ذكاء مهني

مهندس البيانات

لمحة سريعة

يقوم مهندسو البيانات بوضع الهيكل اللازم لمعالجة وإدارة وتخزين أعداد كبيرة من البيانات التي سيستخدمها علماء البيانات لإجراء التحليل. ويقومون بتصميم البنية الأساسية والحفاظ على خطوط البيانات والمستودعات للاستفادة من البيانات وذلك لتحقيق ميزة استراتيجية.

٢١%
المرونة النتيجة · ٢٠٢٦ (الأعلى هو الأفضل)
درجة البكالوريوس أو ما يعادلها ٧٤% التعرض للذكاء الاصطناعي · ٢٠٢٦
سوق العمل

أين يوجد طلب على هذه المهنة

حالات النقص والفائض في العمالة المُبلَّغ عنها، حسب السنة. تُنشر لمجموعات المهن، وليس لمسميات وظيفية فردية.

تشمل الأرقام اختصاصيو تكنولوجيا المعلومات والاتصالات — ٧٥ مهنة، من بينها هذه.

١٠ من ١٤ بها نقص٢٠٢٥جميع الـ٣٠ في نمو٣٫٧Mوظائف حتى ٢٠٣٥

نقص: أيرلندا, التشيك, السويد, النمسا و٦ أخرى.

أطول نقص: النمسا، ٣ سنوات.

اختر منطقة على الخريطة لعرض أرقامها.

عن هذا المصدر›

المصدر: ELA/EURES، حالات النقص والفائض في العمالة. تُنشر البيانات على مستوى المجموعة المهنية وتغطي أوروبا. تختلف الإصدارات في بنية الملحق وفي الدول المشمولة، لذا لا يعني الاختلاف بين سنة وأخرى دائمًا أن سوق العمل قد تغيّر. الدول الرمادية لم يُبلَّغ عنها، وهذا ليس كالتوازن.

ماذا تعني هذه الكلمات

الأمور الأربعة التي يبيّنها هذا القسم

الطلب المُبلَّغ عنه
الطلب المُبلَّغ عنه: ما إذا كان أصحاب العمل يبلّغون عن حاجتهم إلى أشخاص في هذه المهنة — وهو حكم تنشره جهة وطنية أو جهة تابعة للاتحاد الأوروبي، وليس عدداً.
إلى أين يتجه
إلى أين يتجه: المسار المتوقع للتوظيف في هذه المهنة خلال السنوات المقبلة، استناداً إلى توقّع رسمي.
الوظائف الشاغرة
الوظائف الشاغرة: عدد فرص العمل التي تنشأ تقريباً بسبب النمو وبسبب مغادرة أشخاص هذه المهنة.
الأجر المعتاد
الأجر المعتاد: ما يكسبه الأشخاص في هذه المهنة عادةً في الأماكن التي ينشر فيها المصدر هذه البيانات. ولا يعني ترك الخانة فارغة أن العمل غير مدفوع الأجر؛ بل يعني أنه لا ينشره أحد لذلك المكان.

يُترك المقياس خالياً عندما لا ينشره أحد لذلك المكان، بدلاً من عرضه على أنه صفر.

إلى أي اتجاه يميل السوق بالنسبة إليك

في صالحك
الوظائف الشاغرة أكثر من الباحثين عن عمل — وأصحاب العمل يتنافسون على المرشحين.
متوازن
عدد الوظائف الشاغرة والباحثين عن عمل متقارب تقريبًا.
تنافسي
الباحثون عن عمل أكثر من الوظائف الشاغرة — توقّع منافسة.
بيانات متضاربة
المصادر غير متفقة، أو أن المجموعة المهنية نفسها تعاني نقصًا في منطقة وفائضًا في أخرى.

تُصنّف كل المصادر ضمن واحدة من هذه الفئات الأربع، ولذلك توجد مجموعة مصطلحات واحدة لتعلّمها: في صالحك، متوازن، تنافسي، بيانات متضاربة. وما يختلف هو الأدلة التي تستند إليها، وهي مطبوعة أسفل كل تصنيف — نسبة مقيسة بين الوظائف الشاغرة والباحثين عن عمل، أو تقييم تنشره جهة وطنية.

كيف تقارن هذه المهنة بالمهن الأخرى في البلد نفسه

قوي
من أقوى المهن في that country
جيد
أقوى من معظم المهن في that country
متفاوت
قريبة من المعتاد في that country
ضعيف
أضعف من معظم المهن في that country

هذا ترتيب داخل بلد واحد، وليس نتيجة يمكنك مقارنتها عبر الحدود — فالسجلات التي تقف وراء بلدين تحصي أشخاصاً مختلفين، ولذلك يعني العدد نفسه أشياء مختلفة في كل بلد. ولهذا أيضاً قد تكون المهنة ضمن الأقوى في بلد ما، ومع ذلك تظهر على أنها تنافسي: فهي تتصدر سوقاً يشهد منافسة شديدة بوجه عام.

مصدر هذه البيانات

تنشر كل رقم جهة وطنية للإحصاء أو مرفق عام للتوظيف أو جهة تابعة للاتحاد الأوروبي، وتذكر كل بطاقة مصدرها والفترة التي تغطيها. تُحصى البيانات في بعض الأماكن شهرياً، بينما تُقيّم في أماكن أخرى مرة أو مرتين في السنة، ولذلك قد تصف منطقتان على الخريطة نفسها لحظتين مختلفتين — ويظهر التاريخ دائماً.

لا تتنبأ أي من هذه المعلومات بفرص شخص بعينه. إنها تصف سوقاً.

الطلب المُبلَّغ عنه · الأجر المعتاد · إلى أين يتجه (ألمانيا, السويد, فرنسا, هولندا, بلجيكا, النمسا)
الطلب المُبلَّغ عنه · الأجر المعتاد · إلى أين يتجه
الطلب المُبلَّغ عنه الأجر المعتاد إلى أين يتجه
ألمانيا أُبلغ عن نقص ELA/EURES ٢٠٢٤ * — +١٥٫٦% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
السويد أُبلغ عن نقص ELA/EURES ٢٠٢٥ * — +٤٥٫١% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
فرنسا لم يُبلَّغ عنه — +٣٤٫٨% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
هولندا أُبلغ عن نقص ELA/EURES ٢٠٢٥ * — +٣٢% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
بلجيكا أُبلغ عن نقص وفائض ELA/EURES ٢٠٢٥ * — +٣٧٫٥% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *
النمسا أُبلغ عن نقص ELA/EURES ٢٠٢٥ * — +٤٨٫٨% ٢٠٢٣–٢٠٣٥ · Cedefop ٢٠٢٦ *

* تُنشر لمجموعات المهن، وليس لمسميات وظيفية فردية.

هل تقدّمون الإرشاد المهني للطلاب أو العملاء أو الموظفين؟ استخدموا بيانات هذه المهنة في مؤسستكم.

NexFuture™

نظرة المستقبل لـ مهندس البيانات

مهندس البيانات تدخل فترة من التحول. مع تعرض ٤٢٪ لأدوات الذكاء الاصطناعي، هذا الدور لا يتم استبداله، بل يتطور. سيكون إتقان الأدوات الرقمية الجديدة هو المفتاح للبقاء في الطليعة.

كيف يتم حساب هذه الدرجات؟

يُقدِّر مؤشر المرونة (من ٠ إلى ١٠٠) مدى الحماية الهيكلية لهذه المهنة من الأتمتة واضطرابات الذكاء الاصطناعي، استناداً إلى تحليل مستوى المهام. وتعني الدرجات الأعلى مهاماً تعتمد بدرجة أكبر على الحكم الإنساني. يُظهر التعرض للذكاء الاصطناعي النسبة المئوية التقديرية لساعات المهام التي قد تتأثر بقدرات الذكاء الاصطناعي الحالية. وهذه مؤشرات هيكلية مستمدة من النماذج، وليست تنبؤات بأمن الوظائف الفردية.

لعب المستقبل
كيف يمكن أن يتغير مهندس البيانات مع نمو اعتماد الذكاء الاصطناعي؟

قد تتحول العديد من مجالات المهام نحو سير العمل بمساعدة الذكاء الاصطناعي، لذا تصبح إعادة اكتساب المهارات أكثر أهمية.

يُقدّر حدوث تحول كبير على مستوى المهام خلال ٩ سنوات (حوالي ٢٠٣٥) بموجب سيناريو متوقع المختار.
~١٥%
المرونة
مخاطر الأتمتة
EXP~٨٠%
الحافة البشرية
MOAT~٢٠%

سيناريو توضيحي يستند إلى قابلية أتمتة المهام — وليس تنبؤًا. تُقرَّب القيم كلما نظرت أبعد في المستقبل.

٢٠٢٦
٢٠٣١
٢٠٤٠
سرعة اعتماد الذكاء الاصطناعي:

التقدير القائم على النموذج. استخدمها كإشارة تخطيط، وليس ضمانًا.

كيف يمكن للذكاء الاصطناعي أن يغير هذا الدور؟

التفسير الحتمي القائم على النموذج لإشارات الدور الحالي - وليس ضمانًا للاستبدال.

٢١% مملوكة للإنسان

ما لا يزال يعتمد على الناس

معظم المهام هنا قابلة للمساعدة بالذكاء الاصطناعي بدلاً من أن تكون بشرية بحتة.

الميزة البشرية للبقاء في الطليعة في هذا الدور، ركز على مخزن البيانات و التقنيات السحابية. هذه المهارات التي تركز على الإنسان هي الأصعب للذكاء الاصطناعي في النسخ المتماثل في العشرين سنة القادمة.
٤٢% مساعدة

حيث قد يصبح الذكاء الاصطناعي مساعد طيار

  • تنفيذ تخفيض الأبعاد
  • تطوير تطبيقات معالجة البيانات
  • الإشراف على هيكل بيانات تكنولوجيا المعلومات والاتصالات
٧٤% أتمتة

المهام الأكثر عرضة للأتمتة

  • معالجة البيانات
  • إدارة بيانات البحث
  • استخدام تقنيات معالجة البيانات
تحليل مفصل

المؤشرات الحيوية ونواقل الذكاء الاصطناعي

ناقلات التعرض لمنظمة العفو الدولية

٠-١٠٠%
الذكاء الاصطناعي / التعلم الآلي ٤٢%

التعرض للتحليل بمساعدة الذكاء الاصطناعي والتعرف على الأنماط ومهام النمذجة التنبؤية

الذكاء الاصطناعي التوليدي ٣%

التعرض لتوليد المحتوى والتعزيز الإبداعي وأدوات نماذج اللغات الكبيرة

الأتمتة الروبوتية والمادية ٠%

التعرض للأتمتة الفيزيائية والروبوتات والإزاحة المدفوعة بالمستشعرات

البرمجيات المعرفية ٠%

التعرض لأتمتة سير العمل وبرامج دعم القرار وتحديث العمليات

التفاصيل الفنية
المنهجية: NexFuture v3.0 المصادر: O*NET® ٣٠٫٣, ESCO v1.2.1 تم التحديث: أكتوبر ٢٠٢٦

يقدّر NexFuture v3.0 التعرّض للأتمتة مباشرةً من مجموعات المهارات الأساسية في ESCO، مرجَّحةً بكتلة المهارات ومعايَرةً وفق مراسي الخبراء. الدرجات تقديرات احتمالية وليست ضمانات. راجع ورقة منهجية NexFuture للحصول على التفاصيل الكاملة.

يقيس التعرّض للأتمتة. ولا يقيس الأجر أو الطلب أو عدد الوظائف المتاحة بالقرب منك.

يوم في الحياة

ما يفعله الأشخاص في هذا الدور عادة

التكنولوجيا الرقمية

يوم في الحياة

يوم نموذجي مثل مهندس البيانات

٠٩
٠٩:٠٠ · صباح
تطوير تطبيقات معالجة البيانات
إنشاء برنامج مخصص لمعالجة البيانات باختيار لغة البرمجة الحاسوبية المناسبة واستخدامها لتمكين نظام تكنولوجيا المعلومات والاتصالات من إنتاج المخرجات المطلوبة بناءً على المدخلات المتوقعة.
١٠
١٠:٣٠ · منتصف الصباح
ادارة البيانات
إدارة كل أنواع مصادر البيانات من خلال دورة حياتها عن طريق تصنيف البيانات، وتحليلها، وتوحيدها، وإجراء دقة الهوية والتطهير والتحسين والتدقيق. ضمان أن البيانات مناسبة للغرض، وذلك باستخدام أدوات تكنولوجيا المعلومات والاتصالات المتخصصة لتلبية معايير جودة البيانات.
١٢
١٢:٠٠ · منتصف النهار
الإشراف على هيكل بيانات تكنولوجيا المعلومات والاتصالات
مراقبة القواعد واستخدام تقنيات تكنولوجيا المعلومات والاتصالات لتحديد بنية أنظمة المعلومات لإدارة جمع البيانات وتخزينها ودمجها وترتيبها واستخدامها في أي منظمة.
١٤
١٤:٠٠ · بعد الظهر
انشاء معالجة بيانات
استخدام أدوات تكنولوجيا المعلومات والاتصالات لتطبيق العمليات الرياضية أو الخوارزمية أو عمليات معالجة البيانات الأخرى لتوفير معلومات.
١٥
١٥:٣٠ · في وقت متأخر بعد الظهر
تصميم قاعدة بيانات على سحاب الكلاود
تطبيق أسس التصميم لقواعد البيانات القابلة للموائمة، المرنة، الأوتوماتيكية، ضعيفة الاقتران باستعمال بنية السحابة. تهدف لإزالة كل نقطة خطأ من خلال تصميم قاعدة البيانات الموزع.
١٧
١٧:٠٠ · الختام
تطبيق أساليب تخزين البيانات
تطبيق النماذج والأدوات مثل المعالجة التحليلية عبر الإنترنت (OLAP) ومعالجة المعاملات عبر الإنترنت (OLTP) لدمج البيانات المنظمة أو غير المنظمة من المصادر من أجل إنشاء مستودع مركزي للبيانات التاريخية والحالية.

ترتيب المهام توضيحي. تختلف الأيام الفردية.

المهارات والمعرفة

ما تحتاج إليه لأداء هذا العمل

المهارات والمعرفة والأدوات التي يتطلبها هذا الدور — والسمات والمكافآت التي تأتي معه.

المهارات الأساسية
إدارة، وجمع البيانات الرقمية وتخزينها
  • استخدام تقنيات معالجة البيانات

    جمع البيانات والمعلومات ذات الصلة ومعالجتها وتحليلها، وتخزين البيانات وتحديثها على نحو سليم وعرض الأرقام والبيانات باستخدام المخططات والرسوم البيانية الإحصائية.

  • انشاء معالجة بيانات

    استخدام أدوات تكنولوجيا المعلومات والاتصالات لتطبيق العمليات الرياضية أو الخوارزمية أو عمليات معالجة البيانات الأخرى لتوفير معلومات.

  • استخدام قواعد البيانات

    استخدام أدوات البرامج لإدارة البيانات وتنظيمها في بيئة منظَّمة تتكون من سمات، وجداول، وعلاقات من أجل الاستعلام عن البينات المخزنة وتعديلها.

  • إدارة البيانات الكمية

    جمع البيانات الكمية ومعالجتها وتقديمها. استخدام البرامج المناسبة والطرق لتأكيد وتنظيم وتفسير البيانات.

  • تخزين البيانات والنظم الرقمية

    استخدام أدوات البرامج في أرشفة البيانات بنسخها وتوفير نسخ احتياطية منها لضمان سلامتها وتجنُّب فقد البيانات.

  • تطبيق أساليب تخزين البيانات

    تطبيق النماذج والأدوات مثل المعالجة التحليلية عبر الإنترنت (OLAP) ومعالجة المعاملات عبر الإنترنت (OLTP) لدمج البيانات المنظمة أو غير المنظمة من المصادر من أجل إنشاء مستودع مركزي للبيانات التاريخية والحالية.

إدارة المعلومات
  • إدارة بيانات البحث

    إنتاج وتحليل البيانات العلمية الناتجة عن طرق البحث الكمي والنوعي. حفظ البيانات في قواعد بيانات البحث وصيانتها. دعم إعادة استخدام البيانات العلمية والاعتياد على أسس إدارة البيانات المفتوحة.

  • إنشاء مجموعة بيانات

    وضع تشكيلة تتكون من مجموعة البيانات الجديدة أو الموجودة ذات الصلة والتي تتكوّن من عناصر منفصلة لكن يُمكن أن تُعالج كوحدة واحدة.

  • ادارة البيانات

    إدارة كل أنواع مصادر البيانات من خلال دورة حياتها عن طريق تصنيف البيانات، وتحليلها، وتوحيدها، وإجراء دقة الهوية والتطهير والتحسين والتدقيق. ضمان أن البيانات مناسبة للغرض، وذلك باستخدام أدوات تكنولوجيا المعلومات والاتصالات المتخصصة لتلبية معايير جودة البيانات.

برمجة أنظمة الكمبيوتر
  • تنفيذ تخفيض الأبعاد

    تقليل عدد المتغيرات أو الخصائص لمجموعة بيانات في خوارزميات تعليم الآلة من خلال أساليب مثل تحليل العنصر الرئيسي، تقسيم المصفوفة إلى عوامل، طرق التشفير الذاتي، وطرق أخرى...

  • تطوير تطبيقات معالجة البيانات

    إنشاء برنامج مخصص لمعالجة البيانات باختيار لغة البرمجة الحاسوبية المناسبة واستخدامها لتمكين نظام تكنولوجيا المعلومات والاتصالات من إنتاج المخرجات المطلوبة بناءً على المدخلات المتوقعة.

تصميم أنظمة أو تطبيقات تكنولوجيا المعلومات والاتصالات
  • الإشراف على هيكل بيانات تكنولوجيا المعلومات والاتصالات

    مراقبة القواعد واستخدام تقنيات تكنولوجيا المعلومات والاتصالات لتحديد بنية أنظمة المعلومات لإدارة جمع البيانات وتخزينها ودمجها وترتيبها واستخدامها في أي منظمة.

  • تصميم قاعدة بيانات على سحاب الكلاود

    تطبيق أسس التصميم لقواعد البيانات القابلة للموائمة، المرنة، الأوتوماتيكية، ضعيفة الاقتران باستعمال بنية السحابة. تهدف لإزالة كل نقطة خطأ من خلال تصميم قاعدة البيانات الموزع.

إدخال المعلومات وتحويلها
  • معالجة البيانات

    إدخال المعلومات في نظام تخزين البيانات واسترجاع البيانات عبر عمليات مثل المسح الضوئي أو إدخال البيانات يدويًّا باستعمال لوحة المفاتيح أو نقل البيانات إلكترونيًّا لمعالجة كميات كبيرة من البيانات.

مجالات المعرفة & البرمجيات والتقنيات
مجالات المعرفة
  • التقنيات السحابية

    التقنيات التي تتيح الوصول إلى الأجهزة والبرامج والبيانات والخدمات من خلال الخوادم البعيدة وشبكات البرمجيات بغض النظر عن موقعها ومعماريتها.

  • أنظمة إدارة قواعد البيانات

    أدوات إنشاء قواعد البيانات وتحديثها وإدارتها، مثل Oracle وMySQL وMicrosoft SQL Server.

  • بيانات غير منظمة

    البيانات غير المنظمة بطريقة محددة مسبقًا أو التي لا تحتوي على نموذج بيانات محدد مسبقًا ويصعب فهمها وإيجاد أنماط لها دون استخدام تقنيات مثل استخراج البيانات.

  • تخزين البيانات

    المفاهيم المادية والتقنية لكيفية تنظيم تخزين البيانات الرقمية في أنظمة محددة داخليًا، مثل محركات الأقراص الثابتة وذاكرات الوصول العشوائي (RAM) وعن بُعد، عبر الشبكة أو الإنترنت أو السحابة.

  • نماذج البيانات

    التقنيات والنظم القائمة المستخدمة لتكوين عناصر البيانات وتوضيح العلاقات بينها والطرق المستخدمة لتفسير هياكل البيانات والعلاقات بينها.

  • SAS Data Management

    البرنامج الحاسوبي لإدارة بيانات نظام التحليل الإحصائي (SAS) عبارة عن أداة تكامل المعلومات من تطبيقات متعددة، يتم إنشاؤها وصيانتها من قبل المؤسسات، في هيكل بيانات متناسقة وشفافة؛ طورته شركة برمجيات SAS.

  • Teradata Database

    برنامج "Teradata Database" الحاسوبي هو أداة لإنشاء قواعد البيانات وتحديثها وإدارتها؛ طورته شركة البرمجيات "Teradata Corporation".

مهارات عبر القطاعات
  • تحليل البيانات
  • علوم الحاسوب
  • علم الإحصاء
البرمجيات والتقنيات
Structured query language SQLSASPythonRMicrosoft SQL ServerThe MathWorks MATLABIBM SPSS StatisticsSalesforce softwareMicrosoft Visual BasicAdobe Creative Cloud softwareOracle DatabaseOracle Primavera Enterprise Project Portfolio ManagementExtensible markup language XMLOracle PeopleSoftC++Hypertext markup language HTMLTableauOracle JavaESRI ArcGIS softwareJavaScriptTeradata DatabaseGoogle AnalyticsBentley MicroStationCDassault Systemes SolidWorksAtlassian JIRAAutodesk RevitPerlMicrosoft Visual Basic for Applications VBAMarketo Marketing AutomationPHPAmazon Web Services AWS softwareMicrosoft Azure softwareMicrosoft TeamsTrimble SketchUp ProMySQLC#Eclipse IDESlackAtlassian Confluence
السمات الرئيسية التي تحتاجها
التفكير التحليلي التقدير الإنجاز/الجهد الإنجاز التنوع التعاون النزاهة الاعتمادية القيادة تحمل الضغط التكيف/المرونة الاستقلال الابتكار السيطرة الذاتية الاهتمام بالآخرين التوجه الاجتماعي
المكافآت الرئيسية التي يمكنك توقعها
الإنجازظروف العملالتقديرالعلاقاتالدعمالاستقلال
كيفية التأهل

مهندس البيانات: كيف تتأهل وأين تدرس

ما يتطلبه الأمر عادةً للتأهل: المستوى التعليمي، حيث تعتبر مهنة منظمة، ومكان الدراسة.

التقدم الوظيفي

مسارات النمو والأدوار المماثلة

استكشف مسارات التقدم المهني النموذجية والمهارات المجاورة والأدوار المماثلة للتخطيط لانتقالك المهني القادم.

للمؤسسات

بيانات هذه الصفحة، في خدمة طلابكم وعملائكم وموظفيكم.

الأسئلة الشائعة

الأسئلة المتداولة

ما هي المهارات الأساسية التي يحتاجها مهندس البيانات للنجاح في وظيفته؟
بالإضافة إلى الفهم العميق لقواعد البيانات وأنظمة التشغيل، يحتاج مهندس البيانات إلى خبرة في أدوات معالجة البيانات الضخمة مثل Hadoop و Spark، بالإضافة إلى إتقان لغات البرمجة مثل Python أو Java. القدرة على حل المشكلات والتواصل الفعال مع الفرق المختلفة ضرورية أيضاً.
ما هو الفرق بين مهندس البيانات و عالم البيانات؟
يركز عالم البيانات على تحليل البيانات واستخلاص الرؤى منها، بينما يركز مهندس البيانات على بناء البنية التحتية اللازمة لتخزين ومعالجة البيانات التي يحتاجها عالم البيانات. هما يعملان معاً بشكل وثيق لتحقيق أهداف العمل.
هل يمكن لمهندس البيانات العمل بشكل مستقل (Freelance)؟
نعم، هناك طلب متزايد على مهندسي البيانات المستقلين، خاصةً للمشاريع قصيرة الأجل أو المتخصصة. غالباً ما يتم توظيفهم لتصميم وتنفيذ حلول بيانات محددة أو لتقديم الدعم الفني للفرق الداخلية.
مهندس البيانات — كم الأجر في الولايات المتحدة؟
١٠٨٬٩٧٠ دولار سنويًا عند الوسيط، حتى ٢٠٢٥-٠٥. تتراوح وسطاء الولايات بين ٦٠٬٤٧٠ و١٥٦٬٥٩٠ دولار. المصدر: مكتب إحصاءات العمل الأمريكي. الرقم يخص الولايات المتحدة وليس توقعًا لأوروبا.

المصادر: ESCO O*NET ELA/EURES Cedefop BLS ILO ISCO-08 (CC BY ٤٫٠) تم تحديث البيانات في ٣ أكتوبر ٢٠٢٦ حول بياناتنا