فحوص موثوقية البيانات: بيانات ناقصة أم خاطئة؟ وحجم البيانات والتناسق
Checking Data Reliability
الجواب المختصر
قبل اتخاذ قرار تُفحص خصائص تؤثر في إمكانية الاعتماد على البيانات: الاكتمال (هل كل البيانات الضرورية موجودة؟)، والخطأ (قيمة موجودة لكنها غير صحيحة)، وحجم البيانات (كلما كبر صعب اكتشاف المشكلات يدويًا)، والتناسق (هل سُجلت بطريقة موحدة؟). وجود قيمة مفقودة لا يعني دائمًا أنه يمكن تعويضها.
الخصائص الأربع
| الخاصية | السؤال | مثال |
|---|---|---|
| الاكتمال | هل جميع البيانات الضرورية متوفرة؟ | جدول مبيعات فيه رقم فريق أو شهر ناقص |
| البيانات الخاطئة | هل القيمة صحيحة؟ | عمر عميل مسجل 250 عامًا: السجل ليس ناقصًا لكنه غير صحيح |
| حجم البيانات | هل يمكننا اكتشاف المشكلات بسهولة؟ | جدول من خمسة سجلات يكشف الخانة الفارغة فورًا، أما 50,000 سجل فيصعب فحصها يدويًا |
| التناسق | هل كُتبت البيانات بطريقة موحدة؟ | التاريخ 08/11/2023 و8-11-23 و2023/11/08 قد تعني اليوم نفسه |
متى نستطيع استنتاج القيمة المفقودة؟
أحيانًا يدل نمط الجدول على القيمة المفقودة (فريق رقم 3 مثلًا في جدول متسلسل)، لكن هذا استنتاج وليس حقيقة مؤكدة. وأحيانًا لا توجد معلومات كافية أبدًا، كاسم عميل مفقود لا دليل عليه؛ فقد نخمّن ولا نستطيع إثبات صحة التخمين، وقد تؤدي البيانات غير المكتملة إلى تحليلات خاطئة.
مشكلة التنسيق
التاريخ 03/04/2024 قد يُقرأ 3 أبريل أو 4 مارس بحسب نظام الكتابة، لذلك يجب تثبيت تنسيق واحد، وينطبق الأمر على العملات والأرقام وأرقام الهواتف ووحدات القياس.
لعلاج هذه المشكلات انظر خطوات تنظيف البيانات، وللصورة الأوسع جودة البيانات والتحيز وحجم العينة.
المصطلحات: عربي ↔ English
- بيانات ناقصة
- Missing Data
- بيانات خاطئة
- Incorrect Data
- حجم البيانات
- Data Volume
- اتساق البيانات
- Data Consistency
لماذا يهمّ هذا في BTEC؟
هذه الفحوص تفرّق بين «بيانات كثيرة» و«بيانات يمكن الاعتماد عليها». اربط كل مشكلة بأثرها على النتيجة عند أي تحليل.
أسئلة تجيب عنها هذه الصفحة
- ما الفرق بين البيانات الناقصة والبيانات الخاطئة؟
- كيف أعرف أن البيانات موثوقة؟
مفاهيم مرتبطة
- خطوات تنظيف ومعالجة البيانات: من البيانات الخام إلى بيانات جاهزةمعالجة البيانات سلسلة عمليات على البيانات الخام لتنظيمها وتصحيحها: توحيد كتابة الأسماء والتواريخ والهواتف، وتصحيح الأخطاء، وإزالة المكرر، وترتيبها في صفوف وأعمدة، والتأكد من اكتمال الحقول المهمة.
- جودة البيانات: الاكتمال والدقة والاتساق والحداثةجودة البيانات هي صلاحيتها للتحليل والقرار: الاكتمال والدقة والاتساق والحداثة، ويضاف إليها في الحصة التحيّز وحجم العينة. وتُحسَّن بتنقية البيانات وإزالة التكرار وتسوية الجداول.
- التحيّز وحجم العينة: لماذا قد تضلّلك نسبة 60%؟العينة مجموعة أفراد تُجمع منهم البيانات لتمثيل مجموعة أكبر. إن لم تمثل الفئات المطلوبة فهي متحيزة، وإن كانت صغيرة جدًا قد تعطي صورة مضللة؛ فالنسبة نفسها (60%) قد تكون قوية الدليل مع 10,000 شخص وضعيفة مع 30.
- تنظيف السلسلة الزمنية ومعالجة القيم المفقودة: الحذف أم التعويض؟عند ظهور قيم مفقودة (NA) في سلسلة زمنية يمكن حذف الصفوف أو تعويضها: بمتوسط الساعة نفسها عبر الأيام أو بآخر قيمة معروفة (LOCF). لكل طريقة أثر مختلف في شكل البيانات، لذلك تُجرَّب أكثر من طريقة ويُقارَن أثرها.
- دقة البيانات وعمرها: هل ما زالت تمثل الواقع؟البيانات غير الدقيقة تقود إلى تحليل غير دقيق وقرار خاطئ، والبيانات الدقيقة وقت جمعها قد تفقد قيمتها مع الزمن. لذلك نسأل: هل هي صحيحة؟ وهل ما زالت حديثة ومناسبة للقرار؟
- التحقق من صحة البيانات في جداول البيانات: قوائم الاختيار ورسائل الخطأقواعد التحقق من صحة البيانات تمنع إدخال قيم لا تتوافق مع قواعد محددة (نوع أو نطاق أو قائمة اختيارات) مع رسالة خطأ توضح ما يجب إدخاله. لا تثبت أن القيمة صحيحة في الواقع، لكنها تضمن أنها ضمن المسموح.
عن كاتب الصفحة
مدرّس BTEC IT · الأردن
- نوع المحتوى
- شرح مبني على مادة أحمد دومي — وليس نصًّا رسميًّا من Pearson
- آخر مراجعة
- المصدر
- وحدة البيانات والمعلومات — الصف العاشر (أحمد دومي) — كيف نعرف أن البيانات موثوقة؟