72.3%
+18.4
3.2%
104B
8.7≈
+2.1%
منصة أرقامي | تقرير تحليلي
القرار يبدأ من الرقم

1 المقدمة

يمثل موسم الحج واحدًا من أكبر التجمعات البشرية المنظمة عالميًا، وتكشف أرقامه حجم الجهد الإداري والتشغيلي واللوجستي الذي تبذله المملكة العربية السعودية في إدارة الحشود وخدمة ضيوف الرحمن. يهدف هذا التقرير إلى تقديم قراءة إحصائية مبسطة ومفصلة لأرقام حج 1447هـ / 2026م، مع استخدام الرسوم البيانية الملونة لتوضيح التوزيع العام للحجاج بحسب المصدر، والجنس، ووسائل القدوم، إضافة إلى مؤشرات تشغيلية مرجعية من آخر أرقام تفصيلية متاحة.

2 مصادر البيانات

الأرقام الأساسية لحج 1447هـ / 2026م مأخوذة من إعلان الهيئة العامة للإحصاء السعودية ووكالة الأنباء السعودية، وتشمل إجمالي عدد الحجاج، حجاج الخارج، حجاج الداخل، الذكور، الإناث، وطرق قدوم حجاج الخارج. أما أرقام التشغيل والتطوع ومبادرة طريق مكة فهي أرقام تشغيلية مرجعية من آخر نشرة تفصيلية متاحة، ويجب عدم خلطها مع العدد الرسمي لحجاج 1447هـ إلا بوصفها مؤشرات داعمة للمقارنة والتحليل.

3 أسئلة البحث

  1. ما الحجم الكلي لحجاج موسم 1447هـ / 2026م؟
  2. ما نسبة حجاج الخارج مقارنة بحجاج الداخل؟
  3. كيف يتوزع الحجاج حسب الجنس؟
  4. ما وسيلة القدوم الأكثر استخدامًا بين حجاج الخارج؟
  5. ما المؤشرات التشغيلية التي تعكس حجم منظومة إدارة الحج؟
  6. كيف يمكن قراءة الفروقات النسبية بين المؤشرات المختلفة بصريًا؟

4 إدخال البيانات

# بيانات حج 1447هـ / 2026م الرسمية
hajj_main <- tibble(
  indicator = c("إجمالي الحجاج", "حجاج الخارج", "حجاج الداخل", "الذكور", "الإناث"),
  value = c(1707301, 1546655, 160646, 893396, 813905),
  category = c("الإجمالي", "مصدر الحجاج", "مصدر الحجاج", "الجنس", "الجنس")
)

arrival_methods <- tibble(
  method = c("المنافذ الجوية", "المنافذ البرية", "المنافذ البحرية"),
  value = c(1485729, 54429, 6497)
)

# مؤشرات تشغيلية مرجعية من آخر نشرة تفصيلية متاحة
operational_ref <- tibble(
  indicator = c("العاملون في خدمة الحجاج", "المتطوعون", "الساعات التطوعية", "مستفيدو مبادرة طريق مكة", "عدد الدول في مبادرة طريق مكة"),
  value = c(420000, 34540, 2130000, 314337, 8),
  note = c("مرجعي تشغيلي", "مرجعي تشغيلي", "مرجعي تشغيلي", "مرجعي تشغيلي", "مرجعي تشغيلي")
)

hajj_main
indicator value category
إجمالي الحجاج 1707301 الإجمالي
حجاج الخارج 1546655 مصدر الحجاج
حجاج الداخل 160646 مصدر الحجاج
الذكور 893396 الجنس
الإناث 813905 الجنس 
arrival_methods
method value
المنافذ الجوية 1485729
المنافذ البرية 54429
المنافذ البحرية 6497 
operational_ref
indicator value note
العاملون في خدمة الحجاج 420000 مرجعي تشغيلي
المتطوعون 34540 مرجعي تشغيلي
الساعات التطوعية 2130000 مرجعي تشغيلي
مستفيدو مبادرة طريق مكة 314337 مرجعي تشغيلي
عدد الدول في مبادرة طريق مكة 8 مرجعي تشغيلي

5 مؤشرات مشتقة

total_hajj <- 1707301
outside_hajj <- 1546655
inside_hajj <- 160646
male_hajj <- 893396
female_hajj <- 813905

derived_indicators <- tibble(
  المؤشر = c("نسبة حجاج الخارج", "نسبة حجاج الداخل", "نسبة الذكور", "نسبة الإناث", "نسبة القدوم جوًا من حجاج الخارج", "نسبة القدوم برًا من حجاج الخارج", "نسبة القدوم بحرًا من حجاج الخارج"),
  النسبة = c(
    outside_hajj / total_hajj,
    inside_hajj / total_hajj,
    male_hajj / total_hajj,
    female_hajj / total_hajj,
    1485729 / outside_hajj,
    54429 / outside_hajj,
    6497 / outside_hajj
  )
)

derived_indicators %>%
  mutate(النسبة = percent(النسبة, accuracy = 0.1))
المؤشر النسبة
نسبة حجاج الخارج 90.6%
نسبة حجاج الداخل 9.4%
نسبة الذكور 52.3%
نسبة الإناث 47.7%
نسبة القدوم جوًا من حجاج الخارج 96.1%
نسبة القدوم برًا من حجاج الخارج 3.5%
نسبة القدوم بحرًا من حجاج الخارج 0.4%

6 جدول ملخص للأرقام

hajj_main %>%
  mutate(value = comma(value)) %>%
  rename("المؤشر" = indicator, "القيمة" = value, "الفئة" = category)
المؤشر القيمة الفئة
إجمالي الحجاج 1,707,301 الإجمالي
حجاج الخارج 1,546,655 مصدر الحجاج
حجاج الداخل 160,646 مصدر الحجاج
الذكور 893,396 الجنس
الإناث 813,905 الجنس

7 الرسم الأول: التوزيع العام للحجاج حسب المصدر

source_data <- hajj_main %>%
  filter(category == "مصدر الحجاج") %>%
  mutate(percent = value / sum(value))

ggplot(source_data, aes(x = reorder(indicator, value), y = value, fill = indicator)) +
  geom_col(width = 0.65) +
  geom_text(aes(label = comma(value)), vjust = -0.4, size = 5) +
  scale_y_continuous(labels = comma, expand = expansion(mult = c(0, 0.12))) +
  scale_fill_viridis_d(option = "C") +
  labs(
    title = "توزيع الحجاج حسب المصدر في حج 1447هـ",
    x = "المصدر",
    y = "عدد الحجاج",
    fill = "الفئة"
  ) +
  theme_minimal(base_size = 14)

التفسير: يظهر الرسم أن الغالبية العظمى من الحجاج قدموا من خارج المملكة، حيث بلغ عددهم 1,546,655 حاجًا وحاجة، مقابل 160,646 من الداخل. وهذا يعني أن الحج يعتمد بدرجة كبيرة على إدارة تدفقات دولية عبر المنافذ المختلفة، وليس فقط على تنظيم الحجاج داخل المملكة.

8 الرسم الثاني: توزيع الحجاج حسب الجنس

gender_data <- hajj_main %>%
  filter(category == "الجنس") %>%
  mutate(percent = value / sum(value))

ggplot(gender_data, aes(x = "", y = value, fill = indicator)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  geom_text(aes(label = paste0(indicator, "\n", percent(percent, accuracy = 0.1))),
            position = position_stack(vjust = 0.5), size = 5) +
  scale_fill_manual(values = c("الذكور" = "#2E86AB", "الإناث" = "#F18F01")) +
  labs(title = "توزيع الحجاج حسب الجنس", fill = "الجنس") +
  theme_void(base_size = 14)

التفسير: بلغ عدد الذكور 893,396 بنسبة تقارب 52.3% من الإجمالي، بينما بلغ عدد الإناث 813,905 بنسبة تقارب 47.7%. الفارق بين الجنسين موجود لكنه ليس كبيرًا، ما يعكس مشاركة واسعة من الجنسين في أداء المناسك.

9 الرسم الثالث: طرق قدوم حجاج الخارج

arrival_methods <- arrival_methods %>%
  mutate(percent = value / sum(value))

ggplot(arrival_methods, aes(x = reorder(method, value), y = value, fill = method)) +
  geom_col(width = 0.65) +
  geom_text(aes(label = paste0(comma(value), "\n", percent(percent, accuracy = 0.1))),
            vjust = -0.35, size = 4.5) +
  scale_y_continuous(labels = comma, expand = expansion(mult = c(0, 0.15))) +
  scale_fill_viridis_d(option = "D") +
  labs(
    title = "طرق قدوم حجاج الخارج في حج 1447هـ",
    x = "وسيلة القدوم",
    y = "عدد الحجاج",
    fill = "وسيلة القدوم"
  ) +
  theme_minimal(base_size = 14)

التفسير: يوضح الرسم أن القدوم عبر المنافذ الجوية هو المسار المهيمن لحجاج الخارج بنسبة تقارب 96.1%. هذا يبرز أهمية المطارات وخدمات النقل الجوي في إدارة موسم الحج، بينما تظل المنافذ البرية والبحرية أقل حجمًا لكنها مهمة لشرائح محددة من الحجاج.

10 الرسم الرابع: Heatmap للمؤشرات الرئيسية

heatmap_data <- bind_rows(
  hajj_main %>% select(indicator, value, category),
  arrival_methods %>% transmute(indicator = method, value, category = "طرق القدوم"),
  operational_ref %>% transmute(indicator, value, category = "مؤشرات تشغيلية مرجعية")
) %>%
  group_by(category) %>%
  mutate(relative_value = value / max(value)) %>%
  ungroup()

ggplot(heatmap_data, aes(x = category, y = reorder(indicator, value), fill = relative_value)) +
  geom_tile(color = "white", linewidth = 0.8) +
  geom_text(aes(label = comma(value)), size = 4, color = "black") +
  scale_fill_viridis_c(option = "A", labels = percent) +
  labs(
    title = "خريطة حرارية للمؤشرات العددية في تقرير الحج",
    x = "الفئة",
    y = "المؤشر",
    fill = "القيمة النسبية داخل الفئة"
  ) +
  theme_minimal(base_size = 13) +
  theme(axis.text.x = element_text(angle = 25, hjust = 1))

التفسير: الخريطة الحرارية تساعد على المقارنة السريعة بين المؤشرات داخل كل فئة. كلما كان اللون أكثر كثافة كانت القيمة أكبر مقارنة ببقية المؤشرات في الفئة نفسها. نلاحظ بوضوح تفوق حجاج الخارج ضمن فئة مصدر الحجاج، وتفوق القدوم الجوي ضمن طرق القدوم، وارتفاع الساعات التطوعية ضمن المؤشرات التشغيلية المرجعية.

11 الرسم الخامس: Tree Map للأرقام الكبرى

tree_data <- bind_rows(
  hajj_main %>% filter(indicator != "إجمالي الحجاج") %>% select(indicator, value, category),
  arrival_methods %>% transmute(indicator = method, value, category = "طرق القدوم"),
  operational_ref %>% filter(indicator != "عدد الدول في مبادرة طريق مكة") %>% transmute(indicator, value, category = "مؤشرات تشغيلية مرجعية")
)

ggplot(tree_data, aes(area = value, fill = category, label = paste0(indicator, "\n", comma(value)))) +
  geom_treemap(color = "white", linewidth = 1) +
  geom_treemap_text(color = "white", place = "centre", grow = TRUE, reflow = TRUE, min.size = 4) +
  scale_fill_manual(values = c(
    "مصدر الحجاج" = "#1B998B",
    "الجنس" = "#ED217C",
    "طرق القدوم" = "#2D3047",
    "مؤشرات تشغيلية مرجعية" = "#FF9B71"
  )) +
  labs(
    title = "Tree Map لأبرز أرقام الحج والمؤشرات التشغيلية",
    fill = "الفئة"
  ) +
  theme_minimal(base_size = 14)

التفسير: يوضح مخطط Tree Map حجم كل رقم بصريًا من خلال مساحة المربع. لذلك تظهر الأرقام الكبرى مثل حجاج الخارج، الساعات التطوعية، والقدوم الجوي بمساحات أكبر. هذا النوع من الرسوم مناسب جدًا للعرض الإعلامي لأنه يعطي انطباعًا بصريًا سريعًا عن حجم الفروق بين المؤشرات.

12 الرسم السادس: مقارنة نسبية للمؤشرات المشتقة

derived_indicators %>%
  ggplot(aes(x = reorder(المؤشر, النسبة), y = النسبة, fill = النسبة)) +
  geom_col(width = 0.7) +
  geom_text(aes(label = percent(النسبة, accuracy = 0.1)), hjust = -0.1, size = 4.5) +
  coord_flip() +
  scale_y_continuous(labels = percent, expand = expansion(mult = c(0, 0.15))) +
  scale_fill_viridis_c(option = "B") +
  labs(
    title = "المؤشرات النسبية الأساسية لحج 1447هـ",
    x = "المؤشر",
    y = "النسبة",
    fill = "النسبة"
  ) +
  theme_minimal(base_size = 14)

التفسير: يبين الرسم أن حجاج الخارج يشكلون حوالي 90.6% من إجمالي الحجاج، وأن القدوم جوًا يمثل حوالي 96.1% من حجاج الخارج. هذه النسب تكشف أن منظومة الحج تعتمد بشكل كبير على النقل الجوي والتنسيق الدولي.

13 التحليل العام

تشير أرقام حج 1447هـ / 2026م إلى أن إجمالي عدد الحجاج بلغ 1,707,301 حاج وحاجة. ويمثل حجاج الخارج النسبة الأكبر من الإجمالي، إذ بلغ عددهم 1,546,655، بما يعادل نحو 90.6% من مجموع الحجاج. في المقابل بلغ عدد حجاج الداخل 160,646، أي نحو 9.4% فقط.

من زاوية الجنس، بلغ عدد الذكور 893,396، بينما بلغ عدد الإناث 813,905. ورغم أن عدد الذكور أعلى، إلا أن التوزيع العام متقارب نسبيًا، مما يعكس توازنًا واضحًا في المشاركة بين الجنسين.

أما من زاوية وسائل القدوم، فتظهر البيانات اعتمادًا كبيرًا على المنافذ الجوية، حيث وصل 1,485,729 حاجًا عبر الجو، مقارنة بـ54,429 عبر البر و6,497 عبر البحر. وهذا يؤكد أن إدارة الحج ترتبط ارتباطًا وثيقًا بجاهزية المطارات، وجدولة الرحلات، وخدمات الجوازات، والنقل من المطارات إلى مكة المكرمة والمشاعر المقدسة.

14 قراءة تشغيلية

الأرقام التشغيلية المرجعية مثل عدد العاملين، المتطوعين، الساعات التطوعية، ومستفيدي مبادرة طريق مكة، تعطي صورة أوسع عن حجم المنظومة التي تقف خلف موسم الحج. فعندما نتحدث عن أكثر من 420 ألف عامل ومشتغل، وأكثر من 34 ألف متطوع، وأكثر من 2.13 مليون ساعة تطوعية، فإننا لا نتحدث فقط عن أعداد حجاج، بل عن منظومة إدارة ضخمة تشمل الأمن، الصحة، النقل، التقنية، الخدمات الميدانية، وإدارة الحشود.

15 الخلاصة

تكشف أرقام حج 1447هـ / 2026م أن الموسم يعتمد بدرجة كبيرة على الحجاج القادمين من الخارج، وعلى المنافذ الجوية تحديدًا. كما توضح البيانات أن إدارة الحج ليست عملية دينية وتنظيمية فقط، بل هي أيضًا نموذج متقدم في إدارة البيانات، الحشود، النقل، والخدمات العامة. ومن الناحية الإحصائية، تساعد الرسوم البيانية مثل الأعمدة، الدائرة، الخريطة الحرارية، وTree Map على تحويل الأرقام الكبيرة إلى صورة أوضح وأكثر قابلية للفهم والمقارنة.

16 التوصيات

  1. توسيع نشر البيانات التفصيلية المفتوحة عن الحج بصيغ قابلة للتحليل مثل CSV وExcel.
  2. إضافة بيانات تفصيلية حسب الدولة، الفئة العمرية، ومراحل التنقل بين المشاعر.
  3. تطوير لوحات معلومات تفاعلية تربط بين أعداد الحجاج والخدمات المقدمة.
  4. استخدام نماذج تنبؤية لتقدير الضغط المتوقع على النقل، الصحة، والإسكان.
  5. توثيق الأرقام التشغيلية سنويًا وربطها مباشرة بموسم الحج نفسه لتسهيل المقارنات المستقبلية.

17 المراجع

72.3%
+18.4
3.2%
104B
8.7≈
+2.1%
نحوِّل الأرقام إلى قرار
جميع الحقوق محفوظة © منصة أرقامي 2025
تواصل: argamil2025@gmail.com
تحليلات اقتصادية ومرئية من السعودية إلى العالم