البيانات التي يمكن لبائع التجزئة عبر الانترنت تخزينها في قاعدة البيانات

البيانات التي يمكن لبائع التجزئة عبر الانترنت تخزينها في قاعدة البيانات

حل الوحدة الثانية قواعد البيانات مهارات رقمية ثالث متوسط ف1 ...

البيانات التي يمكن لبائع التجزئة عبر الإنترنت تخزينها في قاعدة بيانات يتم استخدام الاستعلامات فقط لإنشاء التقارير في مايكروسوفت أكسس تحتوي السجلات في جدول قاعدة البيانات على نفس العدد من

إدارة البيانات في قطاع البيع بالتجزئة - Azure Architecture ...

learn.microsoft.com › ar-sa › azureإدارة البيانات في قطاع البيع بالتجزئة - Azure Architecture ... learn.microsoft.com › ar-sa › azure Cachedمقدمةالفهمتجهيزالمتجرتحليلإجراءالختامالمكوناتالمساهمونالخطوات التاليةتعتبر البيانات ركيزةً أساسيةً في تطوير وتقديم أفضل تجارب البيع بالتجزئة. توجد البيانات في كل جانب من جوانب مؤسسة البيع بالتجزئة ويمكن استخدامها لاستخراج الرؤى عبر سلسلة القيمة في الأداء التشغيلي وسلوك العملاء، بالإضافة إلى الاستفادة منها لتشغيل تجارب الخدمة المحسنة. تكثر البيانات من خلال التصفح عبر الإنترنت إلى المشاركة الاجتماعية إلى الشراء داخل المتجر. غير أن انتقال البيانات لا يمثل سوى جزءًا من إدارة البيانات. يتطلب تجميع البيانات المتباينة لتحليلها معالجة مناسبة للبيانات عبر المؤسسة، وبالتالي تحسين قدرة بائع التجزئة على اتخاذ قرارات مؤثرة بشأن إدارة أعمالهم. مع انتشار التسوق عبر الهاتف المحمول على سبيل المثال، يتوقع العملاء أن يكون لدى تجار التجزئة كمية معقولة من البيانات المتعلقة بأساليب التسوق الخاصة بهم لاستخدامها في تحسين التجربة. مثال حالة الاستخدام هو منتج مخصص وعرض ترويجي يتم إرساله مباشرة إلى الجهاز المحمول الخاص بالعميل عند التسوق في موقع معين داخل متجر بيع بالتجزئة الفعلي. إن الاستفادة من البيانات حول ما، وأين، وكيف، وكم مرة، بالإضافة إلى مدخلات إضافية مثل توفر منتج المتجر، يخلق فرصا لإرسال رسائل ترويجية في الوقت الفعلي إلى جهاز العميل عندما يتسوق العميل بالقرب من منتج مستهدف. يمكن أن يؤدي الاستخدام الفعال للبيانات إلى تنشيط العميل للشراء من خلال مساعدة بائع التجزئة على تقديم تجربة أكثر صلة؛ على سبيل المثال، قد يرسل تجار التجزئة إلى العميل إشعارًا برمز خصم لموقع التجارة الإلكترونية الخاص ببائع التجزئة. علاوة على ذلك، ستقود هذه البيانات رؤى قابلة للتنفيذ يمكن لقادة الشركات من خلالها توجيه أعمالهم بقرارات مدعومة بالبيانات يتم الإبلاغ عن إجراء تقديم عرض ترويجي من خلال مجموعة نقاط البيانات ويتم تشغيله بواسطة العميل الذي يدخل المتجر. تعتمد القدرة على إجراء هذه الاتصالات والإجراءات الناتجة إلى نموذج إدارة البيانات الموضح أدناه. الشكل 1 عند إحضار البيانات إلى Azure، ضع في اعتبارك العناصر الثلاثة لمصادر البيانات وإمكانية تطبيقها على السيناريوهات التي يريد بائع التجزئة تمكينها. يمكن شراء المصادر الثلاثة لعناصر البيانات والعامة والملكية. See full list on learn.microsoft.com في البداية، يتم تحميل البيانات في Azure بتنسيقها الأصلي، وتخزن وفقًا لذلك الأمر. يمكن أن يصبح استلام مصادر البيانات المتباينة وإدارتها أمرًا شاقًا، ولكن Microsoft Azure يقدم خدمات لتحميل البيانات إلى السحابة بسرعة وسهولة، مما يجعلها متاحة للمعالجة في البنية الأساسية لبرنامج ربط العمليات التجارية لإدارة البيانات. يحتوي Azure على العديد من الخدمات المفيدة لترحيل البيانات. يعتمد الاختيار على نوع البيانات المرحلة. تعد خدمات Azure Database Migrationالمتعلقة بـ SQL Server وخدمة Azure Import/Exportمن العوامل التي تساعد على الحصول على البيانات في Azure. تتضمن خدمات دخول البيانات الأخرى التي يجب مراعاتها موصلات Azure Data FactoryوAzure Logic Apps. ولكل منها ميزاته الخاصة، ويجب التحقيق فيها لمعرفة التكنولوجيا التي تعمل بشكل أفضل للحالة المحددة. لا يقتصر عرض البيانات على تقنيات Microsoft. باستخدام Azure Marketplace، ربما يكون تجار التجزئة العديد من قواعد بيانات الموردين المختلفة في Azure للعمل مع الأنظمة المحلية الموجودة. يجب ألّا يحتفظ بجميع البيانات في Azure. على سبيل المثال، قد يتم الاحتفاظ ببيانات نقطة البيع (POS) محلياً حتى لا تؤثر انقطاعات الإنترنت على معاملات المبيعات. يمكن وضع هذه البيانات في قائمة الانتظار وتحميلها إلى Azure وفقاً لجدول زمني (ربما ليلًا أو أسبوعياً) لاستخدامها في التحليل، ولكن تعامل دائما مع البيانات المحلية باعتبارها مصدرًا للحقيقة. See full list on learn.microsoft.com قبل الشروع في التحليل، يجب إعداد البيانات. يعد تشكيل البيانات هذا مهمًا لضمان جودة النماذج التنبؤية والإبلاغ عن مؤشرات الأداء الرئيسية وأهمية البيانات. يوجد نوعان من البيانات التي يجب معالجتها عند إعداد البيانات للتحليل، منظمة وغير منظمة البنية. من الأسهل التعامل مع البيانات المنظمة نظرًا لأن تم تشكيلها وتنسيقها بالفعل. قد لا يتطلب الأمر سوى إجراء تحويل بسيط للانتقال من البيانات المنظمة بتنسيق المصدر إلى البيانات المنظمة الجاهزة لوظائف التحليل. توفر البيانات غير المنظمة عادة الكثير من الصعوبات. لا يمكن تخزين البيانات غير المنظمة بتنسيق طول سجل ثابت. ويدخل في نطاق الأمثلة على ذلك المستندات وموجزات وسائل التواصل الاجتماعي والصور الرقمية ومقاطع الفيديو. يجب إدارة هذه البيانات بصفةٍ مختلفةٍ عن البيانات المنظمة وغالبا ما تتطلب عملية مخصصة لضمان أن تنتهي هذه البيانات في مخزن البيانات الصحيح، بطريقة قابلة للاستخدام. يحدث تشكيل البيانات أثناء عملية Extract-Transform-Load (استخراج وتحويل وتحميل)، في مرحلة الإعداد. يتم استخراج البيانات من مصادر البيانات غير المتغيرة المستوردة إلى Azure أو «تنظيفها» أو إعادة تنسيقها حسب الحاجة، وتخزينها بتنسيق جديد منظم. تعتبر عملية إعداد بيانات (استخراج وتحويل وتحميل )الشائعة هي تحويل ملفات .csv أو Excel إلى ملفات parquet، والتي يسهل على أنظمة التعلم الآلي مثل Apache Spark قراءتها ومعالجتها بسرعة. السيناريو الشائع الآخر هو إنشاء ملفات (لغة التمييز قابلة الامتداد) أو JSON من ملفات .csv أو تنسيقات أخرى. التنسيق الناتج أسهل في الاستخدام باستخدام محركات التحليل الأخرى. في Azure، هناك العديد من تقنيات التحويل المتاحة كخدمات (استخراج وتحويل وتحميل) لإعادة تشكيل البيانات. تشمل الخيارات Azure Databricks أو Azure Functions أو Logic Apps. Databricks هو مثيل خدمة مدارة بصفةٍ كاملةٍ من Apache Spark، ويستخدم لتحويل البيانات من نموذج إلى آخر. Azure Functions هي وظيفة عديمة الحالة (أو «بلا خادم») مع مشغلات لإطلاقها وتشغيل التعليمات البرمجية. تدخل Logic Apps الخدمات. See full list on learn.microsoft.com لابد من مراعاة تخزين البيانات قبل المعالجة. يمكن أن تأتي البيانات بتنسيقات منظمة أو غير منظمة، وغالبًا ما يحدد شكل البيانات وجهة التخزين الخاصة بها. ربما تصبح البيانات ذات التنظيم الفائق على سبيل المثال مناسبة لـ Azure SQL. يمكن الاحتفاظ ببيانات Less المنظمة في تخزين البيانات الثنائية الكبيرة الحجم أو تخزين الملفات أو تخزين الجدول. تحتوي البيانات المخزنة في Azure على أداء رائع تم نسخها احتياطيًا من خلال اتفاقية مستوى الخدمة الصلبة (SLA). توفر خدمات البيانات حلولًا يسيرةً لإدارة الحلول، وقابلية الوصول العالية، والنسخ المتماثل عبر مواقع جغرافية متعددة، وقبل كل شيء، يقدم Azure مخازن البيانات والخدمات اللازمة لدفع التعلم الآلي. See full list on learn.microsoft.com بالنسبة لمشاكل مثل تقليل تكلفة المخزون، يمكن لمتاجر التجزئة استخدام التحليل الذي يطبق عن طريق عملية التعلم الآلي. يعد تحليل البيانات للمعالجة من خلال محرك التعلم الآلي للحصول على رؤى أعمق حول تجربة العملاء. تنتج هذه العملية نموذجا «يتعلم»، ويمكن تطبيقه على البيانات المستقبلية للتنبؤ بالنتائج. تحدد النماذج البيانات التي ستخضع للفحص، وطريقة تحليل البيانات من خلال خوارزميات مختلفة. استخدام بيانات الإخراج من التحليل مع العرض المصور للبيانات هو ما يمكن أن يؤدي إلى نتيجة تحليلية، مثل تقديم قسيمة داخل المتجر لعنصر من قائمة رغبة العميل في منصة التجارة الإلكترونية لمتاجر التجزئة. يُطبق تحليل البيانات عن طريق تغذية الأنظمة الإيكولوجية للتعلم بالبيانات المخزنة للمعالجة. عادة ما يكون هذا هو التعلم الآلي الذي يقوم به Hadoop أو Databricks أو مثيل Spark المدار ذاتيًا يعمل على جهاز ظاهري. يمكن أيضا القيام بذلك بسهولة ويسر عن طريق الاستعلام عن البيانات. يمكن في أحيانٍ كثيرةٍ العثور على نظرة ثاقبة على مؤشرات الأداء الرئيسية في بيانات نظيفة دون المرور عبر مسار التعلم الآلي. Hadoopهو جزء من خدمة Azure المدارة بالكامل، HDInsight. HDInsight هي عبارة عن مجموعة من أدوات تعلم البيانات المستخدمة لتدريب نماذج البيانات، وإخراج البيانات إلى مستودع بيانات، وتنفيذ الاستعلامات على Hadoop من خلال لغة استعلام Apache Hive. يمكن لـ HDInsight تحليل البيانات المتدفقة أو التاريخية. يمكن تطبيق مجموعة متنوعة من خوارزميات التعلم على البيانات باعتباره جزءًا من التدريب والحفاظ على نماذج البيانات. يحدد نموذج البيانات على نحو واضح بنية البيانات التي يتم إنتاجها للمحللين. أولا، يتم تنظيم البيانات وترتيبها بشكل مناسب. ومن ثم تخضع للمعالجة باستخدام نظام التعلم الآلي، مثل HDInsight أو Apache Spark. للتمكن من تنفيذ ذلك، تستخدم البيانات الموجودة لتدريب نموذج، والذي يستخدم بدوره في تحليل البيانات. يتم تحديث النموذج المدرب بصفةٍ دوريةٍ ببيانات جيدة ومعروفة لزيادة دقته أثناء التحليل. تستعمل خدمات التعلم الآلي النموذج لإجراء تحليل للبيانات التي تتم معالجتها. See full list on learn.microsoft.com تنتقل البيانات في البيع بالتجزئة باستمرار، ويجب على الأنظمة التي تتعامل معها القيام بذلك في الوقت المناسب. يجب معالجة بيانات متسوقي التجارة الإلكترونية بسرعة على سبيل المثال. يمكن ا استخدام العناصر الموجودة في سلة المشتري لتقديم خدمات إضافية، أو عناصر إضافية أثناء عملية السداد مع الخروج. تتحرك البيانات في البيع بالتجزئة باستمرار ويجب على الأنظمة التي تتعامل معها أن تفعل ذلك في الوقت المناسب. أي أنه يتم تحليل البيانات في نظام يمكنه الوصول إلى البيانات التي تمت معالجتها بالفعل ويتم تشغيله من خلال نموذج. قد تحدث عمليات «الدفعة» الأخرى على فترات منتظمة ولكن لا يلزم حدوثها في الفاصل الزمني تقريبًا. عند إجراء تحليل الدفعات محليًا، غالبًا ما تعمل هذه الوظائف في الليل أو في عطلات نهاية الأسبوع أو عندما لا تكون الموارد قيد الاستخدام. باستخدام Azure، يمكن توسيع نطاق وظائف الدفعات الكبيرة والأجهزة الظاهرية اللازمة لدعمها في أي وقت. اتبع الخطوات التالية للبدء. 1.أنشئ خطة استيعاب البيانات لمخازن البيانات التي توفر قيمة للتحليل الذي سيتم تنفيذه. من خلال خطة مفصلة لمزامنة البيانات أو ترحيلها، احصل على البيانات في Azure بتنسيقها الأصلي. 2.حدد الرؤى القابلة للتنفيذ المطلوبة، واختر مسار معالجة البيانات لاستيعاب أنشطة معالجة البيانات. 3.مع وضع ميزات البيانات هذه في الاعتبار، أنشئ مسار معالجة البيانات باستخدام الخوارزميات المناسبة للحصول على الرؤى التي يتم البحث عنها. See full list on learn.microsoft.com تتسم إدارة البيانات في البيع بالتجزئة بالتعقيد. ولكنه يوفر القدرة القيمة على لتقديم الملائمة وتجربة محسنة العملاء. باستخدام التقنيات الواردة في هذه المقالة، يمكن اكتساب رؤى لتحسين تجربة العملاء، وتحقيق نتائج أعمال مربحة والكشف عن الاتجاهات التي قد تدفع التحسينات التشغيلية. See full list on learn.microsoft.com خدمة ترحيل قاعدة البيانات في Azureخدمة Azure Import/ExportAzure Data FactoryAzure Logic AppsAzure Databricksدالات AzureAzure Data Lake AnalyticsAzure HDInsightPower BISee full list on learn.microsoft.com هذه المقالة تحتفظ بها Microsoft. تمت كتابتها في الأصل من قِبل المساهمين التاليين. المؤلفون الأساسيون ‣ديفيد ستار | مهندس تصميم حلول أساسية ‣ماريا زوروتوفيتش | رئيس تجربة العملاء، التكنولوجيا الناشئة HLS & See full list on learn.microsoft.com للاستمرار في فهم المزيد من إمكانيات Azure المتعلقة بتنفيذ البنية الأساسية لبرنامج ربط العمليات التجارية لإدارة البيانات، اقرأ ما يلي ‣راجع الطريقة التي يمكن لـ Azure Data Factory المساعدة في استيعاب البيانات من مخازن البيانات المحلية في Azure. ‣تعرف على المزيد حول طريقة عمل Azure Data Lake كمخزن لجميع البيانات، سواء كانت منظمة وغير منظمة. ‣راجع تقارير البيع بالتجزئة الفعلية التي توضح كيف يمكن ل Power BI تقديم رؤى أعمق حول الأسئلة المعروفة، من خلال تمكين تحليل الاتجاه. ‣تفضل بزيارة Azure Marketplace للتمكن من إيجاد حلول متوافقة مع الحلول المحلية بالفعل. وثائق المنتج See full list on learn.microsoft.com

مراجعة شاملة الصف الثالث-الفصل الأول 1445-المهارات الرقمية

41) البيانات التي يمكن لبائع التجزئة عبر الانترنت تخزينها في قاعدة البيانات هي a) جداول العاملين b) حملات تسويقية c) سجل طلب العميل 42) جدول قاعدة البيانات هو مجموعة من a) النصوص b) الصور c) الارقام ...

قاعدة بيانات على النت - ويكيبيديا

قاعدة البيانات على النت أو قاعدة البيانات الإنترنتية هي قاعدة بيانات يمكن الوصول إليها من الشبكة المحلية أو من الإنترنت ، مقارنة بقاعدة بيانات مخزنة على كمبيوتر فردي أو على تخزين مخلي مرفقة ...

إنشاء قواعد البيانات - المهارات الرقمية - ثالث متوسط - المنهج ...

اختر الإجابة الصحيحة البيانات التي يمكن لبائع التجزئة عبر الإنترنت تخزينها في قاعدة بيانات اختر الإجابة الصحيحة في علاقة رأس برأس يكون عدد سجلات الجدول الأول

ما المقصود بتجزئة قاعدة البيانات؟ - شرح تجزئة قاعدة البيانات ...

تقسيم قاعدة البيانات يتغلب على هذا القيد عن طريق تقسيم البيانات إلى أجزاءٍ أصغر، تسمى أجزاء من البيانات، وتخزينها عبر العديد من خوادم قواعد البيانات.