أهم تطبيقات علم البيانات (استخدامات مذهلة لا حصر لها)

علم البيانات هو واحد من أكثر المجالات إثارة في عصرنا الحديث، وتكاد تكون تطبيقاته واستخداماته غير قابلة للحصر، فكما سنرى تطبيقات علم البيانات موجودة بكثافة حولنا في كل شيء نفعله ونتعامل معه.

فبسبب تغلغل الإنترنت في كل أنشطة حياتنا وتطور الأجهزة الإلكترونية أصبحنا ننتج كميات هائلة من البيانات يوميًا، هذه البيانات تصف أنشطتنا، سلوكنا، عاداتنا الشرائية، نمط الحياة الخاص بنا، تفضيلاتنا، وما يتجاوز هذا وصولًا إلى حالتنا النفسية والمزاجية ومخاوفنا وطموحاتنا.

تساعد هذه البيانات من خلال العلم أو المجال الذي يسمى بعلم البيانات Data Science على أن يتم فهمنا وتحليل سلوكنا وأنشطتنا لتقديم خدمات أفضل وتحسين تجربتنا كمستخدمين، مما سيعود على مقدم هذه الخدمات سواء كانت شركة أو منظمة أو حكومة بالإيجاب.

سوف أقوم في هذا المقال باستعراض تطبيقات علم البيانات، ولكن لأنها كثيرة للغاية وتفوق الحصر سوف نركز على أهم وأبرز 6 تطبيقات لعلم البيانات والتي تؤثر بشكل مباشر على حياتنا، ولكن علينا في البداية أن نتعرف على ماهية علم البيانات.

ما هو علم البيانات Data Science؟

علم البيانات Data Science هو العلم الأكثر إثارة في القرن الواحد والعشرين، وهذا لكونه يتعامل مع أغلى شيء نملكه وننتجه الآن وهو البيانات، هذا العلم باختصار هو الذي يقوم بجمع علم الإحصاء بـ البرمجة من أجل جمع وتحليل البيانات واستخراج النتائج والحقائق منها.

فنحن ننتج بيانات في كل فعل نقوم به، سواء كان تصفحنا للفيسبوك أو حتى من خلال عملياتنا البنكية، وهذه البيانات يتم جمعها وتحليلها من قبل تلك الشركات والمؤسسات، وذلك لكي تقوم بفهمنا وجعل خدماتها أكثر جاذبية وتناسبًا مع احتياجاتنا وتفضيلاتنا.

قد يتم استخدام هذه البيانات لأغراض حسنة، مثلما ذكرنا لتحسين الخدمات وجعلها جذابة لنا، ولكنها -البيانات- قد تستخدم أيضًا في أغراض سيئة، مثل: التلاعب والغش أو الاحتيال أو التحكم بصاحب هذه البيانات، ولهذا فإن بياناتك هامة للغاية ويجب أن تقوم بحمايتها قدر المستطاع.

تطبيقات علم البيانات Data Science

هناك الكثير من تطبيقات علم البيانات التي ربما تحتاج إلى العشرات من المجلدات لذكرها، ولكن في هذا المقال سوف نركز على استخدامات أو تطبيقات علم البيانات في ستة مجالات فقط، وهي:

1. مجال الرعاية الصحية Health Care.
2. مجال الخدمات البنكية Banking.
3. القطاع المالي Finance.
4. مجال البيع بالتجزئة Retail.
5. مجال النقل والمواصلات Transportation.
6. القطاع الحكومي Government.

أولاً تطبيقات علم البيانات في مجال الرعاية الصحية Health Care

اعترف أن خلفيتي الطبية دفعتني للحديث عن مجال الرعاية الصحية أولًا، ولكن هذا بسبب كم الأشياء المذهلة التي أتاحها لنا علم البيانات، والتي حسنت كثيرًا من كفاءة تشخيصنا للأمراض، وفهم هذه الأمراض أفضل بالإضافة إلى اكتشاف وتحسين الأدوية، وزيادة جودة حياة المريض.

ويُعد استخدام علم البيانات في الطب تريند البحث العلمي هذه الفترة بسبب فيروس الكوفيد- 19، ولكن قبل الفيروس كان هناك إقبال شديد عليه أيضًا، حتى إن هناك مجالات أنُشئت بعينها لتضم مجالات استخدام علم البيانات في الطب والأحياء، ويمكننا أن نلخص إسهامات علم البيانات في مجال الرعاية الطبية في سبع نقاط أساسية، هي:

1. تحليل الأشعة الطبية Medical Image Analysis.
2. الجينات والجينوم Genetics and Genomics.
3. اكتشاف الأدوية Drug Discovery.
4. نماذج التشخيص التنبؤية Predictive Modeling for Diagnosis.
5. مراقبة صحة المرضى Monitoring Patient Health.
6. تتبع ومنع الأمراض Tracking & Preventing Diseases.
7. المساعدة الطبية الافتراضية Medical Virtual assistance.

وسوف نناقشها بالتفصيل في السطور القادمة:

أ) تحليل الأشعة الطبية Medical Image Analysis

الأشعة الطبية جزء هام من عملية اكتشاف وتشخيص بعض الأمراض على رأسها الأورام السرطانية وأمراض الرئة، ولذا فأي تقدم نحرزه في الاكتشاف المبكر لهذه الأمراض من خلال الأشعة سوف ينقذ حياة مئات الآلاف وربما الملايين من المرضى سنويًا، وهنا يأتي دور علم البيانات.

من خلال جمع صور الأشعة المختلفة: إكس راي X-Ray، الأشعة المقطعية Ct-Scans، أشعة الرنين المغناطيسي MRI، وغيرها، ومن ثم معالجتها باستخدام خوارزميات التعرف على الصور Image Recognition ومعالجتها استطعنا أن نجعل الحاسوب يستطيع قراءتها وتشخيصها.

وأيضًا قد طورنا طريقة تجعله قادرًا على اكتشاف الأنماط بنفسه، وهو ما أدى في النهاية إلى تفوقه على الإنسان في التشخيص، فالحواسيب والبرامج المستخدمة في تشخيص الأشعة الخاصة بسرطان الثدي تتفوق على الخبير البشري بنسبة تتجاوز الـ 10%، وتستطيع اكتشاف الورم قبل أسابيع من قدرتنا على اكتشافه.

وكذلك بالنسبة لأورام المخ حيث يستطيع الحاسوب تشخيص تلك الأورام مبكرًا بأسابيع، بالإضافة إلى أنه يتفوق على الخبير البشري بنسبة أكثر من 8%، وهو الأمر الهام للغاية في الأورام الصعبة، مثل: أورام المخ.

هذا الكشف المبكر ينقذ حياة عشرات الآلاف في المستشفيات المتقدمة في الولايات المتحدة وأوروبا، بالإضافة إلى توفير ملايين الدولارات سنويًا بسبب سرعة الاكتشاف وسهولة علاج المريض في هذه المرحلة المبكرة.

ب) الجينات والجينوم Genetics and Genomics

كما أن الأكواد تتحكم بطبيعة وكيفية عمل البرامج، فإن الجينات هي التي تتحكم بنا، سواء من خلال الصفات الشكلية والأمراض التي تصيبنا وحتى طول أو قصر أعمارنا.

لذا هي كنز ثمين، فيمكنك من خلال تحليل الجينوم الخاص بالإنسان أن تتعرف على الأمراض التي من المحتمل أن يُصاب بها لتحاول وقايته منها، بالإضافة إلى فهم التفاعل المميز بين المركبات الكيمائية كالأدوية وجسده.

هذا بالتحديد أهمية علم البيانات في مجال الجينات، أن نستطيع تحليل هذا الكم الهائل من البيانات الجينية لكي تعطينا نتائج Insights نستطيع اتخاذ القرارات الطبية من خلالها، فباستخدام هذا التحليل الجيني سيمكننا إنقاذ حياة الملايين وتحسين جودة حياة المليارات من البشر.

كما سيكون باستطاعتنا أيضًا اختيار أكثر الأدوية الفعالة لحالة المريض من خلال تحليل جيناته، مما سيزيد فعالية الأدوية، خاصة لدى مرضى الأمراض الصعبة كأمراض القلب والأمراض المناعية والأورام السرطانية، وهذا المجال يسمى الطب الشخصي Personalized medicine.

ج) اكتشاف الأدوية Drug Discovery

عملية اكتشاف الأدوية مرهقة للغاية ومكلفة جدًا ماديًا وزمنيًا، فمتوسط تكلفة تطوير دواء جديد تتراوح بين 1.3 و 2.8 مليار دولار أمريكي، وتأخذ العملية عادة من 10 إلى 15 سنة، ولذا كان من الضروري تسريع هذه العملية وتقليل تكلفتها.

وتم هذا بالفعل من خلال علم البيانات الذي ساعد على تقليل المدة الزمنية والتكلفة باستخدام وسائل المحاكاة Simulation التي ترشح عددًا من المواد الكيمائية التي من الممكن أن تكون دواءً للمرض الذي نتعامل معه، ونحاول اكتشاف علاج فعال له.

كما أنها قد تعطينا فكرة عن استجابة المرض لهذا الدواء وطريقة تعامل الجسم مع المادة الكيميائية للدواء، وبهذا تستطيع تقليل عدد الأدوية التي يتم تجربتها على الحيوان والإنسان ما يجعل هذه العملية أسرع وأسرع وأقل تكلفة بكثير.

ولقد ساهمت هذه التقنيات في طفرة هائلة في اكتشاف وتحسين الأدوية، كما أنها ساعدت في تسريع عملية اكتشاف وتطوير لقاحات لفيروس الكورونا.

د) نماذج التشخيص التنبؤية Predictive Modeling for Diagnosis

باستخدام البيانات الكثيرة المتوافرة عن حالة المرضى وأعمارهم ومصيرهم من حيث تطور حالتهم إلى الأسوء أو الأفضل، يمكننا القيام ببناء نماذج حاسوبية تستخدم للتنبؤ بحالة المريض لرؤية المضاعفات المحتملة ومحاولة استباقها، وهذا خاصة في الأمراض المعقدة كأمراض القلب والكبد والأورام.

هذه النماذج تساعدنا على علاج أفضل للمريض أو على الأقل تحسين حالته خلال فترة حياته إذا كان هذا المرض مزمنًا، ومعرفة طرق الوقاية الفعالة التي ستساعد على وقاية العديد من الأشخاص من الإصابة بهذا المرض.

ه) مراقبة صحة المرضى Monitoring Patient Health

مع علم البيانات و إنترنت الأشياء Internet of Things يمكننا مراقبة صحة المرضى بطريقة أكثر فعالية، وهذا سواء كانوا محجوزين في المستشفى أو لا، وذلك من خلال الأجهزة التي تقوم بتتبع حالة المريض من حيث ضغط الدم وضربات القلب وساعات النوم والسعرات الحرارية وغيرها.

هذا التتبع يساعد الأطباء على فهم حالة المريض بشكل أفضل، كما أنها تسهل علينا مراقبته ومراقبة تطور حالته، وفي بعض الأحيان تساعد هذه الأجهزة على إنقاذ المرضى في حالات الطوارئ من خلال الاتصال بالإسعاف تلقائيًا.

و) تتبع ومنع الأمراض Tracking & Preventing Diseases

ظهر هذا المجال وزادت أهميتها بسبب فيروس الكورونا، حيث طورت الكثير من الدول نماذج إحصائية تساعدها على احتواء الوباء، من خلال تتبع المناطق التي يظهر فيها، ومن خلال البيانات والإحصائيات تقوم بتقييم خطر هذا التفشي لتساعد على اتخاذ أفضل الإجراءات.

بهذا تستطيع تحديد ما إذا كان من الأفضل القيام بحجر شامل للمنطقة وعزلها أم لا، وهو ما ينقذ حياة الآلاف، ويوفر على الدول عشرات الملايين من الدولارات، ويجنبها الأخطار المحتملة الكثيرة للتفشي.

ي) المساعدة الطبية الافتراضية Medical Virtual assistance.

تخيل تطبيقًا مثل مساعد جوجل أو أليكسا الخاصة بأمازون أو سيري الخاصة بأبل يقوم بالتفاعل معك، ولكن بدور الطبيب، أن تقوم بسؤاله أسئلة عن حالتك والأدوية التي تأخذها، أو حتى أن تقول له أعراضك المرضية ليقوم بتشخيص حالتك.

حسنًا، هذا ليس خيالًا علميًا فباستخدام معالجة اللغات الطبيعية Natural Language Processing نستطيع برمجة بوت Bot محادثة أو برامج مساعدة افتراضية يمكنها مساعدة المرضى، وحتى تتبع وتقييم حالتهم بشكل دوري حتى وإن كانت أمراضهم نفسية وليست عضوية.

ثانياً تطبيقات علم البيانات في مجال الخدمات البنكية Banking

القطاع المصرفي واحد من أكثر القطاعات المستفيدة من تطور علم البيانات، فالتعامل البشري مع كل بيانات عملائها يكاد يكون مستحيل، كما أن أقل خطأ في عملياتها سوف يكلفها الكثير من الأموال والأهم من ذلك ثقة عملائها فيها وسمعتها.

يساعد علم البيانات البنوك على إدارة مواردها بشكل فعال، كما أنه يوفر لها المعلومات اللازمة لاتخاذ القرارات، ويساهم في كشف الاحتيال والتلاعب، وإدارة العملاء، وإدارة المخاطر، وتقسيم العملاء وتحديد قيمة العميل مدى الحياة CLV، وأنظمة التوصية، والتحليلات، ودعنا نتناول أهم هذه التطبيقات بالتفصيل:

أ) كشف الاحتيال Fraud Detection

أي احتيال أو تلاعب يضر كثيرًا بسمعة البنك ويجعل عملاءه يفقدون الثقة فيه، وهو ما دفع البنوك إلى استخدام علم البيانات وتعلم الآلة في كشف الاحتيال، وهذا يتم من خلال تحديد أي تلاعب أو أنماط غريبة في التحويلات البنكية.

فمن خلال سجل تحويلاتك وتعاملاتك البنكية يستطيع النموذج أو الخوارزميات تحديد ما إذا كان هناك شيء غير مألوف يحدث أو عملية تحويل أو نشاط غير طبيعي، وبالتالي يستطيع التعامل مع هذا الاحتيال ومنعه.

ب) إدارة أو نمذجة المخاطر Risk Modeling

حينما يكون التعامل بمليارات وتريليونات الدولارات يجب أن تكون هناك نماذج قوية للتنبؤ وإدارة المخاطر، لأن أي خسارة سوف تكون مكلفة ومؤلمة جدًا للبنك، كما أيضًا كون أي ربح سوف يشكل خطوة كبيرة للأمام لهذا البنك خاصة لو كان استثماره فيه كبيرًا.

تقوم البنوك الآن باستخدام نماذج حاسوبية ذكية قادرة على تقييم المخاطر، ومن خلالها يتم أخذ القرار للقيام بهذا الاستثمار أو لا، أو أن يعطي البنك لصاحب هذا المشروع المال أم لا، وهذا وفقًا للبيانات الكثيرة حول أداء المشروع وأداء المشاريع المماثلة، والعوامل الاقتصادية الواجب أخذها في الحسبان.

ج) تقسيم العملاء وتحديد قيمة العميل مدى الحياة Customer Lifetime Value

تستطيع البنوك من خلال البيانات الكثيرة التي تجمعها من عملائها أن تقسمهم إلى شرائح حسب السلوك، والصفات الشخصية، وأنماط الإنفاق، ومعدلات الدخل، وغيرها من التصنيفات بهدف استهدافهم بالخدمات المناسبة لهم وتطوير الخدمات دوريًا ما سيساعد على تقوية العلاقة بينهم وبين البنك.

كذلك يساعد استخدام علم البيانات من خلال النماذج التنبؤية على تحديد العائد من العملاء، وبالتحديد قيمة العميل مدى الحياة، أو مدة تعامله مع المؤسسة البنكية لتحقيق أكبر أرباح ممكنة منه.

اقرأ أيضًا: ما هو تحليل البيانات Data Analysis في شرح مبسط

ثالثاً تطبيقات علم البيانات في القطاع المالي Finance

قام علم البيانات بأداء خدمات عظيمة للغاية للقطاع المالي بشكل عام، بدءًا من تسهيله لأتمتة Automation غالبية عملياته الروتينية، وحتى تطوير وسائل الكشف عن الاحتيال وأنظمة إدارة وتوقع المخاطر المالية المختلفة.

كما أن علم البيانات ساهم في تسهيل عمليات اتخاذ القرارات من خلال التحليلات المختلفة التي يقوم بها، مثل: تحليلات العملاء، تحليلات المخاطر، تحليل المشاعر للعملاء وتعليقاتهم على الخدمات المالية، وغيرها الكثير، ما جعل القرارات مُدعمة أو موُجهة بالنتائج Data Driven.

وسوف نقوم في هذا المقال بتناول أهم تطبيقات علم البيانات في القطاع المالي، وهي:

أ) تحليلات المخاطر Risk Analytics

حينما يتعلق الأمر بمليارات وتريليونات الدولارات تصبح إدارة المخاطر من أهم عناصر اتخاذ القرار، ولهذا السبب فإن القطاعات المالية تنفق الكثير من المال لتطوير أفضل نماذج إدارة وتحليل المخاطر.

وباستخدام البيانات الهائلة عن التحويلات المالية والعملاء تستطيع هذه النماذج تحديد ما إذا كان من الأفضل الاستثمار في هذه الفكرة أو المشروع أم لا، كما أن الخوارزميات تقدم تحسينات تساعد على زيادة الأرباح أو تقليل الخسائر.

ب) تحليلات المستخدمين Consumer Analytics

باستخدام الكم الهائل من البيانات المتوافر من قطاع الأعمال، تستطيع شركات القطاع المالي بسهولة أن تجري تحليلات على البيانات الحالية، مما يوفر لها القدرة على التعامل مع المشاكل الراهنة ومعالجتها، أو على الأقل تقليل الخسائر قدر الإمكان.

ومن أهم التحليلات في القطاعات المالية هي تحليلات المستخدمين لأنها بالإضافة إلى ما قلناه قبل قليل، قادرة على أن توفر تجربة شخصية Personalized experience لمستخدميها، مما يزيد من الصلة بينهم وبين الشركة وبالتي تزداد أرباحها.

فالتجربة الشخصية أو الخدمات الشخصية Personalized services من أفضل الوسائل لاستمالة العملاء في هذا الوقت، وهي فعالة للغاية في زيادة أرباح الشركات إضافة لأنها تسمح بتطوير وابتكار خدمات جديدة تناسب العملاء.

ج) اكتشاف الاحتيال المالي Financial Fraud Detection

الاحتيال Fraud من أكبر مشكلات القطاع المالي منذ قديم الزمان، ولذا قامت القطاعات المالية بتطوير طرق من شأنها تتبع الاحتيالات والتلاعبات باستخدام البيانات الضخمة وتحليل بيانات المستخدمين خاصة احتيالات بطاقات الائتمان Credit Card.

د) التداول الآلي أو التداول الخوارزمي Algorithmic Trading

التداول الخوارزمي واحد من أكثر التطبيقات شهرة في الآونة الأخيرة، حيث يقدم خدمة كبيرة للمستثمرين الذي يقومون بضخ أموال كبيرة في عدة أسهم أو مشاريع، وهذه الخدمة هي أن يقوم بتسهيل عملية اتخاذ القرارات عبر حسابات معقدة للغاية للتنبؤ بحالة الأسواق المالية.

رابعاً تطبيقات علم البيانات في مجال البيع بالتجزئة Retail

مجال البيع بالتجزئة Retail من أكثر المجالات الربحية في العالم كله، ويمكنك أن تسأل أغنى رجل في العالم جيف بيزوس عن هذا، ولقد ساعد علم البيانات هذا المجال كثيرًا في العقد الأخير، حتى أصبح الكثير من التنافس فيه على امتلاك أفضل تقنيات التعامل مع البيانات.

يساعد علم البيانات تجار البيع بالتجزئة على اكتشاف عملائهم وتحليل الخدمات والمنتجات التي يريدونها، واكتشاف كيفية جعلهم يشترون أكثر وتحليل مشاعرهم، بالإضافة لكون العديد من التطبيقات تساعد في إدارة سلسلة الإمداد Supply Chain وتحديد أفضل استراتيجيات التسعير.

ومن أهم تطبيقات علم البيانات في مجال البيع بالتجزئة:

أ) التسويق الشخصي Personalized Marketing

من خلال البيانات الهائلة التي يتركها العملاء والمشترون، يمكن لتجار البيع بالتجزئة الكبار كأمازون أن يقوموا بالوصول إلى أعماق نفوس عملائهم، ومعرفة ما يدفعهم إلى الشراء، وهذا ببساطة من خلال تاريخ التصفح والمشتريات السابقة وتقييماتهم للمنتجات السابقة.

هذا كله يساعد هؤلاء العملاقة بأن يقوموا بحملات تسويقية شخصية للغاية، وأن يقدموا رسائل تسويقية لا يمكن مقاومتها من قبل عملائهم، ما يوفر المزيد من المعلومات القابلة للاستخدام في التسويق، وهكذا تظل هذه الحلقة تتكرر وتتكرر.

ب) الترشيحات الشخصية Personalized Recommendation

يمكن لخوارزميات المواقع والتطبيقات الخاصة بهذه الشركات أن تتنبأ بتفضيلات المستخدم وسلوكه نحو المنتجات، وبذلك بإمكانها أن توفر له المنتجات التي من المحتمل أن يقوم بشرائها عند قيامه بالبحث حول ما يريده، أو حتى أن تتنبأ بما يحتمل أن يشتريه وأن تسوقه له من خلال الإعلانات بدون أن يبحث عنها حتى.

خوارزميات الترشيحات المبنية على التعلم العميق كانت من الأسباب البارزة في زيادة مبيعات مواقع البيع بالتجزئة الكبرى، كما أنها جعلت العلاقة بين المستخدم والموقع أو الشركة قوية للغاية لكون المستخدم يشعر بأن الموقع الذي يشتري من خلاله يفهمه ويفهم رغباته حقًا.

ج) تحليل مشاعر العملاء Customer Sentiment Analysis

هذا الفرع من علم البيانات قد أصبح مرغوبًا للغاية، حيث أنه يسمح بتحليل تجارب المستخدمين مع المنتجات المختلفة من خلال تعليقاتهم على المنتجات أو حتى من خلال ما يكتبونه على مواقع التواصل الاجتماعي، وهو ما يوفر للشركات الكثير من البيانات القيمة بشكل مجاني.

تعتمد هذه التقنية على معالجة اللغات الطبيعية NLP، لكي تستطيع أن تفهم التعليقات النصية التي يكتبها العملاء، ومن ثم وضعها في السياق الخاص بها سواء كانت إيجابية أو سلبية.

د) إدارة سلسلة الإمداد Supply Chain Management

يمكن لعلم البيانات أن يساهم في مجال معقد للغاية من البيع بالتجزئة، وهو إدارة المخزون وسلسلة الإمداد، حيث تستطيع الخوارزميات أن تتنبأ بنوع وعدد المنتجات التي سيقوم العملاء بشرائها في فترة زمنية ما، وهو ما يساعد على طلب المنتجات وتخزينها بشكل فعال.

خامساً تطبيقات علم البيانات في مجال النقل والمواصلات Transportation

يتم استخدام علم البيانات بكثرة في مجال النقل والمواصلات، حيث يساهم يوميًا في الحفاظ على آلالاف الأرواح، وتوفير تجربة قيادة أكثر أمانًا من خلال تحليل بيانات الطرق والسائقين والحوادث، ومحاولة اكتشاف العوامل التي تتسبب أو تحد من حوادث الطرق.

لهذا السبب تحاول الحكومات في الدول المتقدمة جمع أكبر كم من البيانات عن عملية القيادة حتى تلك التي تتعلق باستهلاك الوقود، لأن تتبع الأنماط واكتشافها وفهمها يساهم بشكل فعال في جعل الطرق أكثر أمانًا وفي وضع قوانين أكثر واقعية للقيادة.

كما أنه بمساعدة علم البيانات شهدنا تطورًا في السنوات الأخيرة في مجال السيارات ذاتية القيادة، وهي التي ستقوم بالمستقبل بالقضاء على الحوادث بالكامل، وستجعل من القيادة مجرد شيء روتيني يقوم به الذكاء الاصطناعي.

الشركات الخاصة العاملة في مجال النقل والمواصلات تستخدم علم البيانات بكثافة هي الأخرى، على سبيل المثال شركة أوبر Uber التي تستخدم علم البيانات في التنبؤ بسعر الرحلة من خلال عدة عوامل، مثل: ازدحام الطريق، العوامل المناخية، توافر السائقين، … الخ.

سادساً تطبيقات علم البيانات في المجالات الحكومية Government

حكومات الدول المتقدمة تعتمد بشكل أساسي على التقنيات مثل علم البيانات و الذكاء الاصطناعي، فمن خلالها تستطيع أن تتخذ قرارات مُدعمة بالبيانات Data Driven، والتي يكون لها تأثير أفضل بكثير من القرارات المعتمدة على أدلة نظرية.

كما تتوسع الحكومات في استخدام علم البيانات في كل مناحي الحياة، حتى في الكشف عن التهرب الضريبي Tax Evasion حيث تقوم بمقارنة الدخل المُقدم من الأشخاص مع بياناتهم المالية وحسابات التواصل الاجتماعي الخاصة بهم للتأكد من توافق هذا الدخل مع معدلات الإنفاق الخاصة بهم.

وتستخدم علوم البيانات كذلك في الاستجابة للأزمات سواء الطبيعية أو الخاص بأمن البلاد، كما تستخدم بعدة طرق في التصدي للجرائم الإلكترونية ومحاولات الاختراق Hacking.

الخلاصة

البيانات هي نفط القرن الواحد والعشرين، وهي الثروة الحقيقية التي يسعى الجميع لامتلاكها اليوم، لأن من خلالها يمكن تحقيق المعجزات من تحقيق أرباح مهولة، أو حتى التحكم بالأفراد وتوجيههم حسب رغبة من يملك معلوماتهم.

وعلم البيانات هو الأداة التي تتعامل مع هذه الثروة، وهو الأساس لكافة المجالات الحديثة، مثل: تعلم الآلة Machine Learning، والتعلم العميق Deep Learning، ومعالجة اللغات الطبيعية Natural Language Processing، والرؤية الحاسوبية Computer Vision والكثير غيرها.

ناقشنا في هذا المقال تطبيقات علم البيانات في ست مجالات هامة، ولكن تطبيقات واستخدامات علم البيانات لا حدود لها، وتكاد تكون موجودة في كل شيء من حولنا.