So profitierst Du von dieser Schulung:
- Du verwandelst Tabellen, Standortdaten und Geodaten in verständliche Visualisierungen.
- Du erstellst Diagramme und Karten direkt in R ohne manuelle Umwege über mehrere Tools.
- Du gehst sicher mit Geodatenformaten, Koordinatensystemen und Projektionen um.
- Du bereitest Karten für Reports, Präsentationen und R-Markdown-Dokumente auf.
- Du erkennst räumliche Muster schneller und kannst Ergebnisse besser erklären.
Viele Daten enthalten einen räumlichen Bezug: Standorte, Regionen, Postleitzahlen, Verkaufsgebiete, Messpunkte oder Verwaltungsgrenzen. In der Praxis bleiben diese Informationen jedoch oft in Tabellen versteckt. Das Ergebnis: regionale Muster werden spät erkannt, Karten entstehen manuell, und Auswertungen lassen sich nur schwer wiederholen.
In dieser Schulung arbeitest Du mit R an einem durchgängigen Workflow für Visualisierung und Geodaten. Zunächst bereitest Du Daten mit ggplot2 so auf, dass Diagramme nicht nur hübsch aussehen, sondern Aussagen transportieren. Du nutzt passende Diagrammtypen, Skalen, Farben, Facetten, Beschriftungen und Themes, um Analysen verständlich darzustellen.
Anschließend überträgst Du diesen Ansatz auf räumliche Daten. Du importierst Geodaten mit sf, ordnest Koordinatensysteme und Projektionen ein, verbindest Sachinformationen mit Geometrien und erstellst statische Karten mit ggplot2 und geom_sf. Für explorative Analysen und Abstimmungen baust Du interaktive Karten mit mapview und leaflet.
Der Kurs ist bewusst praxisnah aufgebaut. Im Mittelpunkt steht nicht Geodaten-Theorie um der Theorie willen, sondern die Frage, wie Du räumliche Informationen im Arbeitsalltag nutzbar machst: für Reports, Entscheidungsgrundlagen, Standortanalysen, Fachauswertungen oder Präsentationen. Nach der Schulung kannst Du einfache bis mittlere Geodaten-Workflows in R eigenständig umsetzen und Deine Ergebnisse verständlich visualisieren.
Zielgruppe
Diese Schulung richtet sich an Data Analysts, BI-Anwenderinnen, Fachanwender aus Planung, Verwaltung, Forschung, Umwelt, Geomarketing und Standortanalyse sowie an alle, die Daten mit räumlichem Bezug in R visualisieren möchten.