- تم تنفيذ هذا المشروع باستخدام Power BI لتحليل بيانات تأخر رحلات الطيران بهدف فهم الأسباب الرئيسية للتأخر وتحسين الأداء التشغيلي لشركات الطيران.
- تم جمع البيانات من مصادر مختلفة مثل سجلات الرحلات، تقارير الطقس، وسجلات المطارات.
-خطوات المشروع والنتائج:
1. جمع البيانات:
- التنفيذ: تم جمع البيانات من مصادر متعددة مثل قواعد البيانات الداخلية لشركات الطيران وبيانات الطقس.
- الأداة المستخدمة: SQL لجمع البيانات.
- النتيجة: تم تجميع بيانات عن 1.937 مليون رحلة، بما في ذلك معلومات عن التأخيرات، الإلغاءات، والتحويلات.
2. تنظيف البيانات:
- التنفيذ: تم تنظيف البيانات باستخدام Power Query في Power BI لإزالة القيم المفقودة وتصحيح الأخطاء. تم أيضًا دمج البيانات من مصادر مختلفة لإنشاء مجموعة بيانات متكاملة.
- الأداة المستخدمة: Power Query في Power BI.
3. إنشاء لوحة تحكم تفاعلية:
- التنفيذ: تم إنشاء لوحة تحكم تفاعلية في Power BI تسمح للمستخدمين بتصفية البيانات حسب الشهر، اليوم، الشركة، والمطار. تم
أيضًا إضافة مؤشرات أداء رئيسية (KPIs) لعرض إجمالي الرحلات، التأخيرات، والإلغاءات.
- النتيجة: لوحة تحكم شاملة تسمح باتخاذ قرارات مستنيرة بناءً على البيانات.
- الرؤى الرئيسية:
1. إجمالي الرحلات والتأخيرات:
- تم تحليل 1.937 مليون رحلة، مع 1.723 مليون رحلة وصلت في الوقت المحدد.
- بلغ متوسط تأخير الوصول 42.20 دقيقة.
2. توزيع التأخيرات حسب الشهر واليوم:
- أشهر الصيف (يونيو، يوليو، أغسطس) كانت الأكثر تأثرًا بالتأخيرات.
- يوم الجمعة كان اليوم الأكثر تأخرًا.
3. أسباب التأخير:
- الطقس كان السبب الرئيسي للتأخير في مناطق مثل "ويست فرجينيا" و"وايومنغ"
- ازدحام المطارات كان سببًا رئيسيًا للتأخير في المطارات الكبرى مثل "لوس أنجلوس" و"شيكاغو".
4. أداء شركات الطيران:
- Southwest Airlines و Alaska Airlines كانتا من أفضل الشركات من حيث الأداء في الوقت المحدد.
5. أداء المطارات:
- Houghton County Memorial Airport كان الأكثر تأثرًا بالتأخيرات.
- الاستنتاج:
باستخدام Power BI، تم تحويل البيانات المعقدة إلى رؤى قابلة للتنفيذ. تم تحديد الأسباب الرئيسية للتأخر واقتراح إجراءات لتحسين الأداء التشغيلي لشركات الطيران.
