Analiza danych w R

R jest jednym z najpopularniejszych środowisk wykorzystywanych do przetwarzania, analizy i wizualizacji danych, tworzenia modeli statystycznych oraz automatyzacji raportowania.

Szkolenie zostało zaprojektowane jako spójny, praktyczny projekt analityczny. Uczestnicy przechodzą przez wszystkie etapy pracy z danymi – od konfiguracji środowiska i importu danych, przez ich czyszczenie, łączenie i analizę, aż po budowę modeli oraz przygotowanie automatycznie odświeżanego raportu.

W trakcie zajęć uczestnicy będą stopniowo tworzyć własny projekt w R na podstawie przygotowanych materiałów i zestawów danych. Każdy kolejny moduł rozwija zagadnienia poznane wcześniej, dzięki czemu uczestnicy wielokrotnie przechodzą przez najważniejsze etapy procesu analitycznego i utrwalają zdobyte umiejętności.

Materiały uzupełniane podczas ćwiczeń utworzą osobisty przewodnik po realizacji projektu analitycznego w R, który po zakończeniu szkolenia pozostanie uczestnikom jako dokumentacja poszkoleniowa.

Po ukończeniu szkolenia uczestnik będzie potrafił samodzielnie przygotować i uporządkować projekt w R, pobierać dane z różnych źródeł, przekształcać i analizować dane, przygotowywać wizualizacje oraz tworzyć powtarzalne raporty analityczne.

• konfiguracja środowiska R oraz RStudio/Posit,
• organizacja powtarzalnego projektu analitycznego,
• import danych z plików CSV i Excel,
• pobieranie danych z publicznych API, m.in. GUS, Eurostat i NBP,
• połączenie R z bazami danych,
• czyszczenie i przekształcanie danych,
• grupowanie, agregowanie i porównywanie danych,
• łączenie danych pochodzących z różnych źródeł,
• analiza dat i szeregów czasowych,
• przygotowywanie wykresów i wizualizacji,
• budowa rankingów oraz indeksów syntetycznych,
• podstawy modelowania statystycznego i segmentacji,
• przygotowanie raportów w Quarto lub R Markdown,
• automatyzacja analiz i eksport wyników,
• wykorzystanie narzędzi AI do kontroli kodu, dokumentowania pracy oraz wspierania interpretacji wyników,
• praktyczne ćwiczenia realizowane pod opieką prowadzącego.

Szkolenie jest przeznaczone dla:

• osób rozpoczynających lub planujących rozpocząć pracę z językiem R,
• analityków danych, analityków biznesowych i ekonomicznych,
• osób przygotowujących cykliczne analizy, zestawienia i raporty,
• pracowników wykorzystujących w pracy dane z Excela, plików CSV, baz danych lub źródeł publicznych,
• osób chcących zautomatyzować przetwarzanie i analizowanie danych,
• osób, które chcą uporządkować swoją wiedzę i poznać pełny proces realizacji projektu analitycznego.

Od uczestników nie jest wymagana wcześniejsza znajomość języka R. Przydatna będzie natomiast podstawowa umiejętność pracy z tabelami oraz rozumienie podstawowych pojęć związanych z analizą danych.

Szkolenie prowadzone jest w formie praktycznego warsztatu połączonego z niezbędnym wprowadzeniem teoretycznym.

1. Konfiguracja środowiska R

• omówienie środowiska R oraz RStudio/Posit,
• instalacja i aktualizacja elementów środowiska,
• tworzenie i organizacja projektu analitycznego,
• praca z projektami .Rproj,
• przygotowanie struktury folderów,
• rozdzielenie danych wejściowych, pośrednich i wynikowych,
• stosowanie ścieżek względnych,
• konwencje nazewnictwa plików i obiektów,
• instalowanie i ładowanie pakietów,
• podstawy pracy z plikami .Rprofile i .Renviron,
• wprowadzenie do Quarto i R Markdown,
• kontrolowane uruchamianie kodu,
• przygotowanie szkieletu powtarzalnego projektu analitycznego.

2Pierwsza analiza danych

• import danych z plików CSV i Excel,
• wprowadzenie do ramek danych i obiektów typu tibble,
• podstawowe typy danych w R,
• kontrola struktury wczytanego zbioru,
• sprawdzanie nazw i typów kolumn,
• identyfikowanie potencjalnych problemów jakościowych,
• wybieranie potrzebnych zmiennych,
• filtrowanie i sortowanie danych,
• obliczanie podstawowych statystyk opisowych,
• przygotowanie pierwszego wykresu,
• wykorzystanie funkcji head(), tail(), str(), summary() i glimpse(),
• podstawy pakietów readr, readxl, tibble, dplyr oraz ggplot2.

3. Czyszczenie i przekształcanie danych

• przygotowanie surowych danych do analizy,
• czyszczenie i ujednolicanie nazw kolumn,
• zmiana typów danych,
• identyfikowanie i obsługa braków danych,
• porządkowanie wartości tekstowych,
• zmiana nazw zmiennych,
• tworzenie nowych kolumn,
• transformacje warunkowe,
• wprowadzenie do operatora pipe,
• zasady organizowania danych zgodnie z koncepcją tidy data,
• rozdzielanie i łączenie kolumn,
• wykorzystanie pakietów dplyr, tidyr, stringr i janitor,
• stosowanie m.in. funkcji mutate(), rename(), case_when(), if_else(), across(), separate() i unite().

4. Agregacje, grupowanie i porównywanie danych

• różnica pomiędzy danymi jednostkowymi a zagregowanymi,
• grupowanie danych według regionów, kategorii i okresów,
• obliczanie sum, średnich, minimum i maksimum,
• liczenie obserwacji,
• tworzenie agregacji warunkowych,
• obliczanie udziałów procentowych,
• budowanie rankingów,
• sortowanie i porównywanie wyników,
• przygotowywanie tabel porównawczych,
• zmiana układu danych z szerokiego na długi i odwrotnie,
• wykorzystanie funkcji group_by(), summarise(), count(), pivot_longer() i pivot_wider(),
• kontrola poprawności poziomu agregacji.

5. Dane publiczne, API i bazy danych

• różnice pomiędzy plikiem, API i bazą danych,
• pobieranie danych ze źródeł publicznych,
• wykorzystanie danych GUS, Eurostat i NBP,
• opcjonalna praca z danymi FRED,
• podstawowe pojęcia związane z API,
• endpointy, parametry zapytań oraz metadane,
• pobieranie danych bezpośrednio do R,
• przetwarzanie danych JSON,
• podstawy łączenia R z bazą danych,
• nawiązywanie i zamykanie połączenia,
• przeglądanie dostępnych tabel,
• selektywny odczyt danych,
• filtrowanie danych przed pobraniem do R,
• praca z tabelami zdalnymi,
• zapisywanie pobranych danych lokalnie,
• wykorzystanie pakietów eurostat, bdl, rnbp, DBI, dbplyr, odbc, RSQLite, duckdb, httr2 i jsonlite.

6. Szeregi czasowe, daty i dynamika zmian

• przygotowywanie i przekształcanie zmiennych daty,
• wykorzystanie pakietu lubridate,
• praca z danymi miesięcznymi, kwartalnymi i rocznymi,
• prawidłowe sortowanie okresów,
• tworzenie opóźnień i przesunięć czasowych,
• obliczanie różnic pomiędzy okresami,
• obliczanie dynamik okres do okresu i rok do roku,
• tworzenie indeksów wartości,
• rozróżnianie poziomu zjawiska od jego dynamiki,
• analiza trendów,
• przygotowanie wykresów szeregów czasowych,
• wykorzystanie funkcji ymd(), year(), month(), quarter(), floor_date(), lag() i lead().

7. Łączenie wielu źródeł danych

• przygotowywanie danych do połączenia,
• identyfikowanie kluczy łączących tabele,
• kontrola unikalności kluczy,
• wykrywanie duplikatów,
• łączenie danych z plików, API i baz danych,
• zastosowanie różnych rodzajów połączeń,
• identyfikowanie rekordów niedopasowanych,
• sprawdzanie jakości połączenia,
• porównanie operacji wykonywanych lokalnie i po stronie bazy danych,
• podejmowanie decyzji, kiedy pobrać dane do pamięci R,
• wykorzystanie funkcji left_join(), inner_join(), anti_join(), semi_join(), distinct() i collect().

8. Budowa indeksów i rankingów

• dobór zmiennych do wskaźnika syntetycznego,
• ocena przydatności danych wejściowych,
• normalizacja i standaryzacja zmiennych,
• określanie kierunku wpływu zmiennej,
• przypisywanie wag,
• agregowanie wielu wskaźników,
• budowa prostego modelu scoringowego,
• tworzenie indeksu syntetycznego,
• przygotowanie rankingu regionów, krajów lub innych jednostek,
• analiza wpływu przyjętych wag na wynik,
• analiza wrażliwości modelu,
• interpretowanie wyników i wskazywanie ograniczeń indeksu,
• wykorzystanie funkcji scale(), rescale(), min_rank() i dense_rank().

9. Modelowanie, segmentacja i krytyka wyniku

• różnica pomiędzy korelacją a zależnością,
• podstawy modelowania statystycznego,
• budowa prostego modelu liniowego,
• interpretacja współczynników modelu,
• analiza podstawowych statystyk modelu,
• analiza reszt,
• podstawy testowania hipotez,
• porównywanie wyników pomiędzy grupami,
• wprowadzenie do segmentacji i grupowania obserwacji,
• grupowanie metodą k-średnich,
• podstawy grupowania hierarchicznego,
• wizualizacja i interpretacja segmentów,
• ocena założeń i ograniczeń modelu,
• przygotowanie krytycznego komentarza do wyników,
• wykorzystanie funkcji lm(), summary(), cor(), t.test(), aov(), kmeans() i hclust().

10. Raport, automatyzacja i wdrożenie analizy

• przekształcenie analizy roboczej w powtarzalny raport,
• przygotowanie raportu w Quarto lub R Markdown,
• organizacja kodu końcowego,
• ustawienia bloków kodu,
• parametryzacja raportu,
• automatyczne odświeżanie wyników,
• tworzenie podstawowych funkcji pomocniczych,
• kontrola błędów,
• uruchamianie całego projektu od początku,
• eksport tabel do Excela,
• eksport wykresów i wyników analizy,
• organizacja folderu z wynikami,
• dokumentowanie założeń i decyzji analitycznych,
• opisywanie ograniczeń analizy,
• wykorzystanie AI do przeglądu kodu i wyszukiwania potencjalnych błędów,
• wykorzystanie AI do przygotowania dokumentacji oraz wspierania interpretacji wyników,
• przygotowanie finalnego, możliwego do przekazania projektu analitycznego.