Big Data: Erstes DataFest Germany in Mannheim

Datafest_smallVom 20. bis 22. März 2015 fand an der Uni Mannheim das erste DataFest in Deutschland statt. Ca. 90 Studenten von verschiedenen Unis aus dem ganzen Bundesgebiet haben drei Tage lang mehrere Gigabytes an Handy-App-Daten mit Stata und R zerlegt. Ziel war es kurze Präsentationen zu erstellen mit denen sie Preise für die beste Erkenntnis, die beste Visualisierung und die beste Verwendung von zusätzlichen Daten gewinnen konnten.

Teilnehmer bei ersten DataFest Germany
Dieser Marathon ging nicht nur für die Studis sondern auch für das durchschnittliche Notebook an die Belastungs- bzw. Arbeitsspeichergrenze.

Paper: User-focused threat identification for anonymised microdata

1503-1_Page_01
Cover

When producing anonymised microdata for research, national statistics institutes (NSIs) identify a number of ‚risk scenarios‘ of how intruders might seek to attack a confidential dataset. Hans-Peter Hafner, Felix Ritchie and Rainer Lenz argue in their paper „User-focused threat identification for anonymised microdata“ (PDF) that the strategy used to identify confidentiality protection measures can be seriously misguided, mainly since scenarios focus on data protection without sufficient reference to other aspects of data. This paper brings together a number of findings to see how the above problem can be addressed in a practical context. Using as an example the creation of a scientific use file, the paper demonstrates that an alternative perspective can have dramatically different outcomes. (Source: Authors‘ abstract)

SPSS pitfalls: Combining files with custom variable attributes

Adding custom variable-attributes is a useful feature of SPSS available since version 14 of 2005. It can be used to assign additional information to variables and store it with the survey data, e.g. metadata or paradata. However, compared to the attributes reserved by SPSS (like variable labels or value labels), user-defined attributes demand extra attention and there are some pitfalls to look out for. SPSS pitfalls: Combining files with custom variable attributes weiterlesen

Datenaufbereitung: Querschnitts- und Episodendaten zusammenführen

MR_04-15Im Rahmen von Befragungen werden oft Informationen retrospektiv über Zeiträume erhoben: z. B. in Kalendarien oder verschleiften Historien. Die Daten werden dann möglicherweise als Spell- oder Episodendatensatz getrennt von den Querschnittsdaten abgelegt. Für das Panel „Arbeitsmarkt und soziale Sicherungen“ (PASS) gibt es jetzt ein Papier das beispielhaft erklärt, wie man in solchen Fällen die Querschnitts- und Episodendaten zusammenführen kann:

PASS Quick Start File – Spellinformationen im Querschnitt

Auch wenn im Beispiel mit PASS-Daten gearbeitet wird ist das Stata-do-File hoffentlich hinreichend allgemein dokumentiert um auch für andere Studien nützlich zu sein. Feedback willkommmen!

do-Dateien und R-Skripte: Style-Guides helfen, den Code zu verstehen

Wer zusammen Daten aufbereitet, wird wohl oder übel auch einmal in die Lage kommen, Skripte verstehen zu müssen, die andere geschrieben haben. Das ist nicht immer ganz einfach.

Die Situation verbessert sich, wenn der Aufbau des Codes vereinbarten Kriterien folgt und deshalb empfiehlt z.B. Google für die Softwareentwicklung, sich an bestimmte Regeln zu halten: Es gibt Style-Guides für die verschiedensten Programmiersprachen.

styleguides
Verschiedene Style-Guides

Aber auch für Stata und R lassen sich entsprechende Empfehlungen finden:

Code, der Style-Guides entspricht, ist leichter (wieder) zu verstehen und zu warten. Es ist sicher eine gute Idee, sich an solchen Style Guides zu orientieren oder sie für die eigenen Arbeiten anzupassen.