تقرير تحليلي – منصة أرقامي |
تقرير تحليلي – منصة أرقامي |
قطاع النقل والخدمات اللوجستية يُعد من أهم الركائز الداعمة للتنمية الاقتصادية والتجارية، إذ يساهم في تعزيز تنافسية الدول في التجارة الدولية، ويرتبط مباشرة بكفاءة سلاسل الإمداد. في هذا التقرير، نقوم ببناء مؤشر لوجستي بحري مركّب يعتمد على بيانات الاتصال البحري وكفاءة الموانئ، وذلك لقياس الوضع الحالي للسعودية ومقارنته مع دول أخرى عالميًا وإقليميًا.
ما هو مستوى ارتباط السعودية بدول العالم من حيث الخدمات البحرية والتحالفات والشركاء التجاريين؟
كيف تقارن كفاءة الموانئ السعودية (من حيث زمن المناولة) بدول أخرى في المنطقة والعالم؟
ما ترتيب السعودية إقليميًا وعالميًا وفق المؤشر المركّب للأداء اللوجستي البحري؟
ما أبرز مجالات القوة والتحديات التي يمكن أن تؤثر على تطور القطاع في المستقبل؟
البيانات المستخدمة مأخوذة من قاعدة بيانات دولية لقياس أداء الموانئ والاتصال البحري، وتشمل:
| العمود | الوصف |
|---|---|
| اسم الدولة (Economy) | الدولة محل الدراسة |
| عدد الخدمات البحرية (Number of services) | عدد خطوط النقل أو الخدمات الملاحية المتوفرة |
| عدد التحالفات (Number of alliances) | عدد التحالفات الدولية في النقل البحري |
| عدد الدول الشريكة (Partner countries) | مدى الاتصال الدولي عبر الشحن البحري |
| زمن المناولة (Median/Mean/IQR) | وسط/متوسط/تشتت مدة بقاء السفينة في الميناء (أيام) — أقلّ أفضل |
| زمن المناولة الموزون بسعة السفينة (TEU) | مدة المناولة مع الأخذ في الاعتبار حجم السفن (وسيط/متوسط) — أقلّ أفضل |
| المؤشر | الوصف |
|---|---|
| الاتصال الدولي | مركّب من عدد الخدمات والتحالفات وعدد الدول الشريكة (أكبر أفضل) |
| كفاءة الموانئ | مركّب من أزمنة المناولة (أقلّ أفضل) شاملاً القيم الموزونة بـ TEU |
| المؤشر المركّب | متوسط موزون لمحوري الاتصال والكفاءة، مُطبّع إلى نطاق 0–1 |
data=readr::read_csv("argami_logistics_clean.csv")
data=janitor::clean_names(data)
dat=data %>%
transmute(
economy = economy,
number_of_services = readr::parse_number(as.character(number_of_services)),
number_of_alliances = readr::parse_number(as.character(number_of_alliances)),
partner_countries = readr::parse_number(as.character(number_of_partner_countries_maritime_connectivity)),
ta_days_median = readr::parse_number(as.character(turnaround_time_at_port_days_median)),
ta_days_mean = readr::parse_number(as.character(turnaround_time_at_port_days_mean)),
ta_days_iqr = readr::parse_number(as.character(turnaround_time_at_port_days_iqr_p75_p25)),
ta_teu_median = readr::parse_number(as.character(turnaround_time_weighted_by_ships_teu_median)),
ta_teu_mean = readr::parse_number(as.character(turnaround_time_weighted_by_ships_teu_mean))
) %>%
filter(!is.na(economy), economy != "")
knitr::kable(head(dat,10))%>%
kableExtra::kable_styling(font_size = 10)| economy | number_of_services | number_of_alliances | partner_countries | ta_days_median | ta_days_mean | ta_days_iqr | ta_teu_median | ta_teu_mean |
|---|---|---|---|---|---|---|---|---|
| Albania | 3 | 0 | 7 | 1.2 | 1.4 | 0.5 | 1.2 | 1.4 |
| Algeria | 25 | 0 | 18 | 2.5 | 3.1 | 2.4 | 2.7 | 3.2 |
| Angola | 11 | 0 | 22 | 2.5 | 3.1 | 2.0 | 3.3 | 3.8 |
| Antigua and Barbuda | 4 | 0 | 22 | 0.5 | 0.5 | 0.1 | 0.5 | 0.5 |
| Argentina | 23 | 0 | 21 | 1.5 | 1.8 | 1.0 | 1.6 | 1.8 |
| Australia | 58 | 0 | 36 | 1.7 | 2.0 | 1.1 | 1.9 | 2.1 |
| Bahamas | 17 | 2 | 35 | 1.0 | 1.3 | 1.4 | 1.5 | 1.7 |
| Bahrain | 7 | 1 | 10 | 0.8 | 2.0 | 0.5 | 0.9 | 1.7 |
| Bangladesh | 32 | 0 | 12 | 3.0 | 2.9 | 1.0 | 3.0 | 3.1 |
| Belgium | 114 | 3 | 88 | 1.3 | 1.6 | 1.0 | 1.7 | 1.9 |
desc=dat %>%
select(-economy) %>%
summarise(
across(everything(),
list(n = ~sum(!is.na(.)),
mean = ~mean(., na.rm=TRUE),
sd = ~sd(., na.rm=TRUE),
min = ~min(., na.rm=TRUE),
q25 = ~quantile(., 0.25, na.rm=TRUE),
median = ~median(., na.rm=TRUE),
q75 = ~quantile(., 0.75, na.rm=TRUE),
max = ~max(., na.rm=TRUE)), .names = "{.col}.{.fn}")
) %>%
tidyr::pivot_longer(everything(),
names_to = c("variable","stat"),
names_sep = "\\.") %>%
tidyr::pivot_wider(names_from = stat, values_from = value)
knitr::kable(desc, caption = "إحصاءات وصفية مختصرة للمتغيرات العددية")| variable | n | mean | sd | min | q25 | median | q75 | max |
|---|---|---|---|---|---|---|---|---|
| number_of_services | 112 | 48.5357143 | 76.6822070 | 2 | 9.0 | 19.5 | 52.75 | 590.0 |
| number_of_alliances | 112 | 1.0625000 | 1.5084223 | 0 | 0.0 | 0.0 | 2.00 | 5.0 |
| partner_countries | 113 | 30.0353982 | 23.7245838 | 0 | 12.0 | 23.0 | 42.00 | 102.0 |
| ta_days_median | 113 | 1.2690265 | 0.9580560 | 0 | 0.8 | 1.0 | 1.50 | 6.8 |
| ta_days_mean | 113 | 1.5097345 | 0.9559928 | 0 | 1.0 | 1.3 | 1.70 | 6.7 |
| ta_days_iqr | 113 | 0.8946903 | 0.5753633 | 0 | 0.5 | 0.8 | 1.10 | 3.4 |
| ta_teu_median | 113 | 1.4389381 | 0.9816562 | 0 | 0.9 | 1.2 | 1.70 | 6.9 |
| ta_teu_mean | 113 | 1.6530973 | 0.9998277 | 0 | 1.1 | 1.4 | 1.90 | 6.8 |
تفسر
يبين الجدول وجود تفاوت كبير بين الدول في مؤشرات النقل واللوجستيات البحرية. حيث تمتلك بعض الدول عددًا مرتفعًا من الخدمات والشركاء يعكس اندماجًا عالميًا قويًا، بينما تقتصر دول أخرى على نطاق محدود. كما تُظهر أغلب الدول زمن مناولة منخفض يقارب يوم واحد، وهو مؤشر إيجابي على الكفاءة، في حين أن بعض الدول تسجل أوقات أطول بكثير ما يرفع المتوسط العام. بشكل عام تعكس النتائج أداءً متباينًا عالميًا، وتُبرز الحاجة إلى تحسين سرعة وكفاءة المناولة لرفع القدرة التنافسية.
library(dplyr)
library(ggplot2)
library(readr)
library(forcats)
# 0) Clean & prep (ensure numeric)
gcc_vec <- c("Saudi Arabia","United Arab Emirates","Qatar","Bahrain","Kuwait","Oman")
# قاموس تحويل إنجليزي -> عربي
country_map <- c(
"Saudi Arabia" = "السعودية",
"United Arab Emirates" = "الإمارات",
"Qatar" = "قطر",
"Bahrain" = "البحرين",
"Kuwait" = "الكويت",
"Oman" = "عُمان"
)
plot_df <- data %>%
transmute(
economy = economy,
number_of_services = parse_number(as.character(number_of_services))
) %>%
filter(!is.na(economy), economy != "", !is.na(number_of_services)) %>%
mutate(
highlight = ifelse(economy %in% gcc_vec, economy, "Other"),
highlight = factor(highlight, levels = c(gcc_vec, "Other")),
economy_ar = ifelse(economy %in% names(country_map),
country_map[economy],
economy) # تحويل للعربية
)
# 1) Build the plot as an object
p <- ggplot(plot_df,
aes(x = reorder(economy_ar, number_of_services),
y = number_of_services,
fill = highlight)) +
geom_col() +
coord_flip() +
scale_fill_manual(values = c(
"Saudi Arabia" = "#E74C3C", # السعودية أحمر
"United Arab Emirates" = "#2980B9",# الإمارات أزرق
"Qatar" = "#27AE60", # قطر أخضر
"Bahrain" = "#8E44AD", # البحرين بنفسجي
"Kuwait" = "#F39C12", # الكويت برتقالي
"Oman" = "#16A085", # عُمان تركوازي
"Other" = "grey70" # غيرها رمادي
), drop = FALSE,
labels = c(
"Saudi Arabia" = "السعودية",
"United Arab Emirates" = "الإمارات",
"Qatar" = "قطر",
"Bahrain" = "البحرين",
"Kuwait" = "الكويت",
"Oman" = "عُمان",
"Other" = "أخرى"
)) +
labs(title = "عدد الخدمات البحرية حسب الدولة (مع إبراز دول مجلس التعاون)",
x = "الدولة", y = "عدد الخدمات", fill = "الدولة") +
theme_minimal(base_size = 12) +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
axis.text.y = element_text(size = 8))
# 3) Save a PNG copy next to the Rmd
ggsave("gcc_highlight.png", plot = p, width = 10, height = 6, dpi = 300)
تفسير
يبين الشكل توزيع عدد الخدمات البحرية عبر الدول، مع إبراز دول مجلس التعاون الخليجي.
السعودية تظهر بلون أحمر واضح، وتمثل موقعًا متوسطًا مقارنة بالدول العالمية، ما يعكس أهمية موقعها الاستراتيجي في التجارة البحرية.
الإمارات باللون الأزرق تحتل مرتبة متقدمة عالميًا، بما يعكس استثماراتها الضخمة في الموانئ والبنية التحتية.
بقية دول الخليج (قطر، البحرين، الكويت، عُمان) تسجل مستويات أقل من السعودية والإمارات، لكنها تظل أعلى من كثير من الدول النامية.
بقية دول العالم باللون الرمادي تُظهر تباينًا واسعًا بين الاقتصادات الكبرى (مثل الصين وكوريا الجنوبية) والاقتصادات الأصغر.
هذا يوضح أن السعودية، رغم أنها ليست ضمن الدول الأولى عالميًا، إلا أنها تتمتع بفرصة كبيرة لتعزيز موقعها من خلال زيادة الخدمات والتحالفات البحرية، خاصة إذا استمرت في الاستثمار في موانئها.
p1=ggplot(dat, aes(x = ta_days_median)) +
geom_histogram(binwidth = 0.25) +
labs(title = "توزيع زمن المناولة (وسيط الأيام)", x = "أيام", y = "عدد الدول")
p2=ggplot(dat, aes(x = ta_days_median, y = ta_days_mean)) +
geom_point(alpha = 0.7) +
geom_abline(slope=1, intercept=0, linetype="dashed") +
labs(title = "مقارنة وسيط/متوسط زمن المناولة", x = "وسيط (أيام)", y = "متوسط (أيام)")
p3=ggplot(dat, aes(x = ta_teu_median, y = ta_teu_mean)) +
geom_point(alpha = 0.7) +
geom_abline(slope=1, intercept=0, linetype="dashed") +
labs(title = "زمن المناولة الموزون بـ TEU", x = "وسيط موزون", y = "متوسط موزون")
p1; p2; p3
تفسير يبين الشكل الأول توزيع زمن المناولة (وسيط الأيام)، حيث يتضح أن الغالبية العظمى من الموانئ تنجز عملياتها في حدود يوم واحد فقط، بينما هناك حالات قليلة تتجاوز 4 أيام، ما يرفع من متوسط الزمن الكلي ويكشف عن وجود تفاوت كبير بين الموانئ.
أما الشكل الثاني، فيوضح المقارنة بين الوسيط والمتوسط لزمن المناولة، حيث تتمركز معظم النقاط قرب خط التساوي، ما يعني أن توزيع البيانات متقارب، لكن وجود نقاط متطرفة أعلى الخط يدل على بعض الموانئ التي تعاني من بطء يرفع المتوسط أكثر من الوسيط.
ويظهر الشكل الثالث مقارنة زمن المناولة العادي بزمن المناولة الموزون بسعة السفن (TEU)، حيث تبقى النقاط قريبة من خط التساوي، مما يشير إلى أن حجم السفينة لا يغير كثيرًا من كفاءة عمليات المناولة في معظم الدول، وإن كانت هناك بعض الحالات التي تؤثر فيها السفن الضخمة على رفع زمن المناولة.
بشكل عام، تؤكد النتائج أن أغلب الموانئ تحقق كفاءة جيدة بمتوسط يوم واحد تقريبًا، لكن وجود تفاوتات ملحوظة في بعض الحالات يستدعي التركيز على تحسين إدارة العمليات في الموانئ الأبطأ لرفع التنافسية الدولية.
minmax_pos=function(x){ (x - min(x, na.rm=T))/(max(x, na.rm=T)-min(x, na.rm=T)) }
minmax_neg=function(x){ (max(x, na.rm=T)-x)/(max(x, na.rm=T)-min(x, na.rm=T)) }
dat=data %>%
mutate(
serv_n = minmax_pos(number_of_services),
alli_n = minmax_pos(number_of_alliances),
part_n = minmax_pos(number_of_partner_countries_maritime_connectivity),
ta_med_n = minmax_neg(turnaround_time_at_port_days_median),
ta_mean_n = minmax_neg(turnaround_time_at_port_days_mean),
teu_med_n = minmax_neg(turnaround_time_weighted_by_ships_teu_median),
teu_mean_n= minmax_neg(turnaround_time_weighted_by_ships_teu_mean),
connectivity = (serv_n + alli_n + part_n)/3,
efficiency = (ta_med_n + ta_mean_n + teu_med_n + teu_mean_n)/4,
argami_index = 0.5*connectivity + 0.5*efficiency
) %>%
mutate(rank = min_rank(desc(argami_index)))
top10=dat %>%
arrange(rank) %>%
select(
economy,
number_of_services,
number_of_alliances,
number_of_partner_countries_maritime_connectivity,
turnaround_time_at_port_days_median,
turnaround_time_at_port_days_mean,
argami_index,
rank
) %>%
head(40)
knitr::kable(
top10,
caption = "أفضل 40 دول وفق مؤشر اللوجستيات البحري المركّب",
col.names = c(
"الدولة",
"عدد الخدمات",
"عدد التحالفات",
"عدد الدول الشريكة",
"زمن المناولة (وسيط)",
"زمن المناولة (متوسط)",
"المؤشر المركّب",
"الترتيب"
),
digits = 2
)| الدولة | عدد الخدمات | عدد التحالفات | عدد الدول الشريكة | زمن المناولة (وسيط) | زمن المناولة (متوسط) | المؤشر المركّب | الترتيب |
|---|---|---|---|---|---|---|---|
| China | 590 | 4 | 92 | 0.8 | 1.1 | 0.87 | 1 |
| Korea (the Republic of) | 268 | 5 | 78 | 0.7 | 1.0 | 0.80 | 2 |
| Singapore | 240 | 5 | 81 | 1.0 | 1.2 | 0.78 | 3 |
| United States | 223 | 5 | 102 | 1.5 | 2.1 | 0.75 | 4 |
| Spain | 144 | 4 | 90 | 0.7 | 1.0 | 0.74 | 5 |
| Hong Kong | 183 | 4 | 59 | 0.6 | 0.7 | 0.73 | 6 |
| Malaysia | 208 | 4 | 70 | 1.0 | 1.2 | 0.72 | 7 |
| Japan | 206 | 3 | 42 | 0.3 | 0.5 | 0.69 | 8 |
| United Kingdom | 133 | 3 | 90 | 0.9 | 1.2 | 0.69 | 9 |
| Taiwan (Province of China) | 141 | 3 | 61 | 0.5 | 0.8 | 0.68 | 10 |
| Italy | 94 | 4 | 74 | 1.0 | 1.3 | 0.68 | 11 |
| Netherlands | 137 | 3 | 87 | 0.9 | 1.3 | 0.67 | 12 |
| Panama | 65 | 4 | 56 | 0.9 | 1.1 | 0.67 | 13 |
| France | 71 | 4 | 76 | 1.1 | 1.5 | 0.66 | 14 |
| Belgium | 114 | 3 | 88 | 1.3 | 1.6 | 0.66 | 15 |
| Türkiye | 109 | 3 | 50 | 0.7 | 1.0 | 0.64 | 16 |
| Viet Nam | 180 | 3 | 34 | 0.8 | 0.9 | 0.64 | 17 |
| Saudi Arabia | 63 | 3 | 49 | 0.8 | 1.1 | 0.63 | 18 |
| India | 117 | 2 | 58 | 0.9 | 1.1 | 0.62 | 19 |
| Sri Lanka | 67 | 3 | 50 | 1.0 | 1.3 | 0.62 | 20 |
| United Arab Emirates | 85 | 3 | 55 | 1.1 | 1.6 | 0.61 | 21 |
| Germany | 119 | 3 | 70 | 1.3 | 1.7 | 0.61 | 22 |
| Mexico | 49 | 3 | 46 | 0.9 | 1.1 | 0.61 | 23 |
| Oman | 30 | 3 | 40 | 0.8 | 0.9 | 0.61 | 24 |
| Egypt | 69 | 3 | 46 | 1.1 | 1.3 | 0.60 | 25 |
| Thailand | 89 | 3 | 33 | 0.8 | 1.0 | 0.60 | 26 |
| Greece | 55 | 3 | 44 | 1.2 | 1.4 | 0.59 | 27 |
| Colombia | 52 | 1 | 55 | 0.6 | 0.7 | 0.58 | 28 |
| Portugal | 50 | 1 | 48 | 0.8 | 1.1 | 0.55 | 29 |
| Dominican Republic | 35 | 1 | 51 | 0.9 | 1.1 | 0.54 | 30 |
| Israel | 36 | 2 | 35 | 1.2 | 1.5 | 0.53 | 31 |
| Bahamas | 17 | 2 | 35 | 1.0 | 1.3 | 0.53 | 32 |
| Qatar | 17 | 1 | 25 | 0.6 | 0.7 | 0.53 | 33 |
| Malta | 22 | 1 | 45 | 1.2 | 1.3 | 0.52 | 34 |
| Djibouti | 13 | 1 | 24 | 0.8 | 0.8 | 0.51 | 35 |
| Costa Rica | 27 | 0 | 31 | 0.6 | 0.7 | 0.51 | 36 |
| Sweden | 30 | 1 | 25 | 0.8 | 1.0 | 0.50 | 37 |
| Denmark | 17 | 1 | 20 | 0.5 | 0.8 | 0.50 | 38 |
| Paraguay | 3 | 0 | 2 | 0.0 | 0.0 | 0.50 | 39 |
| Poland | 29 | 2 | 33 | 0.9 | 1.4 | 0.50 | 40 |
تفسير يتضح من الجدول أن الصين وكوريا الجنوبية وسنغافورة تهيمن على المراتب الأولى عالميًا بفضل كثافة الخدمات البحرية، اتساع شبكة الشركاء، وزمن المناولة المنخفض.
أما السعودية فجاءت في مرتبة متوسطة (الـ18 عالميًا) بعدد خدمات جيد نسبيًا (63 خدمة) واتصال مع 49 دولة، إلا أن أدائها ما زال دون مستوى الدول المتقدمة. ويعود ذلك بشكل أساسي إلى أن زمن المناولة لا يزال أعلى من الدول الرائدة، إضافة إلى محدودية عدد التحالفات الدولية (3 فقط)، وهو ما يقلل من تنافسيتها العالمية.
هذا يعكس الحاجة إلى تسريع وتيرة تطوير الموانئ السعودية وتعزيز الشراكات الدولية، بهدف رفع كفاءة العمليات والوصول إلى مراتب أعلى في المؤشر العالمي.
gcc_vec=c("Saudi Arabia","United Arab Emirates","Qatar","Bahrain","Kuwait","Oman")
gcc=dat %>% filter(economy %in% gcc_vec)
ggplot(gcc, aes(x = reorder(economy, argami_index),
y = argami_index,
fill = economy)) +
geom_col() +
geom_text(aes(label = scales::percent(argami_index, accuracy = 0.1)),
hjust = -0.1, size = 3) +
coord_flip() +
scale_fill_brewer(palette = "Set2") +
labs(title = "مقارنة مؤشر اللوجستيات البحرية بين دول مجلس التعاون",
x = "الدولة", y = "المؤشر (0–1)") +
theme_minimal(base_size = 12) +
theme(legend.position = "none",
plot.title = element_text(hjust = 0.3, face = "bold"))
تفسير يبين الشكل أن السعودية تتصدر دول مجلس التعاون في مؤشر اللوجستيات البحرية، تليها الإمارات وعُمان بمستويات متقاربة. بينما جاءت قطر، البحرين، والكويت في مراتب أقل نسبيًا.
هذا يعكس استثمارات السعودية والإمارات الكبيرة في تطوير الموانئ وتعزيز شبكة الشركاء الدوليين، في حين ما زالت بعض دول الخليج بحاجة إلى تحسين سرعة وكفاءة المناولة البحرية وزيادة عدد الخدمات للتحسين في المؤشر.
المملكة العربية السعودية حققت نتائج جيدة في الاتصال الدولي وعدد الدول الشريكة، مما يعكس مكانتها كمركز لوجستي عالمي ناشئ.
رغم ذلك، فإن أوقات المناولة في بعض الموانئ ما زالت مرتفعة مقارنة بدول رائدة مثل سنغافورة أو الإمارات.
التوصيات:#
الاستثمار المستمر في رقمنة العمليات الجمركية والمينائية لتقليل زمن المناولة.
تعزيز التحالفات والشراكات اللوجستية مع خطوط ملاحية عالمية.
تحسين كفاءة إدارة الموانئ عبر تبني أحدث الممارسات التشغيلية والتقنية.
الاستفادة من موقع السعودية الاستراتيجي لتطويرها كمحور إقليمي للتجارة البحرية.
جميع الحقوق محفوظة © أرقامي 2025
لمزيد من المعلومات، تواصل معنا عبر بريدنا الإلكتروني: argamil2025@gmail.com