إدارة قواعد البياناتتحليل البياناتجداول بيانات جوجل

جداول بيانات جوجل: كيفية العثور على التكرارات في عمودين

دليل أكاديمي منهجي يوضح آليات العثور على التكرارات عبر عمودين في جداول بيانات جوجل باستخدام الصيغ الرياضية والتنسيق الشرطي والبرمجة النصية المتقدمة.

تاريخ النشر

تمثل إدارة البيانات الرقمية في عصر الحوسبة السحابية حجر الزاوية الذي ترتكز عليه عمليات اتخاذ القرار المؤسسي والبحث العلمي الرصين. ومع تزايد الاعتماد على منصة جداول بيانات جوجل (Google Sheets) كبيئة تعاونية مركزية لإدخال وتحليل وتخزين السجلات، برزت إشكالية تكرار البيانات بين الأعمدة كأحد أبرز التحديات التي تقوض جودة التحليلات الإحصائية وتستنزف الموارد البشرية والتقنية. إن وجود مدخلات مكررة موزعة عبر مسارات بيانات متعددة داخل جدول واحد لا يعيق فقط التدفق الانسيابي للمعلومات، بل يمتد أثره ليشوه دقة القياسات والتقديرات الاستقرائية التي تبنى عليها خطط الأعمال والنتائج الأكاديمية على حد سواء.

يتناول هذا الدليل التخصصي الشامل مسألة اكتشاف ومقارنة التكرارات بين عمودين في جداول بيانات جوجل من منظور تكاملي يجمع بين الأسس الرياضية والمنطقية لقواعد البيانات، والحلول الإجرائية التطبيقية. سنستعرض آليات عمل الصيغ المعيارية والمتقدمة، بدءاً من دوال العد المشروط والمطابقة المرجعية، مروراً بالمعالجات المصفوفية الذكية، ووصولاً إلى هندسة الحلول البرمجية المؤتمتة باستخدام البرمجة النصية عبر سحابة جوجل. كما نسلط الضوء على المعايير المنهجية لمعالجة الفروق النصية الحساسة، وضبط التواريخ والأرقام، وبناء لوحات المراقبة اللحظية لمنع تلوث البيانات، مما يوفر للمحلل والباحث مرجعاً تقنياً موثوقاً وشاملاً يضمن سلامة بنيات البيانات واتساقها التشغيلي.

Google Sheets find duplicates in two columns
Google Sheets find duplicates in two columns
جدول المحتويات

1. مقدمة نظرية لإدارة البيانات والتحقق من صحتها في جداول بيانات جوجل

1.1 أهمية اتساق البيانات واكتشاف التكرارات في البيئات الأكاديمية والمهنية

يشكل اتساق البيانات الركيزة الأساسية لأي نظام معلوماتي يسعى لتحقيق موثوقية عالية ومصداقية تحليلية لا تقبل الشك. في البيئات الأكاديمية، يتسبب تكرار السجلات داخل مجموعات البيانات التجريبية أو المسحية في انحياز إحصائي جسيم يؤدي إلى تضخيم أحجام العينات بصورة زائفة، الأمر الذي يترتب عليه تقليص قيمة الخطأ المعياري وتزييف مستويات الدلالة الإحصائية، مما قد يفضي بالباحثين إلى قبول فرضيات علمية باطلة أو رفض فرضيات صحيحة استناداً إلى بيانات مشوبة بالتكرار. إن التحقق الصارم من استقلالية المدخلات وتمايزها المتبادل يعد متطلباً منهجياً مسبقاً قبل الشروع في تطبيق نماذج الانحدار الخطي أو التحليلات متعددة المتغيرات.

أما في البيئات المهنية والمؤسسية، فإن تكرار البيانات يترجم مباشرة إلى تكاليف تشغيلية مهدورة وقرارات استراتيجية مضللة. فعلى سبيل المثال، يؤدي تكرار بيانات العملاء في جداول إدارة علاقات العملاء (CRM) إلى إرسال حملات تسويقية متطابقة لنفس الشخص، مما يولد انطباعاً سلبياً حول احترافية المؤسسة ويهدر ميزانيات التواصل عبر البريد الإلكتروني أو الرسائل النصية. علاوة على ذلك، فإن الاعتماد على سجلات محاسبية تتضمن قيوداً مكررة في أعمدة المدفوعات أو المقبوضات ينتج عنه خلل حتمي في موازين المراجعة ومطابقات البنوك، مما يعرض المؤسسة لمخاطر الامتثال والمساءلة القانونية نتيجة عدم دقة القوائم المالية المعلنة.

تتطلب سلامة البيانات المرجعية إرساء آليات رقابة استباقية وتدقيقية ترتكز على مبادئ حوكمة البيانات المعتمدة في أطر العمل العالمية مثل DAMA-DMBOK، والتي تؤكد على أن جودة البيانات لا تتحقق بمجرد إدخالها، بل تتطلب دورة مستمرة من التحقق والفرز والتوثيق. إن اكتشاف التكرارات ليس مجرد عملية تجميلية لتنسيق الخلايا، بل هو إجراء جوهري لحماية نزاهة النماذج التنبؤية وضمان تطابق المؤشرات الرقمية مع الواقع التشغيلي الفعلي للمنشأة، مما يحد من تراكم “الديون التقنية” الناتجة عن ترحيل أخطاء الإدخال من مستوى تحليلي إلى آخر أعلى تعقيداً.

1.2 التحديات التحليلية الناتجة عن تكرار المدخلات عبر مسارات متعددة

تتعاظم صعوبة إدارة البيانات وتدقيقها عندما تتوزع المدخلات المتشابهة أو المكررة عبر أعمدة متفرقة أو مسارات معالجة متباعدة داخل الورقة ذاتها. في المجموعات البيانية المعقدة التي تحتوي على آلاف الصفوف، تصبح أساليب المراجعة اليدوية عبر المسح البصري أمراً مستحيلاً وغير ذي جدوى، فضلاً عن كونه محفوفاً بنسب خطأ بشري مرتفعة تفاقم من حجم المشكلة الأصلية بدلاً من علاجها. يتطلب الفحص اليدوي تركيزاً إدراكياً عالياً ينهار تدريجياً مع تقدم ساعات العمل، مما يتيح للعديد من الأخطاء التسلل دون أن يتم رصدها من قبل المحلل.

تنشأ أزمة التكرار متعدد المسارات في كثير من الأحيان نتيجة تجميع البيانات من قنوات استقصائية متباينة؛ كأن تدمج المؤسسة قائمة المسجلين في مؤتمر عبر منصة الويب مع قائمة الحاضرين الفعليين المسجلين عبر أجهزة المسح الميداني، حيث يخصص لكل مصدر عمود محدد داخل جدول البيانات. هذا التباين في مصادر الجمع يقترن باختلافات زمنية وطرق إدخال متفاوتة، مما يخلق تداخلاً يصعب فك تشابكه بالوسائل التقليدية، خاصة إذا كانت القيم المشتركة تحمل دلالات مختلفة كأن يكون الاسم مكرراً لكن المعرف الشخصي مختلفاً أو العكس.

في غياب الحلول المؤتمتة القائمة على الخوارزميات والمعادلات الرياضية، تستهلك المقارنات البينية قدراً هائلاً من الموارد الحاسوبية والوقت التشغيلي. يلجأ بعض المستخدمين إلى تصدير الجداول إلى أدوات معالجة نصوص أو استخدام عمليات القص واللصق اليدوية، وهو ما يؤدي في معظم الأحيان إلى فقدان اتساق الصفوف الأصلية وتدمير العلاقات الهيكلية بين المتغيرات. إن غياب الفهم الدقيق لطبيعة التكرارات المتقاطعة يحول عملية تنظيف البيانات البسيطة إلى مشروع معقد يستنزف جهود الفريق التحليلي بدلاً من توجيهها نحو استخلاص الأنماط وبناء الرؤى الاستراتيجية.

1.3 الهيكلية الحسابية لمعالجة الجداول في بيئة السحابة الرقمية

تعمل جداول بيانات جوجل وفق بنية تحتية سحابية متقدمة تعتمد على محرك حسابي مركزي يدير كائنات الخلايا والمصفوفات في الذاكرة الحية (In-Memory Processing). لا تتعامل هذه المنظومة مع الخلايا كوحدات نصية معزولة، بل تنظر إليها بوصفها مصفوفات ثنائية الأبعاد ترتبط بعلاقات تبعية شجرية معقدة. عندما يتم تطبيق معادلة معينة لمقارنة عمودين، فإن محرك المعالجة يقوم برسم خريطة بيانية لجميع الخلايا المتأثرة بالصيغة لتحديد ترتيب الحسابات الأمثل وتجنب إهدار الطاقة الحاسوبية في العمليات الدائرية أو المتكررة.

تتميز جداول البيانات السحابية بآلية الفهرسة المرجعية اللحظية، حيث تنعكس أي تعديلات تطرأ على خلايا المصدر فوراً على كافة الخلايا التابعة لها، وذلك بفضل نموذج الحساب التفاعلي المستمر. هذه الطبيعة الديناميكية تعني أن إدراج صيغ ثقيلة حسابياً لمقارنة نطاقات واسعة (مثل مقارنة مصفوفة من عشرة آلاف صف بمصفوفة أخرى مماثلة) سيتطلب مئات الملايين من عمليات المقارنة المنطقية في أجزاء من الثانية، مما قد يؤثر على زمن استجابة الورقة للمستخدمين المتصلين في الوقت الفعلي ما لم يتم تحسين بنية الصيغ المستخدمة بعناية فائقة.

من الضروري هنا إدراك الفرق المفاهيمي بين التخزين الفيزيائي للقيم في قواعد البيانات الخلفية وطرق تمثيلها البصري على واجهة المستخدم. فالقيمة المخزنة قد تكون رقماً صحيحاً أو كسرياً مجرداً، في حين يظهرها التنسيق الظاهري كنص منسق أو عملة أو تاريخ، وهو تباين جوهري قد يضلل خوارزميات المقارنة البسيطة إذا لم يتم ضبط أنواع البيانات برمجياً قبل الفحص. إن إدراك هذه البنية الحسابية السحابية هو ما يمنح المحلل القدرة على كتابة معادلات تحقق تتسم بالسرعة والدقة وتتكيف مع التحديثات المتزامنة دون التسبب في تجميد بيئة العمل المشتركة.

2. الأساس الرياضي والمنطقي لدالة COUNTIF في مقارنة النطاقات

2.1 المفهوم الإحصائي والمنطقي لعملية العد المشروط

تقوم عملية العد المشروط في علوم الحاسوب والرياضيات التطبيقية على فكرة الإقران المنطقي بين مجموعة شاملة من البيانات $U$ ومعيار فحص محدد $C$. رياضياً، يمكن التعبير عن الدالة بوصفها عملية جمع دالي لمخرجات اقتران مؤشر منطقي ثنائي (Indicator Function)، حيث يعطي الاقتران القيمة واحد (1) إذا حقق العنصر المفحوص الشرط الموضوع، بينما يعطي القيمة صفر (0) إذا لم يتحقق الشرط. وبجمع هذه المؤشرات لجميع عناصر النطاق المستهدف، يتم الحصول على التكرار المطلق للقيمة محل البحث داخل المجموعة قيد التحليل.

تتعامل دالة COUNTIF مع الشروط المنطقية من خلال محاذاة الأنماط الرياضية والنصية؛ فهي تختبر تماثل القيم الرقمية استناداً إلى تكافؤ المقادير، وتختبر النصوص استناداً إلى تطابق سلاسل المحارف المعيارية المكونة لها. يتيح هذا المنطق الإحصائي للمحلل تحويل التساؤل الكيفي “هل يوجد هذا العنصر في مكان آخر؟” إلى تساؤل كمي دقيق “كم مرة ظهر هذا العنصر في النطاق المحدد؟”، وهي خطوة محورية تفصل بين مجرد الإدراك العفوي لوجود تماثل وبين التوثيق الإحصائي الدقيق لحجم هذا التماثل.

تكمن القوة التحليلية لمخرجات دالة العد المشروط في إمكانية إعادة تقييم نتائجها العددية كقيم منطقية ثنائية (Boolean Logic). ففي المنظومة المنطقية لجداول بيانات جوجل، تعتبر النتيجة صفر مكافئة للحالة المنطقية “خطأ” (FALSE)، في حين أن أي عدد صحيح موجب أكبر من الصفر يترجم كحالة منطقية “صواب” (TRUE) عند إخضاعه لتقييم شرطي. وبناءً على ذلك، يتم توظيف هذا التحويل المنطقي لبناء قواعد التنسيق الآلي، حيث يصبح تجاوز ناتج العد لرقم معين بمثابة المحفز الإجرائي لإطلاق سلسلة من الاستجابات البصرية أو الحسابية التلقائية.

2.2 بناء جملة دالة COUNTIF وقواعد استخدام الوسائط

يتطلب الاستخدام الاحترافي لدالة COUNTIF استيعاباً دقيقاً لبنيتها التركيبية الصارمة وقواعد التعامل مع وسائطها الإلزامية. تأخذ الدالة وسيطين أساسيين في صيغتها القياسية المكتوبة بالشكل:

=COUNTIF(range, criterion)

حيث يمثل الوسيط الأول (النطاق أو range) متجهاً بيانياً أحادي البعد أو مصفوفة ثنائية الأبعاد من الخلايا التي يُراد تفتيشها، بينما يمثل الوسيط الثاني (المعيار أو criterion) القيمة المرجعية، أو التعبير المنطقي، أو مرجع الخلية التي نقيس على أساسها مدى تحقق التطابق المطلوب.

عند تحديد نطاق البحث، يجب مراعاة أن يشمل كافة السجلات المستهدفة بالمقارنة دون إقحام مساحات عشوائية قد تتسبب في بطء المعالجة. يمتد النطاق أفقياً أو عمودياً عبر كتابة مرجع الخلية الأولى متبوعاً بنقطتين رأسيتين ثم مرجع الخلية الأخيرة (مثل B2:B100). أما المعيار، فيمكن كتابته كقيمة ثابتة بين علامتي تنصيص، أو كمرجع ديناميكي مباشر يشير إلى خلية تتغير قيمتها تبعاً لموضع التقييم (مثل الخلية A2)، وهو النمط الأكثر كفاءة وأناقة عند إجراء المقارنات المتبادلة بين عمودين كاملين عبر صفوف متعددة.

تفرض جداول بيانات جوجل قيوداً تركيبية دقيقة حول كيفية كتابة المعايير المنطقية؛ فإذا كان المعيار يتضمن معاملات مقارنة رياضية صريحة (مثل أكبر من أو أصغر من أو لا يساوي)، فيجب دمج المعامل الرياضي مع مرجع الخلية باستخدام معامل الربط النصي (Ampersand: &). وفي المقابل، عند البحث عن تطابق تام مباشر مع قيمة خلية محددة، يكفي تماماً تمرير مرجع الخلية مجرداً دون إشارات إضافية، ليقوم المحرك الحسابي بإجراء تقييم التكافؤ التام تلقائياً بين محتوى الخلية المرجعية ومحتويات كل خلية داخل النطاق المستهدف.

2.3 التأطير المرجعي: النطاقات المطلقة والنطاقات النسبية

يعد مفهوم التأطير المرجعي (Cell Referencing) الفاصل الحقيقي بين الحلول الحسابية المحكمة وتلك المعطوبة التي تقود إلى نتائج كارثية. يعتمد المحرك الداخلي لجداول البيانات على الفهم النسبي للمواقع الجغرافية للخلايا؛ فعند سحب معادلة أو تطبيق قاعدة تنسيق شرطي عبر نطاق من الخلايا، يقوم النظام بإزاحة مراجع الصفوف والأعمدة تلقائياً بمقدار المسافة المقطوعة ما لم يتم إصدار أمر بتثبيتها. تبرز هنا الوظيفة الحيوية لعلامة الدولار ($) كأداة تأطير مطلقة تجمد إحداثيات الخلايا وتمنع حركتها أثناء المعالجة المتتابعة.

في سياق مقارنة عمودين لاكتشاف التكرارات، تتجلى ضرورة الجمع المتناغم بين المراجع المطلقة والمراجع النسبية. فالنطاق الذي يتم التفتيش فيه يجب أن يظل ثابتاً ومجمداً بالكامل لجميع الخلايا المفحوصة، مما يستدعي كتابته بصيغة المرجع المطلق المزدوج لكلا العمود والصف، كما في النمط: $B$2:$B$100. يؤدي إهمال تثبيت النطاق إلى ظاهرة “انزياح النطاق” (Range Drifting)؛ حيث تبدأ الخلية الأولى بالبحث في النطاق من السطر الثاني حتى المئة، بينما تبحث الخلية الثانية في النطاق من السطر الثالث حتى المئة وواحد، مما يخرج نصف البيانات المستهدفة من حيز الرقابة الرياضية ويقوض مصداقية الكشف برمتها.

في المقابل، يجب أن تظل الخلية المرجعية محل الفحص مكتوبة بصيغة نسبية مرنة تتيح للمؤشر الحسابي التحرك بحرية بالتوازي مع الصف الذي يجري تقييمه. فعند كتابة A2 داخل الصيغة دون علامة الدولار، يفهم النظام السحابي أنه مطالب بمقارنة محتوى الخلية الحالية في كل صف مقابل النطاق الثابت المجمد للعمود الآخر. يضمن هذا الفصل الصارم بين النطاق المطلق والمرجع النسبي تدفقاً بيانياً متسقاً يخضع كل مدخل بمفرده لنفس المعيار المرجعي المستقر، دون أي تشويه أو تداخل مكاني في حدود الفحص الموضوعة.

3. الدليل الإجرائي المباشر: تطبيق التنسيق الشرطي لكشف التكرارات

3.1 إعداد نطاق البيانات وتحديده بدقة منهجية

تبدأ الخطوة الإجرائية الأولى في الكشف البصري عن البيانات المكررة بالتجهيز المنهجي الصارم لنطاقات العمل داخل جدول البيانات. قبل الشروع في فتح لوحات التنسيق، يتعين على المحلل حصر الحقول المستهدفة بدقة واستبعاد صفوف العناوين الترويسية (Header Rows) من نطاق التطبيق المباشر. إن شمول صف العناوين في نطاق الفحص يؤدي في كثير من الأحيان إلى تلوينه عن طريق الخطأ إذا تصادف تطابق اسم العمود مع أحد المدخلات، أو التسبب في إزاحة موضعية ترجئ تطبيق الشروط صفاً واحداً إلى الأسفل، مما ينتج عنه تضارب بين موضع اللون وموضع القيمة المكررة الفعلية.

عندما تكون البيانات موزعة في عمودين متباعدين أو غير متجاورين، كأن يكون العمود الأول في المسار A والعمود الثاني في المسار D، يتيح محرك جداول بيانات جوجل إمكانية الربط التجميعي بين النطاقات المنفصلة. يتم ذلك عن طريق تظليل النطاق الأول بالكامل باستخدام الفأرة، ثم الضغط المستمر على مفتاح التحكم (Ctrl في بيئة ويندوز أو Command في بيئة ماك)، وتظليل النطاق الثاني تالياً، أو كتابتها يدوياً في حقل النطاق مفصولة بفاصلة منقوطة أو فاصلة عادية وفقاً للغة وإعدادات المستند، مثل: A2:A100, D2:D100.

يتطلب العمل الاحترافي التحقق المسبق من خلو نهايات الأعمدة من البيانات الهامشية أو الملاحظات الجانبية العشوائية التي قد يضعها المدخلون في أسفل الجداول. يفضل دوماً تحويل النطاق إلى هيكل منظم له حدود معلومة بوضوح، مع التأكد من تجانس البنية الهيكلية للبيانات في كلا العمودين من حيث نوع الإدخال؛ إذ إن محاولة مقارنة عمود يحتوي على نصوص مدمجة بعمود آخر يحتوي على سجلات منفصلة ستقود حتماً إلى فشل خوارزميات التطابق، مهما بلغت دقة الصيغ الرياضية المصممة للفرز والتنسيق.

3.2 تهيئة لوحة قواعد التنسيق الشرطي وضبط المعايير

عقب إتمام عملية تحديد الخلايا المستهدفة، يتم استدعاء واجهة التنسيق الشرطي من خلال النقر على قائمة تنسيق (Format) في شريط القوائم العلوي، ثم اختيار التنسيق الشرطي (Conditional formatting). يؤدي هذا الإجراء إلى انبثاق شريط جانبي مخصص لإدارة وتحديد قواعد التنسيق المطبقة على النطاق المحدد سلفاً. تتسم هذه الواجهة بمرونة برمجية تتيح فحص القواعد على مستويات متعددة وفقاً لأولويات ترتيبية محددة، حيث يمتلك المستخدم القدرة على تفعيل قواعد متعددة وإعادة ترتيب أولوياتها عبر السحب والإفلات لتحديد القاعدة التي تحظى بحق الأسبقية في العرض المرئي.

للانتقال من التنسيقات السطحية الافتراضية إلى التنسيق التحليلي المتقدم، يجب النقر على القائمة المنسدلة المعنونة باسم تنسيق الخلايا إذا (Format cells if…) والنزول إلى الخيار الأخير بالقائمة وهو صيغة مخصصة هي (Custom formula is). يعد هذا الخيار بمثابة البوابة المنطقية التي تمكّن المستخدم من تجاوز القيود البسيطة (مثل البحث عن نص معين أو رقم أكبر من قيمة ثابتة)، والانتقال نحو بناء عبارات منطقية حرة تستند إلى قدرات المحرك الحسابي الكامل لجداول بيانات جوجل، مما يسمح بإجراء مقارنات متقاطعة عبر أبعاد خلايا متعددة غير ممكنة بالقواعد المسبقة.

فور اختيار “صيغة مخصصة هي”، سيظهر حقل نصي مخصص لإدخال المعادلة الحسابية. هنا يجب التريث والتأكد من مطابقة إحداثيات الخلية الأولى المكتوبة داخل الصيغة مع الزاوية العليا الأولى للنطاق المحدد في حقل “تطبيق على النطاق” (Apply to range). أي تباين طفيف، كأن يبدأ النطاق من A2 بينما تبدأ الصيغة بالإشارة إلى A1، سيؤدي إلى فشل التقييم المنطقي وحدوث انحراف في تلوين النتائج بمقدار صف كامل، مما يجعل واجهة التحليل تعطي إشارات تضليلية تفقد المستخدم ثقته في دقة النظام ككل.

3.3 صياغة المعادلة الرياضية وتحليل تدفق العمل المنطقي

تعتمد صياغة المعادلة الشرطية على الهدف التحليلي الدقيق للمستخدم؛ فإذا كان المطلوب هو فحص وجود قيم العمود الأول داخل العمود الثاني بالتزامن، يتم إدخال الصيغة المعيارية في حقل المعادلة المخصصة على النحو التالي (بافتراض أن المقارنة تجري بين العمودين A و B بدءاً من الصف الثاني):

=COUNTIF($B$2:$B$100, A2) > 0

تبدأ هذه الصيغة باستدعاء دالة العد المشروط لفحص نطاق العمود المقابل المجمد بالكامل $B$2:$B$100، مستخدمة محتوى الخلية المقابلة A2 كمعيار للمطابقة والتفتيش.

يكمن السر المنطقي لهذه المعادلة في الرمز الشرطي الرياضي الأكبر من صفر (> 0). فعندما يعثر المحرك الحسابي على قيمة الخلية A2 داخل النطاق المستهدف مرة واحدة أو أكثر، فإن ناتج دالة COUNTIF سيكون حتماً عدداً صحيحاً يساوي واحداً أو يزيد. هنا تتدخل المقارنة المنطقية لتحويل هذا الناتج إلى القيمة المنطقية TRUE، مما يرسل إشارة فورية لنظام التنسيق لتطبيق النمط البصري المعتمد على الخلية A2. وفي حال لم تكن القيمة موجودة إطلاقاً، فإن ناتج العد سيكون صفراً، وتفشل المقارنة المنطقية لتعطي FALSE، فتبقى الخلية محتفظة بتنسيقها الطبيعي دون أي تظليل.

أثناء سريان هذه القاعدة، يتحرك المؤشر الحسابي الافتراضي للنظام خطوة بخطوة عبر خلايا العمود A نزولاً إلى A100. في كل خطوة، يستبدل النظام القيمة النسبية تلقائياً؛ فيفحص A3 مقابل نفس النطاق المجمد $B$2:$B$100، ثم ينتقل إلى A4، وهكذا دواليك. هذه الحركة المتتابعة التلقائية هي ما يمنح الصيغ المخصصة كفاءتها العالية، حيث تغني المستخدم عن الحاجة لكتابة مئات المعادلات الفردية لكل صف، وتضمن توحيد معيار القياس لجميع عناصر العينة الإحصائية المفحوصة في آن واحد وبدقة متناهية.

3.4 تخصيص النمط البصري والتمييز اللوني للنتائج

لا تتوقف الفعالية الإجرائية للتنسيق الشرطي عند مجرد كتابة الصيغة المنطقية الصحيحة، بل تمتد لتشمل الإخراج البصري والمعرفي للنتائج؛ إذ تؤكد نظريات الإدراك البصري على أن الاختيار الخاطئ للألوان قد يعيق سرعة تفسير البيانات بدلاً من تسهيلها. توفر واجهة التنسيق خيارات مرنة لتعديل لون خلفية الخلية، ولون الخط، وتنسيق الخطوط (غامق، مائل، أو يتوسطه خط). في التحليلات المتخصصة، ينصح بالابتعاد عن الألوان الصارخة كالأحمر الناري أو الأصفر الساطع للخلايا بأكملها، حيث تتسبب هذه التدرجات في إجهاد العين عند مراجعة الجداول الممتدة لآلاف الأسطر.

تتمثل الممارسة الفضلى في استخدام درجات لونية هادئة ومتباينة بذكاء؛ كاستخدام تظليل أحمر باهت أو وردي خفيف جداً لخلفية الخلايا المكررة، مقترناً بخط غامق من نفس الدرجة اللونية بدرجة تشبع أعلى، مما يضمن وضوح القراءة ويحافظ على إمكانية تمييز النصوص والأرقام بداخلها بسهولة تامة. في حال كانت بيئة العمل تتضمن تصنيفات متعددة من التكرارات (كأن يراد تمييز المكرر المتبادل بلون، والمكرر الداخلي بلون آخر)، يجب وضع نظام ترميز لوني مسبق يوضح دلالة كل لون لتجنب حدوث ارتباك لدى بقية أعضاء الفريق البحثي أو المؤسسي المشاركين في الملف.

عقب إتمام اختيار النمط التنسيقي المناسب، يتم النقر على زر تم (Done) في أسفل اللوحة الجانبية لحفظ وتثبيت القاعدة. سيلاحظ المستخدم على الفور تحول مظهر الجدول وتظليل كافة الخلايا المتطابقة وفق الشروط الموضوعة. يتعين في هذه اللحظة إجراء تدقيق بصري عيني سريع (Visual Spot-Check) على عينة عشوائية من الخلايا المظللة وغير المظللة، للتأكد من أن القاعدة تعمل بتوافق تام مع التوقعات المنطقية المرجوة، وأن تدفق الألوان يعكس بدقة خارطة التكرارات الحقيقية الكامنة بين العمودين.

4. التحليل المقارن: التكرار المتبادل المشترك مقابل التكرار الداخلي

4.1 التمييز الدلالي بين التطابق الداخلي والتقاطع بين مجموعتين

يعد الخلط بين مفهوم “التكرار الداخلي” (Intra-column Duplicate) ومفهوم “التقاطع المتبادل” (Inter-column Duplicate) من أكثر الأخطاء المنهجية شيوعاً في إدارة البيانات، والتي يترتب عليها قرارات معالجة خاطئة تماماً. في نظرية المجموعات الرياضية (Set Theory)، يمثل التقاطع المتبادل العملية $A cap B$، وهي مجموعة العناصر المشتركة التي تنتمي إلى المجموعة $A$ والمجموعة $B$ في آن معاً. تدل هذه العناصر في السياق المؤسسي على اشتراك طرفين في معاملة موحدة، أو وجود طالب مسجل في مساقين دراسيين مختلفين في نفس الفصل الأكاديمي.

على النقيض من ذلك، يعبر التكرار الداخلي عن تكرار وجود عنصر ما أكثر من مرة داخل نفس المجموعة الواحدة (تكرار القيمة داخل العمود $A$ بمعزل تام عن العمود $B$). يشير هذا النمط في غالب الأحيان إلى خطأ إدخال بشري أو خلل تقني أثناء ترحيل البيانات، مثل قيام الموظف بتسجيل نفس الفاتورة مرتين في جدول المقبوضات. وتزداد الصورة تعقيداً إذا ما تزامنت الحالتان معاً؛ أي أن تكون القيمة مكررة مرتين داخل العمود $A$، وفي نفس الوقت توجد نسخة منها في العمود $B$، مما يربك المحلل غير المتمرس إذا لم يمتلك الأدوات المنطقية الكفيلة بالفصل التام بين الظاهرتين.

تتجلى الخطورة المنهجية لهذا الخلط عند اتخاذ قرارات التطهير أو الحذف الآلي؛ فإذا كان الهدف هو إزالة العملاء الذين سبق استهدافهم في حملة سابقة (أي استبعاد عناصر التقاطع)، فإن تطبيق قاعدة تلتقط التكرارات الداخلية سيؤدي دون قصد إلى حذف عملاء جدد دخلت بياناتهم مرتين بالخطأ بدلاً من معالجة بياناتهم المكررة. لهذا السبب، يجب صياغة قواعد التحقق والتنسيق الشرطي بعناية هندسية صارمة تضمن أن تركز كل قاعدة على نمط التكرار المقصود تحديداً دون تداخل مع الأنماط الأخرى.

4.2 صياغة قواعد حصرية للكشف عن القيم المشتركة بين العمودين فقط

لعزل التكرار المتبادل المشترك بصورة حصرية وضمان عدم تلوين الخلايا التي تتكرر داخلياً فقط، يتوجب توجيه دالة التنسيق الشرطي للتفتيش في العمود “الآخر” حصراً، مع ربط كل عمود بصيغة مخصصة مستقلة تماماً. فإذا أردنا فحص الخلايا في العمود $A$ التي تمتلك نظيراً في العمود $B$، نقوم بتظليل النطاق A2:A100 ونضع الصيغة:

=COUNTIF($B$2:$B$100, A2) >= 1

تضمن هذه الصيغة أن أي خلية يتم تظليلها في العمود $A$ هي حتماً خلية موجودة في العمود $B$، بغض النظر عما إذا كانت تلك القيمة قد تكررت داخل العمود $A$ نفسه أم وردت مرة واحدة يتيمة.

وبالمثل تماماً، للتعرف على الخلايا في العمود $B$ التي تمتلك نظيراً في العمود $A$، نقوم بتظليل النطاق B2:B100 بصورة منفصلة، ونضيف قاعدة تنسيق شرطي جديدة كلياً نطبق عليها الصيغة العكسية المتطابقة منطقياً:

=COUNTIF($A$2:$A$100, B2) >= 1

من خلال هذا الفصل الإجرائي المتقن بين القاعدتين، نحصل على خريطة تقاطع ناصعة الدقة تبرز عناصر المجموعة $A cap B$ بألوان واضحة على كلا الجانبين، دون أن نتأثر إطلاقاً بوجود قيم مكررة محلياً داخل أي من العمودين بمعزل عن الآخر.

تتفوق هذه الطريقة المنهجية في تجنب الإشارات الإيجابية الكاذبة (False Positives) التي تسقط فيها الطرق التلقائية العامة؛ حيث تتيح للمحلل التحقق الفوري من التكافؤ المتبادل ومتابعة العناصر الشائعة بين القائمتين بنظرة شمولية سريعة. كما تمكنه من تخصيص تدرج لوني موحد لكلا القاعدتين للدلالة على الشراكة، مما يرسخ في ذهن القارئ أن تلوين الخلية يعني حصراً اشتراكها بين كلا المسارين التحليليين المستهدفين بالمقارنة.

4.3 الكشف عن التكرارات العامة عبر النطاق المدمج الكلي

في بعض السيناريوهات التحليلية المعاكسة، قد يكون الغرض الإحصائي هو الكشف عن أي تكرار مطلق أينما ورد؛ سواء كانت القيمة مكررة داخل العمود نفسه، أو متطابقة مع العمود المقابل، أو كلا الأمرين معاً. في هذه الحالة، يتغير المنظور المنطقي من دراسة المجموعات المنفصلة وتقاطعاتها إلى دراسة “المجموعة الكلية الموحدة” (Union Domain)، حيث يُعامل العمودان بوصفهما حوضاً بيانياً واحداً تتفاعل عناصره ككتلة موحدة تخضع لمسطرة قياس تكرارية شمولية موحدة الأبعاد.

لتطبيق هذا المنظور الشامل، نقوم بتظليل العمودين معاً في خطوة واحدة ليكون النطاق المطبق عليه هو: A2:B100، ثم نتوجه إلى الصيغة المخصصة ونكتب المعادلة الهيكلية التالية:

=COUNTIF($A$2:$B$100, A2) > 1

هنا تم دمج نطاق البحث ليصبح مصفوفة مستطيلة الأبعاد تشمل $A$2:$B$100، في حين ظلت الخلية المرجعية للفحص هي أول خلية في الزاوية العليا للنطاق المظلل (A2)، مما يسمح بمقارنة كل عنصر داخل المستطيل بجميع العناصر الأخرى المتواجدة فيه دون أي استثناء مكاني.

لاحظ هنا التحول المنطقي الجوهري في علامة المقارنة؛ حيث استبدلنا الشرط > 0 بالشرط الصارم > 1. والسبب الرياضي وراء ذلك هو أن نطاق البحث الشامل يحتوي بالضرورة على الخلية المفحوصة نفسها كأحد عناصره الهيكلية؛ وبالتالي، فإن أي عنصر سيجد نفسه حتماً مرة واحدة على الأقل داخل النطاق الموسع وسيكون ناتجه الأدنى دائماً يساوي 1. لذا، فإن اشتراط الزيادة عن الواحد (> 1) هو الضمان الوحيد لاكتشاف أن العنصر يمتلك ظهوراً إضافياً واحداً على الأقل في مكان ما داخل الرقعة البيانية المشتركة، سواء كان هذا الظهور في نفس العمود أو في العمود الآخر المقابل.

5. توظيف الدوال المتقدمة لاكتشاف القيم المكررة واستخراجها

5.1 تطبيق الدالة MATCH لإجراء المطابقة المرجعية المتقاطعة

تعد دالة MATCH إحدى أقوى الأدوات المرجعية في بيئات الجداول الحسابية المتقدمة، وتتميز بآلية عمل هندسية تختلف جذرياً عن دوال العد الإحصائي. فبدلاً من احتساب عدد مرات الظهور التراكمي، تهدف الدالة إلى تحديد الموقع النسبي (Relative Index) للعنصر المستهدف داخل مصفوفة البحث وإرجاع رقم الصف الترتيبي الذي وُجدت فيه أول مطابقة مطابقة تامة للمعايير، مستندة في ذلك إلى وسيط التكافؤ الصارم صفر (0) لفرض التطابق المتطابق حرفياً ورقمياً.

تأخذ الدالة صيغتها المعيارية عبر التركيب:

=MATCH(search_key, range, [search_type])

وعند توظيفها في اكتشاف التقاطع بين العمودين A و B، تصاغ المعادلة على النحو التالي:

=ISNUMBER(MATCH(A2, $B$2:$B$100, 0))

في هذه الصيغة المدمجة، تقوم دالة MATCH بالبحث عن قيمة A2 داخل العمود B، فإذا وجدتها أعادت رقماً يمثل موضعها (مثل الصف الرابع)، وإذا لم تجدها تصدر خطأ مرجعياً صريحاً من النوع #N/A. تأتي هنا دالة ISNUMBER لتقييم هذا المخرج؛ فإذا كان الناتج رقماً حولته إلى TRUE، وإذا كان خطأ حولته إلى FALSE، وهي نتيجة ثنائية نموذجية للتنسيق الشرطي ولعمليات التصفية المتقدمة.

تتمثل الميزة التحليلية الاستثنائية لدالة MATCH في كفاءتها الحسابية المتفوقة مقارنة بدالة COUNTIF عند التعامل مع مجموعات البيانات الضخمة التي تحتوي على عشرات الآلاف من السجلات. فدالة COUNTIF مجبرة حسابياً على المرور عبر كامل النطاق الممتد من البداية إلى النهاية لاحتساب كافة مرات الظهور، بينما تتوقف دالة MATCH فور عثورها على أول مطابقة للمدخل (Early-Exit Mechanism)، مما يختصر زمن المعالجة السحابية بصورة ملحوظة ويقلل من استهلاك ذاكرة المستند، لاسيما في العمليات التعاونية المعقدة.

5.2 دمج دالتي FILTER و COUNTIF لتوليد قوائم المستخرجات

لا يقتصر العمل الاحترافي في تحليل البيانات على التمييز اللوني البصري للخلايا المتطابقة، بل يتطلب في كثير من الأحيان استخراج تلك البيانات المكررة وعزلها في عمود مستقل لإنشاء قوائم تصدير أو إخضاعها لمزيد من المعالجات التحليلية المتقدمة. هنا يبرز التكامل البرمجي الفائق بين الدالتين العملاقتين FILTER و COUNTIF، والذي يتيح بناء منظومة تصفية مؤتمتة تسحب القيم المشتركة ديناميكياً وتنسكب تلقائياً في حقل مخصص دون أي تدخل يدوي.

لتحقيق هذا الغرض، يتم التوجه إلى الخلية الأولى من عمود فارغ (ولتكن الخلية C2)، وكتابة الصيغة المركبة التالية:

=FILTER(A2:A100, COUNTIF(B2:B100, A2:A100) > 0)

تعمل هذه الصيغة بذكاء اصطناعي مصفوفي متقدم؛ حيث تقوم دالة COUNTIF الداخلية باختبار كل قيمة من قيم المصفوفة A2:A100 على حدة مقابل نطاق العمود B2:B100، لتولد مصفوفة افتراضية داخلية من القيم المنطقية تتكون من TRUE للعناصر المتطابقة و FALSE للعناصر المفقودة، لتقوم دالة FILTER بالتقاط هذه المصفوفة وعرض العناصر التي حققت شرط الصحة فقط.

تتميز قائمة المستخرجات الناتجة بهذه التقنية بالديناميكية المطلقة والتحديث اللحظي؛ فبمجرد إضافة قيمة جديدة إلى العمود B تطابق عنصراً موجوداً في العمود A، ستظهر تلك القيمة على الفور وبصورة متزامنة داخل عمود النتائج C دون الحاجة إلى إعادة تشغيل الصيغة أو تحديث الصفحة. كما يمكن تعزيز هذه الصيغة بدمجها مع دالة UNIQUE في بدايتها (أي: =UNIQUE(FILTER(...))) لضمان عدم ظهور أي قيمة مكررة أكثر من مرة في القائمة المستخرجة النهائية، مما يوفر للمحلل كشفاً مقتضباً ومصفى بدقة متناهية يمثل التقاطع الرياضي الخالص بين المجموعتين.

5.3 استخدام الدالة QUERY لمعالجة التقاطعات المعقدة

تعتبر دالة QUERY بمثابة جوهرة المعالجة البيانية داخل جداول بيانات جوجل، حيث تمنح المحلل القدرة على استخدام لغة استعلامات متكاملة تشبه إلى حد كبير لغة الاستعلامات البنيوية (SQL). يتيح هذا المحرك القوي دمج عمليات استخراج التكرارات مع الفرز المنطقي، واستبعاد الفراغات، وتطبيق الشروط المركبة المعقدة التي يصعب تحقيقها عبر الجمع التقليدي للدوال الحسابية البسيطة.

عند الرغبة في استخراج القيم المكررة مع ترتيبها أبجدياً واستثناء أي خلايا فارغة مشوهة قد تتخلل الأعمدة، يمكن كتابة استعلام تركيبي يستند إلى دمج البيانات؛ كأن نصيغ المعادلة بالهيئة الآتية:

=QUERY(A2:B100, "SELECT A WHERE A IS NOT NULL AND A MATCHES '" & TEXTJOIN("|", TRUE, B2:B100) & "' ORDER BY A ASC")

توظف هذه الصيغة الذكية دالة TEXTJOIN لتحويل محتويات العمود B إلى نمط تعبيرات قياسية (Regex) مفصول برمز الخط العمودي، لتطابقه مع العمود A عبر محرك استعلامات QUERY الصارم، مع فرز النتيجة تصاعدياً وتنظيفها من الفراغات في سطر برمجي مدمج واحد.

تتجلى الفائدة العظمى لاستخدام محرك QUERY في المشاريع والمؤسسات الكبيرة التي تتطلب إعداد تقارير معيارية متكررة تُبنى على مصفوفات ضخمة تتغير مدخلاتها دورياً. تمنح لغة الاستعلامات المبرمجين والمحللين تحكماً بنيوياً مطلقاً في تسمية الأعمدة المستخرجة باستخدام العبارة LABEL، وتحديد عدد الصفوف المعروضة عبر العبارة LIMIT، فضلاً عن إجراء عمليات تجميع وإحصاء متزامنة لكمية التكرارات لكل عنصر مستخرج، مما يحول ورقة البيانات العادية إلى قاعدة بيانات علائقية متطورة تدير العلاقات المعقدة بين المسارات المتوازية بكفاءة استثنائية.

5.4 تفعيل التكامل بين دالتي VLOOKUP و ISNUMBER

على الرغم من التطور المتسارع في دوال جداول البيانات الحديثة، لا تزال دالة VLOOKUP تحظى بانتشار واسع وشعبية متجذرة لدى أجيال من محللي البيانات؛ نظراً لألفتها وسهولة فهم منطق عملها القائم على التفتيش الرأسي. وعندما يتم الجمع الوظيفي بين قدرات البحث العمودي التي تقدمها VLOOKUP وبين وظيفة الفحص المنطقي لدالة ISERROR أو ISNA، يمكن الحصول على مؤشر ثنائي فعال للغاية لاكتشاف التكرارات ومحاذاتها بدقة فائقة عبر الأعمدة المختلفة.

تتم كتابة الصيغة المحايدة لاكتشاف التطابق باستخدام البحث الرأسي على النحو التالي:

=NOT(ISNA(VLOOKUP(A2, $B$2:$B$100, 1, FALSE)))

في هذا التركيب، تحاول دالة VLOOKUP مطابقة محتوى A2 بدقة تامة (بناءً على الوسيط المنطقي FALSE) مع القيم المتواجدة في نطاق العمود $B$2:$B$100 وإرجاع القيمة نفسها. إذا نجحت العملية، فإن دالة ISNA تفشل في رصد الخطأ فتعطي FALSE، ثم يتدخل المشغل المنطقي NOT لقلب النتيجة إلى TRUE، معلناً نجاح اكتشاف التطابق والتكرار المشترك.

تتيح هذه الاستراتيجية ميزة إضافية مقارنة بالدوال الأخرى؛ وهي إمكانية استبدال الدوال المنطقية بعمود استرجاع رقمي، بحيث لا يكتفي المستخدم بمعرفة “هل القيمة مكررة أم لا؟”، بل يستطيع استدعاء بيانات وصفية مرتبطة بالقيمة المكررة من العمود المجاور لها في الجدول المستهدف. هذا النمط مفيد جداً في تدقيق جداول الموظفين أو الطلاب؛ حيث يمكن استدعاء البريد الإلكتروني أو الرقم الأكاديمي للشخص المكرر ووضعه بجوار اسمه مباشرة في الجدول المفحوص، مما يسرع من عمليات التحقق الميداني واتخاذ الإجراء التصحيحي اللازم.

6. معالجة البيانات النصية والفروق الدقيقة في مطابقة السلاسل

6.1 حساسية حالة الأحرف ودور دالة EXACT المتقدم

من المسائل التقنية الحساسة التي يغفل عنها قطاع عريض من المحللين هي أن دوال الفحص التقليدية في جداول بيانات جوجل (مثل COUNTIF و VLOOKUP و MATCH) تتبنى منطقاً افتراضياً لا يتأثر إطلاقاً بحالة الأحرف في اللغات اللاتينية (Case-Insensitive)؛ حيث تعتبر الحرف “a” مطابقاً تماماً للحرف “A”. قد يمثل هذا السلوك ميزة تسهيلية في الأعمال المكتبية البسيطة، إلا أنه يتحول إلى مصدر خطر جسيم في البيئات الأكاديمية والتقنية المتقدمة التي تتعامل مع معرفات فريدة حساسة للحالة مثل رموز التشفير، أو معرفات الجلسات الرقمية، أو الأرقام التسلسلية الحيوية للعينات المخبرية، أو أسماء الجينات العلمية المتفق عليها دولياً.

لتجاوز هذا القيد وإرساء مطابقة ثنائية صارمة تأخذ في الحسبان أدق الفروق بين الأحرف الكبيرة والصغيرة، لا مناص من استدعاء الدالة المتخصصة EXACT. تقارن هذه الدالة سلسلتين نصيتين عبر محاذاة البتات المتطابقة في تشفير الحرف، وتعيد القيمة المنطقية TRUE حصراً إذا وفقط إذا كان النصان متطابقين بصورة كلية في المحتوى والشكل والحجم. ولتطبيقها في فحص تكرار عنصر من العمود A داخل العمود B كاملاً مع مراعاة حساسية الأحرف، يتم اللجوء إلى صيغة مركبة تُكتب بصيغة التنسيق الشرطي كالتالي:

=SUMPRODUCT(--EXACT(A2, $B$2:$B$100)) > 0

في هذه التركيبة الاحترافية، تمرر دالة EXACT القيمة A2 على كامل عناصر المصفوفة $B$2:$B$100 لتعيد مصفوفة من القيم المنطقية الصارمة. ويقوم معامل الإلغاء الثنائي المزدوج (Double Unary: --) بتحويل القيم المنطقية TRUE إلى أرقام صحيحة (1) و FALSE إلى (0)، لتقوم دالة SUMPRODUCT بجمع هذه الأرقام معاً دون الحاجة إلى تشغيل مصفوفي خارجي معقد. فإذا كان المجموع أكبر من الصفر، فذلك يعني دون أدنى شك وجود تطابق مطابق شكلاً وحجماً ومحتوى، مما يحمي المحلل من السقوط في فخ المطابقات الزائفة التي تغفل الفروق الرمزية الدقيقة للسجلات المشفرة.

6.2 تطهير النصوص من المسافات الزائدة باستخدام دوال التهيئة

تعد المسافات البادئة (Leading Spaces) والمسافات اللاحقة (Trailing Spaces) والمسافات البينية المزدوجة من أكثر العوامل الخفية المسببة لإحباط مستخدمي جداول البيانات؛ حيث تؤدي مسافة بيضاء واحدة غير مرئية بالعين المجردة في نهاية الاسم أو الكود إلى اختلاف البصمة الرقمية للنص تماماً في نظر خوارزميات المقارنة. فعلى سبيل المثال، سيعتبر النظام أن النص "أحمد " (المتبوع بمسافة) يختلف بنيوياً عن النص "أحمد" (المجرد من المسافات)، مما يتسبب في فشل دالة COUNTIF في رصد التكرار بينهما، لتبقى الخلايا المتطابقة ظاهرياً بيضاء دون أي تمييز لوني، وهو ما يضلل المستخدم ويقوده للاعتقاد الخاطئ بعدم وجود تكرارات.

للتعامل المنهجي مع هذه المعضلة الخفية، يتعين دمج دوال التهيئة النصية وعلى رأسها دالة TRIM الرائدة، والتي تختص بتمشيط السلاسل النصية وحذف كافة المسافات البيضاء المتطرفة من البداية والنهاية، مع تقليص المسافات البينية المتعددة بين الكلمات إلى مسافة واحدة قياسية فقط. يمكن دمج دالة TRIM بصورة حية داخل معادلة الفحص الشرطي ذاتها لضمان إجراء المقارنة على النصوص النقية دون الحاجة إلى تعديل البيانات الأصلية في خلاياها، وذلك عبر كتابة الصيغة التطهيرية:

=COUNTIF(ARRAYFORMULA(TRIM($B$2:$B$100)), TRIM(A2)) > 0

بالإضافة إلى ذلك، تبرز في البيئات المؤسسية مشكلة “المحارف غير القابلة للطباعة” (Non-printable Characters)، والتي تتسلل غالباً إلى السجلات عند نسخ البيانات واستيرادها من أنظمة قديمة أو قواعد بيانات متباينة التنسيق، مثل فواصل الأسطر ومحارف التبويب غير المرئية (Line Breaks & Tab Characters). هنا يأتي دور دالة CLEAN التطهيرية، والتي يمكن ربطها مع دالة TRIM على النحو CLEAN(TRIM(text)) لتنظيف النص من أي شوائب رقمية أو محارف ASCII غير المرئية التي تقبع بين الأحرف، مما يعيد للنص بنيته المعيارية الموحدة ويضمن خضوعه لاختبارات المطابقة بنزاهة حسابية متناهية.

6.3 التعامل مع الاختلافات الصرفية والتنوع الإملائي في النصوص

تفرض اللغة العربية تحديات لغوية وصرفية فريدة في سياق معالجة البيانات ومقارنة النصوص الرقمية، ناتجة عن التنوع الإملائي الشائع في كتابة بعض الحروف المشابهة؛ كاختلاف كتابة الهمزات في بدايات الكلمات ونهاياتها (مثل: أحمد، احمد، إبراهيم، ابراهيم، آمال)، والخلط المتكرر بين الياء الأخيرة والألف اللينة المقصورة (علي مقابل على، منى مقابل مني)، والتداخل المستمر بين التاء المربوطة والهاء في أواخر الكلمات (فاطمة مقابل فاطمه، شركة مقابل شركه). هذه التباينات الإملائية، ورغم أنها تشير دلالياً إلى نفس الشخص أو الكيان في أذهان القراء، إلا أنها تمثل في المنظور الحاسوبي قيماً متمايزة تماماً تفشل الدوال الصارمة في مطابقتها كلياً.

للتعامل مع هذه الطبيعة اللغوية الحساسة، يمكن توظيف “محارف البدل” (Wildcards) المتوفرة في دوال جداول بيانات جوجل، وأهمها علامة الاستفهام (?) التي تحل محل أي محرف فردي واحد، وعلامة النجمة (*) التي تحل محل أي سلسلة من المحارف غير المحددة الطول. فإذا أردنا مطابقة اسم قد تتنوع همزته في البداية، يمكن صياغة معيار البحث بالشكل: "?حمد"، مما يتيح للدالة اصطياد كلمتي “أحمد” و “احمد” في نفس عملية الفحص. كما يمكن استخدام التعابير القياسية المتقدمة من خلال دالة REGEXMATCH لبناء قواعد تطابق صرفية مرنة تستوعب كافة البدائل الهجائية المحتملة للحرف الواحد في خطوة حسابية موحدة.

ومع ذلك، تؤكد الدراسات المنهجية في حوكمة المعلومات على أن الحل المستدام والأكثر نضجاً لا يكمن في الاعتماد الدائم على صيغ المطابقة التقريبية أو الجزئية؛ لأن المطابقة الجزئية قد تفتح الباب لتسجيل مطابقات خاطئة فادحة (كأن تطابق اسماً قصيراً مع اسم آخر طويل يشاركه نفس البادئة). بل يتمثل الحل الأمثل في تطبيق مرحلة “توحيد المعايير الإملائية” (Text Standardization) المسبقة للبيانات قبل الشروع في فحص التكرارات، وذلك بتمرير الأعمدة عبر دوال استبدال مؤتمتة توحد الهمزات وتعالج الألف المقصورة والتاء المربوطة مسبقاً، لتبدأ خوارزميات المقارنة عملها على أرضية بيانية منسقة تلغي احتمالات الخطأ والتشويش المعرفي.

7. التعامل مع البيانات الرقمية والتواريخ المكررة عبر الأعمدة

7.1 الفروق في التنسيقات الرقمية وأثرها على دقة التطابق

قد تبدو مقارنة البيانات الرقمية للوهلة الأولى أكثر بساطة ومباشرة مقارنة بالنصوص، إلا أنها تنطوي على مطبات تقنية معقدة تتعلق باختلاف طرق التمثيل الفيزيائي للأرقام داخل خلايا الجداول السحابية. من أبرز هذه الإشكاليات ظاهرة “الأرقام المخزنة كنصوص” (Numbers Stored as Text)، والتي تحدث بشكل متكرر عند استيراد البيانات من ملفات CSV خارجية أو عبر النماذج الإلكترونية؛ حيث تبدو القيمة في مظهرها كمعرف رقمي مثل 12345، لكن النظام يتعامل معها داخلياً بوصفها سلسلة نصية جامدة تختلف هيكلياً عن القيمة العددية الحقيقية 12345، مما يفشل محاولات التكافؤ المباشر بينهما.

لحل هذا التناقض وضمان توحيد النوع البياني، يتم توظيف الدالة المتخصصة VALUE لتحويل النصوص الرقمية إلى مقادير عددية صحيحة في الذاكرة الحية، أو استخدام المعامل الرياضي الأحادي (مثل ضرب القيمة في 1 أو إضافة 0) لإجبار المحرك الحسابي على إعادة تفسير النص كنظام عددي. كما يمكن للمحلل التنسيق الشرطي لكشف هذا الخلل عبر استخدام دالة ISNUMBER لفرز الخلايا وتوحيد نسقها، مما يمنع حدوث انقطاع في تدفق عمليات التفتيش والعد الرياضي بين الأعمدة المستهدفة.

تظهر إشكالية أخرى في البيانات المحاسبية والعلمية تتمثل في نسب التقريب والفواصل العشرية المتناهية الصغر (Floating-point Precision). في بعض الحسابات، قد ينتج عن الدوال الرياضية كسر عشري دقيق مثل 10.00000001 في أحد الأعمدة، بينما يحتوي العمود المقابل على القيمة الظاهرية 10.00. عند فحص التكرار، ستعتبر الدوال هذه القيم مختلفة تماماً رغم تطابقها الشكلي على الشاشة. للتغلب على ذلك، يجب دمج دالة التقريب ROUND لتحديد دقة المنازل العشرية المستهدفة بالمقارنة، مما يضمن أن ينصب الفحص على القيمة الحقيقية المعنوية للرقم وليس على الفروق المجهرية الهامشية الناتجة عن المعالجات الحاسوبية الداخلية.

7.2 مقارنة حقول التواريخ والأوقات ومعالجة الأرقام التسلسلية

لفهم كيفية مقارنة حقول التواريخ والأوقات بين عمودين بدقة متناهية، يجب أولاً استيعاب النظام الرقمي التسلسلي الداخلي الذي تستند إليه جداول بيانات جوجل. تخزن المنظومة التواريخ بوصفها أرقاماً متسلسلة صحيحة تمثل عدد الأيام المنقضية منذ تاريخ الأساس المرجعي العالمي (الموافق 30 ديسمبر 1899). أما الوقت، فيتم تخزينه ككسر عشري يمثل النسبة المئوية المنقضية من اليوم الكامل المكون من 24 ساعة؛ فالقيمة 0.5 تمثل الساعة الثانية عشرة ظهراً تماماً، والقيمة 0.25 تمثل الساعة السادسة صباحاً، مما يعني أن أي خلية تحتوي على تاريخ ووقت معاً هي في حقيقتها رقم عشري مركب (مثل: 45210.75).

ينشأ التحدي عند محاولة فحص التكرار بين عمودين لتحديد العمليات التي تمت في “نفس اليوم”، في حين أن أحد العمودين يسجل التواريخ مجردة، بينما يسجل العمود الآخر التاريخ مرفقاً بالطابع الزمني للعملية (Timestamp). عند المقارنة المباشرة، سيفشل النظام في إيجاد أي تطابق؛ لأن الرقم العشري المصاحب للوقت يجعل قيمة الخلية مختلفة تماماً عن الرقم الصحيح للخلية الخالية من الوقت. للتغلب على هذه العقبة وتجريد مكونات الوقت بدقة، يتم استدعاء دالة الجزء الصحيح INT، والتي تقوم بحذف الكسر العشري تماماً والإبقاء على الرقم التسلسلي الصحيح لليوم فقط عبر المعادلة:

=INT(Timestamp_Cell)

تتيح هذه المقاربة الهندسية صياغة شروط تنسيق متطورة تفحص تماثل الأيام بدقة بمعزل عن الساعات والدقائق، وذلك عبر كتابة صيغ مخصصة تقارن الأجزاء الصحيحة لنطاقات التواريخ، مثل:

=COUNTIF(ARRAYFORMULA(INT($B$2:$B$100)), INT(A2)) > 0

يضمن هذا التحويل الرياضي تطابقاً يومياً عادلاً يكشف كافة السجلات والأنشطة المتزامنة تاريخياً بين مسارات التسجيل المختلفة، مع إمكانية استخدام دالة TEXT لتنسيق التواريخ وفق بنية قياسية موحدة (مثل: "YYYY-MM-DD") إذا تطلب الأمر إجراء فحص نصي موحد يتجاوز أي اختلافات في الإعدادات الإقليمية للتقاويم المعتمدة في المستند.

7.3 معالجة الأصفار البادئة والأرقام التعريفية المركبة

تحظى الأرقام التعريفية المركبة، كأرقام الهواتف، وأرقام الهوية الوطنية، والأكواد الجامعية، والمفاتيح التسلسلية للمنتجات (SKU)، بخصوصية تقنية تفرض التعامل معها بحذر بالغ؛ نظراً لاحتواء العديد منها على “أصفار بادئة” (Leading Zeros) في جهة اليسار (مثل الرمز: 004921). المشكلة الجوهرية تكمن في أن الإدخال الرقمي التلقائي في جداول البيانات يقوم تلقائياً بحذف هذه الأصفار البادئة واعتبارها بلا قيمة رياضية، ليتحول الرقم فوراً إلى 4921، مما يغير من طبيعة السجل ويدمر فرص مطابقته مع عمود آخر يحتفظ بتلك الأصفار أو يخزن القيمة كرمز نصي أصيل.

تتم معالجة هذه المعضلة من خلال ضبط التنسيق القياسي للأعمدة مسبقاً وتعيينها كـ نص عادي (Plain Text) قبل البدء في لصق البيانات أو إدخالها، مما يمنع المحرك الحسابي من التدخل العفوي لاقتطاع الأصفار. وفي حال كانت البيانات قد دخلت بالفعل وتشوهت بنيتها، يمكن استعادة الأصفار البادئة برمجياً باستخدام دالة التنسيق النصي TEXT، وتحديد قناع رقمي ثابت يمثل الطول المعياري للمعرف (مثل: TEXT(A2, "000000"))، لإعادة ملء الخانات الفارغة في اليسار بالأصفار المفقودة قبل إخضاع القيمة لاختبارات المطابقة المتبادلة.

علاوة على ذلك، يجب الانتباه إلى الرموز الخاصة والفواصل التي تتخلل المعرفات المركبة (مثل الشرطات - أو النقاط الفاصلة). فوجود اختلاف بسيط في طريقة كتابة المعرف، كأن يكتب في العمود الأول بالشكل "ID-9821" وفي العمود الثاني بالشكل "ID9821"، سيعطل كلياً دوال الكشف المباشرة. يقتضي النهج التحليلي الرصين هنا استخدام دالة REGEXREPLACE لإزالة كافة الرموز والمحارف غير الرقمية من كلا العمودين وتجريدهما حتى البنية الجوهرية الصافية، مما يضمن أن تتركز مقارنة التكرار على الأرقام الحقيقية المكونة للمعرف دون التأثر بأنماط الإدخال والتنسيق الشكلي المتفاوتة بين الأنظمة.

8. الأساليب المتقدمة باستخدام الصيغ المصفوفية (Array Formulas)

8.1 تطبيق الدالة ARRAYFORMULA لإجراء الفحص التلقائي الشامل

تمثل الدوال المصفوفية، وعلى رأسها الدالة المحورية ARRAYFORMULA، نقلة نوعية في منهجية تصميم جداول البيانات؛ حيث تنقل المستخدم من النمط الفردي اليدوي (كتابة الصيغة وسحبها عبر مئات الصفوف) إلى النمط المصفوفي المؤتمت (Monolithic Array Processing). في هذا النمط المتطور، تُكتب صيغة واحدة مفردة في الخلية العليا، لتقوم تلقائياً بتنفيذ آلاف العمليات الحسابية المتزامنة على طول العمود بأكمله وتسكب النتائج نزولاً في الخلايا التابعة لها دون الحاجة لأي تكرار برمجي أو تدخل يدوي.

لبناء صيغة مصفوفية متقدمة تفحص وجود كل عنصر من العمود A داخل العمود B على امتداد الورقة بالكامل، يمكن كتابة المعادلة التالية في الخلية C2:

=ARRAYFORMULA(IF(A2:A="", "", IF(COUNTIF(B2:B, A2:A)>0, "مكرر في B", "فريد")))

تتضمن هذه الصيغة شرطاً استباقياً بالغ الأهمية (IF(A2:A="", ""))؛ وذلك لتعطيل الفحص في الصفوف الفارغة ومنع الدالة المصفوفية من ملء آلاف الخلايا السفلية الفارغة بنصوص مضللة، مما يحافظ على نظافة الورقة وخفة حجمها أثناء التصفح والطباعة.

تتفوق هذه المنهجية المصفوفية في كونها تقدم حلاً ديناميكياً مستداماً يتكيف تلقائياً مع نمو البيانات؛ فإذا قام المستخدم بإضافة مئات الصفوف الجديدة في المستقبل إلى أسفل الجدول، ستمتد الصيغة المصفوفية لتشملها وتقيمها بصورة لحظية دون الحاجة إلى تذكر سحب الصيغة أو نسخها. كما أن هذه البنية تحمي المنظومة من أخطاء التعديل العرضي؛ حيث لا يمكن للمستخدمين العاديين تعديل أو حذف الصيغة من منتصف العمود، نظراً لأن النتائج مستمدة من “خلية أم” واحدة ترأس المصفوفة بالكامل، مما يعزز من متانة التطبيق وسلامته التشغيلية في بيئات العمل التشاركية.

8.2 الاستفادة من الدالتين MAP و LAMBDA لتحليل الأعمدة المعقدة

يمثل إدخال بنية الدوال المجهولة الموجهة عبر دالتي LAMBDA و MAP إلى جداول بيانات جوجل ثورة وظيفية حقيقية جعلت من بيئة الجداول لغة برمجة وظيفية متكاملة (Functional Programming). تتيح هذه الدوال الحديثة للمحلل تجاوز بعض القيود الصارمة التي كانت تفرضها دالة ARRAYFORMULA القديمة، خاصة عند محاولة تطبيق دوال معينة تعجز عن التعامل مع المصفوفات بشكل طبيعي، أو عند الرغبة في بناء منطق فرز وتفتيش مخصص شديد التعقيد والتفرع.

باستخدام التكامل الوظيفي بين MAP و LAMBDA، يمكن إنشاء دالة برمجية مخصصة تمسح عناصر العمودين بشكل متوازٍ وتبني منطق مقارنة تفصيلي يتجاوز مجرد العد البسيط. تتخذ الصيغة التكوينية هذا الشكل الهندسي الأنيق:

=MAP(A2:A100, LAMBDA(item, IF(item="", "", IF(ISNUMBER(MATCH(item, B2:B100, 0)), "متطابق متبادل", "غير متطابق"))))

تقوم دالة MAP هنا بالتقاط كل خلية من النطاق وتمريرها كمتغير محلي يسمى item داخل دالة LAMBDA، والتي تنفذ بدورها الفحص الرياضي بدقة فائقة وتعيد النتيجة فوراً إلى الخلية المقابلة.

يتميز هذا الأسلوب البرمجي الراقي بتوفير شفافية هيكلية فائقة يسهل تدقيقها وتطويرها لاحقاً؛ إذ يمكن للمبرمج إدراج شروط متعددة ومترابطة داخل جسم دالة LAMBDA دون التضحية بسرعة المعالجة. كما تتيح دالة LAMBDA استدعاء متغيرات متعددة في آن واحد عبر دمج نطاقات أعمدة متباعدة (مثل تمرير العمود A والعمود B كمدخلات متزامنة)، مما يفتح آفاقاً واسعة لمقارنة مصفوفات متعددة الأبعاد وتحليل التكرارات المركبة بناءً على معايير مشروطة متقاطعة لا يمكن للدوال التقليدية مجاراتها على الإطلاق.

8.3 تقييم الكفاءة الحسابية بين المصفوفات والتنسيق الشرطي المباشر

عند الشروع في بناء حلول تقنية لاكتشاف التكرارات في جداول ضخمة، يواجه مهندس البيانات معضلة المفاضلة الحسابية (Computational Trade-off) بين الاعتماد على التنسيق الشرطي البصري المباشر، أو اللجوء إلى الدوال المصفوفية المكتوبة في أعمدة مساعدة. تؤكد القياسات الميدانية للأداء السحابي أن التنسيق الشرطي يمثل حملاً ثقيلاً على متصفح المستخدم وقدرات معالجة الرسوم؛ نظراً لأن القواعد الشرطية تظل بحاجة إلى إعادة تقييم ورسم مستمر لكل خلية في كل مرة يقوم فيها المستخدم بالتمرير أو التكبير أو إجراء تعديل طفيف في أي ركن من أركان الورقة.

في المقابل، تتم معالجة الصيغ المصفوفية المعتمدة على ARRAYFORMULA أو الدوال الحديثة (MAP و LAMBDA) على خوادم جوجل السحابية الخلفية بكفاءة عالية، ولا يتم إعادة حسابها إلا عند حدوث تغيير حقيقي في البيانات المرجعية ذات الصلة. هذا الفارق الجوهري يعني أن الاعتماد على أعمدة مساعدة تتضمن صيغاً مصفوفية لتصنيف التكرارات إلى “مكرر” و “فريد”، ثم تطبيق تنسيق شرطي مبسط جداً يبحث عن الكلمة الناتجة فقط، يعتبر خياراً هندسياً أكثر رشاقة وسرعة بعشرات المرات من حشو واجهة التنسيق الشرطي بمعادلات COUNTIF معقدة وثقيلة حسابياً تطبق مباشرة على آلاف الخلايا.

يوضح الجدول المقارن التالي أبرز الفروق الهيكلية والتشغيلية بين منهجيات الكشف المختلفة لمساعدة المحلل في اختيار الأداة المثلى بناءً على حجم العمل وطبيعة الاستخدام:

  • التنسيق الشرطي المباشر: ممتاز للمجموعات الصغيرة والمتوسطة (أقل من 5,000 خلية)، يوفر تمييزاً بصرياً فورياً، لكنه يسبب ثقلاً ملحوظاً في التمرير عند تضخم البيانات واستهلاكاً كبيراً لموارد المعالج الرسومي للمتصفح.
  • صيغ المصفوفات (ARRAYFORMULA): مثالية للمجموعات الكبيرة وحتى مئات الآلاف من الصفوف، تنفذ العمليات في خوادم السحابة، وتحدث النتائج ديناميكياً مع قابلية توسع عالية وحصانة ضد أخطاء التعديل اليدوي في الخلايا الفرعية.
  • دوال LAMBDA و MAP الحديثة: الخيار الأمثل للتحليلات المتقدمة التي تتطلب منطق فحص معقد ومطابقة شروط متراكبة، توفر أداءً ممتازاً واستغلالاً ذكياً للذاكرة مع بنية برمجية قابلة للقراءة والصيانة بسهولة تامة.
  • محرك الاستعلامات (QUERY): الأداة المفضلة لتوليد تقارير التقاطع المستقلة مع الفرز والتنظيف الفوري، إلا أنها تتطلب بناء جمل استعلامية صارمة وتعتبر أثقل نسبياً في استهلاك الذاكرة السحابية أثناء المعالجة الأولية.

9. بناء تقارير ديناميكية لتحليل التكرارات ومراقبتها

9.1 تصميم لوحة معلومات مدمجة لعرض مؤشرات التكرار اللحظية

لا يكتمل التحليل الاحترافي للبيانات إلا بتأطير النتائج وتلخيصها ضمن لوحة معلومات تنفيذية مدمجة (Executive Dashboard) تقدم للمسؤولين والباحثين قراءة لحظية واضحة لحجم التكرارات وتوزيعها العام دون الحاجة إلى فحص آلاف الصفوف بالتفصيل. يتم بناء هذه اللوحة في منطقة مخصصة في أعلى ورقة العمل أو في ورقة منفصلة تماماً، وتحتوي على مؤشرات أداء رئيسية (KPIs) تستعرض إجمالي السجلات المفحوصة، وعدد السجلات الفريدة، والعدد الإجمالي للقيم المكررة المشتركة، بالإضافة إلى النسبة المئوية للتكرار مقارنة بحجم العينة الكلي.

تعتمد هذه المؤشرات الرقمية على صياغة معادلات تجميع إحصائية سريعة ودقيقة؛ فيمكن احتساب إجمالي العناصر المتطابقة بين العمودين باستخدام معادلة مدمجة كالتالي:

=COUNTIF(ARRAYFORMULA(COUNTIF(B2:B100, A2:A100)>0), TRUE)

كما يمكن تعزيز اللوحة بدمج رسوم بيانية مصغرة مدمجة داخل الخلايا الفردية باستخدام دالة SPARKLINE، والتي تتيح رسم مخطط شريطي أو خطي مصغر يوضح تركز التكرارات في أجزاء معينة من الجدول أو تطور نسب التكرار بمرور الوقت مع تدفق البيانات الجديدة.

يساهم هذا التمثيل التجريدي المكثف في منح فرق الإدارة والتدقيق أداة مراقبة فورية لتقييم مدى نجاح عمليات التنظيف والتحقق؛ فبمجرد التدخل لتصحيح أو إزالة السجلات الزائفة، ستهبط عدادات المؤشرات اللحظية بصورة متزامنة لتؤكد انخفاض مستويات التلوث البياني واقتراب المنظومة من حالة التناسق المطلق، مما يرفع من ثقة متخذي القرار في المؤشرات الإحصائية المستخلصة من قاعدة البيانات المحدثة.

9.2 إنشاء تنبيهات وإشعارات بصرية مشروطة عند إدخال مكرر جديد

تتمثل الحوكمة الذكية للبيانات في الانتقال من مرحلة “العلاج اللاحق” إلى مرحلة “الوقاية الاستباقية”؛ أي منع تسجيل القيم المكررة في مهدها لحظة قيام المستخدم بالكتابة، بدلاً من الانتظار حتى تتراكم الأخطاء والبحث عن سبل لتطهيرها. توفر جداول بيانات جوجل نظاماً أمنياً متقدماً للتحقق من صحة المدخلات يُعرف باسم التحقق من صحة البيانات (Data Validation)، والذي يمكن ضبطه لإصدار تحذيرات فورية أو رفض الإدخال كلياً إذا ما تطابقت القيمة الجديدة مع سجل متواجد في العمود الآخر المقابل.

لتهيئة هذا النظام الوقائي، يتم تظليل العمود المستهدف (وليكن العمود A)، ثم النقر بزر الفأرة الأيمن واختيار التحقق من صحة البيانات (Data validation)، وإضافة قاعدة جديدة ترتكز على خيار صيغة مخصصة هي (Custom formula is). نضع الصيغة الوقائية الحاصرة:

=COUNTIF($B$2:$B$100, A2)=0

يفرض هذا الشرط المنطقي الصارم ألا يزيد عدد مرات ظهور القيمة الجديدة داخل نطاق العمود B عن صفر؛ فإذا حاول المدخل كتابة اسم أو معرف موجود بالفعل في العمود المقابل، يرفض النظام القيمة على الفور ويظهر نافذة منبثقة تحمل رسالة خطأ مخصصة توضح أن هذا السجل مكرر ومسجل مسبقاً في القائمة المقابلة.

كما يمكن تدعيم هذا الحاجز الوقائي بنظام إشعارات بصري متدرج؛ حيث يتم تعيين قواعد تنسيق شرطي ديناميكية تقوم بتلوين إطار الخلية باللون الأصفر التحذيري الوامض بمجرد الاشتباه في تكرارها، مما يمنح الموظف أو الباحث تنبيهاً حدسياً سريعاً يدفعه للتحقق من مصادره قبل تثبيت الإدخال في قاعدة البيانات. تسهم هذه البيئة التفاعلية الصارمة في رفع الوعي التشغيلي لدى مدخلي البيانات وتقليص الأخطاء البشرية بنسب قياسية تتجاوز 90%، مما يحمي السجلات من التدهور والخلل الهيكلي على المدى البعيد.

9.3 استخدام الجداول المحورية (Pivot Tables) لتحليل التقاطعات

تعد الجداول المحورية (Pivot Tables) أداة تحليل استكشافي لا غنى عنها لفهم الطبيعة التوزيعية للتكرارات والتقاطعات المعقدة داخل مجموعات البيانات متعددة المستويات. فعندما يحتوي الجدول على آلاف القيود المصنفة تبعاً لفروع جغرافية أو أقسام وظيفية أو فترات زمنية، يصبح من الضروري معرفة ليس فقط “هل القيمة مكررة؟”، بل “أين تتركز التكرارات؟ وما هي الفئات الأكثر تسبباً في توليد المدخلات المتطابقة عبر الأعمدة؟”.

لتحقيق هذا التحليل الاستكشافي، يتم إنشاء جدول محوري جديد يدمج أعمدة المقارنة، وتعيين حقل المعرف المكرر كعنصر في قسم الصفوف (Rows)، مع إدراج حقل التكرار في قسم القيم (Values) وتلخيصه باستخدام دالة العد الإحصائي COUNTA. يمكن بعد ذلك تطبيق مرشحات مخصصة (Filters) لعزل السجلات التي يظهر فيها العد بقيم أكبر من واحد فقط، مما يؤدي فوراً إلى تجميع كافة العناصر المكررة واختصار الجدول الموسع في تقرير محوري مقتضب يستعرض العناصر المتشابهة وكمية تكرار كل منها بدقة متناهية.

تفتح الجداول المحورية الباب لإجراء تحليلات الارتباط المتبادل (Cross-tabulation)؛ حيث يمكن وضع حقول أحد الأعمدة في الصفوف وحقول العمود الآخر في الأعمدة وتوليد مصفوفة كثافة تكرارية توضح مناطق التداخل الكثيف بين القوائم. يساعد هذا التحليل المؤسسات في تشخيص العيوب الهيكلية في قنوات جمع البيانات؛ كأن يكتشف المحلل أن فرعاً معيناً هو المصدر الأساسي لكافة التكرارات المشتركة مع القائمة العامة، مما يوجه أنظار الإدارة لتدريب موظفي ذلك الفرع على ضبط إجراءات التسجيل ورفع كفاءة عملياتهم الميدانية.

10. معالجة البيانات المكررة: العزل، الاستبدال، والحذف الآلي

10.1 استخدام أداة إزالة التكرارات المضمنة وحدود قدراتها الوظيفية

تحتوي جداول بيانات جوجل على أداة داخلية مبنية خصيصاً للتخلص من السجلات المتشابهة، ويمكن الوصول إليها بسهولة عبر شريط القوائم العلوي من خلال المسار: البيانات (Data) > تنظيف البيانات (Data cleanup) > إزالة التكرارات (Remove duplicates). تفتح هذه الأداة نافذة تتيح للمستخدم تحديد ما إذا كانت البيانات تحتوي على صفوف عناوين، واختيار الأعمدة المستهدفة بالفرز، ليقوم النظام آلياً بمسح النطاق وحذف الصفوف المتطابقة تماماً والإبقاء على النسخة الأولى فقط من كل سجل، مع إظهار تقرير نهائي يوضح عدد التكرارات التي تم استئصالها وعدد الصفوف الفريدة المتبقية.

ومع ذلك، تفرض هذه الأداة الافتراضية قيوداً وظيفية ومنهجية بالغة الخطورة يجب أن يكون المحلل المتقدم على دراية كاملة بها قبل الإقدام على استخدامها. العيب الأساسي في أداة إزالة التكرارات المضمنة هو أنها مصممة لحذف “الصفوف الكاملة” بناءً على تطابق خلايا محددة، ولا تتيح حذف مدخلات عمود واحد مع الحفاظ على خلايا العمود المقابل في نفس الصف، مما قد يتسبب في تدمير المحاذاة الأفقية للبيانات غير المكررة. كما أنها تعجز كلياً عن مقارنة عمودين متباعدين لإزالة التقاطع بينهما دون إقحام باقي بنية الجدول في عملية الحذف الجائرة.

علاوة على ذلك، فإن الحذف الآلي المباشر يحمل في طياته مخاطر جسيمة تتعلق بفقدان البيانات نهائياً وتدمير المراجع التابعة في الأوراق الأخرى (مما يتسبب في ظهور أخطاء المراجع #REF! عبر كافة أرجاء المستند). إن الاعتماد الأعمى على هذه الأداة دون وجود مسار تدقيقي موثق يتعارض مع مبادئ الأمانة والنزاهة العلمية المتبعة في الأبحاث الأكاديمية؛ إذ يفقد الباحث فرصة التحقق من سبب حدوث التكرار ودراسة ما إذا كان يعبر عن ظاهرة علمية حقيقية تستحق التوثيق بدلاً من محوها بصورة متعسفة لا رجعة فيها.

10.2 استراتيجيات عزل السجلات المكررة ونقلها إلى أوراق منفصلة

تتمثل الممارسة التحليلية الفضلى والمعتمدة لدى مدققي البيانات المحترفين في تطبيق “استراتيجية العزل الآمن” (Quarantine Strategy) بدلاً من اللجوء للحذف الفوري المتهور. تقوم هذه الاستراتيجية على مبدأ تجميد السجلات الأصلية دون المساس بتركيبتها الهيكلية، واستخراج كافة الحالات المتطابقة والمشبوهة ونقلها إلى ورقة عمل منفصلة تُخصص كـ “سجل مراجعة وتدقيق” (Audit Log Sheet)، مما يتيح لفريق العمل مراجعة كل حالة على حدة والتأكد من هويتها وسياقها قبل اتخاذ القرار النهائي بشأن دمجها أو استبعادها.

يتم تنفيذ عملية العزل ببراعة من خلال دمج دالتي FILTER و COUNTIF كما شرحنا سلفاً، أو باستخدام أدوات الفرز والتصفية المتقدمة لإنشاء “طريقة عرض مصفاة” (Filter View) خاصة بالمدقق. تتيح طرق العرض المصفاة للمحلل تصفية وعزل الصفوف المظللة بالتنسيق الشرطي بناءً على لون خلفيتها عبر المسار: فرز وتصفية > تصفية حسب اللون > لون الخلية، مما يخفي مؤقتاً جميع السجلات السليمة ويبقي على الحالات المكررة فقط في بيئة فحص معزولة تسمح بدراسة مسببات التكرار ومصادره بدقة متناهية.

كما يُنصح في البيئات المؤسسية بإضافة عمود تعريفي إضافي يسمى “حالة السجل” (Record Status)، حيث يتم وسم السجلات تلقائياً بوسوم مثل: “معتمد”، “قيد التدقيق”، أو “مكرر مستبعد”. هذا الوسم التوثيقي يتيح لكافة النظم والمصنفات التابعة قراءة البيانات السليمة واستثناء السجلات المشبوهة برمجياً دون الحاجة لحذفها فيزيائياً من قاعدة البيانات، مما يضمن بقاء السجل التاريخي كاملاً للرجوع إليه عند إجراء أي عمليات تدقيق امتثالي مستقبلية تفرضها المعايير الرقابية الدولية.

10.3 أفضل الممارسات للحفاظ على سلامة النسخ الاحتياطية

قبل الشروع في أي عملية معالجة واسعة النطاق تتضمن فحص وإلغاء وتعديل تكرارات البيانات عبر الأعمدة، يجب على المحلل اتخاذ إجراءات وقائية صارمة لضمان سلامة الأصول الرقمية للمؤسسة. تتلخص الخطوة الأولى في إنشاء “نسخة احتياطية مجمدة” (Frozen Archive Copy) لملف جداول البيانات بأكمله، أو تكرار ورقة العمل المعنية وتسميتها باسم يحمل الطابع الزمني للنسخ (مثل: Data_Raw_Backup_2025_05_20)، مع قفل خلاياها بالكامل عبر صلاحيات الحماية لمنع أي تعديل عارض أثناء انهماك الفريق في تنظيف النسخة النشطة.

تتمتع جداول بيانات جوجل بميزة أمنية بالغة القوة تسمى سجل التعديلات (Version History)، والتي يمكن الوصول إليها عبر القائمة: ملف (File) > سجل التعديلات > الاطلاع على سجل التعديلات. تسجل هذه الميزة كل ضربة زر وتعديل يطرأ على الورقة بالثواني وأسماء المحررين. يجب على المستخدم الاحترافي تسمية النسخة الحالية بوضوح (مثل: “النسخة الأصلية قبل حذف التكرارات”) قبل البدء في تشغيل أي خوارزميات أو أدوات إزالة، ليتمكن في أي لحظة من العودة بنقرة زر واحدة إلى الحالة السليمة إذا أدت التعديلات إلى خلل غير متوقع في الدوال والصيغ.

تتضمن أفضل الممارسات أيضاً إعداد “تقرير منهجية المعالجة” الملحق بملف البيانات، وهو مستند نصي مقتضب أو علامة تبويب مخصصة يوثق فيها المحلل المعايير والقواعد الرياضية التي تم اعتمادها لتعريف وتحديد التكرارات (مثل: نوع الدوال المستخدمة، كيفية معالجة الفروق الإملائية، والأساس المنطقي المتبع في إبقاء أحد السجلات وحذف نظيره). إن هذا التوثيق المنهجي الصارم هو ما يمنح الأبحاث الأكاديمية والتقارير المالية حصانتها العلمية، ويضمن قابليتها للتكرار والمراجعة المستقلة (Reproducibility) من قبل أي أطراف رقابية خارجية دون التشكيك في نزاهة النتائج المعلنة.

11. أتمتة اكتشاف التكرارات باستخدام Google Apps Script

11.1 مقدمة إلى بيئة التطوير والبرمجة النصية في جداول بيانات جوجل

توفر جداول بيانات جوجل بيئة تطوير برمجية سحابية قوية ومتكاملة تُعرف باسم Google Apps Script، وهي لغة برمجة نصية خفيفة مبنية على معايير لغة جافا سكريبت الحديثة (ECMAScript). تتيح هذه البيئة المتطورة للمطورين ومحللي البيانات تجاوز الحدود التقليدية للصيغ الحسابية الثابتة، والتحكم البرمجي الكامل في كافة عناصر وتراكيب المستند السحابي؛ بدءاً من قراءة وتعديل قيم الخلايا، مروراً بالتلاعب بالألوان والتنسيقات، ووصولاً إلى الاتصال بالواجهات البرمجية الخارجية (APIs) وإرسال الرسائل المؤتمتة.

يتم الوصول إلى محرر النصوص البرمجية مباشرة من داخل ورقة العمل عبر النقر على قائمة التوسيعات (Extensions) ثم اختيار Apps Script. تنبثق حينها بيئة تطوير متكاملة (IDE) متصلة مباشرة بسحابة جوجل، حيث ترتبط المشاريع البرمجية بالملف المضيف بنظام يسمى “النصوص البرمجية المرتبطة بالحاوية” (Container-bound Scripts). تتميز هذه البرمجيات بأنها تعمل كلياً على خوادم جوجل السحابية الآمنة، مما يعني أنها لا تستهلك أي موارد من معالج جهاز المستخدم، وتعمل بكفاءة فائقة وموثوقية مطلقة بصرف النظر عن مواصفات الجهاز الذي يتصفح منه الباحث جداوله.

تكمن الميزة الاستراتيجية للأتمتة البرمجية مقارنة بالصيغ المكتوبة على الورقة في قدرتها على تنفيذ المهام التحليلية المعقدة في “الخلفية” دون ترك معادلات ثقيلة ترهق الذاكرة الحية للمستند. يستطيع الكود البرمجي فحص مصفوفات تضم عشرات الآلاف من السجلات، ومقارنة أعمدتها، وتظليل المتطابقات، وحفظ النتائج كقيم رقمية نهائية ثابتة، مما يحافظ على خفة ورقة العمل وسرعة استجابتها للمستخدمين العاديين، فضلاً عن إمكانية تضمين منطق شرطي متقدم ومعقد يصعب صياغته ضمن حدود الصيغة الخلوية الواحدة مهما بلغت براعة كاتبها.

Google Sheets find duplicates in two columns
Google Sheets find duplicates in two columns

11.2 بناء خوارزمية مخصصة لمقارنة عمودين واكتشاف المتطابقات

لكتابة خوارزمية مؤتمتة عالية الكفاءة لمقارنة عمودين وتظليل التكرارات المشتركة بينهما، يتعين الابتعاد عن الحلقات التكرارية المتداخلة البدائية ($O(N^2)$) التي تستنزف الوقت الحسابي، واستبدالها بالبنى البرمجية السريعة مثل كائنات المجموعات (Set Data Structure) في جافا سكريبت، والتي تنفذ عمليات البحث والتحقق بزمن حسابي شبه لحظي ($O(1)$)، مما يتيح فحص آلاف الصفوف في ثوانٍ معدودة دون مواجهة خطر انقضاء مهلة التنفيذ المحددة من سحابة جوجل.

يعرض الكود البرمجي المنهجي التالي خوارزمية احترافية لقراءة العمودين A و B، وتحديد القيم المشتركة بدقة متناهية، وتظليل الخلايا المتطابقة بلون وردي مميز، مع إظهار نافذة منبثقة تلخص عدد التكرارات المكتشفة للمستخدم:

function findAndHighlightCrossDuplicates() {
 const sheet = SpreadsheetApp.getActiveSpreadsheet().getActiveSheet();
 const lastRowA = sheet.getRange("A" + sheet.getMaxRows()).getNextDataCell(SpreadsheetApp.Direction.UP).getRow();
 const lastRowB = sheet.getRange("B" + sheet.getMaxRows()).getNextDataCell(SpreadsheetApp.Direction.UP).getRow();
 
 if (lastRowA < 2 || lastRowB < 2) return;
 
 const rangeA = sheet.getRange(2, 1, lastRowA - 1, 1);
 const rangeB = sheet.getRange(2, 2, lastRowB - 1, 1);
 
 const valuesA = rangeA.getValues();
 const valuesB = rangeB.getValues();
 
 // بناء مجموعة للبحث السريع للقيم غير الفارغة في العمود B
 const setB = new Set();
 valuesB.forEach(row => {
 let val = String(row[0]).trim();
 if (val !== "") setB.add(val);
 });
 
 const highlightsA = [];
 let duplicateCount = 0;
 
 // مقارنة العمود A مع المجموعة المشتقة من B
 for (let i = 0; i < valuesA.length; i++) {
 let valA = String(valuesA[i][0]).trim();
 if (valA !== "" && setB.has(valA)) {
 highlightsA.push(["#FCE8E6"]); // لون وردي باهت للمطابقات
 duplicateCount++;
 } else {
 highlightsA.push([null]); // إعادة التنسيق الطبيعي للخلايا الفريدة
 }
 }
 
 // تطبيق التنسيقات دفعة واحدة لتحسين الأداء
 rangeA.setBackgrounds(highlightsA);
 
 SpreadsheetApp.getUi().alert("اكتمل الفحص: تم العثور على " + duplicateCount + " عنصراً مكرراً في العمود A متطابقاً مع العمود B.");
}

يعتمد هذا الكود على تقنية المعالجة المجمعة للبيانات (Batch Operation) باستخدام الدالتين getValues() و setBackgrounds()، وهي الممارسة المثلى في البرمجة السحابية لجوجل؛ حيث تقرأ وتكتب كافة البيانات والتنسيقات في طلب خادم واحد (Single API Call)، بدلاً من الدخول في حلقة تكرارية تفحص وتلون كل خلية على حدة، مما يوفر سرعة معالجة استثنائية تحافظ على زمن الاستجابة السريع وتتجنب فرض أي قيود استهلاك من بيئة جوجل السحابية.

11.3 جدولة المهام الآلية والمشغلات الزمنية (Triggers)

تبلغ الأتمتة البرمجية ذروة نضجها المؤسسي عندما يتم ربط الخوارزميات التحليلية بـ “المشغلات الآلية” (Triggers)، وهي آليات حدثية ذكية تمكن السكربت من تشغيل نفسه تلقائياً دون الحاجة لأن يضغط المستخدم على أي زر أو يفتح محرر الأكواد. تنقسم هذه المشغلات إلى نوعين أساسيين: المشغلات المبنية على الأحداث (Event-driven Triggers)، والمشغلات المبنية على الوقت والجدولة الزمنية (Time-driven Triggers).

يمكن تهيئة مشغلات الأحداث البسيطة، مثل دالة onEdit(e)، لتنفيذ فحص تلقائي مصغر فور قيام أي موظف أو باحث بتعديل خلية معينة في العمودين المستهدفين. يتحقق هذا المشغل فوراً مما إذا كانت القيمة المكتوبة حديثاً مكررة في العمود المقابل، ويقوم بتلوينها أو إطلاق تنبيه فوري يمنع الخطأ في ثانية وقوعه، مما يجعل ورقة العمل بيئة تفاعلية حية تخضع لحراسة برمجية مستمرة تتصدى لكافة محاولات التلوث البياني على مدار الساعة.

أما في المنظمات الكبيرة التي تستقبل تدفقات بيانات هائلة على مدار اليوم عبر نماذج جوجل أو استيرادات آلية، فالخيار الأمثل هو تفعيل مشغل زمني دوري يعمل تلقائياً في ساعات الليل أو في عطلة نهاية الأسبوع. يقوم هذا المشغل بتمشيط المستند كاملاً، وتدقيق التكرارات المتراكمة، وتنظيفها، ثم توليد ملخص تدقيقي متكامل يتم إرساله تلقائياً عبر خدمة MailApp إلى البريد الإلكتروني لمدير قاعدة البيانات، متضمناً جدولاً تفصيلياً بالسجلات المكررة والتحسينات المنجزة، مما يرسخ أعلى درجات الحوكمة والتحكم المؤسسي الرصين في إدارة الأصول الرقمية.

12. استكشاف الأخطاء الشائعة وتحسين كفاءة المعالجة البيانية

12.1 الأخطاء الشائعة في كتابة صيغ التنسيق الشرطي ومعالجتها

يتعرض الكثير من المستخدمين، حتى المتمرسين منهم، لمواقف محبطة يفشل فيها التنسيق الشرطي في العمل بالشكل المتوقع، كأن يتم تلوين صفوف غير متطابقة إطلاقاً، أو تظل الخلايا المكررة بيضاء خالية من أي تمييز لوني. يعود السبب الأكثر شيوعاً وراء هذه الظاهرة المحيرة إلى “خطأ محاذاة النطاق المرجعي” (Reference Misalignment)؛ حيث يشترط محرك جداول بيانات جوجل مطابقة صارمة ومطلقة بين إحداثيات الخلية الأولى في النطاق المحدد بحقل التطبيق وإحداثيات الخلية الأولى المكتوبة داخل الصيغة المخصصة.

إذا كان حقل التطبيق يشير إلى النطاق A2:A100 بينما كتبت الصيغة كالتالي: =COUNTIF($B$2:$B$100, A1)>0، فإن النظام سيبدأ بتقييم الخلية A2 استناداً إلى محتوى الخلية A1، وسيقيم A3 استناداً إلى A2، مما يؤدي إلى انزياح التنسيق اللوني صفاً كاملاً إلى الأسفل عبر امتداد الجدول بأكمله. يتمثل علاج هذا الخلل الفادح في الفحص المزدوج الدائم قبل حفظ القاعدة، والتأكد التام من أن رقم صف الخلية المرجعية في الصيغة (هنا الرقم 2) متطابق تماماً مع رقم أول صف يبدأ عنده النطاق المظلل للتطبيق دون أي انحراف.

خطأ تقني شائع آخر يتعلق بخلط الرموز الفاصلة بين وسائط الدوال (Argument Separators)؛ حيث تعتمد جداول بيانات جوجل إعدادات إقليمية تتفاوت تماشياً مع لغة المستند وبلد الاستخدام. ففي البيئات الناطقة بالإنجليزية والمستخدمة للفاصلة العشرية كعلامة للنقطة، تستخدم الفاصلة العادية (,) للفصل بين وسائط الدوال. أما في المستندات المضبوطة وفق إعدادات إقليمية تستخدم الفاصلة لتمثيل الكسور العشرية، فيتحتم كتابة الفاصلة المنقوطة (;) للفصل بين النطاق والمعيار (مثل: COUNTIF($B$2:$B$100; A2)). إن إهمال مراعاة هذه الإعدادات ينتج عنه خطأ بنيوي فوري يمنع قبول الصيغة أو يؤدي إلى تعطل تفسيرها المنطقي بالكامل.

12.2 معالجة مشكلات بطء الأداء في أوراق البيانات متضخمة الحجم

مع نمو جداول البيانات وتراكم السجلات لتصل إلى آلاف الصفوف، يشهد العديد من المستخدمين تدهوراً حاداً في سرعة استجابة المستند؛ حيث يتباطأ التمرير وتستغرق العمليات الحسابية البسيطة وقتاً طويلاً، وقد تظهر رسالة التحذير الشهيرة المزعجة التي تشير إلى استهلاك الذاكرة السحابية بالكامل. ينشأ هذا التباطؤ في أغلب الأحيان نتيجة الاستخدام المفرط وغير المنضبط لقواعد التنسيق الشرطي المتشابكة التي تطبق صيغاً تكرارية ممتدة على كامل المساحات الخلوية غير الضرورية.

لتحسين الكفاءة وتسريع الأداء إلى أقصى طاقة ممكنة، يتعين أولاً “تقليص الحدود الحسابية” للورقة عبر التخلص من الخلايا الفارغة الفائضة. تنشئ جداول جوجل افتراضياً ألف صف وستة وعشرين عموداً في كل ورقة جديدة، مما يعني وجود عشرات الآلاف من الخلايا الفارغة التي يظل المحرك مجبراً على فحصها وتضمينها في خريطة التبعيات عند كتابة نطاقات مفتوحة (مثل A:A). يؤدي حذف كافة الصفوف والأعمدة الفارغة الزائدة أسفل ويمين البيانات الفعلية إلى تقليص العبء الحسابي بصورة دراماتيكية ويوفر انتعاشاً فورياً في سرعة معالجة المعادلات السحابية.

كما يُوصى بدمج قواعد التنسيق الشرطي المتقاربة وتقليل عددها الإجمالي إلى أدنى حد ممكن؛ فبدلاً من تخصيص خمس قواعد فردية لشروط متشابهة، يفضل دمجها في صيغة واحدة تستند إلى المعاملات المنطقية المتعددة مثل OR و AND. وفي الحالات التي تتجاوز فيها البيانات عشرين ألف صف، تصبح التوصية الهندسية الصارمة هي إلغاء صيغ التنسيق الشرطي المباشرة تماماً، والاستعاضة عنها بكتابة عمود مساعدة يعتمد على صيغة مصفوفية سريعة أو استخدام البرمجة النصية عبر Apps Script لتوليد التنسيقات في الخلفية، مما يضمن بقاء واجهة التصفح سلسة وسريعة لكافة المتعاونين في بيئة العمل المشتركة.

12.3 توصيات منهجية للوقاية من التكرار وضمان حوكمة البيانات

إن الوصول إلى بيئة بيانات نظيفة ومستدامة لا يتأتى بالاكتفاء بإتقان تقنيات المعالجة والاستكشاف اللاحق، بل يتطلب تأسيس منظومة حوكمة استباقية صارمة تمنع تولد التكرارات منذ المنبع. تبدأ أولى خطوات هذه الحوكمة بتصميم نماذج إدخال موحدة (Standardized Input Forms) عبر منصات مثل نماذج جوجل (Google Forms) لجمع البيانات بدلاً من السماح للمستخدمين والموظفين بالكتابة الحرة المباشرة في خلايا الجدول، حيث تفرض النماذج قيود إدخال موحدة ومعايير إملائية مقيدة تضمن استقبال بيانات نقية ومتجانسة هيكلياً.

تتضمن المنهجية المتقدمة تدريب فرق إدخال وجامعي البيانات على الأدلة المعيارية للمصطلحات (Data Dictionaries)، والتي تحدد بصرامة الصيغة المعتمدة لكتابة الأسماء، والألقاب، والرموز، والتواريخ، والمعرفات المؤسسية، مع فرض استخدام القوائم المنسدلة المقيدة (Drop-down Lists) في كافة الحقول القابلة للتصنيف بدلاً من تركها كنصوص حرة، مما يقضي كلياً على التنوعات الإملائية والأخطاء الصرفية التي تعرقل دوال المطابقة الآلية في المستقبل.

وأخيراً، يجب على المنظمات والمختبرات البحثية وضع “دليل إجراءات دوري لمراجعة الجودة” (Quality Audit Schedule) يحدد تواريخ ثابتة (أسبوعياً أو شهرياً) لتشغيل أدوات فحص التكرارات ومراجعة مؤشرات الأداء الخاصة بسلامة البيانات. يجب تكليف مسؤول محدد بمهمة التحقق من تقارير العزل والتأكد من مطابقة السجلات المشتركة مع المستندات الثبوتية المرجعية قبل اعتماد القوائم النهائية، مما يحول إدارة البيانات من مجرد مهام روتينية عشوائية إلى ثقافة مؤسسية ناضجة تحافظ على نزاهة وموثوقية الأصول المعرفية الرقمية وتدعم اتخاذ القرارات على أسس إحصائية لا يتطرق إليها الشك.

خاتمة

إن الكشف عن التكرارات بين عمودين في جداول بيانات جوجل ليس مجرد مهارة مكتبية سطحية تقتصر على تلوين الخلايا أو حذف السجلات المزعجة، بل هو تخصص تحليلي دقيق يستند إلى تقاطع محكم بين نظريات المجموعات الرياضية، والمعالجات المنطقية السحابية، وضوابط حوكمة المعلومات. عبر استيعاب الفروق الدقيقة بين التكرار المتبادل والتكرار الداخلي، وتوظيف الإمكانات الهائلة لدوال العد والمطابقة المتقدمة، ودمج أدوات البرمجة المؤتمتة عبر Google Apps Script، يمتلك المحلل المعاصر القدرة الكاملة على حماية بياناته وتحويل الجداول الرقمية المعقدة إلى قواعد معرفية متسقة فائقة الدقة.

إن الانتقال بالعمليات التحليلية من العشوائية اليدوية إلى الحوكمة المؤتمتة هو الضمان الوحيد لصمود النظم المعلوماتية في وجه التدفقات الهائلة للبيانات في العصر الرقمي؛ حيث تسهم البيئة البيانية النظيفة والخالية من التكرارات في رفع كفاءة اتخاذ القرارات، وتعزيز النزاهة والمصداقية العلمية للأبحاث الأكاديمية، وتحسين الإنتاجية التشغيلية للمؤسسات. وباتباع المبادئ الهندسية وأفضل الممارسات الموثقة في هذا الدليل، يستطيع المتخصصون ضمان تحول مستنداتهم إلى أصول معلوماتية رصينة تدعم النمو المعرفي والمؤسسي المستدام بكفاءة واحترافية مطلقة.

المراجع

اقتباس هذا المقال

looti, M. (2026, سبتمبر 5). جداول بيانات جوجل: كيفية العثور على التكرارات في عمودين. عرب سايكلوجي. https://arabpsychology.com/statistics/google-sheets-find-duplicates-two-columns/
looti, Mohammed. “جداول بيانات جوجل: كيفية العثور على التكرارات في عمودين.” عرب سايكلوجي, 5 سبتمبر 2026, https://arabpsychology.com/statistics/google-sheets-find-duplicates-two-columns/.
looti, Mohammed. “جداول بيانات جوجل: كيفية العثور على التكرارات في عمودين.” عرب سايكلوجي. سبتمبر 5, 2026. https://arabpsychology.com/statistics/google-sheets-find-duplicates-two-columns/.