جداول بيانات جوجل: إنشاء قائمة فريدة عبر أعمدة متعددة

تُعد معالجة البيانات الضخمة وتنظيمها حجر الزاوية في عصر التحول الرقمي الحديث، حيث تعتمد المؤسسات الأكاديمية والشركات التجارية على دقة السجلات الرقمية لاستخلاص الرؤى التحليلية واتخاذ القرارات الاستراتيجية. في هذا السياق، تبرز بيئة جداول بيانات جوجل (Google Sheets) كأداة سحابية رائدة تجمع بين المرونة التشغيلية والقدرات الحسابية المتقدمة. غير أن التحدي الأكثر إلحاحاً الذي يواجه محللي البيانات يكمن في التعامل مع التكرار المتأصل في المصفوفات متعددة الأبعاد، حيث تتشتت المعلومات عبر أعمدة متوازية تتطلب إعادة هيكلة وتجريداً دقيقاً لإنتاج قوائم موحدة خالية من التكرار دون الإخلال بسلامة البيانات الأصلية.

يتناول هذا البحث التحليلي الشامل الآليات الرياضية والبرمجية المعقدة المستخدمة لإنشاء قوائم فريدة عبر أعمدة متعددة داخل جداول بيانات جوجل. سنغوص عميقاً في البنية التركيبية لدالتي UNIQUE و FLATTEN، ونستعرض النماذج الرياضية التي تفسر كيفية تفكيك المصفوفات ثنائية الأبعاد وتحويلها إلى متجهات أحادية البعد قابلة للفلترة والتنقية. كما سنناقش بالتفصيل سيناريوهات المعالجة المتقدمة التي تشمل إدارة الفراغات، والتحكم في حساسية النصوص، والتعامل مع النطاقات الديناميكية غير المحدودة، وربط الصيغ المتقدمة بلغات الاستعلام والبرمجة النصية عبر Google Apps Script لتأسيس بنية تحتية رقمية فائقة الكفاءة.

إن فهم التفاعل الخوارزمي بين الدوال المصفوفية المختلفة ليس مجرد مهارة تقنية، بل هو نهج هندسي متكامل لإدارة البيانات يضمن تقليص زمن المعالجة وتفادي الاختناقات الحسابية في المستندات واسعة النطاق. يقدم هذا الدليل المرجعي إطاراً نظرياً وتطبيقياً متكاملاً، مدعماً بدراسات حالة عملية وأمثلة برمجية دقيقة، لتمكين الباحثين والمهندسين ومحللي الأعمال من بناء نماذج بيانات رصينة تتسم بالمرونة وقابلية التوسع والاستدامة التشغيلية الكاملة.

1. مدخل مفاهيمي لمعالجة البيانات وتكرارها في جداول بيانات جوجل

1.1 طبيعة البيانات المكررة في بيئات العمل الرقمية

تمثل مشكلة تكرار السجلات أحد أبرز التحديات البنيوية في تنقية البيانات (Data Cleansing) وإدارتها، لا سيما في البيئات غير المهيكلة والمهيكلة جزئياً. يحدث التكرار عادة نتيجة تعدد قنوات الإدخال، أو جمع البيانات من مصادر استبيانية مختلفة مثل نماذج جوجل، أو بسبب دمج قواعد بيانات فرعية تفتقر إلى معايير توحيد المفاتيح الأساسية (Primary Keys). تتجلى هذه الظاهرة بوضوح عندما تُسجل سمات متشابهة أو متماثلة لكيان معين عبر أعمدة متجاورة، كما هو الحال في تسجيل مهارات الموظفين، أو الفروع الجغرافية للشركات، أو مراكز اللاعبين في الأندية الرياضية، حيث تظهر القيمة ذاتها في العمود الأول والثاني والثالث دون نسق خطي ثابت.

يتجاوز الأثر السلبي للبيانات المكررة مجرد الفوضى البصرية داخل ورقة العمل؛ إذ يمتد ليقوض الموثوقية الإحصائية للتحليلات برمتها. عند حساب الانحراف المعياري، أو المتوسطات المرجحة، أو معاملات الارتباط، يؤدي التكرار غير المنضبط إلى تضخيم العينات (Sample Inflation) وتشويه النتائج، مما يقود صناع القرار إلى استنتاجات مضللة. علاوة على ذلك، تتسبب السجلات الفائضة في زيادة استهلاك الذاكرة المخصصة للمستند، مما يبطئ عمليات إعادة الحساب ويثقل كاهل خوادم المعالجة السحابية.

من هذا المنطلق، تبرز الأهمية القصوى لتقنيات الفرز والتنقية التلقائية مقارنة بالمعالجة اليدوية التقليدية. إن الاعتماد على التدخل البشري لحذف السجلات المكررة عبر فحص آلاف الخلايا لا يستهلك وقتاً طائلاً فحسب، بل يفتح الباب واسعاً أمام الأخطاء التشغيلية والحذف غير المقصود للبيانات الحيوية. توفر الحلول الخوارزمية المؤتمتة داخل جداول بيانات جوجل مساراً ديناميكياً يحافظ على سلامة البيانات المصدرية، مع توليد مخرجات نقية تتكيف لحظياً مع أي تعديل يطرأ على المدخلات الأساسية.

1.2 المفاهيم الأساسية لتنظيم المصفوفات في جداول بيانات جوجل

تعتمد جداول بيانات جوجل في بنيتها التحتية على معالجة البيانات بنظام المصفوفات الرياضية (Arrays)، حيث يُعرّف النطاق متعدد الأعمدة (Multi-Column Range) بأنه مصفوفة ثنائية الأبعاد تتألف من شبكة من الصفوف والأعمدة يتم تخزينها في ذاكرة النظام ككتلة مترابطة من المؤشرات المرجعية. يتم تمثيل هذا النطاق رياضياً بالرمز $M \times N$، حيث يمثل $M$ عدد الصفوف الرأسية ويمثل $N$ عدد الأعمدة الأفقية. هذا الترتيب الذاكراتي يفرض قيوداً محددة على كيفية قراءة واسترجاع القيم، إذ تتعامل بيئة المعالجة مع كل صف كمتجه فرعي مستقل داخل المصفوفة الكلية.

من الضروري هنا التمييز البنيوي الدقيق بين مفهوم تفرد الصف بالكامل (Row-level Uniqueness) وتفرد القيم المنفصلة (Cell-level Uniqueness). في الحالة الأولى، يُعد السجل فريداً طالما أن تركيبة القيم عبر كافة الأعمدة المحددة داخل الصف لا تتطابق حرفياً مع صف آخر، حتى وإن تكررت قيمة معينة في أحد الأعمدة. أما في الحالة الثانية، فإن الهدف التحليلي يتطلب تجريد كل خلية كقيمة قائمة بذاتها، وتجريد النطاق بأكمله لإنتاج قائمة أحادية البعد تحتوي على القيم المطلقة غير المكررة بصرف النظر عن موقعها الأصلي في المصفوفة الثنائية.

تؤدي الدوال المصفوفية (Array Formulas) دور المحرك الأساسي في هذه المعالجات، حيث تتميز بسلوك التمدد التلقائي (Spill Behavior) عبر الخلايا المجاورة. عند كتابة دالة مصفوفية في خلية مفردة، تقوم البيئة باحتساب النتائج وتوزيعها ديناميكياً على النطاق المطلوب دون الحاجة إلى نسخ الصيغة يدوياً. هذا السلوك يضمن ترابط المخرجات وتحديثها المتزامن، ولكنه يتطلب في الوقت ذاته إخلاء المساحة الجغرافية المحيطة بالخلية المصدرية لتفادي أخطاء حجب التمدد التي تعيق تنفيذ العمليات الحسابية.

1.3 الأهداف التحليلية لاستخراج القيم غير المكررة

يمثل استخراج القيم غير المكررة ركيزة جوهرية في مرحلة التحليل الاستكشافي للبيانات (Exploratory Data Analysis)، حيث يشكل تطهير البيانات خطوة تأسيسية لا غنى عنها قبل الشروع في بناء النماذج الرياضية المعقدة أو تغذية خوارزميات التعلم الآلي. إن ضمان خلو المتغيرات المستقلة والتابعة من التكرارات غير المبررة يسهم في رفع كفاءة النمذجة الإحصائية ويمنع التحيز المعرفي الناتج عن تراكم البيانات المتطابقة في مجموعات التدريب والاختبار.

إلى جانب ذلك، تُستخدم القوائم الفريدة كأداة معيارية لبناء القوائم المرجعية وضوابط التحقق من صحة البيانات (Data Validation). من خلال إنشاء قائمة فريدة ومستمرة للقيم المسموح بها—مثل أسماء الموردين المعتمدين أو التصنيفات القياسية للمنتجات—يمكن تقييد عمليات الإدخال المستقبلية عبر قوائم منسدلة ديناميكية تستمد عناصرها مباشرة من هذه المخرجات المنقاة، مما يمنع حدوث أخطاء إملائية أو إدخالات شاذة منذ البداية.

أخيراً، يؤدي تقليص الحجم الإجمالي للنطاقات عبر عزل القيم الفريدة إلى تحسين جوهري في أداء العمليات الحسابية اللاحقة. عندما تُبنى دوال البحث والمطابقة، مثل دالتي XLOOKUP و INDEX/MATCH، على نطاقات مفهرسة تحتوي فقط على القيم الفريدة، ينخفض عدد المقارنات الثنائية التي يضطر المعالج لتنفيذها للوصول إلى النتيجة المطلوبة، مما ينعكس إيجابياً على سرعة استجابة ورقة العمل ويقلل من استهلاك الموارد السحابية المخصصة للمستخدم.

2. البنية الرياضية والوظيفية لدالة UNIQUE في جداول بيانات جوجل

2.1 التحليل النحوي (Syntax) والمحددات البنيوية لدالة UNIQUE

تُعد دالة UNIQUE إحدى الدوال المصفوفية المدمجة الأكثر كفاءة في جداول بيانات جوجل، وتأتي ببنية نحوية محددة تتألف من معامل إلزامي ومعاملين اختياريين، وتُكتب صياغتها العامة على النحو التالي: =UNIQUE(range, [by_column], [exactly_once]). يمثل المعامل الأول range النطاق الجغرافي للبيانات المراد معالجتها، ويمكن أن يكون نطاقاً أحادي العمود، أو أحادي الصف، أو مصفوفة متعددة الأبعاد، ويقبل كافة أنواع البيانات الرقمية والنصية والمنطقية دون استثناء.

المعامل الثاني by_column هو قيمة منطقية اختيارية (تأخذ القيمة الافتراضية FALSE). عند ضبطه على FALSE، تقوم الدالة بفحص البيانات وتصفية التكرارات على أساس الصفوف الرأسية، وهو النمط الأكثر شيوعاً في قواعد البيانات. أما إذا تم تعيينه إلى TRUE، فإن الدالة تعكس اتجاه الفحص ليصبح أفقياً، حيث تقارن الأعمدة ببعضها البعض وتستبعد الأعمدة المتطابقة بالكامل، وهو أمر بالغ الأهمية عند معالجة الجداول الزمنية الأفقية أو البيانات المنقولة مصفوفياً.

المعامل الثالث exactly_once هو أيضاً قيمة منطقية اختيارية (افتراضياً FALSE). عند تركه على حالته الافتراضية، تُرجع الدالة كافة القيم أو الصفوف الفريدة مع إبقاء الظهور الأول لكل عنصر مكرر. ولكن عند ضبطه على TRUE، يتغير السلوك الرياضي للدالة جذرياً؛ إذ تقوم بعزل واستخراج القيم التي لم تتكرر مطلقاً في النطاق الأصلي وتتجاهل تماماً أي قيمة ظهرت أكثر من مرة واحدة، وهو ما يُعد مفيداً للغاية في عمليات التدقيق المالي واكتشاف المعاملات الشاذة أو الحصرية.

2.2 الخوارزمية البرمجية لمعالجة الصفوف الفريدة

تعتمد دالة UNIQUE في جوهرها البرمجي على خوارزمية فحص تعتمد على بناء جدول تجزئة (Hash Table) في الذاكرة المؤقتة. عند تمرير نطاق متعدد الأعمدة، تبدأ الخوارزمية بمسح السجل الأول، وتوليد بصمة رقمية فريدة تمثل تركيبة خلايا ذلك الصف مجتمعة. يتم تخزين هذه البصمة في الذاكرة، ثم تنتقل الخوارزمية إلى السجل التالي لتقارن بصمته بالبصمات المسجلة مسبقاً. إذا كانت البصمة جديدة، يتم إلحاق الصف بمصفوفة المخرجات، أما إذا تطابقت مع بصمة سابقة، فيتم تجاوزه بالكامل.

تتعامل الخوارزمية بصرامة مع أنواع البيانات المختلفة؛ فالأرقام تُقارن بقيمتها الحسابية المجردة، في حين تُعامل النصوص وفقاً لتسلسل رموز اليونيكود الخاصة بها. التواريخ والأوقات يتم التعامل معها كأرقام تسلسلية تسلسلية (Serial Numbers) كامنة، مما يعني أن التاريخ المنسق بصيغة “YYYY-MM-DD” سيتطابق تماماً مع التاريخ نفسه إذا كان منسقاً بصيغة “DD/MM/YYYY” طالما أن القيمة الرقمية الأساسية متطابقة في البنية التحتية للمستند.

يؤثر الترتيب الأصلي للبيانات بشكل مباشر على المخرجات النهائية للقائمة الناتجة. تحتفظ دالة UNIQUE دائماً بالترتيب النسبي للظهور الأول لكل عنصر في النطاق المصدر. هذا يعني أن الصف الذي يظهر أولاً في السطر الثاني من الجدول الأصلي سيحتل المرتبة الأولى في مصفوفة النتائج، مما يحافظ على التتابع المنطقي للبيانات دون فرض ترتيب أبجدي أو رقمي تلقائي، إلا إذا تم دمج الدالة صراحة مع دوال الترتيب المتخصصة.

2.3 القيود التشغيلية لدالة UNIQUE المجردة

على الرغم من القوة الرياضية لدالة UNIQUE، إلا أنها تعاني من قيد بنيوي جوهري عند تطبيقها بمفردها على نطاقات متعددة الأعمدة: فهي عاجزة تماماً عن دمج أو صهر الأعمدة المتعددة في عمود واحد تلقائياً. عند تمرير نطاق مثل A2:C20 إلى دالة =UNIQUE(A2:C20)، تفترض الدالة أن المستخدم يرغب في تصفية الصفوف ككتل موحدة، وستنتج مصفوفة ثلاثية الأعمدة تحتوي على الصفوف الفريدة، ولن تستخرج قائمة فريدة موحدة من كافة الخلايا الفردية الموزعة عبر تلك الأعمدة.

ينبع هذا القيد من التزام الدالة بالحفاظ على العلاقات البنيوية ثنائية الأبعاد للمصفوفات. تتعامل الدالة مع كل صف كمجموعة مترابطة من المتغيرات (Tuples)، وتفترض أن الخلية A2 مرتبطة سياقياً بالخلية B2 والخلية C2. وبالتالي، لا يمكن للدالة بمفردها كسر هذا الارتباط الأفقي لإعادة تجميع الخلايا عمودياً، مما يستدعي الاستعانة بدوال مساعدة لتحويل الأبعاد قبل تطبيق خوارزمية إزالة التكرار.

بالإضافة إلى ذلك، تفرض بيئة المعالجة السحابية حدوداً على استهلاك الذاكرة عند تطبيق دالة UNIQUE على نطاقات ضخمة تتجاوز مئات الآلاف من الخلايا. على الرغم من أن الخوارزمية ذات تعقيد زمني يقارب $O(N)$، إلا أن عمليات المقارنة المتعددة للأعمدة العريضة تتطلب مساحة ذاكرية متزايدة لتخزين جداول التجزئة، مما قد يؤدي في بعض الحالات القصوى إلى بطء ملحوظ في تحديث ورقة العمل إذا لم يتم ترشيد النطاقات المستهدفة بدقة.

3. إنشاء قائمة فريدة من الصفوف عبر أعمدة متعددة باستخدام الصيغة القياسية

3.1 تطبيق الصيغة الأساسية =UNIQUE(range) على نطاقات ثنائية الأبعاد

عند الرغبة في استخراج السجلات الفريدة مع الحفاظ على التكامل الهيكلي بين المتغيرات المتجاورة، يتم تطبيق الصيغة الأساسية للدالة مباشرة على النطاق ثنائي الأبعاد. تبدأ الخطوات المنهجية بتحديد النطاق المصدر الخالي من صفوف العناوين الرئيسية، وليكن على سبيل المثال A2:C20، ثم كتابة الصيغة =UNIQUE(A2:C20) في الخلية العلوية الأولى من المساحة المخصصة للتقرير الجديد.

تضمن هذه العملية الرياضية بقاء الروابط الأفقية بين المتغيرات في السجل الواحد دون مساس. فإذا كان السجل يمثل بيانات موظف تتضمن (الاسم، القسم، المسمى الوظيفي)، فإن الدالة لن تفصل الاسم عن قسمه أو مسماه، بل ستفحص التركيبة الثلاثية معاً. إذا تكرر نفس الاسم في نفس القسم بنفس المسمى في صف لاحق، يتم حذفه، أما إذا تطابق الاسم واختلف القسم أو المسمى، فسيتم الإبقاء على كلا الصفين كمدخلين مستقلين تماماً.

لتوضيح ذلك بدراسة حالة تطبيقية: لنفترض وجود جدول لسجلات لاعبي أندية كرة القدم يمتد عبر الأعمدة A (اسم اللاعب)، و B (المركز الميداني)، و C (اسم النادي). في حالة وجود إدخال مكرر للاعب معين انتقل بين أندية مختلفة أو أُدخلت بياناته مرتين بالخطأ لنفس النادي، فإن تطبيق الصيغة =UNIQUE(A2:C20) سيزيل فقط التكرار المطابق تماماً للثلاثية (اللاعب، المركز، النادي)، مما يوفر قاعدة بيانات نظيفة للسجلات التاريخية للرياضيين دون الإخلال بتمثيلهم الدقيق في أنديتهم المختلفة.

3.2 تفسير سلوك التمدد والانسكاب (Spill Behavior)

تتميز مخرجات دالة UNIQUE بكونها مصفوفة ديناميكية متمددة تتدفق تلقائياً من الخلية التي تحتوي على الصيغة وتنسكب عبر الأعمدة والصفوف المجاورة بالقدر الذي يتطابق تماماً مع أبعاد النتيجة المحسوبة. إذا كانت النتيجة تحتوي على 10 صفوف فريدة ممتدة عبر 3 أعمدة، فإن الدالة ستحتل تلقائياً نطاقاً بحجم 10×3 خلايا، وتكون الخلية العلوية اليسرى (أو اليمنى في الواجهات العربية) هي الخلية الرئيسية الحاضنة للصيغة، بينما تظهر الخلايا المتبقية كمخرجات مشتقة لا يمكن تعديلها بشكل منفصل.

تنشأ إحدى المشكلات الشائعة عند اعتراض بيانات مسبقة لمسار هذا التمدد الديناميكي، مما يؤدي إلى ظهور خطأ الحجب المرجعي الشهير #REF! مع رسالة تحذيرية تفيد بأن “مصفوفة النتائج لم تُوسع لأنها ستؤدي إلى الكتابة فوق البيانات”. لحل هذا الإشكال، يجب مسح كافة النصوص أو الأرقام أو الفراغات المخفية الموجودة في مسار التمدد المحتمل، بمجرد تفريغ هذا المسار، تتدفق المصفوفة تلقائياً وتختفي رسالة الخطأ فوراً.

لضمان استقرار هذا السلوك التمددي والتحديث اللحظي للبيانات، يُنصح بتخصيص ورقة عمل مستقلة لعرض المخرجات، أو عزل منطقة المخرجات في مساحة بعيدة عن جداول الإدخال اليدوي. يضمن هذا الإجراء الوقائي عدم قيام المستخدمين بكتابة ملاحظات أو بيانات عارضة في الخلايا الواقعة أسفل الصيغة، مما يضمن استمرارية تدفق البيانات الفريدة لحظياً مع كل تعديل يطرأ على الجدول الأساسي.

3.3 التحقق من صحة المخرجات المتعددة الأعمدة

بعد تطبيق الدالة واستخراج السجلات الفريدة، تأتي مرحلة التحقق الإحصائي لتقييم دقة النتائج وقياس حجم البيانات المستبعدة. يتم حساب معدل التكرار في البيانات الأصلية عبر مقارنة عدد الصفوف الناتجة بعدد الصفوف في النطاق المصدر باستخدام المعادلة الإحصائية: $\text{معدل التكرار} = 1 – (\frac{\text{عدد الصفوف الفريدة}}{\text{إجمالي الصفوف الأصلية}})$. يمكن أتمتة هذا الحساب باستخدام صيغة مركبة تعتمد على دالة ROWS، مثل: =1 - (ROWS(UNIQUE(A2:C20)) / ROWS(A2:C20)).

للتأكد القاطع من فرادة السجلات المستخرجة وعدم وجود أخطاء في منطق التمايز، يمكن توظيف دالة العد الشرطي المتعدد COUNTIFS لإنشاء عمود تدقيق إحصائي. يقوم هذا العمود بحساب عدد مرات تكرار كل صف ناتج داخل الجدول الأصلي، ويجب أن تكون النتيجة مساوية لواحد أو أكثر لكل صف فريد، مما يثبت أن كل عنصر في القائمة الجديدة يمثل بالفعل سجلاً حقيقياً تم استخلاصه من البيانات المصدرية.

تتجلى أهمية هذا التحقق عند التعامل مع صفوف تتشابه في معظم خصائصها وتختلف في تفصيلة طفيفة؛ كأن يتشابه اسمان ويختلف رقم المعرف الوظيفي أو حرف واحد في البريد الإلكتروني. يساعد التدقيق الإحصائي المحلل على التمييز بين التكرار الفعلي الناتج عن أخطاء الإدخال والتكرار الظاهري المشروع الذي يعكس حالات واقعية متباينة، مما يرفع من جودة التقرير النهائي ومصداقيته التحليلية.

4. فهم دالة FLATTEN ودورها في تسطيح المصفوفات متعددة الأبعاد

4.1 الأساس النظري لدالة FLATTEN وتاريخ إضافتها إلى جداول بيانات جوجل

يُعد مفهوم “تسطيح البيانات” (Data Flattening) في علوم الحاسوب وهندسة البيانات عملية تحويل بنيوية تهدف إلى تقليص الرتبة البعدية للمصفوفات، حيث يتم تحويل الهياكل ثنائية الأبعاد (2D Arrays) أو متعددة الأبعاد إلى متجهات خطية أحادية البعد (1D Arrays). في سياق جداول البيانات، يعني التسطيح أخذ شبكة مكونة من صفوف وأعمدة متقاطعة وإعادة ترتيب كافة عناصرها لتصبح في عمود واحد مستمر ومتتابع دون فقدان أي من القيم الفردية.

أضافت شركة جوجل دالة FLATTEN بشكل غير معلن رسمياً في البداية ضمن تحديثات محرك الحسابات لجداول البيانات، قبل أن تصبح دالة قياسية معتمدة نظراً للحاجة الماسة إليها. قبل إتاحة هذه الدالة، كان المحللون يضطرون إلى كتابة صيغ بالغة التعقيد تعتمد على دمج النصوص باستخدام فواصل اصطناعية عبر الدالتين JOIN و SPLIT، أو استخدام دوال مصفوفية متداخلة تعتمد على دالتي TRANSPOSE و ARRAYFORMULA، مما كان يتسبب في بطء شديد واستهلاك غير مبرر للذاكرة.

يمثل إدخال FLATTEN نقلة نوعية في كفاءة المعالجة؛ حيث تتعامل الدالة مباشرة مع الذاكرة الثنائية للبيانات دون الحاجة إلى تحويل القيم إلى نصوص مؤقتة ثم إعادة تفكيكها. أدى ذلك إلى تسريع معالجة المصفوفات الكبيرة بمئات المرات مقارنة بالحلول الالتفافية القديمة، فضلاً عن توفير صياغة برمجية نظيفة وبسيطة يسهل فهمها وصيانتها ضمن المشاريع المشتركة.

4.2 آلية مسح وقراءة البيانات داخل دالة FLATTEN

تتبع دالة FLATTEN خوارزمية مسح صارمة ومحددة بدقة عند قراءة الخلايا من النطاق المستهدف. تبدأ الدالة بقراءة الصف الأول من النطاق من أقصى اليسار إلى اليمين (أو وفق اتجاه الورقة)، وتضع قيمه في المخرجات العمودية، ثم تنتقل فوراً إلى الصف الثاني لتقرأ خلاياه بنفس التسلسل الأفقي، وتستمر في هذه العملية التكرارية صفاً تلو الآخر حتى تصل إلى الخلية السفلية الأخيرة من النطاق المحدد.

عند تمرير نطاقات منفصلة أو متباعدة جغرافياً داخل ورقة العمل باستخدام وسائط متعددة مثل =FLATTEN(A2:B10, D2:E10)، تطبق الدالة خوارزمية المسح التسلسلي على النطاق الأول بالكامل حتى تنتهي منه، ثم تنتقل لمسح النطاق الثاني وتلحق نتائجه مباشرة أسفل نتائج النطاق الأول. هذا السلوك يمنح المحلل تحكماً كاملاً في ترتيب تدفق البيانات عبر التحكم في ترتيب إدخال النطاقات داخل الصيغة.

من أهم المزايا التقنية لدالة FLATTEN هي قدرتها الفائقة على الحفاظ على سلامة أنواع البيانات الأصلية أثناء عملية التحويل التسطيحي. فالأرقام تظل مخزنة كأرقام حسابية، والتواريخ تحتفظ بأرقامها التسلسلية، والقيم المنطقية (TRUE/FALSE) تظل كما هي دون تحويلها قسرياً إلى سلاسل نصية (Strings)، وهو ما يضمن عدم تعطل الدوال الرياضية والمنطقية التي قد تُطبق لاحقاً على العمود المسطح الناتج.

4.3 مزايا استخدام FLATTEN مقارنة بالدوال المصفوفية المركبة

تبرز الكفاءة الحسابية لدالة FLATTEN بوضوح عند مقارنتها بالبدائل التقليدية المعقدة. تتميز الدالة بزمن تنفيذ خطي $O(N)$ حيث يمثل $N$ إجمالي عدد الخلايا في النطاق، مما يجعلها خفيفة للغاية على موارد المتصفح وخوادم جوجل السحابية. هذا الانخفاض في استهلاك الموارد يمنع تجمد واجهة المستخدم وظهور مؤشر التحميل المستمر عند التعامل مع أوراق عمل تشتمل على عشرات الآلاف من الصفوف.

بالإضافة إلى الأداء، تساهم بساطة الصياغة النحوية لدالة FLATTEN في تقليص احتمالية الأخطاء البشرية أثناء التركيب البرمجي للصيغ. فبدلاً من كتابة معادلات طويلة تتضمن مصفوفات إزاحة ومؤشرات صفوف وأعمدة معقدة تتطلب تدقيقاً مكثفاً وتصحيحاً مستمراً للأخطاء، تُكتب الدالة بصيغة مباشرة ومقروءة يفهمها أي محلل بيانات على الفور بمجرد النظر إلى الكود.

تتجلى مرونة الدالة أيضاً في قدرتها الفريدة على قبول نطاقات متغيرة الأحجام وغير متماثلة الأبعاد دون إظهار أخطاء عدم تطابق الأبعاد التي تفرضها دوال المصفوفات القياسية. يمكن لـ FLATTEN دمج عمود فردي مع جدول ثلاثي الأعمدة وصف أحادي في صيغة واحدة وسلسة، مما يجعلها الأداة المثالية لتجميع البيانات المبعثرة عبر أجزاء متباينة من ورقة العمل تمهيداً لتنقيتها ومعالجتها.

5. دمج UNIQUE مع FLATTEN لإنتاج قائمة فريدة أحادية العمود

5.1 التركيب الهيكلي للصيغة التراكمية =UNIQUE(FLATTEN(range))

يمثل دمج دالتي UNIQUE و FLATTEN الحل المعماري الأكمل والأكثر أناقة لمشكلة استخراج قائمة فريدة أحادية العمود من نطاق متعدد الأعمدة. يتم بناء الصيغة التراكمية بتضمين دالة التسطيح داخل دالة التفريد على النحو التالي: =UNIQUE(FLATTEN(range)). يعمل هذا التركيب وفق تسلسل منطقي محكم يعتمد على تدفق البيانات من الداخل إلى الخارج (Inside-Out Execution).

في المرحلة الأولى من التنفيذ، تستقبل دالة FLATTEN النطاق ثنائي الأبعاد (وليكن A2:C20)، وتقوم فوراً بكسر الحواجز الهيكلية بين الأعمدة وتحويل كافة الخلايا إلى متجه عمودي أحادي البعد يتضمن جميع القيم مصفوفة فوق بعضها البعض. بعد اكتمال هذا التحويل التسطيحي، يُمرر هذا المتجه الأحادي الناتج مباشرة كمدخل وحيد إلى دالة UNIQUE في المرحلة الثانية، لتقوم بدورها بفحص المتجه واستبعاد كافة التكرارات، منتجة عموداً واحداً ونقياً يحتوي على كل قيمة فريدة ظهرت في أي خلية من خلايا النطاق الأصلي.

لدراسة هذا التطبيق عملياً: لنفترض وجود قاعدة بيانات لتوزيع المهام في مشروع برمجي، حيث تم تخصيص الأعمدة A و B و C لتسجيل المهارات التقنية المطلوبة لكل مهمة (مثل: Python في A2، و SQL في B2، و Python مرة أخرى في C3). بتطبيق الصيغة =UNIQUE(FLATTEN(A2:C20))، يتم تسطيح كافة المهارات في مصفوفة واحدة ثم إزالة التكرارات، فنحصل على قائمة رأسية موحدة تحتوي على كافة المهارات الفريدة المطلوبة في المشروع ككل، مثل (Python, SQL, Java, …)، دون تكرار أي مهارة مهما تكرر ظهورها عبر الأعمدة المختلفة.

5.2 تجميع النطاقات المتفرقة عبر معامِلات المصفوفات {}

في كثير من التطبيقات العملية، لا تكون البيانات المراد تجميعها موجودة في نطاق متصل ومستطيل، بل تكون موزعة عبر أعمدة متفرقة يفصل بينها بيانات غير ذات صلة. هنا تبرز القوة الاستثنائية لمعامِلات الأقواس المعقوفة {} لإنشاء مصفوفات مخصصة ومدمجة يتم تمريرها إلى دالة FLATTEN عبر الصيغة: =UNIQUE(FLATTEN({A2:A20, C2:C20, E2:E20})).

تسمح الأقواس المعقوفة في جداول بيانات جوجل بتجميع النطاقات باستخدام الفواصل؛ حيث تُستخدم الفاصلة العادية (,) للدمج الأفقي للأعمدة جنباً إلى جنب، بينما تُستخدم الفاصلة المنقوطة (;) للدمج الرأسي للنطاقات فوق بعضها البعض (مع مراعاة الإعدادات الإقليمية للغة). عند وضع النطاقات المفصولة بفاصلة داخل FLATTEN({A2:A20, C2:C20})، فإن الدالة تقرأ السطر الأول من العمود A ثم السطر الأول من العمود C، وهكذا دواليك، قبل أن تقوم دالة UNIQUE بتصفية النتيجة المجمعة.

تتعامل هذه المنهجية بكفاءة فائقة مع النطاقات ذات الأطوال غير المتساوية عند استخدام الفاصلة المنقوطة للدمج الرأسي المباشر داخل المصفوفة المخصصة، كأن نكتب =UNIQUE(FLATTEN({A2:A15; C2:C30; E2:E10})). يتم في هذه الحالة رص النطاقات رأسياً بالتتابع ثم تسطيحها وتنقيتها دون التسبب في أخطاء عدم تطابق أبعاد المصفوفة، مما يمنح محلل البيانات مرونة مطلقة في جمع المعلومات من شتى أرجاء المصنف السحابي.

5.3 المخرجات المتوقعة وكيفية الاستفادة منها في التحليل

تُعد القائمة الفريدة أحادية العمود الناتجة عن صيغة =UNIQUE(FLATTEN(...)) مخرجاً استراتيجياً فائق القيمة يُبنى عليه العديد من التطبيقات التحليلية المتقدمة. أولى هذه الاستخدامات هي توليد فهارس مرجعية نظيفة تُستخدم في تغذية أدوات التحقق من صحة البيانات لإنشاء قوائم منسدلة ديناميكية تُحدث نفسها تلقائياً، مما يضمن توافق المدخلات الجديدة في النظام مع القيم القائمة فعلياً في جداول البيانات المتعددة.

كذلك، تمثل هذه القوائم الموحدة المفاتيح الأساسية لتغذية دوال البحث والمطابقة المتقدمة مثل XLOOKUP و VLOOKUP و INDEX/MATCH. عند امتلاك قائمة فريدة وشاملة لكافة المنتجات أو المعرفات من مصادر متعددة، يمكن استخدام هذه القائمة كأساس لإجراء عمليات بحث متسلسلة واسترجاع البيانات التفصيلية المقابلة لكل مفتاح من قواعد البيانات المختلفة ودمجها في تقرير تلخيصي موحد.

علاوة على ذلك، تُشكل هذه القوائم المنقاة المدخل المثالي لبناء الجداول التلخيصية ومخططات البيانات ومؤشرات الأداء الرئيسية (KPIs). فمن خلال وضع القائمة الفريدة في العمود الأول من تقرير جديد، يمكن استخدام دوال العد والجمع الشرطي مثل COUNTIF و SUMIF في الأعمدة المجاورة لحساب التكرارات الإجمالية أو إجمالي المبيعات المرتبطة بكل عنصر عبر كافة الأعمدة الأصلية، مما يحول البيانات المبعثرة إلى لوحة تحكم تحليلية متكاملة.

6. معالجة القيم الفارغة والتجاويف في مصفوفات البيانات متعددة الأعمدة

6.1 أثر الخلايا الفارغة على سلوك دالتي FLATTEN و UNIQUE

من السمات البنيوية لدالة FLATTEN أنها تقرأ كافة الخلايا الواقعة ضمن النطاق المحدد دون استثناء، بما في ذلك الخلايا الفارغة تماماً (Empty Cells) والتجاويف الموجودة بين البيانات. عندما تصادف الدالة خلية فارغة، فإنها تُدرج قيمة فارغة في مصفوفة النتائج المسطحة. وبالتالي، عندما تستقبل دالة UNIQUE هذا المتجه المسطح، فإنها تعامل “الفراغ” كقيمة مميزة مستقلة قائمة بذاتها، مما يؤدي بالضرورة إلى ظهور سطر فارغ داخل القائمة الفريدة النهائية.

يتسبب إدراج هذه القيمة الفارغة في مشكلات تشغيلية وتحليلية متعددة في المراحل اللاحقة. فعند استخدام القائمة الفريدة لتغذية قائمة منسدلة، سيظهر خيار فارغ في أعلى أو أسفل القائمة، مما يربك المستخدمين. كما أن دوال العد والبحث الرياضية قد تُرجع نتائج غير دقيقة أو تتوقف عن العمل بشكل صحيح عند محاولة مطابقة قيمة فارغة غير مقصودة، فضلاً عن المظهر غير الاحترافي الذي يضفيه الفراغ على التقارير النهائية.

من المهم أيضاً التمييز بين الخلايا الفارغة تماماً (التي لم يُكتب فيها شيء قط) والنصوص ذات الطول الصفري (Zero-length Strings الممثلة بـ "") والتي تنتج عادة عن مخرجات دوال شرطية سابقة مثل IF(condition, value, ""). تتعامل خوارزمية التفريد مع كلا النوعين كقيم يجب تمثيلها في المخرجات، ولذلك يجب أن تتضمن استراتيجية المعالجة آليات قادرة على استبعاد الفراغات الحقيقية والنصية على حد سواء لضمان نظافة القائمة المستخرجة.

6.2 استبعاد الفراغات باستخدام تقنيات الفلترة المسبقة واللاحقة

للتخلص الجذري من مشكلة الخلايا الفارغة، يتم دمج دالة FILTER ضمن الصيغة التركيبية لعزل الفراغات قبل أو بعد عملية التفريد. الصيغة الأكثر كفاءة وشيوعاً تعتمد على تطبيق الفلترة على المصفوفة المسطحة مباشرة عبر الصيغة القياسية: =UNIQUE(FILTER(FLATTEN(A2:C20), FLATTEN(A2:C20)"")). في هذه الصيغة، تقوم FLATTEN بتسطيح البيانات أولاً، ثم تقوم دالة FILTER بفحص كل عنصر واستبعاد أي قيمة تساوي نصاً فارغاً، وأخيراً تتولى UNIQUE استخراج القيم الفريدة من المتجه المصفى.

كبديل قوي، يمكن استخدام دالة QUERY لتنفيذ عملية الاستبعاد باستخدام لغة استعلام شبيهة بـ SQL، وذلك عبر كتابة الصيغة: =UNIQUE(QUERY(FLATTEN(A2:C20), "SELECT Col1 WHERE Col1 IS NOT NULL AND Col1 ''")). تمتاز هذه المنهجية بقدرتها العالية على التعامل مع التجاويف بكفاءة وتوفير خيارات فلترة متقدمة في سطر برمجي واحد، مما يجعلها مفضلة لدى العديد من مهندسي البيانات المحترفين.

تُظهر المقارنة التحليلية بين منهجية FILTER ومنهجية QUERY فروقاً دقيقة في الأداء وسياق الاستخدام. تتميز صيغة FILTER بسرعة حسابية أعلى قليلاً في النطاقات الصغيرة والمتوسطة وبساطة في التركيب الرياضي، ولكنها تتطلب استدعاء دالة FLATTEN(A2:C20) مرتين (مرة للنطاق ومرة للشرط)، مما قد يضاعف استهلاك الذاكرة لحظياً. في المقابل، تقوم QUERY بمعالجة التسطيح مرة واحدة داخل وسيطها وتتعامل مع النتائج داخلياً، ولكنها قد تتأثر بحساسية نوع البيانات المكتشف في العمود.

6.3 معايير اختيار الطريقة المثلى لتنظيف المصفوفة

يخضع اختيار الطريقة المثلى لتنظيف المصفوفة واستبعاد الفراغات لعدة معايير هندسية ترتبط بحجم البيانات وطبيعة النماذج التحليلية. في النطاقات الضخمة التي تحتوي على مئات الآلاف من الخلايا، يُفضل استخدام الحلول التي تقلل من عدد مرات إعادة حساب المصفوفات في الذاكرة لتفادي استنزاف موارد المتصفح وضمان سرعة التحديث الفوري عند إدخال بيانات جديدة.

يُمثل معيار سهولة الصيانة وقابلية القراءة (Readability) من قبل فريق العمل عنصراً حاسماً في بيئات العمل المؤسسية المشتركة. فبينما يسهل على معظم المحللين قراءة وفهم دالة FILTER والتعامل مع شروطها المنطقية البسيطة، قد يتطلب استخدام QUERY معرفة مسبقة بأساسيات لغة الاستعلام، مما قد يصعب مهمة تدقيق الصيغ وتعديلها من قبل مستخدمين ذوي خلفيات تقنية محدودة.

أخيراً، يجب مراعاة استقرار الصيغة ضد التغييرات المستقبلية في نطاقات الإدخال، مثل إضافة أعمدة جديدة أو توسيع الصفوف بشكل ديناميكي. تضمن الصيغ التي تعتمد على مراجع المصفوفات المتوافقة تنظيفاً مستمراً وشاملاً يحمي لوحات التحكم من الانهيار الرياضي في حال ظهور خلايا فارغة غير متوقعة في البيانات المصدرية.

7. التكامل بين دالة UNIQUE والدوال المنطقية والشرطية المتقدمة

7.1 استخراج القيم الفريدة المشروطة باستخدام FILTER

في العديد من السيناريوهات التحليلية المعقدة، لا يكون الهدف مجرد استخراج كافة القيم الفريدة، بل استخراج القيم الفريدة التي تستوفي معايير وشروطاً محددة سلفاً. يتحقق هذا التكامل الرياضي عبر دمج دالة FILTER مع دالتي UNIQUE و FLATTEN، مما يسمح بتطبيق شروط منطقية صارمة على البيانات قبل تسطيحها وتصفية تكراراتها.

يمكن بناء صيغ متعددة الشروط تعتمد على المعاملات المنطقية المركبة (AND و OR). في جداول بيانات جوجل، يتم تمثيل معامل AND بالضرب الرياضي (*)، بينما يتم تمثيل معامل OR بالجمع الرياضي (+). على سبيل المثال، لاستخراج القيم الفريدة من النطاق A2:C20 بشرط أن يكون القسم في العمود D مساوياً لـ “المبيعات” وتاريخ المعاملة في العمود E بعد تاريخ محدد، يتم تركيب الصيغة بصورة تسمح بتصفية الصفوف الأصلية أولاً ثم تسطيح وتفريد المتبقي منها.

تتضح قوة هذا الدمج في دراسات استخراج قيم فريدة بناءً على عتبات رقمية أو نطاقات زمنية. فإذا أردنا استخراج قائمة فريدة بأسماء الموظفين الذين حققوا مبيعات تتجاوز 10,000 دولار في أي من الفصول الأربعة الموزعة عبر الأعمدة B و C و D و E، يمكن فلترة النطاق الأصلي لحصر الحالات الإيجابية ثم تسطيحها واستخراج الأسماء الفريدة، مما ينتج قائمة بالكوادر المتميزة دون تكرار أي اسم.

7.2 تطبيق دالة SORT لتنظيم القائمة الفريدة المستخرجة

كما أشرنا سابقاً، تُرجع دالة UNIQUE القيم وفقاً لترتيب ظهورها الأول في النطاق المصدر، وهو ما قد ينتج قائمة عشوائية الترتيب يصعب قراءتها واستخدامها في التقارير الإدارية. لفرض نسق تنظيمي محكم، يتم تغليف صيغة التفريد بدالة SORT لإنتاج قائمة فريدة ومرتبة أبجدياً أو رقمياً عبر الصيغة: =SORT(UNIQUE(FILTER(FLATTEN(A2:C20), FLATTEN(A2:C20)""))).

تسمح دالة SORT بالتحكم الكامل في اتجاه الترتيب من خلال معاملاتها الإضافية. فالقيمة الافتراضية تُجري ترتيباً تصاعدياً (من A إلى Z، أو من الأصغر إلى الأكبر)، ولكن يمكن تعديلها بإضافة المعامل FALSE كمعامل ثانٍ لفرض ترتيب تنازلي، وهو أمر حيوي عند الرغبة في عرض أحدث المعرفات أو أعلى التصنيفات في قمة القائمة المستخرجة لتسهيل الوصول إليها.

في الحالات المتقدمة، يمكن إجراء ترتيب مخصص لا يعتمد على الترتيب الأبجدي المجرد، بل يستند إلى مصفوفات ترجيحية أو أعمدة مساعدة تحدد أولوية ظهور العناصر (مثل ترتيب الرتب العسكرية أو المستويات الإدارية: مدير، مشرف، موظف). يتم ذلك بدمج دالة SORTBY أو استخدام جداول مطابقة مساعدة تعيد توجيه نتائج المصفوفة المنقاة وفقاً للترتيب الهيكلي المطلوب بدقة بالغة.

7.3 التحويل البرمجي المتقدم عبر دالة QUERY

تمثل دالة QUERY واحدة من أقوى الأدوات الحسابية في جداول بيانات جوجل، إذ تتيح تطبيق لغة استعلام Google Visualization API فائقة المرونة على المصفوفات المسطحة. يتيح دمج QUERY مع FLATTEN إجراء عمليات التحويل، والتصفية، والتجميع الإحصائي للقيم الفريدة في خطوة مدمجة واحدة تغني عن تركيب عدة دوال متداخلة.

يمكن على سبيل المثال تسطيح البيانات واستخراج القيم الفريدة مع حساب تكرار كل قيمة فوراً وترتيبها تنازلياً باستخدام صيغة واحدة مثل: =QUERY(FLATTEN(A2:C20), "SELECT Col1, COUNT(Col1) WHERE Col1 IS NOT NULL GROUP BY Col1 ORDER BY COUNT(Col1) DESC LABEL Col1 'العنصر الفريد', COUNT(Col1) 'التكرار'"). تقوم هذه الصيغة بتسطيح الأعمدة، واستبعاد الفراغات، واستخراج كل عنصر فريد وحساب عدد مرات ظهوره عبر كافة الأعمدة، وإعادة تسمية الأعمدة الناتجة برؤوس مخصصة.

يوفر هذا النهج كفاءة استثنائية في إعداد التقارير السريعة ولوحات التحكم؛ حيث يجمع بين عزل القيم الفريدة والتحليل الإحصائي الترددي في تعبير برمجي واحد مختصر. كما يلغي الحاجة إلى إنشاء أعمدة مساعدة لحساب التكرارات عبر دوال COUNTIF، مما يقلل من تعقيد الملف الإجمالي ويسرع من زمن إعادة الحساب الشاملة.

8. إدارة حساسية حالة الأحرف والرموز الخاصة والمسافات البيضاء

8.1 التعامل مع حساسية حالة الأحرف في النصوص اللاتينية والرموز

يتميز السلوك الافتراضي لدالة UNIQUE بعدم حساسيتها لحالة الأحرف (Case-Insensitive) في النصوص اللاتينية؛ مما يعني أنها تعامل الكلمات “DATA” و “Data” و “data” كقيم متطابقة تماماً، وستكتفي بإرجاع الصورة الأولى التي ظهرت بها الكلمة في النطاق المصدر متجاهلة التغييرات في حالة الأحرف اللاحقة. في كثير من السيناريوهات، يُعد هذا السلوك مرغوباً لتوحيد المدخلات، ولكنه قد يشكل عائقاً في قواعد البيانات الحساسة لحالة الأحرف مثل الرموز البرمجية أو الشيفرات التعريفية المشفرة.

عند الرغبة في فرض التمييز الدقيق وحساسية حالة الأحرف، يتم دمج دالة EXACT ضمن صياغة مصفوفية مخصصة، حيث تقوم EXACT بمقارنة النصوص على مستوى ترميز البايت الفردي. هذا يضمن عدم دمج النصوص المتشابهة حرفياً والمختلفة في حالة الأحرف، مما يحافظ على التمايز الدقيق للبيانات المدخلة في المجالات التي تتطلب ذلك كالمعاملات المالية والبرمجية.

على النقيض من ذلك، إذا كان الهدف هو ضمان عدم تكرار العناصر بسبب الاختلافات العشوائية التي يرتكبها المستخدمون في كتابة الأحرف الكبيرة والصغيرة، يُنصح بتوحيد النصوص مسبقاً باستخدام دالتي LOWER (لتحويل كافة الأحرف إلى صغيرة) أو UPPER (لتحويلها إلى كبيرة) قبل تمريرها إلى دالة التفريد، كأن نكتب: =UNIQUE(LOWER(FILTER(FLATTEN(A2:C20), FLATTEN(A2:C20)"")))، مما يضمن دقة وموثوقية التوحيد المطلق للقائمة.

8.2 تنظيف النصوص من المسافات الزائدة والرموز غير المرئية

تُعد المسافات البيضاء الزائدة—سواء كانت مسافات بادئة في أول النص، أو مسافات لاحقة في نهايته، أو مسافات مزدوجة بين الكلمات—من أكثر الأسباب الخفية التي تؤدي إلى توليد تكرارات وهمية داخل جداول البيانات. فمنظور خوارزمية المقارنة يرى أن النص “إدارة” يختلف كلياً عن النص “إدارة ” (مع مسافة لاحقة)، مما يترتب عليه إدراج الاسمين كعنصرين منفصلين في القائمة الفريدة.

لحل هذه المعضلة وتطهير البيانات جذرياً، يجب دمج دالة TRIM لتجريد النصوص من كافة المسافات الزائدة البادئة واللاحقة وتقليص المسافات البينية إلى مسافة واحدة مفردة. كما يُستحسن دمج دالة CLEAN للتخلص من الرموز غير القابلة للطباعة وعلامات الانتقال إلى سطر جديد (Line Breaks) التي قد تتسلل إلى الخلايا عند نسخ البيانات من مصادر خارجية مثل رسائل البريد الإلكتروني أو صفحات الويب.

تتجسد الصيغة النموذجية الشاملة لتطهير النصوص وتسطيحها واستخراج قيمها الفريدة في التركيب التالي: =UNIQUE(INDEX(TRIM(CLEAN(FILTER(FLATTEN(A2:C20), FLATTEN(A2:C20)""))))). يؤدي استخدام دالة INDEX هنا إلى تمكين المعالجة المصفوفية المتزامنة لكل من TRIM و CLEAN عبر كافة عناصر المصفوفة المسطحة، مما يضمن خروج قائمة نقية تماماً وخالية من أي تكرار ناتج عن عيوب التنسيق الخفية.

8.3 معالجة الحروف العربية والتشكيل والهمزات

تفرض اللغة العربية تحديات فريدة عند معالجة النصوص وتصفية التكرارات داخل جداول البيانات، نظراً لتعدد صور كتابة بعض الحروف وتنوع استخدام علامات التشكيل. تُعامل خوارزميات التفريد النصوص ذات التشكيل (“مُحَمَّد”) كمدخلات مختلفة تماماً عن النصوص غير المشكلة (“محمد”). وبالمثل، يُعد التباين في كتابة الهمزات (مثل: أحمد، احمد، إحمد، آحمد) والخلط الشائع بين الياء والياء المهملة (ي / ى) والتاء المربوطة والهاء (ة / هـ) سبباً رئيسياً لظهور تكرارات مشوهة للكيان الواحد.

لمعالجة هذه التباينات وضمان توحيد المدخلات العربية بدقة متناهية، تُوظف دوال التعابير النمطية المتقدمة مثل REGEXREPLACE لإعادة كتابة الحروف وتوحيدها قبل تمريرها إلى دالتي FLATTEN و UNIQUE. يمكن تطبيق صيغة نمطية لاستبدال كافة أشكال الهمزات بألف مجردة (ا)، وتوحيد التاء المربوطة إلى هاء أو العكس، وحذف كافة حركات التشكيل والتنوين بالكامل عبر مطابقة نطاقات اليونيكود الخاصة بها.

يتيح هذا التطهير اللغوي المتقدم دمج السجلات التي تشير إلى نفس الشخص أو المفهوم حتى وإن اختلفت أساليب الطباعة والإملاء بين مدخلي البيانات. يعزز هذا النهج من موثوقية التحليلات المؤسسية في البيئات الناطقة بالعربية، ويمنع تجزئة البيانات المرتبطة بكيان واحد عبر مدخلات متباينة ظاهرياً ومتطابقة دلالياً.

9. ديناميكية التحديث التلقائي والتعامل مع النطاقات المفتوحة واللامحدودة

9.1 استخدام النطاقات اللامحدودة (Open-ended Ranges)

في بيئات العمل الواقعية، تتسم قواعد البيانات بالنمو المستمر وإضافة صفوف جديدة بصفة يومية. لضمان استيعاب هذه الإدخالات المستقبلية دون الحاجة إلى تعديل صيغ المعادلات يدوياً في كل مرة، يُلجأ إلى استخدام النطاقات المفتوحة أو اللامحدودة (Open-ended Ranges)، مثل الإشارة إلى النطاق بصيغة A2:C بدلاً من تحديد صف نهاية ثابت مثل A2:C20.

ينطوي استخدام النطاقات المفتوحة على مخاطر حسابية تتطلب حذراً هندسياً شديداً؛ حيث تمتد ورقة العمل الافتراضية إلى آلاف الصفوف، وتمرير نطاق مثل A2:C إلى دالة FLATTEN يعني تسطيح آلاف الخلايا الفارغة الكامنة في أسفل الجدول. إذا لم يتم تقييد هذا السلوك بفلترة دقيقة، ستستهلك الدالة موارد حسابية هائلة في معالجة مصفوفات ضخمة من الفراغات، مما قد يسبب بطئاً ملحوظاً في استجابة ورقة العمل بأكملها.

لتجنب هذا الهدر الحسابي، يجب دائماً إقران النطاقات المفتوحة بدوال فلترة صارمة تستبعد الصفوف الفارغة فوراً عند نقطة الإدخال، كأن تُكتب الصيغة: =UNIQUE(FILTER(FLATTEN(A2:C), FLATTEN(A2:C)"")). يضمن هذا التركيب حصر العمليات الحسابية وخوارزميات التفريد على الخلايا النشطة التي تحتوي على بيانات فعلية فقط، مما يجمع بين مرونة التحديث التلقائي اللامحدود وكفاءة الأداء واستقرار الذاكرة.

9.2 الربط مع جداول الإدخال التلقائي ونماذج جوجل (Google Forms)

يُمثل الربط المباشر بين جداول بيانات جوجل ونماذج الاستبيانات (Google Forms) أحد أقوى تطبيقات الأتمتة السحابية. عند تدفق استجابات المستخدمين الجدد إلى ورقة العمل المخصصة لاستقبال ردود النموذج، تتيح الصيغ المصفوفية المركبة المعتمدة على UNIQUE و FLATTEN تحديث القوائم المرجعية والتقارير الرقابية بشكل لحظي ومستمر دون أي تدخل بشري.

في كثير من الاستبيانات، يُسمح للمستجيبين باختيار خيارات متعددة تُسجل في أعمدة متجاورة، أو قد يرسل نفس المستجيب ردوداً مكررة عبر جلسات إدخال متعددة. باستخدام الصيغ الديناميكية في ورقة تحليلية منفصلة، يتم عزل التكرارات غير المرغوبة وتجميع كافة الخيارات الفريدة الواردة من مئات المستجيبين وتصنيفها فورياً، مما يوفر رؤية إحصائية حية لاتجاهات الردود بمجرد وصولها.

تُشكل هذه الآلية الديناميكية حجر الأساس لبناء لوحات المعلومات (Dashboards) التفاعلية التي تعتمد كلياً على مخرجات التحديث التلقائي. فبمجرد إضافة سطر جديد في جدول الردود، تتمدد مصفوفات التفريد وتتحدث المخططات البيانية المرتبطة بها في أجزاء من الثانية، مما يمنح فرق الإدارة أداة مراقبة لحظية لمؤشرات الأداء التشغيلي وسير العمليات الميدانية.

9.3 تحسين استهلاك الذاكرة وإدارة زمن الاستجابة في الملفات الكبيرة

مع تنامي حجم ملفات العمل وتجاوزها لعشرات الآلاف من السجلات، يصبح التحليل الدقيق للتعقيد الحسابي والزمني (Time and Space Complexity) للدوال المصفوفية ضرورة قصوى لتفادي تدهور أداء المصنف السحابي. يؤدي الاستخدام العشوائي للدوال المتداخلة على نطاقات مفرطة الاتساع إلى استنزاف حصة المعالجة المخصصة للمستند على خوادم جوجل، مما قد يسفر عن تعطل الحسابات وظهور رسائل الخطأ التحذيرية.

تتضمن أفضل الممارسات لتحسين الأداء تجنب استخدام الدوال غير المستقرة (Volatile Functions) مثل INDIRECT أو OFFSET ضمن وسائط دالتي FLATTEN و UNIQUE ما لم تكن هناك ضرورة حتمية؛ فهذه الدوال تجبر البرنامج على إعادة احتساب المصفوفات بالكامل مع كل نقرة أو تعديل في أي خلية داخل المصنف، حتى وإن لم تكن مرتبطة بالنطاق المعني، مما يخلق عبئاً حسابياً مستمراً وغير مبرر.

عوضاً عن ذلك، يُنصح بالاعتماد على مراجع النطاقات المباشرة والمقيدة ديناميكياً بدوال الفلترة الخفيفة، وحذف الصفوف والأعمدة الفارغة الزائدة تماماً من قاع وجوانب ورقة العمل لتقليص الحجم الإجمالي للمصفوفات المخزنة في الذاكرة. يسهم هذا الترشيد الهيكلي في الحفاظ على سرعة فائقة وتجربة استخدام سلسة حتى في أضخم مشاريع تحليل البيانات المؤسسية.

10. الأخطاء الشائعة واستكشاف المشكلات وإصلاحها في الدوال المصفوفية

10.1 تشخيص وحل خطأ الانسكاب المرجعي #REF!

يُعد الخطأ المرجعي #REF! العائق الأكثر تكراراً عند التعامل مع الدوال المصفوفية الممتدة في جداول بيانات جوجل، ويحدث بشكل رئيسي عندما تحاول مصفوفة المخرجات الناتجة عن صيغة مثل =UNIQUE(FLATTEN(...)) التمدد لتغطية عدد معين من الخلايا، فتصطدم بوجود بيانات مدخلة مسبقاً، أو نصوص، أو حتى مسافات مخفية في إحدى الخلايا الواقعة في مسار هذا التمدد.

لتشخيص هذا الخطأ بدقة، يكفي تمرير مؤشر الفأرة فوق الخلية الحاضنة للصيغة التي تظهر رمز الخطأ؛ حيث ستعرض المنصة رسالة توضيحية تحدد تحديداً الخلية التي تعترض مسار الانسكاب (مثل: “لم يتم توسيع مصفوفة النتائج لأنها ستؤدي إلى الكتابة فوق البيانات في الخلية D15”). بمجرد الانتقال إلى تلك الخلية المحددة ومسح محتواها بالكامل، تتدفق المصفوفة تلقائياً وتُعرض النتائج فوراً دون الحاجة إلى إعادة كتابة الصيغة.

من المسببات الخفية الأخرى لخطأ #REF! وجود خلايا مدمجة (Merged Cells) في النطاق المستهدف لتمدد المصفوفة. تمنع بنية الجداول السحابية الدوال المصفوفية من الكتابة فوق أي نطاق يحتوي على دمج جزئي للخلايا. يتطلب حل هذه المشكلة إلغاء دمج كافة الخلايا في المساحة المخصصة للتقرير لضمان وجود شبكة خلايا منتظمة ومستعدة لاستقبال البيانات المنسكبة بحرية كاملة.

10.2 معالجة أخطاء عدم تطابق أنواع البيانات وحجم المصفوفة #VALUE!

يظهر الخطأ القيمي #VALUE! عادة نتيجة عدم توافق بنيوي في أبعاد المصفوفات المجمعة يدوياً داخل الأقواس المعقوفة، أو عند تمرير وسائط غير صالحة حسابياً إلى إحدى الدوال المتداخلة. فعلى سبيل المثال، إذا حاول المستخدم دمج نطاقين أفقياً باستخدام الفاصلة العادية مثل {A2:A10, B2:B20}، ستفشل العملية ويظهر خطأ #VALUE! لأن النطاقين يمتلكان أعداداً مختلفة من الصفوف، مما يمنع تكوين مصفوفة مستطيلة متجانسة الأبعاد.

لحماية الصيغ من هذا التعارض، يجب التأكد من تطابق أبعاد النطاقات المدمجة أفقياً، أو اللجوء إلى التجميع الرأسي باستخدام الفاصلة المنقوطة {A2:A10; B2:B20} الذي يقبل أطوالاً متفاوتة للبيانات دون أي خلل بنيوي. كما يُنصح بفحص مدخلات البيانات للتأكد من عدم وجود قيم خطأ متوارثة من خلايا سابقة (مثل #N/A أو #DIV/0!)، حيث تنتقل هذه الأخطاء تلقائياً عبر المصفوفات المسطحة وتفسد المخرجات النهائية للقائمة الفريدة.

يمكن توظيف دوال الفحص والتحقق النمطي مثل ISTEXT و ISNUMBER و IFERROR داخل صيغ الفلترة لعزل القيم التالفة وتجاوزها برمجياً قبل وصولها إلى خوارزميات التفريد، مما يمنح النماذج الحسابية حصانة ذاتية ضد مدخلات البيانات غير المتجانسة أو المشوهة.

10.3 تصحيح مشكلات الحساب التكراري والتبعيات الدائرية

تنشأ أخطاء التبعية الدائرية (Circular Dependency) عندما تتضمن صيغة المصفوفة المرجعية الخلية التي كُتبت فيها الصيغة نفسها، أو عندما تشير إلى نطاق مخرجات يعتمد بدوره على نتائج تلك الصيغة. على سبيل المثال، إذا كُتبت صيغة التفريد في الخلية D2 واحتوت عن طريق الخطأ على النطاق A2:D20، فإن الدالة ستحاول قراءة مخرجاتها الخاصة كمدخلات، مما يدخل المعالج في حلقة حسابية لا نهائية تتوقف بظهور خطأ مرجعي دائري.

يجب على محلل البيانات تدقيق المراجع الجغرافية للصيغ بدقة متناهية والتأكد من الفصل التام بين نطاقات الإدخال المصدرية ومساحات الإخراج التحليلية. في حال دعت الحاجة لتمكين الحساب التكراري لأغراض نمذجة مالية أو محاكاة رياضية متقدمة، يمكن تفعيل ذلك من إعدادات الملف (الملف -> الإعدادات -> الحساب)، مع تحديد الحد الأقصى لعدد التكرارات وعتبة التقارب بدقة لتجنب تجميد المستند.

تساعد أدوات تدقيق ومتابعة الصيغ المضمنة في جداول بيانات جوجل على تتبع مسار التبعيات واكتشاف المراجع المتداخلة بسهولة. يضمن الالتزام بالبنية الخطية الصارمة لتدفق البيانات—من جداول الإدخال، مروراً بطبقات الفلترة والتسطيح، وصولاً إلى تقارير المخرجات النهائية—تفادي التبعيات الدائرية وضمان استقرار النموذج الحسابي وموثوقيته التشغيلية الكاملة.

11. مقارنة معمارية: UNIQUE و FLATTEN مقابل أساليب Excel و Google Apps Script

11.1 المقارنة مع بيئة Microsoft Excel والدوال المقابلة

شهدت بيئة Microsoft Excel تطورات جذرية في دعم المصفوفات الديناميكية، حيث أضافت مايكروسوفت نسختها الخاصة من دالة UNIQUE المشابهة وظيفياً لدالة جوجل. ومع ذلك، يكمن الفارق المعماري الأبرز في كيفية معالجة تسطيح البيانات متعددة الأعمدة؛ إذ لا تتوفر دالة FLATTEN بالاسم نفسه داخل إكسيل، بل قامت مايكروسوفت بإطلاق دالة موازية تحمل اسم TOCOL.

تتميز دالة TOCOL في إكسيل بمرونة فائقة؛ حيث تتيح عبر وسائطها الاختيارية تحديد اتجاه المسح (بالصف أو بالعمود)، وتوفر معاملاً مدمجاً لتجاهل الفراغات والأخطاء تلقائياً دون الحاجة إلى استخدام دالة FILTER المساعدة، وهو ما يعادل صياغة =UNIQUE(TOCOL(A2:C20, 1)) لاستخراج قائمة فريدة خالية من الفراغات مباشرة. في المقابل، تمتاز دالة FLATTEN في جداول بيانات جوجل ببساطتها الشديدة وقدرتها الفائقة على قبول نطاقات متعددة وغير متجانسة بمرونة وسلاسة أكبر.

عند بناء نماذج عمل تتطلب التوافقية العابرة للمنصات (Cross-Platform Compatibility) بين إكسيل وجداول بيانات جوجل، يجب على المحللين الانتباه لهذه الفروق الدقيقة. فالصيغ التي تحتوي على FLATTEN ستتعطل وتُظهر خطأ #NAME? عند فتح الملف في إكسيل، والعكس صحيح بالنسبة لصيغ TOCOL، مما يتطلب تكييف البنية البرمجية للصيغ وفقاً للمنصة المستضيفة لضمان استمرارية عمل النماذج دون انقطاع.

11.2 المعالجة البرمجية المخصصة عبر Google Apps Script

عندما تصل متطلبات معالجة البيانات إلى درجات قصوى من التعقيد تتجاوز قدرات الدوال المدمجة، أو عند الحاجة إلى معالجة مصفوفات ضخمة تتجاوز مئات الآلاف من الخلايا دون التأثير على سرعة تصفح ورقة العمل، يبرز Google Apps Script كبديل برمجي فائق القوة يعتمد على بيئة JavaScript السحابية لتنفيذ العمليات في الخلفية.

تعتمد المعالجة البرمجية المخصصة لاستخراج القيم الفريدة على بنية بيانات Set الأصلية في JavaScript، والتي تمتاز رياضياً بقدرتها الطبيعية على رفض التكرارات تلقائياً بتعقيد زمني فائق الكفاءة يقارب $O(1)$ لكل عملية إدراج. يقوم السكربت بقراءة النطاق متعدد الأعمدة دفعة واحدة وتخزينه في مصفوفة ثنائية الأبعاد في الذاكرة، ثم تسطيحها عبر التكرار الحلقي وإدخال كافة العناصر غير الفارغة في الـ Set، ثم إعادة كتابة القيم الفريدة الناتجة في العمود المستهدف بخطوة واحدة:

يوفر استخدام السكربتات المخصصة ميزة كتابة النتائج كقيم ثابتة مجردة بدلاً من صيغ ديناميكية مستمرة الحساب، مما يلغي تماماً أي عبء حسابي على متصفح المستخدم أثناء استعراض التقارير. يُعد هذا الخيار مثالياً للأرشفة الدورية ومعالجة البيانات المجمعة في نهاية الفترات المالية، ولكنه يفقد في المقابل خاصية التحديث اللحظي الفوري التي توفرها الصيغ المباشرة في ورقة العمل بمجرد تعديل المدخلات.

11.3 أدوات Power Query ومولدات الجداول المحورية (Pivot Tables)

إلى جانب الصيغ والسكربتات البرمجية، توفر أدوات واجهة المستخدم الرسومية مثل الجداول المحورية (Pivot Tables) خياراً سريعاً لاستخراج القيم الفريدة وتلخيصها دون كتابة سطر برمجي واحد. تتيح الجداول المحورية تجميع القيم في صفوف موحدة وعرض تكراراتها تلقائياً، إلا أنها تظل محدودة القدرة عندما تكون البيانات موزعة أفقياً عبر أعمدة متعددة وتحتاج إلى تسطيح مسبق قبل التحليل.

في بيئة مايكروسوفت المقابلة، تبرز أداة Power Query كمعيار صناعي متقدم لعمليات الاستخراج والتحويل والتحميل (ETL)، حيث توفر خاصية “إلغاء تنشيط الأعمدة” (Unpivot Columns) التي تقوم بتسطيح الأعمدة المتعددة بضغطة زر واحدة وتنقيتها من التكرارات عبر واجهة بصرية بديهية ومسجلة الخطوات.

تخضع المفاضلة بين هذه الأدوات والصيغ المصفوفية المباشرة في جداول بيانات جوجل لطبيعة الجمهور المستهدف ومتطلبات المشروع. فالصيغ الحسابية (UNIQUE + FLATTEN) تظل الحل الأمثل للنماذج الحية الديناميكية التي تتطلب تحديثاً متزامناً للبيانات ومشاركة سريعة عبر الويب، بينما تتفوق أدوات المعالجة الرسومية والجداول المحورية في مشاريع التدقيق الموسعة والتحليلات الاستكشافية الكبرى التي لا تتطلب تحديثات بالغة التكرار.

12. التطبيقات المتقدمة ودراسات الحالة العملية لتحليل البيانات متعددة الأعمدة

12.1 دراسة حالة 1: تجميع وتحليل المهارات المهنية من السير الذاتية

في إطار إدارة الموارد البشرية لدى شركة تقنية كبرى، تم تصميم قاعدة بيانات لتسجيل الكفاءات البرمجية والمهارات المهنية للموظفين المتقدمين للوظائف. نظراً لطبيعة الإدخال، تم توزيع مهارات كل مرشح عبر أربعة أعمدة متجاورة (المهارة 1 في العمود B، المهارة 2 في العمود C، المهارة 3 في العمود D، والمهارة 4 في العمود E)، مما أدى إلى تشتت مسميات المهارات وتكرارها بشكل غير منظم عبر آلاف الصفوف.

لبناء فهرس مرجعي موحد لكافة المهارات المتاحة في قاعدة البيانات وتصنيفها تمهيداً لتقييم الاحتياجات التدريبية، تم تطبيق الصيغة التكاملية الشاملة في ورقة عمل جديدة: =SORT(UNIQUE(FILTER(FLATTEN(B2:E), FLATTEN(B2:E)""))). قامت هذه الصيغة بتسطيح مصفوفة المهارات بالكامل، واستبعاد الفراغات الناتجة عن عدم ملء كافة الخانات لبعض المتقدمين، ثم إزالة التكرارات وفرز المهارات أبجدياً في عمود واحد متناسق.

في الخطوة التالية، تم ربط هذه القائمة الفريدة المستخرجة بدالة العد الشرطي COUNTIF في العمود المجاور عبر الصيغة: =COUNTIF(B$2:E, A2) لحساب معدل تكرار كل مهارة بين كافة الموظفين. مكّن هذا التحليل إدارة الشركة من تحديد المهارات الأكثر وفرة وتلك التي تعاني من ندرة حرجة بدقة إحصائية متناهية، مما وجه خطط التوظيف والتدريب الداخلي بناءً على بيانات قطعية ومؤتمتة بالكامل.

12.2 دراسة حالة 2: إدارة المخزون وتوحيد الرموز التعريفية للمنتجات (SKU)

تواجه سلاسل الإمداد والتجزئة تحدياً دائماً في إدارة وتتبع الرموز التعريفية للمنتجات (Stock Keeping Units – SKU) عندما تكون هذه المنتجات موزعة عبر عدة مستودعات وفروع لوجستية، حيث يمتلك كل مستودع عموداً خاصاً لتسجيل الأصناف المخزنة لديه في ورقة عمل التوزيع العام (المستودع أ في العمود A، المستودع ب في العمود C، والمستودع ج في العمود E).

لإعداد قائمة الفحص الدوري السنوي ومطابقة المخزون الفعلي مع النظام المحاسبي المركزي، كان لزاماً استخراج قائمة موحدة وشاملة لكافة رموز المنتجات الفريدة المتداولة في جميع المستودعات دون استثناء. تم توظيف معامِلات المصفوفات لتجميع الأعمدة المتباعدة وتنقيتها باستخدام الصيغة: =SORT(UNIQUE(INDEX(TRIM(FILTER(FLATTEN({A2:A; C2:C; E2:E}), FLATTEN({A2:A; C2:C; E2:E})""))))).

ضمن تطبيق هذه الصيغة تنظيف كافة الرموز من أي مسافات زائدة أُدخلت بالخطأ أثناء المسح الضوئي للباركود، واستبعاد الأصناف الفارغة، وتوحيد كافة الرموز في قائمة جرد رئيسية موحدة. تم بعد ذلك استخدام هذه القائمة كنطاق مرجعي لتطبيق دوال VLOOKUP لاسترجاع بيانات الأسعار والموردين من النظام المركزي، مما وفر مئات الساعات من العمل اليدوي ومنع حدوث أخطاء التسعير أو فقدان السجلات المخزنية.

12.3 دراسة حالة 3: التحليل الرياضي لبيانات الفرق الرياضية ومراكز اللاعبين

في قطاع التحليل الرياضي وإدارة أندية كرة القدم والرياضات الجماعية، تُمثل دراسة توزيع اللاعبين ومراكزهم التكتيكية عبر تشكيلات الفرق المختلفة ركيزة أساسية لتقييم عمق التشكيلة والأداء التنافسي. يشتمل جدول بيانات الدوري الرياضي على أسماء الأندية في العمود A، والتشكيلة الأساسية للاعبين في العمود B، والتشكيلة الاحتياطية في العمود C، وقائمة المراكز التكتيكية المقابلة في العمود D.

لاستخراج قائمة فريدة وشاملة لكافة اللاعبين المسجلين في البطولة بصرف النظر عما إذا كانوا أساسيين أو احتياطيين، تم تطبيق الصيغة =SORT(UNIQUE(FILTER(FLATTEN(B2:C), FLATTEN(B2:C)""))) في عمود منفصل. وفي الوقت ذاته، طُبقت الصيغة =UNIQUE(A2:B) لاستخراج التركيبات الفريدة للعلاقة بين الأندية واللاعبين الأساسيين لعزل حالات الانتقال المزدوج والتحقق من قانونية التسجيل الرياضي في كشوفات الاتحادات الرياضية.

أتاحت هذه المخرجات المنقاة بناء لوحة تحكم تفاعلية متقدمة تعرض التوزيع التكراري للاعبين في كل مركز ميداني، وتقارن متوسط أعمار ومشاركات اللاعبين الفريدين في كل فريق. تحولت البيانات المبعثرة في جداول التسجيل إلى تقارير استراتيجية حية يعتمد عليها المديرون الفنيون والمحللون الرياضيون في اتخاذ قرارات التعاقدات وبناء الخطط التكتيكية للمباريات المصيرية.

خاتمة

استعرضنا في هذا الدليل المرجعي الشامل الأبعاد النظرية والتطبيقية المعمقة لإنشاء القوائم الفريدة عبر أعمدة متعددة داخل جداول بيانات جوجل. لقد أثبت التحليل أن الدمج الرياضي بين دالتي UNIQUE و FLATTEN لا يمثل مجرد حيلة برمجية ذكية، بل هو معمارية بيانات رصينة تعالج الانقسام البعدي للمصفوفات وتحول الشبكات ثنائية الأبعاد إلى متجهات أحادية البعد قابلة للفرز والتحليل بدقة متناهية وسرعة فائقة.

إن إتقان توظيف هذه الدوال بالاقتران مع أدوات الفلترة المتقدمة (FILTER / QUERY)، وتقنيات تنظيف النصوص (TRIM / CLEAN / REGEX)، وإدارة النطاقات الديناميكية المفتوحة، يمنح مهندسي ومحللي البيانات القدرة على بناء نماذج معلوماتية تتسم بالصلابة، والمرونة، وقابلية التوسع المستمر. تضمن هذه المنهجيات المؤتمتة خلو التقارير من التكرار والشوائب الحسابية، وتوفر تدفقاً سلساً للمعلومات يدعم التحليلات الاستكشافية ويؤسس لقرارات استراتيجية دقيقة ومستندة إلى بيانات موثوقة بالكامل.

References

• Google. (2023). UNIQUE function – Google Docs Editors Help. Google Support. https://support.google.com/docs/answer/3093198
• Google. (2023). FLATTEN function – Google Docs Editors Help. Google Support. https://support.google.com/docs/answer/10307761
• Google. (2023). FILTER function – Google Docs Editors Help. Google Support. https://support.google.com/docs/answer/3093197
• Google. (2023). QUERY function – Google Docs Editors Help. Google Support. https://support.google.com/docs/answer/3093343
• Google Developers. (2023). Google Apps Script: Spreadsheet Service (SpreadsheetApp). Google Developers. https://developers.google.com/apps-script/reference/spreadsheet
• Microsoft. (2023). TOCOL function – Microsoft Support. Microsoft Support. https://support.microsoft.com/en-us/office/tocol-function-22839d9b-0b55-4fc1-b4e5-748034298072
• Wickham, H. (2014). Tidy Data. Journal of Statistical Software, 59(10), 1–23. https://doi.org/10.18637/jss.v059.i10