ProyectoFinal_​Analisis de Datos_​MariaJosePalacios

Datos crudos

DataGov: Department of Transportation - The Bureau of Transportation Statistics (BTS)

Procesamiento y limpieza

ETL - Extract, Transform, Load

Creación de variables

Agrupamiento de categorías de alta cardinalidad: se recodificaron DEST en regiones y AIRLINE_NAME en tipos de aerolínea para facilitar el análisis exploratorio y modelado predictivo.

EDA - Exploratory Data Analysis

Gráficos Univariados

Gráficos Bivariados

Análisis de Causas de Retrasos en vuelos que salen de MIA

Predicciones

Regresión logística - predecir si un vuelo saldrá con retraso de MIA

Preprocesamiento de la data / Entrenamiento / Data Visualizing

Árbol de Deicisión - predecir si un vuelo saldrá con retraso de MIA

Preprocesamiento de la data / Entrenamiento / Data Visualizing

Objetivo General

Cubrir las distintas etapas del análisis estadístico, desde la obtención y limpieza de los datos hasta el modelado predictivo, con el fin de predecir si un vuelo doméstico que sale del aeropuerto de MIA se retrasará 15 minutos o más.

Pregunta de Investigación

• ¿Se puede predecir si un vuelo que sale del aeropuerto de MIA hacia destinos dentro de USA se retrasará 15 minutos o más?

Hipótesis

Los vuelos domésticos que salen de MIA durante el mes de diciembre tienen una probabilidad significativa de que se retrasen 15 minutos o más (≥15 minutos).

Decisiones de Negocio

• Planificación de operaciones y recursos

  -Ajustar personal de tierra, puertas de embarque y transporte de equipaje según horas pico o vuelos con mayor probabilidad de retraso.

  -Priorizar mantenimiento preventivo de aeronaves que tienen historial de retrasos.

• Optimización de horarios de vuelo

  -Reprogramar vuelos en franjas horarias menos congestionadas para reducir retrasos.

  -Evitar asignar vuelos sensibles (conexiones cortas) en horas pico.