وصف المشروع:
"لا تبدأ جودة القرار من الرسم البياني، بل من دقة البيانات." في هذا المشروع، قمت بتحويل مجموعة بيانات خام (Raw Data) لـ 2,905 موظف من حالة الفوضى إلى لوحة بيانات احترافية تدعم اتخاذ القرار.
1. مرحلة إعداد وتنظيف البيانات (The Value Added):
قبل التصميم، قمت بعمليات تقنية لضمان دقة النتائج بنسبة 100%:
معالجة البيانات المفقودة (Handling Missing Values): لضمان عدم وجود ثغرات في تقارير الأداء.
توحيد الصيغ (Standardization): توحيد المسميات الوظيفية والأقسام لضمان ظهور النتائج بشكل صحيح في الـ Pivot Tables.
هندسة البيانات (Data Engineering): قمت بإنشاء أعمدة حسابية جديدة (Calculated Columns) لتحويل الأرقام الجامدة إلى تصنيفات مفيدة (مثل تصنيف المسافة من السكن إلى: قريب، متوسط، بعيد) كما يظهر في البطاقة اليسرى من اللوحة.
2. النتائج والقيمة المحققة (Key Insights):
تحليل معدل الاستقالات (16% Attrition): كشفت اللوحة عن العلاقة بين ضغط السفر والمسافة وبين رغبة الموظف في ترك العمل.
تقييم الأداء: فرز دقيق لـ2000 موظفاً من ذوي الأداء العالي و 425 موظفاً يحتاجون إلى تطوير، مما يسهل عملية إدارة المواهب.
توزيع القوى العاملة: عرض حيوي لتوزيع الموظفين حسب العمر، الجنس، والتعليم، مما يساعد في خطط التوظيف المستقبلية.
3. لماذا تختار العمل معي في مشاريعك القادمة؟
بيانات موثوقة: لا أكتفي بالتصميم، بل أراجع جودة بياناتك
سهولة الاستخدام: أصمم لوحات يمكن لأي شخص التعامل معها بضغطة زر دون الحاجة لخبرة تقنية.
دقة الأرقام: أهتم بالتفاصيل الصغيرة التي تضمن أن كل رقم في اللوحة يعبر عن الحقيقة داخل شركتك
الربط المنطقي: ربط الجداول المختلفة لضمان أن كل "مُقسم بيانات" (Slicer) يقوم بتحديث كافة الرسوم البيانية في وقت واحد وبسلاسة