كيف يتعامل iDBQuery مع البيانات الفوضوية أو غير النظيفة؟
يعمل iDBQuery مع بياناتك كما هي: فطبقته الدلالية تربط أسماء الأعمدة الغامضة بمعناها الحقيقي، وهو يقرأ الصيغ غير المتّسقة ويطبّق OCR على المستندات الممسوحة ضوئيًّا، ويشير إلى القيم الفارغة والتكرارات والقيم الشاذة عندما تطلب. وهو ينظّف داخل الاستعلام بدلًا من فرض مشروع ETL مسبق.
صُمِّم iDBQuery للعمل مع بيانات حقيقية غير مثالية بدلًا من مستودع نقيّ: - تربط طبقته الدلالية أسماء الجداول والأعمدة الغامضة (تخيّل cust_dt وamt_2) بمعناها التجاري الحقيقي، فتستطيع السؤال بلغة طبيعية حتى عندما يكون المخطّط مبهمًا. - يقرأ الصيغ غير المتّسقة ويستطيع تطبيق OCR على ملفات PDF ومجلّدات المستندات الممسوحة ضوئيًّا، محوّلًا إياها إلى بيانات قابلة للاستعلام. - يتولّى التنظيف داخل الاستعلام، فيعوّض القيم الفارغة ويوحّد النص ويحوّل الأنواع، بدلًا من اشتراط مشروع ETL مسبق.
مثال تطبيقي: على جدول بصيغ تواريخ مختلطة وقيم فارغة متناثرة، تسأل «الإيراد الشهري، مع تجاهل الصفوف الخالية من مبلغ»، فيكتب iDBQuery استعلام SQL يصفّي ويحوّل الأنواع بشكل مناسب، ثم يُسنِد ما أدرجه.
ويمكنك أيضًا توجيه iDBQuery نحو الفوضى لفحصها: «اعثر على الصفوف ذات القيم المفقودة أو المشوَّهة» يعيد الصفوف المخالِفة كي تصلحها في المصدر.
وما يميّزه هو أن البيانات غير النظيفة لا تعرقلك. فحزمة ذكاء الأعمال التقليدية تحتاج إلى نمذجة البيانات وتنظيفها قبل أن يتمكّن أحد من طرح سؤال؛ أما iDBQuery فيتيح لك الاستعلام عنها كما هي، منظّفًا داخل الاستعلام وعارضًا استعلام SQL كي ترى بالضبط كيف تعامل مع الفوضى. ولأن كل رقم مُسنَد، يمكنك التحقق من أن الرقم المنظَّف يرتكز على الصفوف التي تتوقّعها.
Updated 2026-06-22