Chapitre 1 Introduction

Crédit photographique Sébastien Colas

1.1 Le parcours de formation

Ce dispositif de formation vise à faire monter en compétence les agents du MTES (Ministère de la transition écologique et solidaire) et du MCT (Ministère de la cohésion des territoires) dans le domaine de la science de la donnée avec le logiciel R. Il est conçu pour être déployé à l’échelle nationale par le réseau des CVRH (Centre de Valorisation des Ressources Humaines).

Le parcours proposé est structuré en modules de 2 jours chacun. Les deux premiers (ou un niveau équivalent) sont des pré-requis pour suivre les suivants qui sont proposés “à la carte” :

  1. Socle : Premier programme en R
  2. Socle : Préparation des données
  3. Statistiques descriptives
  4. Analyses multivariées
  5. Datavisualisation : Produire des graphiques, des cartes et des tableaux
  6. Documents reproductibles avec RMarkdown (2ème semestre 2019)

… et en perspective : analyse spatiale, applis interactives avec Shiny, big data, etc.

La mise à disposition des supports de formation se fait désormais par la page d’accueil du parcours de formation. Ces supports sont en licence ouverte.

Si vous souhaitez accéder aux sources, données mobilisées pendant les formations, il faut directement les télécharger depuis le Github du ministère.

Pour vous tenir au courant de l’offre de formation proposée par le réseau des CVRH, consultez la plateforme OUPS. Vous pouvez vous y abonner pour recevoir les annonces qui vous intéressent.

Il existe une liste pour diffuser de l’information, échanger autour de R ou lever des points de blocage. Pour s’insrire, envoyer un message vide avec le titre “subscribe labo.communaute-r” à l’adresse sympa@developpement-durable.gouv.fr.

1.2 Objectifs du module 2

Ce module va vous permettre de découvrir un ensemble de méthodes sous R afin de préparer ses données. Préparer ses données sous R, cela veut dire :

  • Savoir les importer dans un environnement R
  • Mettre ses données dans de bons formats (date, catégorielle) et gérer les données manquantes
  • Rajouter des variables en fonction de variables existantes
  • Regrouper des modalités de variables
  • Joindre des tables entre elles pour obtenir des informations de plusieurs sources
  • Aggréger des données
  • Bien définir notre table de travail en fonction des indicateurs à analyser et à leurs dimensions d’analyse …

Bref, tout le travail technique préalable entre la collecte de la donnée et la valorisation proprement dite de ces sources. On estime qu’un scientifique de la donnée passe en général la moitié de son temps à cela.

Sous R, comme souvent, il y a plusieurs façons d’aborder cette question. Ce module de formation privilègie l’exploration des packages du framework tidyverse, qui ont l’avantage d’aborder les différentes phases de préparation des données d’une façon intégrée et cohérente, que ce soit entre elles, ou avec d’autres.