تحليل البيانات بالذكاء الاصطناعي: رفعنا ملف مبيعات حقيقياً وسألناه بالعربية

معظم ما يُكتب عن تحليل البيانات بالذكاء الاصطناعي يبقى نظرياً: قوائم أدوات، ووعود عامة، ولقطات شاشة مقصوصة بعناية. أردنا شيئاً مختلفاً، فأخذنا ملف مبيعات Excel واقعياً — 8,617 سطر بيع على 12 شهراً، من 3 فروع و8 منتجات، بلا أي تنظيف مسبق — ورفعناه كما هو، وسألناه ثلاثة أسئلة بالعربية.

التجربة كاملة في هذا الفيديو، وكل ما تراه فيه تنفيذ حقيقي غير مُعاد تمثيله:

ماذا وجد الذكاء الاصطناعي في دقيقتين؟

سألناه أولاً: «لخّص أداء هذا العام في أهم ثلاث ملاحظات». فكان هذا ما استخرجه من آلاف الأسطر:

1. ذروة رمضان موسمية بحتة. المعدل اليومي قفز 48% في نافذة رمضان، وبمجرد انتهاء العيد نزل إلى ما دون مستواه السابق. من دون هذا التفسير، قد تظن أن نمواً حقيقياً بدأ ثم انهار.
2. خسارة 10,000 دينار في شهر واحد — من منتج واحد في فرع واحد. مبيعات أحد الأصناف في فرع صفاقس سجّلت صفراً 28 يوماً متتالياً، فصار الشهر أضعف شهور السنة بفارق واضح. بقية أصناف الفرع لم تتأثر، أي أن السبب لوجستي (انقطاع تموين) وليس ضعفاً في السوق.
3. تركّز خطير في الإيراد. منتجان فقط يمثلان 61% من رقم المعاملات، وفرع واحد يمثل 42% — وهو ما جعل انقطاع صنف واحد يمحو 11% من إيراد الشهر.

ثم سألناه عن تفاصيل مشكلة صفاقس، فحدّد تاريخ البداية باليوم، وحسب الكلفة، واقترح من تلقاء نفسه نظام إنذار: تنبيه آلي عند يومين متتاليين بمبيعات صفر لأي صنف في أي فرع — قاعدة كانت ستكتشف المشكلة في يومها الثاني بدل نهاية الشهر، وتنقذ نحو 9,000 دينار.

سؤال الفخ: «كم صافي الربح؟»

هنا وضعنا الاختبار الذي يهمل الجميع ذكره. الملف يحتوي المبيعات فقط — لا أسعار شراء، ولا أجور، ولا كراء. سألناه عن صافي الربح لنرى إن كان سيخترع رقماً واثقاً.

النتيجة: رفض أن يخمّن. عدّد بالضبط ما ينقصه (تكلفة البضاعة المباعة، مصاريف الفروع، المصاريف الإدارية)، وختم بجملة تستحق أن تُعلّق في كل مكتب: «أي رقم ربح سأذكره سيكون تخميناً مبنياً على هامش مفترض — وهذا لا ينفعك في قرار حقيقي».

هذا سلوك النموذج الجيد. لكن انتبه: هذا الانضباط ليس ضمانة — يتغيّر بتغيّر النموذج وصياغة السؤال وسياق المحادثة. وهنا يبدأ الفرق بين تجربة ذكية ونظام يُعتمد عليه.

أدوات تحليل البيانات بالذكاء الاصطناعي: بماذا تبدأ مجاناً؟

إن أردت تكرار التجربة بنفسك اليوم:

• Claude (claude.ai): ما استعملناه في الفيديو. ارفع ملف Excel أو CSV واسأل بالعربية مباشرة؛ يقرأ الملف فعلياً ويحلّله بالكود، لا يخمّن من العناوين. متاح مجاناً بحدود استعمال يومية.
• ChatGPT: يقدّم تحليل ملفات مشابهاً في الخطط المدفوعة، وأداؤه جيد مع البيانات الجدولية.
• Excel نفسه مع Copilot: إن كانت شركتك على Microsoft 365، يمكن طرح أسئلة داخل الجدول مباشرة — أضعف في العربية لكنه لا يغادر بيئة العمل.
• Power BI: ليس أداة محادثة بل لوحة تحكم حيّة تتحدّث مع بياناتك وتتحدّث تلقائياً — وهو الخطوة الطبيعية التالية بعد التجربة، خصوصاً أن كثيراً من الشركات تملك رخصته أصلاً ضمن اشتراك Microsoft ولا تستعمله.

قاعدة ذهبية أياً كانت الأداة: لا ترفع بيانات فيها أسماء عملاء أو أرقام حسابات إلى أي خدمة سحابية قبل إخفاء الهوية — في تجربتنا استعملنا بيانات مُنشأة خصيصاً بنفس بنية ملفات المبيعات الواقعية.

كيفية تحليل بيانات المبيعات: الأسئلة الثلاثة التي تبدأ بها

لا تحتاج خبرة تحليل لتبدأ — تحتاج الأسئلة الصحيحة بالترتيب الصحيح:

1. «لخّص الأداء» — يعطيك الصورة الكاملة والشذوذات الكبرى (موسمية، شهر منحرف، تركّز).
2. «لماذا؟» عن كل شذوذ — اطلب التفكيك: أي فرع، أي منتج، أي فترة بالضبط. الإجابة الجيدة تعزل السبب في أضيق نطاق ممكن.
3. «ماذا أفعل؟» — اطلب إجراءات قابلة للتنفيذ بأرقامها: عتبات إنذار، نقاط إعادة طلب، أولويات مراقبة.

وسؤال رابع اختبارياً دائماً: اسأل عن شيء تعرف أن البيانات لا تجيب عنه. إن اخترع رقماً بثقة، فأنت تعرف الآن حدود ما يمكن الوثوق به.

لماذا المحادثة وحدها لا تكفي شركتك؟

كل ما سبق يمكنك فعله بنفسك، مجاناً، اليوم. فأين القيمة التي نقدّمها نحن؟ في الفرق بين محادثة ونظام:

في تجربتنا، خسارة صفاقس اكتُشفت لأننا سألنا. في شركة حقيقية، لا أحد يسأل كل يوم — النظام هو من يسأل نيابة عنك.

هذا ما نبنيه في نقطة: نربط بياناتك (Excel، نظام نقطة البيع، Sage، أو أي مصدر)، نبني اللوحة بالعربية، ونضبط الإنذارات والملخصات — بإشراف بشري وبسعر ساعة واحد بدون اشتراكات. تفاصيل الأسعار هنا، أو راسلنا مباشرة على الواتساب.

هذا المقال جزء من سلسلة عملية عن الذكاء الاصطناعي للشركات على قناة نقطة على يوتيوب — الحلقة السابقة: كيف تبني وكيل ذكاء اصطناعي لشركتك بدون برمجة.