ويمكن البناء

407
00:34:21,540 --> 00:34:27,300
عليها واستخدام يعني قرارات جيدة وحصيفة، لكن العكس 

408
00:34:27,300 --> 00:34:30,420
صحيح لو كان أكد البيانات منقوصة أو غير دقيقة، 

409
00:34:30,420 --> 00:34:35,080
معناها في مشكلة حقيقية والتنبؤ بيصعب واتخاذ

410
00:34:35,080 --> 00:34:41,500
القرارات قد لا يكون دقيق، وغالباً ما يجب الصورة هو

411
00:34:41,500 --> 00:34:46,300
مدينا مثال يعني هو بيقول more than 25% of critical

412
00:34:46,300 --> 00:34:51,000
data and brought in 1000 company database are 

413
00:34:51,000 --> 00:34:57,020
inaccurate or incomplete هو بيقول إنه سجلات

414
00:34:57,020 --> 00:35:00,820
العملاء، يعني باختصار، هو مدينا مثال على شركة

415
00:35:00,820 --> 00:35:07,640
Fortune 1000 بيقول إنه يعني سجلات العملاء في هذه

416
00:35:07,640 --> 00:35:14,660
الشركة حوالي يعني فيها أخطاء فادحة فيها أخطاء

417
00:35:14,660 --> 00:35:19,460
فادحة تتراوح ما بين عشرة إلى خمسة وعشرين في المئة

418
00:35:19,460 --> 00:35:24,760
من بيانات مين؟ أو من سجلات العملاء أو من بيانات 

419
00:35:24,760 --> 00:35:29,080
العملاء في عنده أخطاء وصلت إلى خمسة وعشرين في

420
00:35:29,080 --> 00:35:34,010
المئة في سجلات العملاء تحتاج على أخطاء فادحة

421
00:35:34,010 --> 00:35:39,870
وبالتالي كيف يمكن البناء على هذه المعلومات لتخطيط

422
00:35:39,870 --> 00:35:48,070
لحملة تسويقية؟ أو تخطيط حملة إعلانية كيف؟ إذا كانت

423
00:35:48,070 --> 00:35:52,210
البيانات غير كاملة، إذا كانت البيانات غير حصيفة، 

424
00:35:52,210 --> 00:35:57,850
غير دقيقة، معناته التخطيط قد لا يكون سليم أو غالباً 

425
00:35:57,850 --> 00:36:02,670
مش هيكون سليم، هيؤدي إلى خطأ، وبالتالي يعني قد لا 

426
00:36:02,670 --> 00:36:09,250
يحقق النتائج المرجوة، لابد من التأكد من حصافة هذه

427
00:36:09,250 --> 00:36:14,770
البيانات قبل أن 

428
00:36:14,770 --> 00:36:21,830
ينشأ أي قاعدة بيانات جديدة، لابد للشركة من أن تتأكد

429
00:36:21,830 --> 00:36:28,040
من identify and correct faulty data، لابد من تصحيح

430
00:36:28,040 --> 00:36:34,000
وتحديد البيانات الخاطئة، establish better routines 

431
00:36:34,000 --> 00:36:41,420
for editing data once database and operation، لابد

432
00:36:41,420 --> 00:36:48,580
من إجراء أو إنشاء إجراءات لتحرير أفضل للبيانات 

433
00:36:48,580 --> 00:36:53,180
بمجرد تشغيل قاعدة البيانات، يعني فلنضرب مثال

434
00:36:53,180 --> 00:36:56,780
بسيط، لو احنا مثلاً عملنا questionnaire وكان في بعض 

435
00:36:56,780 --> 00:37:00,700
الأسئلة حطينا جنبها star يعني هدية تعتبر كنوع من 

436
00:37:00,700 --> 00:37:05,000
الإجراء، بمعنى أنك لن تستطيع الانتقال إلى الصفحة 

437
00:37:05,000 --> 00:37:09,280
التالية إذا لم تكتمل هذه البيانات، إذا نحن محتاجين

438
00:37:09,280 --> 00:37:12,540
نعمل أشياء بهذا الشكل، يعني هذا مثال بسيط جداً

439
00:37:12,540 --> 00:37:18,890
لتوضيح الفكرة يا جماعة، Data Quality Audit بمعنى 

440
00:37:18,890 --> 00:37:25,290
لابد من تطبيق جودة البيانات، Data Clustering، تمقية

441
00:37:25,290 --> 00:37:30,750
البيانات وتنقيح هذه البيانات، دقة البيانات لها بالغ

442
00:37:30,750 --> 00:37:34,290
الأثر والأهمية في اتخاذ القرارات الصحيحة، دقة

443
00:37:34,290 --> 00:37:38,590
البيانات وحصافتها لها بالغ الأثر في تخطيط الحملات

444
00:37:38,590 --> 00:37:43,170
التسويقية والحملات الترويجية، ولابد من الاعتماد على 

445
00:37:43,170 --> 00:37:48,270
بيانات صحيحة، لابد من تنقيح هذه البيانات والتأكد من

446
00:37:48,270 --> 00:37:51,830
دقتها، هذا كل شيء بالنسبة لهذه المحاضرة، Thank you 

447
00:37:51,830 --> 00:37:54,850
for your attention and see you next lecture، إن شاء

448
00:37:54,850 --> 00:37:58,590
الله، السلام عليكم ورحمة الله وبركاته