Seminar R und RStudio – Grundlagen der Datenanalyse

Seminarbeschreibung

R ermöglicht nachvollziehbare Datenanalysen, bei denen einzelne Arbeitsschritte als ausführbarer Code dokumentiert bleiben. Das Seminar führt von der Orientierung in RStudio bis zur selbstständig aufgebauten Auswertung eines überschaubaren Datensatzes. Der Schwerpunkt liegt auf verständlichen Skripten, einer sauberen Projektstruktur und der sicheren Kontrolle von Zwischenergebnissen.

Die Übungen verwenden Beispieldaten aus betrieblichen Auswertungen. Importfehler, fehlende Werte und uneinheitliche Schreibweisen werden bewusst einbezogen. Dadurch entsteht ein realistischer Einstieg, der über das bloße Ausführen vorgefertigter Befehle hinausgeht. Fortgeschrittene Statistik und komplexe Vorhersagemodelle sind Gegenstand der anschließenden Fachseminare.

Zielgruppe

Fachkräfte aus Controlling, Verwaltung, Forschung, Qualitätsmanagement und Datenanalyse sowie Personen, die wiederkehrende Tabellenkalkulationen durch nachvollziehbare Skripte ergänzen möchten.

Voraussetzungen

Sicherer Umgang mit Dateien und Tabellen sowie Grundkenntnisse in der Tabellenkalkulation. Programmierkenntnisse werden nicht vorausgesetzt. Mittelwert, Prozentwert und einfache Diagramme sollten bekannt sein.

Lernziele

• RStudio-Projekte strukturiert anlegen und Skripte kontrolliert ausführen.
• Datentypen, Vektoren, Listen und tabellarische Daten unterscheiden.
• Daten importieren, einfache Bereinigungen durchführen und Kennzahlen berechnen.
• Eine Auswertung mit Grafiken aus einer frischen R-Sitzung erneut erzeugen.

Inhaltsübersicht

1. Arbeitsumgebung und Projekte
2. Sprache und Datenstrukturen
3. Datenimport und erste Qualitätsprüfung
4. Daten auswählen und zusammenfassen
5. Kennzahlen und erste Grafiken
6. Reproduzierbare Auswertung

Seminarinhalte

Arbeitsumgebung und Projekte

Die Arbeitsumgebung wird so eingerichtet, dass Dateien, Code und Ausgaben eindeutig zusammengehören.

• R und RStudio unterscheiden; Konsole, Editor, Environment und Hilfe einordnen.
• Ein Projekt mit relativen Pfaden sowie getrennten Ordnern für Daten, Skripte und Ausgaben aufbauen.
• Pakete installieren und laden; Fehlermeldungen und Warnungen unterscheiden.

Sprache und Datenstrukturen

Die grundlegenden Objekte bilden die Voraussetzung für sichere Analysen.

• Zuweisungen, Funktionsaufrufe und Argumente schrittweise nachvollziehen.
• Vektoren, Faktoren, Listen, Data Frames und Tibbles untersuchen.
• Logische Ausdrücke, Indizierung, Typumwandlung und fehlende Werte bearbeiten.

Datenimport und erste Qualitätsprüfung

Eingelesene Dateien werden auf Struktur und Plausibilität kontrolliert.

• CSV- und Excel-Dateien importieren; Trennzeichen, Dezimalzeichen und Zeichencodierung berücksichtigen.
• Spaltennamen, Datentypen, Datumsangaben und Wertebereiche prüfen.
• Dubletten, leere Werte und unerwartete Kategorien sichtbar machen.

Daten auswählen und zusammenfassen

Aus Rohdaten entsteht eine kleine, überprüfbare Auswertung.

• Mit dplyr Zeilen filtern, Spalten auswählen und neue Variablen berechnen.
• Gruppierungen und Kennzahlen bilden; Zwischenergebnisse mit Kontrollsummen prüfen.
• Die native Pipe verwenden und einfache Verknüpfungen zweier Tabellen nachvollziehen.

Kennzahlen und erste Grafiken

Tabellen und Abbildungen werden passend zur Fragestellung ausgewählt.

• Lage, Streuung und Häufigkeiten beschreiben und Ausreißer untersuchen.
• Balken-, Streu- und Verteilungsdiagramme mit ggplot2 erstellen.
• Beschriftungen, Einheiten und Exportgrößen für verständliche Abbildungen festlegen.

Reproduzierbare Auswertung

Ein vollständiger Arbeitsablauf wird ohne versteckte Abhängigkeiten erneut ausgeführt.

• Analyseschritte in sinnvoller Reihenfolge in einem Skript zusammenführen.
• Einfache Funktionen zur Wiederverwendung kennenlernen und Ergebnisse exportieren.
• Die Sitzung neu starten, das Projekt erneut ausführen und Abweichungen erklären.

Praxisprojekt

1. Ein Projekt für monatliche Seminarbuchungen anlegen und die bereitgestellten Dateien einlesen.
2. Datentypen und fehlende Werte prüfen; fehlerhafte Einträge nachvollziehbar behandeln.
3. Buchungen nach Zeitraum und Kategorie zusammenfassen.
4. Kennzahlen und zwei passende Grafiken erzeugen.
5. Das vollständige Skript in einer neuen Sitzung ausführen und die Ausgaben vergleichen.