在上一篇將問卷的資料置換成問卷的內容也算是資料清理的一種，接下來來瞭解這個組織，對知識管理資訊系統使用者背景的了解

一、這個組織年齡和性別有多少比例?主要看年齡及對操作知識管理系統使用者的了解

ggplot(data = Base,mapping = aes(x=Sex,fill=Age))+
  geom_bar()
percent(prop.table(table(Base$Sex,Base$Age))) 

從統計圖來看該組織女生的人數較多，而年齡的分佈在男生和女生都很平均，我的測資亂數做的太平均了。

二、該組織的教育程度如何?觀察使用者對於知識管理資訊系統基本認知

ggplot(data = Base,mapping = aes(x=Education,fill=Sex)) +
  geom_bar()
percent(prop.table(table(Base$Sex,Base$Education)))

該組織教育程度不錯，男生和女生加起來擁有博士學位有22.8%，從這邊的推論對於系統操作認知應該不差。

三、觀察教育程度和和年齡的關係?

ggplot(data = Base) +
  geom_bar(mapping = aes(x=Education,fill=Age),position="dodge")
percent(prop.table(table(Base$Age,Base$Education)))

統計圖中可以觀察到高中職的年齡41-50歲居多，而博士年齡在21-30居多，從統計表來看年齡及教育程度來看分佈還是很平均，除了博士和高中職資料較為突出。

四、觀察使用者使用電腦的次數?主要了解對電腦操作的熟悉度

ggplot(data = Base)+
  geom_bar(mapping = aes(x=UseComputer))

從統計圖來看從未使用電腦有40人，換言之，約200多人對於電腦的使用並不陌生。

五、有使用知識管理資訊系統經驗及單位是否有知識系統之間的關係

ggplot(data = Base)+
  geom_bar(mapping = aes(x=KnowledgeSys,fill=UseSysExperience),position="dodge")

若是你是一位教授，其實這張圖就可以看到有問題了，目前單位無知識系統卻有使用知識系統的經驗，顯而易見，這一區塊是無效問卷，必須將這些資料剔除並將前面的統計圖在執行一次，取得的正確統計。

而在剔除的部分以實際的問卷是將該施測者的問卷整份抽出，換言之，在資料集中就是將整筆資料刪除，而刪除的程式如下

Base.sub <-  grep("目前單位無知識管理系統",Base$KnowledgeSys)
View(Base.sub)
Base <- Base[-Base.sub,]

接著使用str(Base)看資料筆數，刪除後資料筆數為169筆資料，相對前面的統計需重新執行一次並重新解釋統計完後的資料。