من الأرقام إلى الفهم: دليل لتحليل بيانات المجتمعات المفتوحة

مقدمة:

في العصر الذهبي لتحليل البيانات، لا تنجو مجتمعات المصدر المفتوح من الهوس بوضع أرقام كبيرة لافتة في شرائح العروض. لكن المعلومات تحقق قيمة أكبر إذا أتقنت صياغة سؤال مدروس جيدًا والبحث عن إجابته على نحو صحيح.

قد تتوقع مني، بوصفـي عالمة بيانات، أن أقول إن التحليل والأتمتة سيحددان قرارات مجتمعك. لكن العكس هو المقصود: استخدم التحليل للبناء على معرفتك القائمة، وإشراك الآخرين، وكشف التحيزات المحتملة ووجهات النظر الغائبة. فقد تكون خبيرًا بتنظيم الأنشطة، وزميلك بارعًا بالشيفرة. وعندما يطور كل منكما التصورات في سياق معرفته، ينتفع كلاكما بالمعلومات.

ولنكن واقعيين: لدى الجميع ألف مهمة، ولا يبدو اليوم كافيًا. وإذا احتاج جواب عن مجتمعك إلى ساعات، فلن تبحث عنه دوريًا، وربما أبدًا. واستثمار الوقت في بناء تصور متكامل يجعل متابعة الجوانب المختلفة ممكنة.

ومع ضغط التوجه المدفوع بالبيانات، قد يكون كنز معلومات المجتمعات نعمة ونقمة. وسأبين بالمنهج الآتي كيف تجد الإبرة في كومة البيانات.

ما منظورك؟

عند التفكير في مقياس، حدد أولًا المنظور المطلوب. ومن الزوايا الممكنة: تقديم المعلومات أم تحفيز الفعل؟ هل يوجد جانب غير مفهوم، وتبدأ استكشافه؟ هل تختار اتجاهًا، أم تقيس مبادرة قائمة؟

وكشف فرص التحسين أم إبراز القوة؟ أحيانًا تريد الترويج للمجتمع وإظهار روعته، خاصة لإثبات أثره في الأعمال أو الدفاع عن المشروع. لكن لتثقيف نفسك والمجتمع، قد تأتي القيمة الأكبر من تحديد أوجه القصور. ولا بأس بإبراز القوة في وقته ومكانه؛ لكن لا تجعل المقاييس مشجعًا داخليًا يردد عظمة الجميع، بل استخدم الإبراز خارجيًا للتقدير والترويج.

وأثر المجتمع والأعمال: الأرقام لغة شركات كثيرة، مما قد يصعب الدفاع عن مجتمعك وإظهار قيمته. وتتيح البيانات مخاطبتها بلغتها وعرض ما تحتاج لرؤيته كي تصل بقية الرسالة. وهناك أيضًا منظور أثر المجتمع في المصدر المفتوح عمومًا: كيف يؤثر في الآخرين والمنظومة؟

ولا تتنافى هذه الزوايا دائمًا؛ فالتأطير الجيد يبني مقياسًا أكثر قصدًا.

يصف الناس عادة سير عمل لعلم البيانات أو التعلم الآلي، كما في الرسم الوارد بالأصل. وأركز هنا على الخطوة الأولى، أي تحديد المشكلات والمقاييس، مع إشارة موجزة للثانية. ويمكن عد العرض مثالًا تطبيقيًا لهذه الخطوة التي تُهمل أحيانًا، مع أن القيمة الفعلية تبدأ منها. فلا تستيقظ فجأة عارفًا ما تبحث عنه بالضبط. ابدأ بفهم ما تريد معرفته والبيانات المتاحة للوصول إلى تحليل مدروس التنفيذ.

ثلاث حالات استخدام

الحالة الأولى: تحليل قائم. لنفترض أنك بدأت التحليل وتعرف فائدة ما تستكشفه للمجتمع؛ فكيف تحسنه؟ ابنِ على التحليل التقليدي. إذا أظهرت البيانات مشاركة 120 مساهمًا طوال عمر المشروع، فهذا رقم لعرض، لا أساس كافٍ لقرار. انتقل تدريجيًا من الرقم إلى الفهم؛ فمثلًا افصل النشطين عن المنقطعين، أي من لم يساهموا خلال مدة محددة، باستخدام البيانات نفسها.

الحالة الثانية: قياس أثر حملة. فكر في اللقاءات والمؤتمرات ومبادرات التواصل. كيف ترى الأثر والهدف؟ يغذي كل منهما الآخر. بعد تحديد غايات الحملة، قرر ما يمكن قياسه لرصد الأثر؛ وتساعد هذه المعلومات أيضًا في ضبط الأهداف. ومن السهل بدء الحملة بخطط غامضة بدل المحددة.

الحالة الثالثة: بناء مجال تحليل جديد. يحدث ذلك عند البدء من الصفر، وتمثل الأمثلة السابقة أجزاء من هذه الدورة الحية القابلة دائمًا للتحسين والتوسع. وفيما يأتي الخطوات اللازمة، ثم تطبيقات واقعية لها لاحقًا.

الخطوة الأولى: تفكيك مجالات التركيز والمنظورات

تخيل لعبة الكرة السحرية التي تسألها أي شيء ثم تهزها فتعطي جوابًا. لو أمكنك الحصول فورًا على أي جواب عن مجال تحليلك، فما هو؟ ثم انظر إلى البيانات: ما المصادر التي يمكن أن ترتبط بالسؤال أو المجال؟ وما الأسئلة الممكنة في سياق البيانات التي تقربك إلى السؤال الكبير؟ وعند جمع البيانات كلها، راعِ الافتراضات التي تبنيها.

الخطوة الثانية: تحويل السؤال إلى مقياس

لكل سؤال فرعي: اختر نقاط البيانات المحددة المطلوبة، وحدد التصور اللازم للتحليل المنشود، وافترض آثار هذه المعلومات. ثم أشرك المجتمع في الملاحظات وابدأ تطويرًا تكراريًا. وهنا قد يحدث الإبداع الحقيقي؛ فكثيرًا ما تنشأ أفضل الأفكار عند عرض مفهوم يلهم غيرك بطريقة لم يتخيلها أيكما.

الخطوة الثالثة: التحليل في العمل

ابدأ فحص دلالات المقياس أو التصور. وأول سؤال: هل ينسجم مع المعرفة الحالية بالمجتمع؟ إن انسجم، فهل وضعت افتراضات خدمت النتيجة؟ وإن لم ينسجم، فتحقق: هل ثمة مشكلة بيانات أو حساب، أم جانب أسيء فهمه سابقًا؟

وعندما تتأكد من استقرار التحليل بما يكفي للاستدلال، يمكنك بناء مبادرات عليه. وأثناء تحديد الخطوة التالية، عيّن طرائق محددة لقياس نجاح المبادرة. ثم راقب تنفيذها: هل يظهر الأثر وفق معيار النجاح الذي اخترته؟ وإن لم يظهر، فهل تقيس الشيء الصحيح؟ وهل ينبغي تغيير استراتيجية المبادرة؟

مثال: المساهمون الجدد

السؤال الكبير: هل يخوض الناس خبرة تجعلهم مساهمين مستمرين؟ والبيانات المرتبطة: نشاط المساهمين في المستودعات، بما فيه الطوابع الزمنية. وبعد جمعهما، فكك التحليل إلى أجزاء وتابع كل جزء حتى النهاية، وفق الخطوتين الثانية والثالثة.

السؤال الفرعي الأول: كيف يدخل الناس المشروع؟ الهدف معرفة أول ما يفعله القادمون. والبيانات هي مساهمات GitHub الأولى عبر الزمن: المشكلات وطلبات السحب والتعليقات وغيرها. والتصور المقترح رسم أعمدة للمساهمات الأولى حسب أرباع السنة.

وبعد النقاش مع المجتمع، يمكن التوسع بتقسيمها حسب الربع، ثم التمييز بين المساهم المتكرر والعابر. فتفهم ما يفعلونه عند الدخول، وهل يكشف ذلك احتمال بقائهم. ويعرض الأصل رسمًا توضيحيًا لهذا التفريق.

ومن الإجراءات المحتملة: هل يدعم التوثيق الحالي نوع المساهمة الأولى الأكثر شيوعًا؟ وهل يمكن تحسين الدعم لتشجيع البقاء؟ وهل يوجد مجال قليل الشيوع عمومًا لكنه يرتبط بالمساهم المتكرر، كطلبات السحب التي قد يكثر فيها المتكررون مع قلة من يبدأون بها؟

والخطوات العملية: توحيد وسم «مهام أولى مناسبة» good first issues، وربطها بتوثيق المساهمة، وتعيين زميل مساعد لطلبات السحب الخاصة بها.

السؤال الفرعي الثاني: هل تعتمد قاعدة الشيفرة حقًا على المساهمين العابرين؟ تُستخدم بيانات GitHub، ويعرض التصور مجموع المساهمات موزعًا بين العابرين والمتكررين. ومن الأسئلة الإجرائية: هل تحقق النسبة أهداف البرنامج؟ وهل ينجز العابرون عملًا كثيرًا؟ وهل هم مورد غير مستثمر، ولا يؤدي المشروع واجبه في استبقائهم؟

دروس التحليل

الأرقام والتحليلات ليست «حقائق» بذاتها؛ فقد توحي بأشياء كثيرة، وينبغي تنشيط حسك النقدي. وتأتي القيمة من التكرار والمراجعة. فلا تريد تحليلًا يوافقك على كل شيء؛ خذ وقتًا للتراجع وفحص افتراضاتك.

وإذا دل المقياس فقط على اتجاه يستحق التحقيق، فهذا مكسب كبير؛ إذ لا تستطيع النظر في كل شيء أو التفكير فيه. وقد تفيد مسارات الاستكشاف الطويلة وبدايات الحوار في الوصول إلى مكان جديد.

وأحيانًا لا تتوفر البيانات لقياس ما تريد بالضبط، لكن تتوفر تفاصيل قيّمة. فلا تفترض امتلاك أجزاء اللغز كلها لإجابة دقيقة. وإذا أجبرت البيانات على إجابة أو حل، سلكت مسارًا خطرًا تقوده الافتراضات. وإفساح مجال لتغيير اتجاه التحليل أو غايته قد يقود إلى بصيرة أفضل من الفكرة الأصلية.

البيانات أداة، وليست الجواب؛ لكنها تجمع رؤى ومعلومات لم تكن متاحة بغيرها. والأهم تفكيك ما تريد معرفته إلى أجزاء قابلة للإدارة والبناء عليها.

ويجسد تحليل المجتمعات المفتوحة العناية اللازمة في علم البيانات كله: فهم دقائق المجال هو الأهم؛ وغالبًا ما تُهمل عملية تحديد السؤال والجواب؛ وقد تكون معرفة السؤال أصعب جزء. وعندما تصل إلى سؤال مبتكر عميق، تكون قيمته أكبر بكثير من الأداة المختارة.

إذا كنت عضو مجتمع بلا خبرة في علم البيانات وتبحث عن البداية، فآمل أن ترى أهمية دورك وقيمته؛ فأنت تأتي بفهم المجتمع ومنظوراته. وإذا كنت عالم بيانات أو منفذ المقاييس والتصورات، فعليك الاستماع للأصوات من حولك، حتى لو كنت مشاركًا نشطًا أيضًا.

خاتمة

استخدم المثال إطارًا لتحليل مشروعك. فهناك أسئلة كثيرة تطرحها على النتائج، ومعرفة السؤال والجواب معًا قد تقود إلى اتجاه مثمر ومثير.

للاستزادة

يحيل الأصل إلى مواد عن تعريف علم البيانات، وبايثون، وكيف تصبح عالم بيانات، ويوم في حياته، والبيانات الضخمة، وورقة عن التطبيقات الذكية كثيفة البيانات في السحابة الهجينة، ومرجع MariaDB وMySQL، وأحدث مقالات علم البيانات. وترد روابطها ضمن إحالات الأصل.

المراجع

• https://enterprisersproject.com/article/2022/9/data-scientist-day-life?intcmp=7013a000002qLH8AAM
• https://enterprisersproject.com/article/2022/9/data-scientist-day-life?intcmp=7013a000002CxqkAAC
• https://developers.redhat.com/products/red-hat-openshift-data-science/overview?intcmp=7013a000002CxqkAAC
• https://console.redhat.com?intcmp=7016000000127cYAAQ
• https://www.redhat.com/en/resources/data-intensive-applications-hybrid-cloud-blueprint-detail?intcmp=7013a000002CxqkAAC