ما الفرق بين Data Model و Semantic Model في أنظمة تحليل البيانات؟ - دورات تحليل البيانات

مقدمة:

✅ إذا كنت تعمل في تحليل البيانات أو تستخدم Power BI أو أي أداة ذكاء أعمال، ففهم الفرق بين Data Model و Semantic Model ليس ترفًا معرفيًا… بل ضرورة هندسية تؤثر مباشرة على دقة التقارير وسرعتها وموثوقيتها.

✅ الخلط بين المفهومين هو السبب الرئيسي وراء:

🔹تقارير بطيئة

🔹مؤشرات متضاربة

🔹فقدان الإدارة الثقة في الأرقام

✅ في هذا الدرس سنشرح الفرق معماريًا وعمليًا مع أمثلة واضحة من بيئة الأعمال.

أولًا: ما هو Data Model في تحليل البيانات؟

✅ نموذج البيانات هو البنية التقنية التي تربط الجداول ببعضها داخل أداة التحليل.

✅ هو الإطار الهيكلي الذي يتضمن:

🔹جداول الحقائق Facts (مثل جدول المبيعات)

🔹جداول الأبعاد Dimensions (العملاء – المنتجات – التاريخ)

🔹العلاقات Relationships

🔹المفاتيح الأساسية والأجنبية

مثال عملي :

✅ لديك شركة بيع تجزئة تحتوي على:

🔹جدول Sales

🔹جدول Customers

🔹جدول Products

🔹جدول Date

✅ عند ربط هذه الجداول بعلاقات صحيحة وفق تصميم Star Schema، فأنت تبني Data Model.

✅ هذا النموذج لا يحسب الربح ولا يعرف ما هو “عميل نشط”... هو فقط ينظم البيانات.

ثانيًا: ما هو Semantic Model في أنظمة ذكاء الأعمال؟

✅ النموذج الدلالي هو الطبقة التي تضيف المعنى التجاري والتحليلي إلى البيانات... هو الذي يحدد:

🔹كيف يتم حساب إجمالي الربح؟

🔹ما تعريف المبيعات الصافية؟

🔹هل يتم احتساب المرتجعات؟

🔹ما معنى النمو السنوي؟

✅ الـ Semantic Model يتكون من:

🔹المقاييس Measures

🔹معادلات DAX

🔹قواعد احتساب موحدة

🔹تعريفات رسمية للمؤشرات

✅ باختصار:

الـ Data Model = الهيكل

الـ Semantic Model = المنطق التحليلي

الفرق المعماري الحقيقي بين Data Model و Semantic Model

مثال تطبيقي متكامل

١ - المرحلة الأولى: بناء نموذج البيانات ..

✅ وفيها يتم

🔹إنشاء جدول مبيعات

🔹ربطه بجدول العملاء

🔹ربطه بجدول المنتجات

🔹إضافة جدول التاريخ

✅ الآن التقارير تعمل.

✅ لكن عند سؤال الإدارة ... “ما هو هامش الربح الحقيقي لهذا العام مقارنة بالعام الماضي؟” ... هنا يبدأ دور النموذج الدلالي.

2 - المرحلة الثانية: بناء النموذج الدلالي ... تقوم بإنشاء:

✅ مقياس إجمالي المبيعات

🔹مقياس إجمالي التكلفة

🔹مقياس هامش الربح

🔹مقياس النمو السنوي

✅ وتحدد رسميًا:

🔹هل الربح قبل الضريبة؟

🔹هل يشمل المرتجعات؟

🔹هل يتم استبعاد الخصومات؟

✅ هنا يصبح لديك Semantic Layer حقيقي.

✅ لماذا الفصل بين المرحلتين مهم جدًا؟

لأن معظم أخطاء التقارير لا تأتي من ضعف الأداة….. بل من غياب طبقة دلالية موحدة.

✅ عندما لا يوجد Semantic Model واضح:

🔹كل محلل يحسب المؤشرات بطريقته

🔹نفس الرقم يظهر مختلفًا في تقريرين

🔹الإدارة تفقد الثقة في النظام

العلاقة بين Data Model و Semantic Model داخل Power BI

✅ داخل Power BI:

🔹الجداول والعلاقات = Data Model

🔹المقاييس ومعادلات DAX = Semantic Model

✅ الإدارة لا تتعامل مع الجداول… بل تتعامل مع المنطق الدلالي.

متى يكون الخلل في Data Model؟

🔹عند بطء التقارير

🔹وجود علاقات متعددة الاتجاه بلا حاجة

🔹استخدام Flat Table بدلاً من Star Schema

🔹تضخم حجم النموذج

متى يكون الخلل في Semantic Model؟

🔹تضارب أرقام الربح

🔹اختلاف تعريف المؤشرات

🔹غياب توثيق KPIs

🔹استخدام Calculated Columns بدل Measures دون داعٍ

القاعدة الذهبية

✅ لا تكتب أي Measure قبل استقرار العلاقات.

✅ ولا تقدم أي تقرير قبل توثيق تعريف المؤشرات.

✅ الاحتراف الحقيقي في تحليل البيانات يبدأ بالفصل الواعي بين الهيكل والمنطق.

أسئلة شائعة حول Data Model و Semantic Model

✅ ما الفرق بين Data Model و Semantic Model في Power BI؟

🔹 نموذج البيانات هو ربط الجداول والعلاقات، أما النموذج الدلالي فهو تعريف المقاييس والمعادلات التحليلية باستخدام DAX لتوحيد منطق احتساب المؤشرات.

✅ هل يمكن بناء Semantic Model بدون Data Model جيد؟

🔹 لا. إذا كان نموذج البيانات ضعيفًا، فالمقاييس ستكون بطيئة أو خاطئة. الهيكل هو الأساس لأي طبقة دلالية ناجحة.

✅ لماذا تظهر أرقام مختلفة لنفس المؤشر في تقارير متعددة؟

🔹غالبًا بسبب غياب Semantic Model موحد، حيث يقوم كل محلل بكتابة معادلات مختلفة لنفس المقياس دون توحيد التعريف.

✅ ما علاقة Star Schema بالنموذج الدلالي؟

🔹تصميم Star Schema ينتمي إلى Data Model، لكنه يسهل بناء Semantic Model مستقر وسريع الأداء.

✅ هل Semantic Model هو نفسه DAX؟

🔹 لا. DAX هو لغة كتابة المقاييس، أما Semantic Model فهو الإطار الكامل الذي يحدد تعريفات المؤشرات وقواعد احتسابها.

خطة دورات تحليل البيانات :

توجد خطة دورات تحليل البيانات على الرابط التالي :

https://www.merit-tc.com/data-analysis-course