كارثة في البيانات وأنقذها محلل واحد فقط !

انهيار البيانات في شركة DataVerse ​

كان يوم الإثنين الصبح… وبدأ الكابوس!
يوسف، محلل بيانات في شركة “DataVerse”، استقبل إيميل خطير من الإدارة:
المبيعات انهارت فجأة من 500 ألف لـ120 ألف دولار!
المطلوب: تفسير فوري.

---

اكتشاف الخطأ في الـ Dashboard​

يوسف فتح لوحة التحكم بسرعة… لكن لقى إن البيانات مش محدثة بقالها أسبوعين!
الـ SQL query فيها خطأ قاتل:

WHERE region = 'MiddleEast'

بينما القيم الحقيقية في قاعدة البيانات كانت بالشكل ده

region IN ('UAE', 'KSA', 'EGY', 'QAT', 'JOR')

المشكلة كانت في عدم توحيد التصنيفات بين أعضاء الفريق - كل واحد بيكتبها بطريقة مختلفة:
'Middle East', 'ME', أو أسماء الدول مباشرة.

---

الحل الذكي من يوسف ​

يوسف عمل Data Dictionary موحد علشان يضمن إن كل البيانات الإقليمية تبقى بتتابع نفس القاعدة.
وكمان كتب سكريبت بسيط في Python ينظف القيم تلقائيًا أثناء الـ ETL:

def normalize_region(region):
    middle_east = ['UAE', 'KSA', 'EGY', 'QAT', 'JOR', 'MiddleEast', 'ME']
    if region in middle_east:
        return 'Middle East'
    return region

df['region'] = df['region'].apply(normalize_region)

---

النتيجة ​

• الـ Dashboard اشتغل تاني بدقة.
• الإدارة فهمت إن التراجع حقيقي لكن مش كارثي.
• يوسف بقى بطل اليوم في الشركة!

الدرس المستفاد​

البيانات الغلط أغلى من البيانات الناقصة!
قبل ما تبدأ تحليل، نظّف، وحّد، وراجع الـ pipelines كويس جدًا.
لأن Data Quality = Business Trust