Kommunizieren mit Daten im Tidyverse

In diesem Kapitel wirfst du zunächst einen Blick auf die Daten, mit denen du im gesamten Kurs arbeitest: den Zusammenhang zwischen wöchentlichen Arbeitsstunden und Bezahlung in europäischen Ländern, basierend auf Daten der International Labour Organization (ILO). Anschließend steigst du direkt ein und entdeckst mithilfe einer explorativen Visualisierung eine beeindruckende Korrelation. Danach verpasst du der Grafik einen individuellen Look – aus einem gewöhnlichen Plot wird eine ästhetische und einzigartige Datenvisualisierung.

Balkendiagramme, Streudiagramme und Histogramme gehören wahrscheinlich zu den gängigsten und wirkungsvollsten Visualisierungen. Manchmal gibt es jedoch noch bessere Wege, das Ergebnis, das du deinem Publikum vermitteln willst, visuell hervorzuheben. Sogenannte „Dot Plots“ helfen uns, Veränderungen in Daten besser zu erfassen und zu verstehen – etwa Entwicklungen über die Zeit. In diesem Kapitel baust du eine individuelle und einzigartige Visualisierung, die genau einen Aspekt deiner Story betont und erklärt.

Früher haben Forschende und Data Analysts Plots in R erzeugt und mühsam in ihre LaTeX- oder Word-Dokumente kopiert. Heute lassen sich komplette Berichte direkt in R und RStudio mit der Sprache RMarkdown erstellen und reproduzieren – mit einer Kombination aus R-Chunks, formatiertem Fließtext, Tabellen und Grafiken. In diesem Kapitel nimmst du deine bisherigen Erkenntnisse, Ergebnisse und Grafiken und integrierst sie in einen solchen Bericht, um die Geschichte zu erzählen, die erzählt werden muss.

Deine Chefin, dein Kunde oder deine Professorin erwartet in der Regel genaue Ergebnisse, die klar und prägnant strukturiert sind. Ein ansprechend formatiertes und individuelles Reporting obendrein ist jedoch ein Plus – und RMarkdown lässt sich dafür anpassen. In diesem letzten Kapitel nimmst du den Bericht aus dem vorherigen Kapitel und gibst ihm mit deinem eigenen, individuellen Stil ein Branding.