معالجة وتنقية البيانات (Data Cleaning) لتجهيزها للتحليل

تحويل قاعدة بيانات خام (Raw HR Data) ضخمة وغير منظمة إلى قاعدة بيانات مهيكلة وجاهزة للتحليل الإحصائي. قمت بمعالجة سجلات أكثر من 22 ألف موظف، مع التركيز على دقة البيانات لضمان صحة مؤشرات الأداء. الأدوات المستخدمة: SQL، Excel، Python، Power BI العمليات التقنية التي نفذتها (Data Pipeline): 1. تنظيف وتوحيد البيانات (Data Standardization): معالجة الأسماء المكررة وتوحيد صيغ المسميات الوظيفية والأقسام (مثل توحيد Engineering و Eng). تنظيف وتنسيق أعمدة التواريخ (Hiring Date & Termination Date) لضمان دقة حسابات المدة الزمنية. 2. هندسة المتغيرات (Feature Engineering): إنشاء عمود "الفئات العمرية" (Age Groups) من خلال معادلات برمجية لتحويل الأعمار الخام إلى مجموعات تحليلية (24-34، 35-44، إلخ). استخراج حالة الموظف (Active vs Terminated) وبناء منطق حسابي لها. 3. المعالجة المتقدمة (Transformation & DAX): بناء معادلات حسابية معقدة لحساب معدل دوران العمالة (Turnover Rate) باستخدام Power BI وDAX. حساب متوسط سنوات الخدمة (Average Tenancy) لكل قسم ولكل فئة نوع (Gender). 4. نمذجة البيانات (Data Modeling): بناء علاقات منطقية بين جداول الموظفين، الأقسام، والمواقع الجغرافية لضمان استجابة البيانات بشكل صحيح عند الفلترة. النتيجة التقنية: قاعدة بيانات نظيفة بنسبة 100%، خالية من القيم المفقودة (Nulls) أو السجلات المتعارضة، مما سمح باستخراج رؤى دقيقة حول القوى العاملة وتوزيعها باستخدام تقارير Power BI تفاعلية ومرئية.