كيفية حساب القيمة المتوقعة في إكسيل

تُعد نظرية الاحتمالات والتحليل الإحصائي حجر الزاوية الذي تستند إليه عمليات اتخاذ القرار الرشيد في مجالات الاقتصاد، والهندسة، والعلوم الاجتماعية، وإدارة الأعمال. ومن بين المفاهيم الرياضية المتعددة التي تتيح للباحثين والمحللين تحويل اللايقين إلى أرقام قابلة للقياس، يبرز مفهوم القيمة المتوقعة (Expected Value) كأحد أكثر المقاييس شمولية وتطبيقاً. إن القيمة المتوقعة لا تعبر عن مجرد رقم عشوائي، بل تمثل النواة المركزية للتوزيعات الاحتمالية، والركيزة التي يتم بناء النماذج التنبؤية المعقدة عليها لفهم المآلات المستقبلية للتجارب والظواهر الإحصائية المختلفة.

مع التطور المتسارع في برمجيات معالجة البيانات، أضحى برنامج مايكروسوفت إكسيل (Microsoft Excel) البيئة الرقمية الأكثر انتشاراً وكفاءة لبناء النماذج الاحتمالية، وحساب المقاييس الإحصائية المتقدمة بكل يسر وسرعة. ويتيح إكسيل للمحللين تجاوز الحسابات اليدوية المعقدة والمعرضة للخطأ البشري، من خلال حزمة واسعة من الدوال الرياضية والمصفوفية التي تتيح حساب القيمة المتوقعة، وتحليل السيناريوهات، وإجراء محاكاة متقدمة للبيانات المنفصلة والمتصلة بدقة حسابية بالغة.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك مفهوم القيمة المتوقعة من جوانبه الرياضية والنظرية، ثم الانتقال بصورة تدريجية ومنهجية إلى التطبيق العملي الاحترافي داخل بيئة إكسيل. وسنستعرض معاً خطوات بناء النماذج، ومقارنة الطرق التقليدية بالمصفوفية الحديثة، ومعالجة الأخطاء الشائعة، وصولاً إلى التطبيقات المتقدمة في التمويل والرياضة والعلوم، مما يجعل هذا المرجع دليلاً شاملاً للباحثين، وصناع القرار، والمحللين الماليين، وخبراء البيانات على حد سواء.

1. مقدمة نظرية إلى مفهوم القيمة المتوقعة (Expected Value)

1.1 التعريف الرياضي والإحصائي للقيمة المتوقعة

تُعرف القيمة المتوقعة رياضياً بأنها المتوسط المرجح بالاحتمالات لجميع القيم الممكنة التي يمكن أن يتخذها متغير عشوائي في تجربة احتمالية معينة. في الأدبيات الإحصائية، يُشار إلى القيمة المتوقعة للمتغير العشوائي بالرمز الرياضي المعياري E(X) أو بالحرف الإغريقي μ (ميو)، وهو الرمز المخصص لتمثيل المتوسط الحسابي للمجتمع الإحصائي ككل. وتكمن الفلسفة الرياضية لهذا المفهوم في إعطاء كل نتيجة محتملة وزناً يتناسب طردياً مع احتمالية حدوثها الفعلية، مما يتيح تلخيص التوزيع الاحتمالي الكامل في قيمة قياسية واحدة تمثل النتيجة المتوازنة على المدى الطويل.

يعود التأصيل التاريخي لمفهوم القيمة المتوقعة إلى القرن السابع عشر، وتحديداً من خلال المراسلات العلمية الشهيرة بين عالمي الرياضيات الفرنسيين بليز باسكال وبيير دي فيرما في عام 1654 أثناء تحليلهما لمسألة النقاط في ألعاب الحظ والمقامرة، ثم تمت صياغته بشكل منهجي ودقيق على يد العالم الهولندي كريستيان هيجنز في كتابه الصادر عام 1657. ومع تطور التحليل الرياضي الحديث ونظرية القياس على يد كولموغوروف في ثلاثينيات القرن العشرين، تحولت القيمة المتوقعة من مجرد أداة لحساب عوائد الألعاب إلى الأساس الرياضي الصلب الذي تقوم عليه نظرية التكامل الاحتمالي والتنبؤ الرياضي الحديث.

ترتبط القيمة المتوقعة ارتباطاً وثيقاً بمقاييس النزعة المركزية الأخرى مثل الوسيط والمنوال، إلا أنها تتميز عنها بكونها تأخذ في الحسبان كافة القيم الممكنة وتوزيعاتها النسبية دون استثناء. فبينما يمثل الوسيط النقطة التي تقسم التوزيع إلى نصفين متساويين، ويمثل المنوال القيمة الأكثر تكراراً أو كثافة، فإن القيمة المتوقعة تمثل نقطة الارتكاز الرياضية أو مركز الكتلة الفيزيائي للتوزيع الاحتمالي بأكمله، مما يمنحها قوة تحليلية فائقة في النمذجة الإحصائية والتنبؤية.

1.2 أهمية القيمة المتوقعة في اتخاذ القرارات وتحليل البيانات

تبرز الأهمية القصوى للقيمة المتوقعة في كونها المعيار الكمي الأكثر موثوقية لترشيد عملية اتخاذ القرارات في بيئات العمل المعقدة التي تتسم بعدم اليقين والمخاطرة. فعندما يواجه متخذ القرار بدائل متعددة تنطوي على نتائج غير مؤكدة، فإن الاعتماد على الحدس البشري أو التقديرات السطحية يؤدي غالباً إلى قرارات منحازة. هنا تتدخل القيمة المتوقعة لتوفير معيار موضوعي يحول الاحتمالات والتوقعات المستقبلية إلى أرقام مالية أو تشغيلية محددة بدقة، مما يسهل المفاضلة العقلانية بين الخيارات الاستثمارية والتشغيلية المتاحة.

في مجال التحليل التنبؤي، تلعب القيمة المتوقعة دور المحرك الرياضي لنماذج تعلم الآلة والإحصاء التطبيقي لتوقع السلوك المستقبلي للظواهر المعقدة، مثل تقدير حجم الطلب على السلع، والتنبؤ بمعدلات التخلف عن سداد القروض، وتقدير فترات تعطل الآلات الصناعية. يتيح هذا التقدير للمؤسسات التحول من نمط الاستجابة للأزمات بعد وقوعها إلى التخطيط الاستباقي المدعوم بالبيانات، حيث يتم تخصيص الموارد بناءً على الخسائر أو الأرباح المتوقعة رياضياً في كل سيناريو محتمل.

تمتد التطبيقات العملية للمفهوم عبر طيف واسع من المجالات؛ ففي النمذجة الاقتصادية تُستخدم لتقييم السياسات النقدية والضريبية تحت سيناريوهات النمو والركود المختلفة، وفي الإدارة الاستراتيجية تُستخدم في شجرات اتخاذ القرار لتقييم بدائل التوسع الجغرافي أو إطلاق المنتجات الجديدة، بينما تُعد في الأبحاث العلمية والطبية حجر الزاوية في التجارب السريرية لتقييم الفعالية المتوقعة للعلاجات الدوائية الجديدة مقارنة بالآثار الجانبية المحتملة لكل بروتوكول علاجي.

1.3 الفرق الجوهري بين القيمة المتوقعة والوسط الحسابي البسيط

يقع العديد من المبتدئين في خطأ الخلط بين القيمة المتوقعة (Expected Value) والمتوسط الحسابي البسيط (Simple Arithmetic Mean). يكمن الفارق الجوهري بينهما في افتراضات الأوزان النسبية للبيانات؛ فالمتوسط الحسابي البسيط يفترض ضمناً أن جميع المشاهدات أو القيم تمتلك نفس درجة الأهمية ونفس احتمالية الحدوث المتساوية تماماً (1 مقسوماً على عدد المشاهدات n)، وهو ما يجعله مقياساً وصفياً للبيانات التاريخية المرصودة بالفعل داخل عينة أو مجتمع محدد.

في المقابل، تُعد القيمة المتوقعة مفهوماً استشرافياً مستقبلياً يطبق أوزاناً غير متجانسة مبنية على التوزيع الاحتمالي النظري أو التجريبي لكل حدث. فعندما تكون احتمالات وقوع النتائج غير متساوية—وهو الوضع الطبيعي في أغلب الظواهر الواقعية والمالية—فإن المتوسط البسيط يعطي نتائج مضللة تماماً لأنه يتجاهل ترجيح النتائج الأكثر احتمالاً على حساب النتائج النادرة، مما يؤدي إلى تشويه خطير في تقييم المخاطر والمكاسب المستقبلية.

تتطابق القيمة المتوقعة رياضياً مع المتوسط الحسابي البسيط في حالة واحدة محددة فقط، وهي حالة التوزيع الاحتمالي المنتظم المتقطع (Discrete Uniform Distribution)، حيث يتساوى احتمال حدوث جميع القيم الممكنة تماماً، مثل رمي نرد عادل حيث يكون احتمال كل رقم من 1 إلى 6 مساوياً لـ 1/6 بدقة. أما في كافة الحالات التوزيعية الأخرى كالتوزيع الطبيعي أو ذي الحدين أو التوزيعات الملتوية، فإن القيمة المتوقعة تنحرف بصورة حتمية عن المتوسط البسيط لتعكس الثقل الاحتمالي الحقيقي لكل قيمة.

2. الرياضيات الكامنة وراء معادلة القيمة المتوقعة

2.1 تفكيك المعادلة الأساسية للتوزيع المتقطع: μ = Σ [x * P(x)]

تُصاغ المعادلة الرياضية الكلاسيكية لحساب القيمة المتوقعة لمتغير عشوائي متقطع على النحو التالي:

μ = E(X) = Σ [x * P(x)]

حيث يمثل الرمز x كل قيمة عددية محددة ومنفصلة يمكن أن يكتسبها المتغير العشوائي المستقل X أثناء التجربة. قد تكون هذه القيمة عدداً صحيحاً يمثل مبيعات وحدات، أو تدفقاً نقدياً مالياً، أو درجة أداء معينة. إن دقة النموذج تعتمد في المقام الأول على الحصر الشامل لكافة القيم الممكنة التي يمكن للمتغير أن يأخذها دون إغفال أي سيناريو محتمل مهما كانت ضآلة أثره.

أما الرمز P(x) فيشير إلى دالة كتلة الاحتمال (Probability Mass Function) المرتبطة بكل قيمة x محددة، وهي تمثل احتمالية حدوث تلك القيمة بعينها. يمثل ناتج ضرب x * P(x) المساهمة المرجحة لتلك القيمة الفردية في المجموع النهائي للظاهرة، مما يعني أن القيم ذات الاحتمالية الضئيلة جداً سيكون لها تأثير محدود في القيمة المتوقعة حتى لو كانت قيمتها العددية كبيرة، والعكس صحيح بالنسبة للقيم ذات الاحتمالية المرتفعة.

يأتي رمز التجميع الإغريقي Σ (سيجما) ليعبر عن الجمع التراكمي لجميع نواتج الضرب المنفصلة عبر كامل فضاء العينة. ومن الناحية الهندسية والفيزيائية، يمكن تفسير هذه المعادلة بدقة على أنها حساب لمركز ثقل (Center of Gravity) أو عزم القصور الذاتي لتوزيع الكتل الاحتمالية الموزعة على طول المحور الأفقي؛ فالقيمة المتوقعة هي النقطة التي إذا وُضعت عندها نقطة ارتكاز لتوازن قضيب التوزيع الاحتمالي تماماً دون أي ميلان.

2.2 شروط التوزيع الاحتمالي الصحيح

لكي يكون التوزيع الاحتمالي صالحاً رياضياً ومقبولاً إحصائياً لإجراء حسابات القيمة المتوقعة، يجب أن يستوفي شرطين بديهيين وغير قابلين للنقاش في نظرية الاحتمالات الرياضية. الشرط الأول هو شرط عدم السلبية والحدية (Non-negativity and Boundedness)، والذي ينص على أن احتمال حدوث أي قيمة منفصلة x يجب أن يكون رقماً حقيقياً محصوراً بدقة بين الصفر والواحد الصحيح، أي:

0 ≤ P(x) ≤ 1

لذا فإن وجود أي احتمال سالب أو احتمال يتجاوز الرقم 1 يعد خطأً منطقياً ورياضياً جسيماً يبطل صحة أي نموذج تحليلي.

الشرط الثاني والأكثر أهمية في بناء النماذج هو شرط الشمول واليقين الكلي (Exhaustiveness)، والذي ينص صراحة على أن مجموع احتمالات كافة الأحداث الفردية الشاملة والمتبادلة في فضاء العينة يجب أن يساوي الواحد الصحيح بدقة مطلقة، أي:

Σ P(x) = 1

إذا كان المجموع أقل من 1، فهذا يشير إلى وجود سيناريوهات محتملة مفقودة لم يشملها النموذج؛ أما إذا تجاوز المجموع 1، فهذا يدل على وجود تداخل أو ازدواجية في احتساب احتمالات الأحداث.

عند مواجهة بيانات تجريبية أو استطلاعية لا تحقق هذا الشرط بدقة نتيجة لأخطاء القياس أو التقريب، يلجأ الإحصائيون إلى تقنية إعادة الضبط أو المعايرة الإحصائية المعروفة باسم تطبيع الاحتمالات (Probability Normalization). وتتم هذه العملية من خلال قسمة كل احتمال فردي على المجموع الكلي لكافة الاحتمالات، مما يعيد ضبط المجموع إلى 1 الصحيح تماماً مع الحفاظ على الأوزان النسبية المتناسبة بين مختلف السيناريوهات قبل حساب القيمة المتوقعة.

2.3 المتغيرات العشوائية المنفصلة مقابل المتصلة في بيئة Excel

تنقسم المتغيرات العشوائية في التحليل الإحصائي إلى فئتين رئيسيتين: المتغيرات المنفصلة (Discrete Variables) والمتغيرات المتصلة (Continuous Variables). تتميز المتغيرات المنفصلة بكونها تأخذ قيماً محددة وقابلة للعد، مثل عدد الوحدات المعيبة في خط إنتاج أو عدد العقود المبرمة، وتتميز دالتها الاحتمالية بإمكانية تمثيلها المباشر في صورة جداول مصفوفية واضحة المعالم داخل صفوف وأعمدة إكسيل، مما يجعل تطبيق معادلة الجمع التكراري أمراً مباشراً وبسيطاً.

على النقيض من ذلك، فإن المتغيرات العشوائية المتصلة تأخذ عدداً لا نهائياً من القيم داخل أي فترة زمنية أو رقمية معينة، مثل درجات الحرارة، والتدفقات الزمنية، وأسعار الأصول المالية المتغيرة لحظياً. رياضياً، لا تُحسب القيمة المتوقعة للمتغيرات المتصلة عبر التجميع البسيط، بل عبر حساب التكامل (Integration) للدالة الرياضية الكثافة الاحتمالية مضروبة في المتغير على كامل النطاق، وهو ما يعبر عنه بالمعادلة:

E(X) = ∫ x * f(x) dx

وهذا الحساب يصعب تمثيله بشكل مباشر في برمجيات الجداول دون اللجوء إلى حزم البرمجة الرمزية المتخصصة.

للتعامل مع هذه المعضلة داخل بيئة Excel، يعتمد محللو البيانات على استراتيجية النمذجة التقريبية من خلال تجزئة النطاق المتصل إلى فئات منفصلة (Discretization / Binning). يتم تقسيم المدى الكامل للمتغير المتصل إلى فترات صغيرة ومحددة، وتُحسب نقطة المنتصف لكل فئة لتمثل القيمة x، بينما يُحسب الاحتمال التراكمي المقابل لتلك الفترة ليمثل P(x) باستخدام دوال التوزيع الطبيعي مثل NORM.DIST، مما يتيح حساب القيمة المتوقعة بدقة فائقة تقترب من النتائج التكاملية الدقيقة.

3. إعداد وهيكلة البيانات لحساب القيمة المتوقعة في Excel

3.1 تصميم جدول البيانات المعياري للمتغيرات والاحتمالات

يُعد التصميم الهيكلي السليم لورقة العمل في Excel الركيزة الأساسية لمنع الأخطاء الحسابية وتسهيل عمليات التدقيق والربط البرمجي لاحقاً. يقتضي المعيار المهني في إعداد نماذج التوزيع الاحتمالي تخصيص عمودين أساسيين متجاورين في ورقة العمل؛ يُخصص العمود الأول، وليكن العمود A، لتدوين قيم المتغير العشوائي المستقل (Values – x)، بينما يُخصص العمود الثاني المجاور له مباشرة، وليكن العمود B، لإدراج الاحتمالات المناظرة لكل قيمة (Probabilities – P(x)).

من أفضل الممارسات المتبعة عالمياً في بناء النماذج المالية والإحصائية تسمية النطاقات والخلايا بعناوين واضحة وذات دلالة مباشرة في الصف الأول (Header Row)، مثل استخدام العنوان “قيمة المتغير (x)” للعمود الأول، و”الاحتمال P(x)” للعمود الثاني. يساهم هذا التقسيم الواضح في إضفاء شفافية تامة على تدفق العمليات الحسابية، ويسهل مراجعة المعادلات وصيانتها عند مشاركة الملف مع فرق العمل أو جهات التدقيق الخارجية.

يجب التنبيه بشدة إلى ضرورة تجنب دمج الخلايا (Merged Cells) داخل نطاقات البيانات الرقمية أو إدراج صفوف وأعمدة فارغة عشوائية بين سجلات البيانات. إن دمج الخلايا يؤدي إلى تعطيل عمل الدوال المصفوفية المتقدمة مثل SUMPRODUCT، كما يربك آليات الإشارة النسبية والمطلقة في إكسيل، مما قد يتسبب في حدوث أخطاء حسابية صامتة يصعب اكتشافها في النماذج الكبيرة والمعقدة.

3.2 التحقق من صحة البيانات (Data Validation)

لضمان أعلى درجات الموثوقية وتجنب إدخال بيانات مشوهة أو غير منطقية في النموذج الإحصائي، يُعد استخدام ميزة التحقق من صحة البيانات (Data Validation) في إكسيل خطوة وقائية لا غنى عنها. يمكن تطبيق هذه الميزة على عمود الاحتمالات لمنع المستخدمين من إدخال قيم سالبة أو قيم تتجاوز الواحد الصحيح. يتم ذلك بتحديد نطاق الاحتمالات ثم الانتقال إلى تبويب البيانات (Data) واختيار Data Validation، ثم ضبط معيار السماح على أرقام عشرية (Decimal) محصورة بين حد أدنى يساوي 0 وحد أقصى يساوي 1.

كما يُنصح بضبط التحقق من صحة البيانات في عمود قيم المتغير (x) لتقييد الإدخال على الأرقام الحقيقية فقط واستبعاد النصوص أو الرموز الخاصة غير المعرفة رياضياً، والتي قد تؤدي فوراً إلى انهيار الصيغ الحسابية وظهور أخطاء القيمة. يتيح إكسيل أيضاً تخصيص رسائل خطأ توضيحية (Input Messages & Error Alerts) تظهر للمستخدمين عند إدخال قيمة خارج الحدود المقبولة، مما يرفع من الجاهزية التشغيلية للنموذج ويحميه من أخطاء الإدخال العفوية.

يُستكمل هذا الجدار الوقائي بتطبيق قواعد التنسيق الشرطي (Conditional Formatting)؛ حيث يمكن برمجة الخلايا لتتلون تلقائياً باللون الأحمر التحذيري إذا ما احتوت على قيم غير منطقية، أو إذا كان مجموع عمود الاحتمالات ينحرف عن الرقم 1. يوفر هذا التنبيه البصري الفوري طبقة مراقبة مستمرة تمكن المحلل من تصحيح الخلل قبل الشروع في بناء المعادلات أو تقديم التقارير للإدارة العليا.

3.3 تنسيق الخلايا لضبط الدقة الحسابية

يمثل تنسيق الخلايا في إكسيل جانباً تقنياً حساساً يتجاوز مجرد المظهر الجمالي إلى التأثير المباشر على تفسير النتائج ودقتها. عند إدخال الاحتمالات في ورقة العمل، يُفضل تنسيق عمود الاحتمالات إما في صورة أرقام عشرية مع تثبيت عدد المنازل العشرية (Decimal Places) عند ثلاث أو أربع خانات على الأقل (مثل 0.2500)، أو تنسيقها كنسب مئوية صريحة مع خانتين عشريتين (مثل 25.00%).

من الضروري للغاية أن يدرك محلل البيانات الفارق الجوهري بين التقريب الظاهري للخلايا (Display Formatting) والدقة الفعلية المخزنة في ذاكرة البرنامج (Stored Precision). يقوم إكسيل بتخزين الأرقام بدقة تصل إلى 15 رقماً معنوياً وفق معيار IEEE 754، وبالتالي فإن تقليل المنازل العشرية الظاهرة على الشاشة لتسهيل القراءة لا يغير من القيمة الرياضية الحقيقية المستخدمة في الحسابات الخلفية للمعادلات، وهو ما يضمن الحفاظ على الدقة الرياضية المطلقة للنتائج.

ومع ذلك، إذا كانت هناك متطلبات نشر أكاديمية أو لوائح تنظيمية مالية تلزم بأن تكون الحسابات التراكمية متطابقة حرفياً مع الأرقام الظاهرة في التقرير لمنع أي لبس لدى القارئ، فيجب استخدام دوال التقريب الصريحة مثل دالة ROUND أو ROUNDDOWN أو ROUNDUP داخل الصيغ الحسابية لتثبيت النواتج عند المنازل العشرية المطلوبة بشكل دائم وقاطع.

4. الطريقة التقليدية خطوة بخطوة: الضرب الفردي ثم التجميع

4.1 الخطوة الأولى: إدخال البيانات الأولية في ورقة العمل

لتطبيق الطريقة التقليدية لحساب القيمة المتوقعة، نبدأ بتجهيز ورقة العمل من خلال إدخال مجموعات البيانات المرصودة بدقة في المواقع المحددة لها. فلنفترض أن لدينا دراسة لاحتمالية تحقيق أرباح معينة في مشروع استثماري؛ نقوم بتدوين قيم الأرباح المحتملة للمتغير العشوائي في الخلايا الواقعة ضمن النطاق A2:A6، بحيث تمثل كل خلية ناتجاً مالياً ممكناً للمشروع بالآلاف أو الملايين.

في الخطوة الموازية، نقوم بإدخال الاحتمالات المقترنة بكل سيناريو من السيناريوهات السابقة في النطاق B2:B6، مع مراعاة أن تكون الخلية B2 مقابلة تماماً وممثلة لاحتمال وقوع القيمة الموجودة في الخلية A2، وتستمر هذه المقابلة التناظرية لجميع الصفوف حتى الخلية B6. يجب على المحلل في هذه المرحلة مراجعة الأرقام المجدولة والتأكد من عدم وجود خلايا فارغة أو قيم مزاحة عن موضعها الصحيح، لضمان اكتمال الأزواج المرتبة للتوزيع الاحتمالي.

يوفر هذا الترتيب المنهجي والتسلسلي أساساً بيانياً متيناً يسهل عملية التحقق الرياضي البصري، كما يتيح لأي طرف ثالث مراجعة مدخلات النموذج خطوة بخطوة والتأكد من مطابقتها للدراسات الإحصائية أو الفرضيات المعتمدة قبل الانتقال إلى العمليات الحسابية الوسيطة.

4.2 الخطوة الثانية: حساب حاصل ضرب كل قيمة في احتمالها [x * P(x)]

تتمثل الخطوة الإجرائية الثانية في الطريقة التقليدية في إنشاء عمود حسابي مساعد، وليكن العمود C، ويُمنح العنوان التوضيحي “حاصل الضرب [x * P(x)]”. نقوم في الخلية C2 بكتابة الصيغة الحسابية المباشرة التي تنفذ عملية الضرب بين القيمة الأولى واحتمالها المقابل عبر كتابة الصيغة التالية:

=A2*B2

بمجرد الضغط على مفتاح الإدخال Enter، يقوم إكسيل بحساب الوزن النسبي للقيمة الأولى فوراً وعرض الناتج في الخلية.

بعد إتمام العملية للخلية الأولى، نقوم بتعميم الصيغة الحسابية على باقي صفوف النطاق. يتم ذلك عبر تحديد الخلية C2 ووضع مؤشر الفأرة على الزاوية اليسرى السفلية للخلية حتى يتحول المؤشر إلى علامة الجمع السوداء المعروفة باسم مقبض التعبئة (Fill Handle)، ثم النقر المزدوج عليه أو سحبه لأسفل حتى الخلية C6. يستند هذا الإجراء التقني إلى مفهوم المراجع النسبية (Relative References) في إكسيل، حيث يقوم البرنامج تلقائياً بتعديل مراجع الخلايا في كل صف ليصبح =A3*B3 ثم =A4*B4 وهكذا دواليك وصولاً إلى نهاية النطاق.

تكمن الميزة التعليمية والتحليلية لهذا العمود المساعد في أنه يوضح بجلاء مساهمة كل سيناريو فردي في تكوين القيمة الإجمالية؛ فالقيم الكبيرة التي تظهر في العمود C تشير فوراً إلى السيناريوهات الأكثر ثقلاً وتأثيراً في التوزيع الاحتمالي النهائي للمتغير المستقل.

4.3 الخطوة الثالثة: تطبيق دالة الجمع SUM لاستخراج القيمة المتوقعة

تصل العملية الحسابية إلى مرحلتها الختامية بتجميع نواتج الضرب المنفصلة للحصول على القيمة المتوقعة الإجمالية. نحدد خلية مخصصة للنتيجة النهائية، ولتكن الخلية C7 أسفل العمود المساعد مباشرة، ونكتب الصيغة الرياضية الشاملة باستخدام دالة الجمع الشهيرة SUM على النحو التالي:

=SUM(C2:C6)

تقوم الدالة بجمع كافة النواتج الجزئية المرجحة في خطوة نهائية تجسد التطبيق الحرفي لرمز السيجما Σ في المعادلة الرياضية النظرية.

يمثل الرقم الظاهر في الخلية C7 القيمة المتوقعة الرياضية E(X) للظاهرة المدروسة بالكامل. يُنصح بتمييز هذه الخلية بلون تعبئة مغاير أو حدود عريضة وتسميتها بوضوح لتكون نقطة التركيز في التقرير. إن التدفق الحسابي المنطقي لهذه الطريقة التقليدية (مدخلات أولية ← ضرب جزئي ← جمع تراكمي) يوفر وضوحاً مطلقاً ومسار تدقيق شفافاً ومثالياً لأغراض الشرح الأكاديمي، والعروض التقديمية، والملفات التي تتطلب مراجعات تدقيقية مفصلة من جهات متعددة.

5. الطريقة المتقدمة والفعالة: استخدام دالة SUMPRODUCT

5.1 بنية دالة SUMPRODUCT وآلية عملها الرياضية

تُعد دالة SUMPRODUCT واحدة من أقوى الدوال المصفوفية المدمجة في بيئة إكسيل وأكثرها كفاءة ومرونة في إجراء العمليات الرياضية المتقدمة. يتكون التركيب النحوي (Syntax) الأساسي للدالة من البنية التالية:

=SUMPRODUCT(array1, [array2], [array3], …)

حيث تمثل الوسائط (array1, array2) النطاقات أو المصفوفات الرقمية المراد معالجتها. تتميز هذه الدالة بقدرتها الفائقة على تنفيذ عمليتين رياضيتين متتاليتين في خطوة برمجية واحدة؛ حيث تقوم أولاً بضرب العناصر المتناظرة في المصفوفات المحددة، ثم تقوم بجمع نواتج تلك الضربيات التبادلية بصورة فورية وتلقائية داخل الذاكرة المؤقتة دون الحاجة لإنشاء أي خلايا وسيطة.

لكي تعمل دالة SUMPRODUCT بشكل صحيح ودون حدوث أخطاء برمجية، يشترط إكسيل شرطاً هيكلياً صارماً وهو تطابق الأبعاد المصفوفية (Dimensional Congruence)؛ أي يجب أن تتساوى المصفوفات الممررة للدالة تماماً في عدد الصفوف وعدد الأعمدة. فإذا تم تمرير نطاق يحتوي على 5 صفوف في المصفوفة الأولى (مثل A2:A6)، فيجب حتماً أن تحتوي المصفوفة الثانية على 5 صفوف أيضاً (مثل B2:B6)، وإلا سترجع الدالة فوراً خطأ عدم تطابق القيمة.

تتم معالجة دالة SUMPRODUCT في إكسيل باعتبارها دالة مصفوفات تلقائية (Array Function)، مما يعني أنها قادرة على التعامل مع العمليات المعقدة والتحويلات الرياضية على مجموعات البيانات دفعة واحدة وبسرعة معالجة استثنائية مقارنة بالصيغ التقليدية المتكررة.

5.2 تطبيق دالة SUMPRODUCT لحساب القيمة المتوقعة بخلية واحدة

للاستفادة من القوة الكاملة لدالة SUMPRODUCT في حساب القيمة المتوقعة مباشرة وبأقصى درجات الإيجاز والكفاءة، نقوم بكتابة صيغة مركزة في خلية واحدة محددة للناتج (ولتكن الخلية D2 مثلاً) بالصيغة التالية:

=SUMPRODUCT(A2:A6, B2:B6)

بمجرد إدخال هذه الصيغة البسيطة، يقوم إكسيل بضرب الخلية A2 في B2، وA3 في B3، وهكذا حتى نهاية النطاق، ثم يجمع النتائج مباشرة ليعطي القيمة المتوقعة الدقيقة في كسر من الثانية وبخلية واحدة فقط.

تتيح هذه التقنية المتقدمة الاستغناء التام والشامل عن الأعمدة المساعدة (Helper Columns) التي كانت تفرضها الطريقة التقليدية، مما يوفر مساحة كبيرة في ورقة العمل ويمنح النماذج تصميماً مدمجاً وأنيقاً يتوافق مع أعلى المعايير المهنية لتصميم لوحات التحكم المالية والإحصائية المعقدة. إن تقليص مساحة الحسابات إلى خلية واحدة يحد أيضاً من تشتت المستخدم ويركز الانتباه على المدخلات الأساسية والمخرجات النهائية للنموذج.

علاوة على ذلك، فإن استخدام الصيغة المباشرة يقلص احتمالية حدوث أخطاء الإزاحة الناتجة عن سحب مقبض التعبئة، أو الحذف العفوي لبعض الخلايا الوسيطة في الأعمدة المساعدة، مما يرفع من متانة وموثوقية النموذج ضد التعديلات غير المقصودة ويسهل نقله وتضمينه في تقارير وملفات أخرى بكل سلاسة.

5.3 مقارنة تقنية بين طريقة الأعمدة المساعدة ودالة SUMPRODUCT

عند إجراء مقارنة تقنية متعمقة بين طريقة الأعمدة المساعدة التقليدية وطريقة دالة SUMPRODUCT، تتضح فروق جوهرية تتعلق بكفاءة استخدام موارد الحاسوب وسرعة معالجة البيانات الضخمة (Big Data). في مجموعات البيانات الكبيرة التي تحتوي على عشرات الآلاف من الصفوف، يؤدي استخدام الأعمدة المساعدة إلى استهلاك مضاعف للذاكرة العشوائية (RAM) وزيادة ملحوظة في حجم الملف، نظراً لأن إكسيل يضطر لحفظ وتتبع آلاف الصيغ الرياضية المستقلة في خلايا العمود المساعد وتحديثها المستمر، بينما تنفذ دالة SUMPRODUCT الحسابات داخل الذاكرة المؤقتة اللحظية (In-Memory Processing) وتخزن قيمة الناتج النهائي فقط، مما يحافظ على سرعة استجابة البرنامج وخفة الملف.

من زاوية سهولة الاستخدام وتدقيق البيانات، تتفوق طريقة الأعمدة المساعدة في كونها توفر وضوحاً تعليمياً كبيراً للمبتدئين وللأغراض التدريبية، حيث يمكن فحص كل عملية ضرب جزئية بشكل مرئي ومنفصل لاكتشاف أي شذوذ في الأرقام، وهو ما يفضله أحياناً بعض المدققين الماليين للتأكد من الشفافية الحسابية المطلقة. في المقابل، تُعد دالة SUMPRODUCT الخيار القياسي والمهني للمحترفين وخبراء النمذجة المالية نظراً لكفاءتها العالية واختصارها لمساحات العمل.

تتميز دالة SUMPRODUCT أيضاً بقابليتها الفائقة للتوسع والدمج مع الشروط المنطقية المتقدمة (Conditional Logic)؛ حيث يمكن تضمين شروط معقدة داخل الدالة نفسها لحساب القيمة المتوقعة لقطاعات معينة فقط من البيانات (مثل حساب القيمة المتوقعة لفرع محدد أو لمنتج معين) باستخدام المعاملات المنطقية، وهو ما يتطلب في الطريقة التقليدية إنشاء مصفوفة معقدة من الأعمدة والدوال الشرطية المتشابكة.

6. التحقق الرياضي ومعالجة الأخطاء الشائعة في Excel

6.1 التحقق التلقائي من صحة مجموع الاحتمالات باستخدام دالة IF

نظراً لأن الأساس الرياضي لحساب القيمة المتوقعة يشترط أن يكون مجموع الاحتمالات مساوياً للواحد الصحيح تماماً، فإن بناء نظام تحقق تلقائي داخل ورقة العمل يُعد ضرورة لضمان سلامة النموذج وتفادي النتائج المشوهة. يمكن تحقيق ذلك بسهولة عبر بناء صيغة شرطية ذكية باستخدام دالة IF للتحقق من عمود الاحتمالات، كأن نكتب في خلية مخصصة للتدقيق الصيغة التالية:

=IF(SUM(B2:B6)=1, “توزيع احتمالي صحيح”, “خطأ: المجموع لا يساوي 1”)

ومع ذلك، يواجه المحللون في إكسيل مشكلة تقنية شائعة تُعرف باسم خطأ دقة الفاصلة العائمة (Floating-Point Precision Issue)؛ حيث يقوم المعالج الدقيق في بعض الأحيان بتمثيل الأرقام العشرية بصورة تقريبية طفيفة جداً، مما يجعل ناتج جمع أرقام مثل (0.1 + 0.2 + 0.7) يظهر في الذاكرة كرقم 1.0000000000000002 بدلاً من 1 بدقة، مما يؤدي إلى فشل الشرط المنطقي وظهور رسالة الخطأ على الرغم من صحة البيانات نظرياً.

للتغلب على هذه المشكلة التقنية وضمان دقة التحقق البرمجي، يجب دمج دالة التقريب ROUND داخل الشرط المنطقي لتثبيت المقارنة عند عدد معين من المنازل العشرية، لتصبح الصيغة الاحترافية للتحقق على النحو التالي:

=IF(ROUND(SUM(B2:B6), 4)=1, “توزيع احتمالي صحيح ومكتمل”, “تحذير: مجموع الاحتمالات = ” & SUM(B2:B6))

توفر هذه الصيغة المطورة حماية كاملة للنموذج وتُنبه متخذ القرار فوراً بأي نقص أو زيادة غير مقصودة في توزيع الأوزان الاحتمالية.

6.2 تطبيع الاحتمالات غير القياسية (Normalizing Probabilities)

في كثير من التطبيقات العملية، قد يجد المحلل نفسه أمام بيانات استطلاعية، أو أوزان تكرارية، أو تقديرات خبراء لا يصل مجموعها إلى الواحد الصحيح بدقة؛ كأن يكون مجموع الأوزان 0.95 أو 1.12 نتيجة لحذف بعض السيناريوهات الهامشية أو التقدير غير المتزن. في مثل هذه الحالات، لا يجوز تطبيق دالة القيمة المتوقعة مباشرة لأنها ستؤدي إلى انحراف النتائج وتقليل أو تضخيم القيمة الحقيقية للظاهرة المدروسة.

يكمن الحل الإحصائي السليم في تطبيع الاحتمالات (Normalizing Probabilities) لإعادة وزن البيانات نسبياً لتتطابق مع شرط الشمول التام. نقوم بإنشاء عمود مخصص للاحتمالات المطبعة، ونكتب في الخلية المقابلة للقيمة الأولى الصيغة التالية:

=B2/SUM($B$2:$B$6)

مع تثبيت مراجع نطاق المجموع باستخدام علامة الدولار ($) لضمان عدم انزلاق النطاق أثناء النسخ لأسفل. تقوم هذه الصيغة بقسمة كل احتمال فردي على المجموع الكلي، مما يحول كل قيمة إلى نسبة مئوية حقيقية من الإجمالي الفعلي.

أما المحترفون الذين يفضلون الحساب المباشر بخلية واحدة دون إنشاء أعمدة تطبيع إضافية، فيمكنهم دمج عملية التطبيع مباشرة داخل دالة SUMPRODUCT من خلال الصيغة المتقدمة التالية:

=SUMPRODUCT(A2:A6, B2:B6) / SUM(B2:B6)

تضمن هذه الصيغة الشاملة حساب القيمة المتوقعة الصحيحة والمعدلة رياضياً بصورة تلقائية حتى لو تغير مجموع عمود الاحتمالات، وهي تمثل الصيغة الأكثر أماناً وقوة في بناء النماذج الديناميكية القابلة للتغير.

6.3 تشخيص واستكشاف أخطاء Excel الشائعة وإصلاحها

أثناء بناء النماذج الإحصائية وتطبيق دوال حساب القيمة المتوقعة في Excel، قد تظهر بعض رموز الأخطاء البرمجية الشهيرة التي توقف عمل النموذج وتتطلب تدخلاً تشخيصياً سريعاً. يُعد الخطأ #VALUE! الأكثر شيوعاً عند استخدام دالة SUMPRODUCT، ويحدث عادة عندما يحتوي نطاق الأرقام أو الاحتمالات على خلايا نصية غير مرئية (مثل المسافات الفارغة الناتجة عن الضغط على مفتاح Space)، أو نصوص صريحة مدخلة كقيم. يتطلب حل هذا الخطأ فحص النطاقات وتنظيفها من النصوص والتأكد من تحويل كافة المدخلات إلى أرقام نقية.

يظهر الخطأ #N/A أو #VALUE! أيضاً عند حدوث عدم تطابق في أبعاد النطاقات الممررة للدالة، كأن يتم تحديد النطاق A2:A6 للمصفوفة الأولى مقابل النطاق B2:B7 للمصفوفة الثانية. في هذه الحالة، يعجز إكسيل عن إيجاد نظير رقمي للخلية الأخيرة مما يؤدي لتوقف الحساب؛ ويكمن الحل في تدقيق حدود النطاقات وتوحيدها لتكون متطابقة تماماً في عدد الصفوف والأعمدة.

ولإضفاء طابع احترافي وحماية واجهة التقارير ولوحات المؤشرات من عرض رموز الأخطاء المزعجة أمام الإدارة، يُنصح دائماً بتغليف معادلة القيمة المتوقعة داخل دالة معالجة الأخطاء IFERROR على النحو التالي:

=IFERROR(SUMPRODUCT(A2:A6, B2:B6)/SUM(B2:B6), “يرجى مراجعة وتدقيق المدخلات”)

تضمن هذه الصياغة الوقائية بقاء النموذج نظيفاً وعرض رسائل إرشادية واضحة للمستخدم في حال حدوث أي خلل في إدخال البيانات بدلاً من ظهور رسائل الخطأ البرمجية المبهمة.

7. تطبيق عملي: تحليل التوقعات الرياضية والتنافسية

7.1 بناء نموذج توقع عدد الأهداف لفريق كرة قدم

تُعد التحليلات الرياضية الحديثة (Sports Analytics) من أسرع المجالات نمواً في استخدام النماذج الإحصائية لترشيد القرارات التكتيكية وتقييم الأداء التنافسي للفرق واللاعبين. ولتوضيح كيفية تطبيق القيمة المتوقعة في هذا المجال الحيوي داخل Excel، سنقوم ببناء نموذج عملي لتوقع عدد الأهداف التي يمكن أن يسجلها فريق كرة قدم في مباراة قادمة بناءً على سجله التاريخي في الموسم الحالي.

نبدأ بجدولة النتائج التهديفية المحتملة في عمود المتغير العشوائي A2:A6، حيث ندرج الأرقام (0، 1، 2، 3، 4) لتمثل عدد الأهداف الممكن تسجيلها في المباراة الواحدة. ثم نقوم في العمود المقابل B2:B6 بإدخال الاحتمالات التاريخية المرصودة لكل سيناريو تهديفي بناءً على أداء الفريق في آخر 50 مباراة، ولتكن على النحو التالي: احتمال تسجيل 0 أهداف هو (0.18)، احتمال تسجيل هدف واحد هو (0.34)، احتمال تسجيل هدفين هو (0.35)، احتمال تسجيل 3 أهداف هو (0.11)، واحتمال تسجيل 4 أهداف هو (0.02). يوضح هذا التوزيع أن مجموع الاحتمالات يساوي 1.00 تماماً.

لحساب متوسط الأهداف المتوقع للفريق في المباراة القادمة، نطبق الصيغة المباشرة في الخلية C2:

=SUMPRODUCT(A2:A6, B2:B6)

ستعطينا الصيغة فوراً النتيجة الرياضية الدقيقة: 1.45 هدفاً. من الضروري جداً فهم التفسير الإحصائي لهذه النتيجة؛ فالرقم 1.45 لا يعني بالطبع أن الفريق سيسجل هدفاً ونصف في المباراة القادمة—إذ إن الأهداف متغير متقطع لا يقبل الكسور—بل يمثل القيمة المرجعية المركزية التي تصف القدرة الهجومية العامة للفريق على المدى الطويل.

7.2 تحليل الأداء التنافسي وصناعة الاستراتيجيات

يتجاوز استخدام القيمة المتوقعة في الرياضة مجرد حساب متوسط الأهداف، ليمتد إلى كونه أداة استراتيجية لتقييم كفاءة التشكيلات التكتيكية المختلفة واختيار الخطط الأنسب لكل مباراة. يستطيع المحلل الفني بناء نماذج مقارنة تحسب القيمة المتوقعة للأهداف المسجلة والأهداف المستقبلة (Expected Goals – xG) عند اللعب بخطة هجومية مقابل خطة دفاعية متوازنة، مما يتيح للمدير الفني اختيار التشكيل الذي يعظم صافي القيمة المتوقعة للفوز بنقاط المباراة الثلاث.

تتيح المقارنة المباشرة بين القيم المتوقعة لفريقين متنافسين استخراج التفضيل الاحتمالي لنتيجة اللقاء؛ فعندما تبلغ القيمة المتوقعة لأهداف الفريق الأول 1.85 هدفاً مقابل 0.95 هدفاً للفريق المنافس، يمكن للمحللين ونماذج التسعير الرياضي تقدير احتمالات الفوز والتعادل والخسارة بدقة عالية، وتحديد ما إذا كان الفارق التنافسي كافياً لضمان التفوق الميداني في ظل التقلبات التكتيكية المحتملة.

يمتد هذا التحليل أيضاً إلى مستوى اللاعبين الأفراد من خلال تقييم مؤشرات الأداء الحركي والمهاري؛ حيث يمكن حساب القيمة المتوقعة للتمريرات الحاسمة، أو التهديدات الهجومية لكل لاعب بناءً على موقعه في الملعب وزاوية التسديد، مما يوفر لإدارات الأندية بيانات موضوعية وحاسمة تدعم قرارات التعاقدات الجديدة، وتجديد العقود، وتطوير البرامج التدريبية المخصصة لسد الثغرات المهارية المكتشفة إحصائياً.

7.3 تفسير النتيجة كقيمة مرجعية طويلة المدى

يرتكز الفهم العميق للنتائج المستخرجة من نماذج القيمة المتوقعة على الاستيعاب الكامل لأحد أهم المبادئ في علم الإحصاء، وهو قانون الأعداد الكبيرة (Law of Large Numbers). ينص هذا القانون الرياضي على أنه كلما زاد عدد التكرارات والتجارب الفعلية المستقلة، تقارب المتوسط الحسابي للنتائج الواقعية بشكل تدريجي ومؤكد من القيمة المتوقعة النظرية E(X).

بناءً على ذلك، فإن معرفة أن القيمة المتوقعة لأهداف الفريق هي 1.45 لا تضمن بالضرورة تسجيل هذا المعدل في مباراة محددة غداً، حيث تلعب الصدفة والظروف اللحظية دوراً في النتائج الفردية قصيرة الأجل؛ ولكن على مدار موسم كامل مكون من 38 مباراة، فإن إجمالي الأهداف المسجلة سيقترب حتماً من حاصل ضرب (38 × 1.45 = 55.1 هدفاً)، وهو ما يمنح الإدارة الرياضية قدرة تنبؤية فائقة للتخطيط المالي وتحديد المكافآت والأهداف السنوية بدقة مذهلة.

تُستخدم القيمة المتوقعة أيضاً في وضع المعايير القياسية المرجعية (Benchmarking) للمقارنة المستمرة بين الأداء الفعلي والأداء النظري المتوقع. فعندما يسجل الفريق أهدافاً فعلية تقل كثيراً عن قيمته المتوقعة لفترة طويلة، فإن هذا التباين الإحصائي يشير بوضوح إلى وجود خلل في الإنهاء الهجومي أو تراجع في الفاعلية النفسية للاعبين أمام المرمى، مما يستدعي التدخل الفني السريع لمعالجة المشكلة قبل تفاقمها.

8. التطبيقات المالية ودراسات الجدوى الاقتصادية

8.1 حساب العائد المتوقع لمحفظة استثمارية (Expected Return)

يُمثل حساب العائد المتوقع (Expected Return) الركيزة الأساسية التي تنطلق منها الإدارة المالية الحديثة ونظريات الاستثمار وإدارة المحافظ. في عالم الاستثمار الحقيقي، لا تكون العوائد المستقبلية مضمونة، بل ترتبط بسيناريوهات السوق الاقتصادية المختلفة ومستويات النمو والتضخم. لنمذجة هذا الواقع في Excel، نقوم بجدولة السيناريوهات الاقتصادية المحتملة (مثل: نمو قوي، استقرار اقتصادي، ركود معتدل، أزمة حادة) وتعيين احتمالية حدوث واقعية لكل سيناريو في عمود الاحتمالات.

نقوم بربط معدلات العائد المتوقعة لكل أصل استثماري (كالأسهم، السندات، العقارات) بكل سيناريو اقتصادي في أعمدة متتالية، ثم نطبق دالة SUMPRODUCT لحساب العائد المتوقع لكل أصل بشكل منفصل. ولحساب العائد المتوقع الكلي للمحفظة الاستثمارية المجمعة التي تحتوي على نسب توزيع متباينة من تلك الأصول، نستخدم صيغة مصفوفية تدمج بين أوزان الأصول في المحفظة والقيم المتوقعة لعوائدها الفردية، لتعطي العائد المتوقع الإجمالي للمحفظة بدقة تامة.

يُعد هذا الحساب التطبيق العملي الأبرز لنظرية المحفظة الحديثة (Modern Portfolio Theory) التي أسسها الاقتصادي الحائز على جائزة نوبل هاري ماركويتز (Harry Markowitz)، حيث تتيح القيمة المتوقعة للمستثمرين المفاضلة بين المحافظ الاستثمارية المختلفة واختيار التوزيع الأمثل الذي يعظم العائد المتوقع عند مستوى معين من المخاطر المقبولة.

8.2 تقييم المشروعات الاستثمارية وصافي القيمة الحالية المتوقعة (ENPV)

في دراسات الجدوى والقرارات التمويلية الكبرى، تواجه الشركات حالة من عدم اليقين بشأن التدفقات النقدية السنوية التي ستولدها المشروعات الرأسمالية الجديدة، نظراً لتقلبات الطلب وأسعار المواد الخام والمنافسة السوقية. هنا يبرز مفهوم صافي القيمة الحالية المتوقعة (Expected Net Present Value – ENPV) كمعيار مالي حاسم لتقييم جدوى المشروعات قبل الالتزام برؤوس أموال ضخمة.

يتم بناء النموذج في Excel من خلال تقدير التدفقات النقدية المستقبلية لكل سنة تحت ثلاثة سيناريوهات متباينة (السيناريو المتفائل، السيناريو الأكثر ترجيحاً، السيناريو المتشائم)، وتخصيص احتمالات حدوث لكل سيناريو. نقوم أولاً بحساب التدفق النقدي المتوقع لكل سنة بشكل مستقل باستخدام دالة SUMPRODUCT، ثم نقوم بخصم هذه التدفقات النقدية المتوقعة إلى قيمتها الحالية باستخدام دالة الخصم المالي الشهيرة NPV بالصيغة التالية:

=NPV(معدل_الخصم, التدفقات_المتوقعة) – تكلفة_الاستثمار_الأولي

يتيح هذا النهج المركب للمديرين الماليين اتخاذ قرارات رأسمالية عقلانية قائمة على التقدير الكمي الشامل لكافة المخاطر، مما يمنع الانجراف وراء التقديرات المتفائلة المفرطة أو استبعاد المشروعات المجدية بسبب المبالغة في التحفظ والتشاؤم.

8.3 حساب التباين والانحراف المعياري لتقييم المخاطر

على الرغم من الأهمية الفائقة للقيمة المتوقعة، إلا أنها لا تقدم بمفردها صورة كاملة عن حجم المخاطر المحيطة بالاستثمار؛ إذ يمكن لمشروعين أن يتطابقا تماماً في القيمة المتوقعة للأرباح (مثلاً 100 ألف دولار)، ولكن أحدهما ينطوي على تذبذب طفيف ومخاطر محدودة بينما ينطوي الآخر على احتمالات خسائر فادحة تقابلها أرباح خيالية. لذا، تقتضي الأمانة العلمية والمالية استكمال حساب القيمة المتوقعة بحساب التباين (Variance) والانحراف المعياري (Standard Deviation) لقياس درجة تشتت النتائج حول القيمة المتوقعة.

تُحسب معادلة التباين لتوزيع احتمالي متقطع رياضياً عبر المعادلة: σ² = Σ [(x – μ)² * P(x)]. ولتطبيقها في خلية واحدة داخل Excel دون أعمدة مساعدة، نستخدم الصيغة المصفوفية المتقدمة التالية:

=SUMPRODUCT((A2:A6 – μ)^2, B2:B6)

حيث تمثل μ القيمة المتوقعة المحسوبة مسبقاً. ثم نقوم باستخراج الانحراف المعياري (σ) بأخذ الجذر التربيعي للتباين باستخدام دالة SQRT بالصيغة: =SQRT(خلية_التباين).

وللمقارنة المباشرة بين مشروعات استثمارية تختلف في حجم عوائدها المتوقعة ومستويات مخاطرها، يعتمد المحللون الماليون على مؤشر معامل الاختلاف (Coefficient of Variation – CV)، والذي يُحسب بقسمة الانحراف المعياري على القيمة المتوقعة: =الانحراف_المعياري / القيمة_المتوقعة. يوفر هذا المعامل مقياساً موحداً للمخاطرة النسبية لكل وحدة عائد متوقع، مما يسهل اختيار المشروعات الأكثر كفاءة واستقراراً.

9. حساب القيمة المتوقعة للتوزيعات الاحتمالية القياسية في Excel

9.1 التوزيع ذو الحدين (Binomial Distribution) واستخدام BINOM.DIST

يُعد التوزيع ذو الحدين (Binomial Distribution) من أهم التوزيعات الاحتمالية المتقطعة، ويُستخدم لنمذجة التجارب التي تتضمن عدداً ثابتاً من المحاولات المستقلة (n)، وتكون لكل محاولة نتيجتان محتملتان فقط (نجاح أو فشل)، مع ثبات احتمالية النجاح (p) في كل محاولة. يكثر استخدام هذا التوزيع في مراقبة الجودة الصناعية، واختبارات فحص المنتجات، وحملات التسويق المباشر.

يمكن توليد احتمالات التوزيع ذي الحدين في Excel بسهولة باستخدام الدالة الإحصائية المدمجة BINOM.DIST. لحساب احتمالية الحصول على عدد محدد من النجاحات x في نطاق معين، نكتب في عمود الاحتمالات الصيغة التالية:

=BINOM.DIST(x, n, p, FALSE)

حيث يشير المعامل FALSE إلى رغبتنا في حساب دالة كتلة الاحتمال النقطية لكل قيمة على حدة وليست الاحتمالية التراكمية.

بعد ملء جدول الاحتمالات لجميع القيم من 0 إلى n، يمكن حساب القيمة المتوقعة باستخدام دالة SUMPRODUCT(النطاق_x, النطاق_P). ومن الجوانب الرياضية الممتعة أن النتيجة المحسوبة ستتطابق بدقة مطلقة مع الصيغة الرياضية النظرية المختصرة للقيمة المتوقعة للتوزيع ذي الحدين والمتمثلة في:

E(X) = n * p

مما يثبت صحة وتكامل الحسابات المصفوفية في Excel مع النظريات الإحصائية المعيارية.

9.2 توزيع بواسون (Poisson Distribution) واستخدام POISSON.DIST

يُستخدم توزيع بواسون (Poisson Distribution) لنمذجة عدد المرات التي يقع فيها حدث نادر ومستقل خلال فترة زمنية أو مساحية محددة وبمعدل حدوث وسطي ثابت ومعروف يرمز له بالرمز الإغريقي λ (لامدا). تشمل التطبيقات النموذجية لهذا التوزيع تقدير عدد العملاء الواصلين إلى مركز خدمة عملاء في الساعة، أو عدد الأعطال الطارئة في خوادم الحوسبة السحابية يومياً، أو عدد حوادث السير على طريق سريع شهرياً.

لتوليد دالة الاحتمال لتوزيع بواسون في Excel لقيم المتغير x (0، 1، 2، 3، …)، نستخدم الدالة الإحصائية POISSON.DIST بالصيغة النحوية التالية:

=POISSON.DIST(x, lambda, FALSE)

حيث تمثل lambda متوسط معدل الحدوث التاريخي، وFALSE لتوليد الاحتمالات المنفصلة غير التراكمية.

عند تطبيق دالة SUMPRODUCT على جدول توزيع بواسون المحسوب لنطاق واسع من قيم x، سنجد أن القيمة المتوقعة للتوزيع E(X) تتطابق تماماً مع المعامل λ (لامدا) نفسه، وذلك انطلاقاً من الخاصية الرياضية الفريدة لتوزيع بواسون والتي تنص على أن القيمة المتوقعة والتباين متساويان دائماً ومساويان للمعدل λ (أي: E(X) = Var(X) = λ)، مما يوفر وسيلة فورية للتحقق من سلامة النمذجة الإحصائية في ورقة العمل.

9.3 التوزيع الهندسي والتوزيعات الاحتمالية التراكمية

يُعنى التوزيع الهندسي (Geometric Distribution) بنمذجة عدد المحاولات المستقلة الفاشلة المطلوبة قبل تحقيق النجاح الأول في تجربة احتمالية مستمرة، وتُعد القيمة المتوقعة لهذا التوزيع رياضياً مساوية لـ (1 / p) حيث تمثل p احتمالية النجاح في المحاولة الواحدة. يُستخدم هذا النموذج في تحليل فترات بقاء الأجهزة والمعدات على قيد التشغيل قبل حدوث أول عطل مفاجئ، وفي اختبارات الاختراق الأمني للأنظمة الرقمية.

في كثير من الحالات، يتلقى محللو البيانات تقارير إحصائية تحتوي على دوال التوزيع التراكمي (Cumulative Distribution Functions – CDF)، حيث تعبر كل قيمة في الجدول عن احتمالية أن يكون المتغير العشوائي أقل من أو مساوياً لقيمة معينة P(X ≤ x) بدلاً من الاحتمال النقطي المباشر. في هذه الحالة، لا يمكن تطبيق معادلة القيمة المتوقعة مباشرة على الأرقام التراكمية لأن مجموعها سيتجاوز الواحد الصحيح بكثير.

لاستخراج القيمة المتوقعة من الجداول التراكمية في Excel، نقوم أولاً باسترجاع دالة كتلة الاحتمال المنفصلة من خلال حساب الفروق المتتالية (Successive Differencing) بين الخلايا التراكمية عبر كتابة الصيغة =B3 - B2 وتعميمها لأسفل، ومن ثم نطبق دالة SUMPRODUCT المعتادة على عمود الفروق المستخرجة، مما يعيد بناء النموذج الاحتمالي السليم بكل دقة وسلاسة.

10. تحليل الحساسية ونمذجة السيناريوهات في Excel

10.1 استخدام جداول البيانات (Data Tables) لاختبار حساسية القيمة المتوقعة

في البيئات الاقتصادية والاستثمارية سريعة التغير، لا تكون احتمالات وقوع الأحداث ثابتة بصورة مطلقة، بل تخضع لتقلبات السوق والظروف المتغيرة. لذلك، تبرز أهمية إجراء تحليل الحساسية (Sensitivity Analysis) لاختبار مدى استجابة وتغير القيمة المتوقعة للمشروع عند تغير احتمالية سيناريو محدد بنسب تدريجية متفاوتة، وتُعد أداة جدول البيانات (Data Table) في Excel الأداة المثالية لتنفيذ هذا التحليل بكفاءة وأتمتة كاملة.

يمكن بناء جدول بيانات أحادي المتغير من خلال إنشاء عمود يحتوي على نسب احتمالية مقترحة مختلفة لسيناريو النمو الاقتصادي (مثلاً من 10% إلى 90% بزيادات قدرها 10%)، وربط رأس الجدول بخلية القيمة المتوقعة المحسوبة. بعد تحديد نطاق الجدول بالكامل، نتوجه إلى تبويب البيانات (Data) ← التحليل المالي الشرطي (What-If Analysis) ← جدول البيانات (Data Table)، ونحدد خلية الإدخال في العمود لتقوم الأداة بحساب القيمة المتوقعة تلقائياً لكل نسبة مئوية في خطوة واحدة.

يتيح هذا التحليل للمديرين الماليين تحديد نقاط التحول الحرجة (Breakeven Probabilities)، وهي النسبة الاحتمالية التي إذا انخفضت دونها احتمالية النجاح، تصبح القيمة المتوقعة للمشروع سالبة وتتحول الصفقة من استثمار مربح إلى خسارة مؤكدة، مما يمنح متخذي القرار وضوحاً كاملاً لحدود الأمان المتاحة أمامهم.

10.2 إدارة السيناريوهات باستخدام أداة Scenario Manager

توفر أداة إدارة السيناريوهات (Scenario Manager) المدمجة في Excel إمكانية نمذجة ومقارنة مجموعات متعددة وشاملة من الافتراضات الإحصائية والمالية دفعة واحدة دون الحاجة لتكرار بناء الجداول. يمكن للمحلل تعريف ثلاثة سيناريوهات رئيسية معتمدة في التحليل الاستراتيجي: السيناريو المتفائل (Best-Case)، والسيناريو الأساسي المتوقع (Base-Case)، والسيناريو المتشائم (Worst-Case)، حيث يتم تخصيص مصفوفة قيم واحتمالات مختلفة تماماً لكل سيناريو داخل الأداة.

بعد ضبط السيناريوهات المختلفة، تتيح الأداة إنشاء تقرير تلخيصي للسيناريوهات (Scenario Summary Report) في ورقة عمل مستقلة بضغطة زر واحدة. يعرض هذا التقرير مقارنة جدولية متكاملة توضح كيف تنعكس الفرضيات المختلفة لكل سيناريو على القيمة المتوقعة النهائية وعلى صافي الأرباح والانحراف المعياري، مما يوفر وثيقة مقارنة قياسية وجاهزة للعرض الفوري على مجالس الإدارات واللجان الاستثمارية العليا.

تتميز هذه التقنية بمرونتها العالية في أتمتة عملية التبديل اللحظي بين السيناريوهات المختلفة داخل ورقة العمل الرئيسية، مما يتيح للمحلل الإجابة الفورية عن تساؤلات الإدارة التنفيذية أثناء جلسات النقاش المالي وتقديم إجابات رقمية دقيقة مدعومة بالبيانات لجميع البدائل المطروحة.

10.3 مقدمة لمحاكاة مونت كارلو (Monte Carlo Simulation) لتقدير القيمة المتوقعة

عندما تصبح المشكلات الإحصائية شديدة التعقيد وتتداخل فيها عشرات المتغيرات العشوائية المتصلة في وقت واحد، يعجز الحساب التحليلي المباشر عن استيعاب كافة التباديل الممكنة. في هذه الحالة، يلجأ خبراء البيانات إلى محاكاة مونت كارلو (Monte Carlo Simulation)، وهي تقنية حسابية متقدمة تعتمد على تكرار التجربة آلاف المرات عشوائياً باستخدام الحاسوب لتقدير القيمة المتوقعة وتوزيع المخاطر تجريبياً.

يمكن بناء نموذج محاكاة أولي ومبسط في Excel باستخدام دالة توليد الأرقام العشوائية RAND() التي تولد قيماً عشوائية موزعة بانتظام بين 0 و1، أو دالة RANDBETWEEN. يتم دمج هذه الأرقام العشوائية مع دالة البحث والترجيح VLOOKUP أو XLOOKUP لتوليد مشاهدات عشوائية تتبع التوزيع الاحتمالي للظاهرة المدروسة عبر آلاف الصفوف (مثل 10,000 تكرار مستقل).

نقوم بعد ذلك بحساب المتوسط الحسابي البسيط لجميع نتائج تلك التكرارات العشوائية باستخدام دالة AVERAGE. وفقاً لقانون الأعداد الكبيرة، سنلاحظ أن متوسط نتائج المحاكاة العشوائية يتقارب بصورة مذهلة مع القيمة المتوقعة النظرية المحسوبة عبر SUMPRODUCT، مع توفير ميزة إضافية كبرى تتمثل في إمكانية رسم منحنى التوزيع التكراري الشامل وفحص احتمالات الأحداث المتطرفة والذيلية (Tail Risks) التي قد تغفلها المعادلات الرياضية البسيطة.

11. التصور البياني والعرض المرئي لتوزيعات القيمة المتوقعة

11.1 تصميم المخطط البياني للأعمدة لتمثيل دالة الاحتمال

يُعد التمثيل المرئي للتوزيعات الاحتمالية خطوة ضرورية لتحويل الأرقام الجافة إلى رسوم بيانية يسهل استيعابها وتفسيرها من قبل غير المتخصصين. لتمثيل التوزيع الاحتمالي المنفصل في Excel، يُعد المخطط العمودي أو الشريطي (Clustered Column Chart) الخيار الأكاديمي والمهني الأمثل لعرض دالة كتلة الاحتمال P(x) بصورة دقيقة وجذابة.

يتم إنشاء المخطط بتحديد عمود الاحتمالات، ثم إدراج مخطط عمودي ثنائي الأبعاد، وضبط المحور الأفقي (X-Axis) ليعرض قيم المتغير العشوائي المقابلة، بينما يعبر المحور الرأسي (Y-Axis) عن نسب الاحتمال المئوية. من الضروري إضافة عناوين واضحة للمحاور وتسميات البيانات (Data Labels) فوق كل عمود لإظهار الاحتمال الدقيق لكل سيناريو دون إرباك القارئ.

لإضفاء مظهر احترافي يتوافق مع المعايير التقريرية العالمية، يُنصح بتنسيق عرض الأعمدة وتقليل الفجوة البينية (Gap Width) بين الأشرطة إلى حوالي 50% أو أقل، وتطبيق ألوان متناسقة وهادئة، مما يعطي المخطط مظهراً متماسكاً يبرز بوضوح التفاوت في الأوزان الاحتمالية بين مختلف السيناريوهات المدروسة.

11.2 إضافة خط عمودي ديناميكي يمثل القيمة المتوقعة (μ)

لتعظيم القيمة التحليلية للمخطط البياني، من المفيد جداً دمج موقع القيمة المتوقعة μ بصرياً داخل نفس الرسم ليرى المستخدم أين يقع مركز ثقل التوزيع بالنسبة لكافة السيناريوهات الممكنة. ونظراً لأن القيمة المتوقعة غالباً ما تكون رقماً كسرياً يقع بين عمودين منفصلين، فإن إبرازها يتطلب إنشاء تقنية رسم مخصصة في Excel.

نقوم بإنشاء سلسلة بيانات مساعدة في جدول الحسابات تحتوي على قيمة μ المحسوبة مسبقاً، ثم نضيف هذه السلسلة إلى المخطط الحالي ونقوم بتغيير نوع المخطط الخاص بها ليصبح مخططاً مختلطاً (Combo Chart)؛ حيث تظل الاحتمالات ممثلة بالأعمدة بينما تُمثل القيمة المتوقعة بمخطط خطي عمودي أو نقطي متصل بمحور ثانوي. يمكن استخدام أشرطة الخطأ (Error Bars) لمد خط رأسي متقطع وبلون بارز (كاللون الأحمر) يمتد من قاعدة المخطط حتى قمته عند نقطة القيمة المتوقعة تماماً.

تكمن قوة هذا التصميم في كونه خطاً بيانياً ديناميكياً وتفاعلياً بالكامل؛ فبمجرد تعديل أي احتمال أو قيمة في جدول البيانات الأساسي، يتحرك الخط الرأسي للقيمة المتوقعة تلقائياً وفورياً ليعكس الموقع الجديد لمركز ثقل التوزيع، مما يوفر تجربة بصرية مذهلة ومقنعة في العروض التقديمية الإدارية.

11.3 بناء لوحة مؤشرات إحصائية تفاعلية (Interactive Dashboard)

يمثل بناء لوحة المؤشرات التفاعلية (Interactive Dashboard) قمة الاحترافية في عرض وتداول النماذج الإحصائية داخل المؤسسات الحديثة. يتيح Excel دمج عناصر التحكم بالنماذج (Form Controls)، مثل أشرطة التمرير (Scroll Bars) وأزرار التدوير (Spin Buttons)، وربطها بخلايا الاحتمالات لتمكين متخذي القرار من تعديل وتغيير الفرضيات الاحتمالية يدوياً وبشكل بصري سلس دون الحاجة للكتابة المباشرة داخل الجداول.

يتم تصميم لوحة المؤشرات بتخصيص بطاقات أداء رئيسية (KPI Metric Cards) أعلى الواجهة تعرض بشكل بارز ومباشر: القيمة المتوقعة E(X)، والانحراف المعياري σ، ومعامل الاختلاف CV، وحالة التحقق من صحة التوزيع الاحتمالي. ترتبط هذه البطاقات بالمعادلات المركزية وتتحدث لحظياً مع أي تحريك لأشرطة التمرير من قبل المستخدم.

يُستكمل بناء اللوحة بتطبيق قواعد متقدمة من التنسيق الشرطي التفاعلي داخل الجداول لتمييز السيناريوهات الأكثر مساهمة في تكوين القيمة المتوقعة وتلوين الأعمدة البيانية المقابلة لها تلقائياً، مما يحول النموذج من مجرد جدول حسابي جامد إلى بيئة تفاعلية حية لدعم ومحاكاة القرارات الاستراتيجية في الوقت الحقيقي.

12. أفضل الممارسات والأتمتة الاحترافية لحساب القيمة المتوقعة

12.1 استخدام جداول Excel الديناميكية (Excel Tables) والنطاقات المسماة

يُمثل الاعتماد على جداول إكسيل الديناميكية المهيكلة (Excel Tables) نقلة نوعية في كفاءة وموثوقية النماذج الإحصائية مقارنة بالعمل على النطاقات العادية التقليدية. يمكن تحويل أي نطاق بيانات إلى جدول ديناميكي بضغطة زر واحدة عبر الاختصار Ctrl + T. يوفر هذا التحويل ميزة التوسع التلقائي للصيغ الحسابية؛ فعند إضافة أي صف جديد لسيناريو محتمل في المستقبل، يتم تضمينه تلقائياً وفورياً داخل حسابات القيمة المتوقعة دون الحاجة لتعديل النطاقات في المعادلات يدوياً.

يتيح استخدام الجداول الديناميكية تطبيق الصيغ المهيكلة ذاتية التوثيق (Structured References)، حيث تصبح صيغة حساب القيمة المتوقعة مكتوبة بالشكل الواضح التالي:

=SUMPRODUCT(DataTable[Values], DataTable[Probabilities])

تتميز هذه الصيغة بكونها مفهومة للقراءة الفورية من قبل أي محلل وتلغي تماماً الحاجة لحفظ مراجع الخلايا الجامدة مثل A2:A6، مما يحد من احتمالات حدوث أخطاء التوجيه عند تعديل هيكل ورقة العمل.

بالإضافة إلى ذلك، يُنصح بتطبيق ميزة النطاقات المسماة (Named Ranges) لتسمية المؤشرات الإحصائية الرئيسية المستخرجة (مثل تسمية خلية النتيجة باسم Expected_Value وخلية التباين باسم Variance_Val)، مما يسهل استدعاء هذه المقاييس واستخدامها في صفحات عمل أخرى داخل الملف لبناء التقارير المالية المعقدة بأعلى درجات السلاسة والوضوح.

12.2 كتابة دالة مخصصة لحساب القيمة المتوقعة باستخدام VBA و LAMBDA

للمحترفين الذين يرغبون في رفع مستوى الأتمتة وتبسيط تجربة المستخدم النهائي داخل المنظمة، يوفر Excel طريقتين متقدمتين لإنشاء دالة مخصصة تقوم بحساب القيمة المتوقعة بكلمة واحدة مباشرة. الطريقة الأحدث في الإصدارات الحديثة من Microsoft 365 هي استخدام الدالة الثورية LAMBDA؛ حيث يمكن تعريف دالة مخصصة عبر مدير الأسماء (Name Manager) باسم EXPECTEDVALUE باستخدام الصيغة التالية:

=LAMBDA(vals, probs, SUMPRODUCT(vals, probs) / SUM(probs))

ليصبح بإمكان أي مستخدم في ورقة العمل كتابة الصيغة =EXPECTEDVALUE(A2:A6, B2:B6) واستخراج النتيجة فوراً مع التطبيع التلقائي للاحتمالات ودون أي تعقيد.

أما بالنسبة للملفات التي تتطلب العمل على إصدارات أقدم من إكسيل، فيمكن تحقيق نفس الهدف البرمجي عبر كتابة وحدة نمطية (Module) بلغة VBA (Visual Basic for Applications). يتم فتح محرر الأكواد عبر Alt + F11 وكتابة الكود المعياري المخصص:

Function CalcExpectedValue(ValuesRange As Range, ProbsRange As Range) As Variant
    If ValuesRange.Count <> ProbsRange.Count Then
        CalcExpectedValue = CVErr(xlErrValue)
        Exit Function
    End If
    CalcExpectedValue = Application.WorksheetFunction.SumProduct(ValuesRange, ProbsRange) / Application.WorksheetFunction.Sum(ProbsRange)
End Function

تضمن هذه الدوال المخصصة والمبرمجة مركزياً توحيد المعايير الحسابية عبر كامل أقسام المؤسسة، وتمنع الاجتهادات الفردية في كتابة المعادلات الرياضية، مما يعزز من كفاءة التدقيق الداخلي والحوكمة الرقمية للبيانات.

12.3 قواعد التوثيق ومراجعة النماذج الإحصائية لضمان الجودة الأكاديمية والمهنية

تقتضي معايير الحوكمة والجودة في النمذجة الإحصائية والمالية اتباع بروتوكولات توثيق صارمة تضمن استدامة النماذج وقابليتها للتدقيق والمراجعة عبر الزمن. تبدأ هذه الممارسات بتضمين تعليقات وتلميحات توضيحية (Cell Comments & Notes) بجوار الخلايا التي تحتوي على افتراضات التوزيع الاحتمالي، لبيان المصادر التاريخية للبيانات، وحجم العينة المستخدمة، والمنهجية المتبعة في تقدير الاحتمالات، وتاريخ آخر تحديث تم إجراؤه على النموذج.

من المبادئ المعمارية الجوهرية في تصميم أوراق العمل المهنية مبدأ الفصل الهيكلي للطبقات (Layered Architecture)؛ حيث يتم تخصيص ورقة عمل مستقلة أو قسم محدد لطبقة المدخلات والافتراضات الأولية (Inputs Layer)، وقسم منفصل تماماً لطبقة العمليات والمعالجات الحسابية (Calculation Layer)، وقسم ثالث مخصص لطبقة المخرجات والتقارير التنفيذية ولوحات المؤشرات (Outputs/Presentation Layer). يمنع هذا الفصل التداخل العفوي بين البيانات والعمليات ويسهل تتبع الأخطاء.

تُختتم إجراءات الحوكمة بتطبيق حماية ورقة العمل وتأمين الخلايا (Worksheet Protection)؛ حيث يتم قفل الخلايا التي تحتوي على المعادلات الحسابية المتقدمة ودوال SUMPRODUCT بكلمة مرور مشفرة، مع ترك خلايا إدخال القيم والاحتمالات فقط مفتوحة للمستخدمين. يحمي هذا الإجراء النموذج من أي تعديل أو حذف غير مقصود للصيغ المركزية، مما يضمن دقة واستمرارية الاعتماد على مخرجات التحليل الإحصائي في اتخاذ القرارات المصيرية.

خاتمة

تُعد القيمة المتوقعة (Expected Value) الجسر الرياضي الرابط بين عالم الاحتمالات النظرية المجردة والتطبيقات العملية في الإدارة وصناعة القرار. ومن خلال استيعاب المفاهيم الرياضية الكامنة وراء المعادلة، واستغلال الإمكانيات الحسابية لبرنامج Microsoft Excel—بدءاً من الطرق التقليدية وصولاً إلى دالة SUMPRODUCT والدوال المخصصة والتحليلات المتقدمة للمخاطر—يستطيع المحللون تحويل البيانات المعقدة وحالات عدم اليقين إلى مؤشرات كمية واضحة وموثوقة تدعم النجاح المؤسسي والاستثماري على المدى الطويل.

References

• Feller, W. (1968). An Introduction to Probability Theory and Its Applications (3rd ed., Vol. 1). John Wiley & Sons.
• Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77–91. https://doi.org/10.1111/j.1540-6261.1952.tb01525.x
• Microsoft Support. (2024). SUMPRODUCT function. Microsoft Corporation. https://support.microsoft.com/ar-sa/office/sumproduct-function
• Ross, S. M. (2014). Introduction to Probability Models (11th ed.). Academic Press.
• Winston, W. L. (2021). Microsoft Excel Data Analysis and Business Modeling (6th ed.). Microsoft Press.