من الجداول إلى التحليلات: ما تعلّمته من SAS عن صناعة القرار
بعد ثلاثين عاماً من العمل مع قواعد البيانات والأنظمة، قررت أن أعود طالباً. جلست أمام منصة SAS أتعلم أساسيات تحليل البيانات والإحصاء والتحليل المرئي، وحصلت على ست شارات معتمدة. لم يكن الهدف أن أصبح مبرمجاً، بل أن أفهم ما الذي تغيّر في الطريقة التي تتحول بها الأرقام إلى قرارات.
وما تعلمته لم يكن تقنياً بقدر ما كان إدارياً.
أولاً: السؤال قبل الأداة. أول ما يعلّمك إياه التحليل الجاد أن أقوى برنامج لا يعوّض سؤالاً غامضاً. "حلّل لنا البيانات" ليس طلباً، بل أمنية. أما "لماذا انخفض عدد المجددين في الربع الأخير، وفي أي فئة تحديداً؟" فهو سؤال يمكن أن تجيب عنه البيانات.
ثانياً: محو الأمية البيانية مسؤولية القيادة. لا يحتاج المدير أن يكتب الأكواد، لكنه يحتاج أن يفهم الفرق بين المتوسط والوسيط، وأن يعرف متى يكون الارتباط مجرد صدفة، وأن يسأل عن حجم العينة قبل أن يصدّق النتيجة. المدير الذي لا يفهم هذه الأساسيات سيصدّق أي رسم بياني جميل يُعرض عليه.
ثالثاً: الإحصاء يحميك من حدسك. الخبرة الطويلة قيمة كبيرة، لكنها أيضاً مصدر لثقة زائدة. الإحصاء لا يلغي الخبرة، بل يختبرها: هل ما "نعرفه جميعاً" تؤكده الأرقام فعلاً؟ أحياناً تؤكده، وأحياناً تفاجئك.
رابعاً: التحليل المرئي لغة مشتركة. لوحة مؤشرات جيدة التصميم تختصر اجتماعاً كاملاً. لكن الرسم البياني يمكن أن يضلل بقدر ما يوضح، بمحور مقطوع أو مقارنة غير عادلة. والفرق بين لوحة تُفهم ولوحة تُبهر فقط هو وضوح السؤال الذي صُممت لتجيب عنه.
خامساً: الذكاء الاصطناعي يبدأ من البيانات النظيفة. كل الحديث عن تعلّم الآلة والذكاء الاصطناعي يقوم على أساس بسيط: بيانات صحيحة، موحدة، كافية. المؤسسة التي لم تنظّم بياناتها بعد ليست جاهزة للذكاء الاصطناعي، مهما اشترت من أدوات.
الخلاصة: لم أخرج من هذه التجربة محللاً للبيانات، بل مديراً يعرف ماذا يطلب من المحللين، وكيف يقرأ ما يقدمونه، ومتى يسأل "وكيف عرفتم ذلك؟". وهذا في رأيي ما تحتاجه المؤسسات العربية اليوم: قيادات تفهم البيانات، لا قيادات تخاف منها أو تنبهر بها.
