1. مقدمة
هناك العديد من الأسباب لإجراء الاستطلاعات: تقييم رضا العملاء أو إجراء أبحاث السوق أو تحسين منتج أو خدمة أو تقييم تفاعل الموظفين. ومع ذلك، إذا حاولت العمل مع بيانات الاستطلاعات من قبل، من المرجّح أنّك تعرف أنّه من الصعب التعامل مع التنسيق العادي. في هذا الدليل، ننشئ مسارًا مُبرمَجًا يُسجّل نتائج "نماذج Google" ويُعدّ البيانات للتحليل باستخدام Cloud Dataprep، ويحمّلها إلى BigQuery ويسمح لفريقك بإجراء تحليلات مرئية باستخدام أدوات مثل Looker أو "مركز البيانات".
التطبيق الذي ستصممه
في هذا الدليل التعليمي حول رموز البرامج، ستستخدم Dataprep لتحويل الردود من مثال استطلاع "نماذج Google" إلى تنسيق مفيد لتحليل البيانات. ستُرسِل البيانات المحوَّلة إلى BigQuery حيث يمكنك طرح أسئلة أكثر عمقًا باستخدام لغة الاستعلامات البنيوية (SQL) ودمجها مع مجموعات بيانات أخرى لإجراء تحليلات أكثر فعالية. في النهاية، يمكنك استكشاف لوحات البيانات المُنشأة مسبقًا أو ربط أداة ذكاء الأعمال الخاصة بك بخدمة BigQuery لإنشاء تقارير جديدة.
ما ستتعرّف عليه
- كيفية تحويل بيانات الاستطلاع باستخدام Dataprep
- كيفية دفع بيانات الاستطلاع إلى BigQuery
- كيفية الحصول على المزيد من الإحصاءات من بيانات الاستطلاع
المتطلبات
- مشروع على Google Cloud تم تفعيل الفوترة وBigQuery وDataprep فيه
- من المفيد أن يكون لديك معرفة أساسية بخدمة Dataprep، ولكنّ ذلك ليس شرطًا.
- من المفيد أن يكون لديك معرفة أساسية بـ BigQuery وSQL، ولكنّ ذلك ليس شرطًا.
2. إدارة الردود في "نماذج Google"
سنبدأ بإلقاء نظرة عن كثب على ردود "نماذج Google" على نموذج الاستطلاع.
يمكن تصدير نتائج الاستطلاع من علامة التبويب "الردود" من خلال النقر على رمز "جداول بيانات Google" وإنشاء جدول بيانات جديد أو تحميل النتائج إلى جدول بيانات حالي. ستواصل "نماذج Google" إضافة الردود إلى جدول البيانات عندما يرسل المجيبون ردودهم إلى أن تلغِي اختيار الزر "قبول الردود".
لنراجع الآن كل نوع من أنواع الردود وكيفية ترجمته في ملف "جداول بيانات Google".
3- تحويل الردود على الاستطلاع
يمكن تجميع أسئلة الاستطلاع في أربع مجموعات سيكون لها تنسيق تصدير معيّن. استنادًا إلى نوع السؤال، ستحتاج إلى إعادة تنظيم البيانات بطريقة معيّنة. في ما يلي، نراجع كل مجموعة وأنواع التحويلات التي يجب تطبيقها.
الأسئلة ذات الخيار الواحد: الإجابة القصيرة، الفقرة، القائمة المنسدلة، المقياس الخطي، وما إلى ذلك
- اسم السؤال: اسم العمود
- الاستجابة: قيمة الخلية
- متطلبات التحويل: لا حاجة إلى التحويل، يتم تحميل الاستجابة كما هي.
أسئلة الخيارات المتعدّدة: خيارات متعدّدة، مربّع اختيار
- اسم السؤال: اسم العمود
- الردّ: قائمة بالقيم مع فاصل فاصلة منقوطة (مثل "الردّ 1؛ الردّ 4؛ الردّ 6")
- متطلبات التحويل: يجب استخراج قائمة القيم وتحويلها إلى جدول محوري، حتى يصبح كلّ ردّ صفًا جديدًا.
أسئلة شبكة الخيارات المتعدّدة
في ما يلي مثال على سؤال خيارات متعدّدة. يجب اختيار قيمة واحدة من كل صف.
- اسم السؤال: يصبح كل سؤال فردي اسم عمود بالشكل "السؤال [الخيار]".
- الاستجابة: تصبح كل استجابة فردية في الشبكة عمودًا يحتوي على قيمة فريدة.
- متطلبات التحويل: يجب أن يصبح كل سؤال أو إجابة صفًا جديدًا في الجدول وأن يتم تقسيمه إلى عمودَين. عمود واحد يشير إلى خيار السؤال وعمود آخر يتضمّن الردّ
أسئلة شبكة مربّعات الاختيار للخيارات المتعدّدة
في ما يلي مثال على شبكة مربّعات اختيار. يمكن اختيار أي قيمة من القيم المتعددة من كل صف.
- اسم السؤال: يصبح كل سؤال فردي اسم عمود بالتنسيق "السؤال [الخيار]".
- الردّ: يصبح كلّ ردّ فردي في الشبكة عمودًا يتضمّن قائمة بالقيم مفصولة بنقطتَين منقوفتَين.
- متطلبات التحويل: تجمع أنواع الأسئلة هذه بين فئتَي "مربّع الاختيار" و "شبكة الخيارات المتعدّدة"، ويجب حلّها بهذا الترتيب.
أولاً، يجب استخراج قائمة القيم لكلّ ردّ وإنشاء جدول محوري لها، لكي تصبح كلّ إجابة صفًا جديدًا للسؤال المحدّد.
ثانيًا: يجب أن يصبح كلّ ردّ فردي صفًا جديدًا في الجدول وأن يتم تقسيمه إلى عمودَين. عمود واحد يشير إلى خيار السؤال وعمود آخر يتضمّن الإجابة
بعد ذلك، سنوضّح كيفية التعامل مع عمليات التحويل هذه باستخدام Cloud Dataprep.
4. إنشاء عملية Cloud Dataprep Flow
استيراد "نمط تصميم تحليلات "نماذج Google" في Cloud Dataprep
نزِّل حِزمة مسار نمط تصميم ميزة "إحصاءات Google" في "نماذج Google" (بدون فك ضغطها). في تطبيق Cloud Dataprep، انقر على رمز "العمليات" في شريط التنقّل الأيمن. بعد ذلك، في صفحة "العمليات"، اختَر "استيراد" من قائمة السياق.
بعد استيراد العملية، اختَر العملية المستورَدة لتعديلها، ومن المفترض أن تظهر شاشتك على النحو التالي:
ربط جدول بيانات نتائج الاستطلاع في "جداول بيانات Google"
على الجانب الأيسر من العملية، يجب إعادة ربط مصدر البيانات بجدول بيانات Google يحتوي على نتائج "نماذج Google". انقر بزر الماوس الأيمن على عنصر مجموعات بيانات "جداول بيانات Google" واختَر "استبدال".
بعد ذلك، انقر على رابط "استيراد مجموعات البيانات" في أسفل النافذة المنبثقة. انقر على قلم الرصاص "تعديل المسار".
من هناك، استبدِل القيمة الحالية بهذا الرابط الذي يشير إلى "جداول بيانات Google" تتضمّن بعض نتائج "نماذج Google"، ويمكنك استخدام مثالنا أو نسختك الخاصة: https://docs.google.com/spreadsheets/d/1DgIlvlLceFDqWEJs91F8rt1B-X0PJGLY6shkKGBPWpk/edit?usp=sharing
انقر على "متابعة" ثم على "استيراد وإضافة إلى مسار الإحالة الناجحة" في أسفل يسار الصفحة. عند العودة إلى النافذة المنبثقة، انقر على الزر "استبدال" في أسفل يسار الصفحة.
ربط جداول BigQuery
على الجانب الأيمن من العملية، عليك ربط النواتج بمثيل BigQuery الخاص بك. لكلّ نتيجة، انقر على الرمز ثم عدِّل خصائصه على النحو التالي.
أولاً، ابدأ بتعديل "الوجهات اليدوية".
في شاشة "إعدادات النشر" التالية، انقر على زر التعديل.
عندما تظهر لك شاشة "إجراء النشر"، عليك تغيير إعدادات الربط من خلال النقر على عملية الربط في BigQuery وتعديل خصائصها.
اختَر مجموعة بيانات BigQuery التي تريد تحميل نتائج "نماذج Google" إليها. يمكنك اختيار "تلقائي" إذا لم تكن قد أنشأت أي مجموعة بيانات في BigQuery حتى الآن.
بعد تعديل "الوجهات اليدوية"، اتّبِع الخطوات نفسها لإخراج "الوجهات المُجدوَلة".
كرِّر كل خطوة من الخطوات السابقة. عليك تعديل 8 وجهات في المجمل.
5- شرح عملية Cloud Dataprep Flow
تتمثل الفكرة الأساسية لمسار "نمط تصميم تحليلات "نماذج Google" في إجراء عمليات التحويل على ردود الاستطلاعات كما هو موضّح سابقًا، وذلك من خلال تقسيم كل فئة من فئات الأسئلة إلى وصفة محدّدة لتحويل البيانات في Cloud Dataprep.
تقسم هذه العملية الأسئلة إلى 4 جداول (تتوافق مع فئات الأسئلة الأربعة لأغراض التبسيط).
ننصحك باستكشاف كل وصفة واحدة تلو الأخرى بدءًا من "تنظيف العناوين" ثم "SingleChoiceSELECT-Questions" متبوعة بكل الوصفات الأخرى تحتها.
تمّت إضافة تعليقات توضيحية لجميع الوصفات لشرح خطوات التحويل المختلفة. عندما تكون في إحدى الوصفات، يمكنك تعديل خطوة ومعاينة حالة ما قبل/ما بعد عمود معيّن.
6- تشغيل عملية Cloud Dataprep Flow
بعد ضبط المصدر والوجهات بشكلٍ صحيح، يمكنك تنفيذ عملية التحويل لتحميل الردود إلى BigQuery. اختَر كلّ مخرج وانقر على الزر "تشغيل". إذا كان جدول BigQuery المحدّد متوفّرًا، ستُلحق أداة Dataprep صفوفًا جديدة به، وإلا ستنشئ جدولاً جديدًا.
انقر على رمز "سجلّ المهام" في اللوحة اليمنى لتتبُّع المهام. من المفترض أن يستغرق المتابعة وتحميل جداول BigQuery بضع دقائق.
عند اكتمال جميع المهام، سيتم تحميل نتائج الاستطلاع في BigQuery بتنسيق نظيف ومجدوَل ومعدّل للاستخدام، ما يجعلها جاهزة للتحليل.
7- تحليل بيانات الاستطلاع في BigQuery
في Google Console لـ BigQuery، من المفترض أن تتمكّن من الاطّلاع على تفاصيل كل جدول من الجداول الجديدة.
باستخدام بيانات الاستطلاع في BigQuery، يمكنك بسهولة طرح أسئلة أكثر شمولية لفهم ردود الاستطلاع على مستوى أعمق. على سبيل المثال، لنفترض أنّك تحاول معرفة لغة البرمجة الأكثر استخدامًا من قِبل الأشخاص الذين يحملون مسميات مهنية مختلفة. يمكنك كتابة طلب بحث على النحو التالي:
SELECT
programming_answers.Language AS programming_answers_language,
project_answers.Title AS project_answers_title,
AVG((case when programming_answers.Level='None' then 0
when programming_answers.Level='beginner' then 1
when programming_answers.Level='competent' then 2
when programming_answers.Level='proficient' then 3
when programming_answers.Level='expert' then 4
else null end) ) AS programming_answers_average_level_value
FROM `my-project.DesignPattern.A000111_ProjectAnswers` AS project_answers
INNER JOIN `my-project.A000111_ProgrammingAnswers` AS programming_answers
ON programming_answers.RESPONSE_ID = project_answers.RESPONSE_ID
GROUP BY 1,2
ORDER BY 3 DESC
لجعل تحليلاتك أكثر فعالية، يمكنك دمج ردود الاستطلاعات مع بيانات إدارة علاقات العملاء لمعرفة ما إذا كان المشاركون مرتبطين بأي حسابات سبق أن تم تضمينها في مستودع البيانات. ويمكن أن يساعد ذلك نشاطك التجاري في اتّخاذ قرارات مدروسة بشأن دعم العملاء أو استهداف المستخدمين لإطلاق المنتجات الجديدة.
في ما يلي، نوضّح كيفية دمج بيانات الاستطلاع في جدول حساب استنادًا إلى النطاق للمجيب والموقع الإلكتروني للحساب. يمكنك الآن الاطّلاع على توزيع الردود حسب نوع الحساب، ما يساعدك في معرفة عدد المجيبين الذين ينتمون إلى حسابات العملاء الحالية.
SELECT
account.TYPE AS account_type,
COUNT(DISTINCT project_answers.Domainname) AS project_answers_count_domains
FROM `my-project.A000111_ProjectAnswers` AS project_answers
LEFT JOIN `my-project.testing.account` AS account
ON project_answers.Domainname=account.website
GROUP BY 1
8. إجراء تحليلات مرئية
والآن بعد أن أصبحت بيانات الاستطلاع مركزية في مستودع بيانات، يمكنك تحليل البيانات بسهولة في أداة ذكاء تجاري. لقد أنشأنا بعض الأمثلة على التقارير في مركز البيانات وLooker.
Looker
إذا كان لديك مثيل Looker، يمكنك استخدام LookML في هذا المجلد للبدء في تحليل عيّنة الاستبيان وبيانات إدارة علاقات العملاء لهذا النمط. ما عليك سوى إنشاء مشروع Looker جديد وإضافة ملف LookML واستبدال أسماء الربط والجدول في الملف لمطابقة إعدادات BigQuery. إذا لم يكن لديك نسخة Looker ولكنك مهتم بالاطّلاع على مزيد من المعلومات، يمكنك تحديد موعد لتجربة تجريبية هنا.
مركز البيانات
بدلاً من ذلك، لإنشاء تقرير في مركز البيانات من Google، انقر على الإطار الذي يتضمّن علامة Google "تقرير فارغ" واربطه بخدمة BigQuery. اتّبِع جميع التعليمات الواردة من "استوديو البيانات". إذا أردت معرفة المزيد، يمكنك الاطّلاع على هنا على مقدمة عن ميزات "استوديو البيانات" الرئيسية وكيفية البدء بسرعة. يمكنك أيضًا العثور على لوحات بيانات "مركز البيانات" المُنشأة مسبقًا هنا.
9. تنظيف المحتوى
إنّ أسهل طريقة لإيقاف الفوترة هي حذف مشروع Cloud الذي أنشأته للدليل التعليمي. بدلاً من ذلك، يمكنك حذف الموارد الفردية.
- في Cloud Console، انتقِل إلى إدارة الموارد.
- في قائمة المشاريع، اختَر المشروع الذي تريد حذفه، ثم انقر على حذف.
- في مربّع الحوار، اكتب رقم تعريف المشروع، ثم انقر على إيقاف لحذف المشروع.