تحليل تأخر الرحلات الجوية بستخدام البور باي / Flight Delay Analysis - 2015 - Power BI Dashboard

# تحليل تأخر الرحلات الجوية - 2015

## نظرة عامة على المشروع:

أود أن أشارككم تفاصيل مشروعي الجديد لتحليل بيانات تأخر الرحلات الجوية لعام 2015 في الولايات المتحدة، والذي تم تنفيذه بالتعاون مع معهد تكنولوجيا المعلومات (ITI). من خلال تحليل شامل لأكثر من 6 ملايين سجل رحلة، استطعنا استخلاص رؤى قيمة تساعد شركات الطيران والمسافرين في تحسين تجربة السفر وتقليل التأخيرات.

## أسئلة الأعمال:

1. كيف تختلف إحصائيات الرحلات الجوية بين أيام الأسبوع وعطلة نهاية الأسبوع؟

2. ما هي اتجاهات الإلغاء الشهرية لشركة JetBlue Airways؟

3. كيف تتباين التأخيرات حسب الأسبوع، الولاية، المدينة، وشركة الطيران؟

4. أي شركات طيران لا تعاني من تأخيرات في المغادرة أو الوصول ضمن نطاق المسافة 2500-3000 ميل؟

5. كم عدد الرحلات التي قامت بها كل شركة طيران؟

6. ما هي الاتجاهات الربعية في إلغاء الرحلات؟

7. كيف يتم توزيع الرحلات بين أنواع التأخير المختلفة؟

8. كيف يتغير حجم الرحلات حسب الشهر واليوم من الأسبوع؟

9. ما هي نسبة الرحلات التي شهدت تأخيرات في المغادرة في عام 2015، وما كان متوسط وقت التأخير؟

10. كيف تتغير نسبة الرحلات المتأخرة على مدار العام، خاصة للرحلات المغادرة من مطار بوسطن (BOS)؟

11. كم عدد الرحلات التي تم إلغاؤها في عام 2015، وما هي النسبة المئوية التي كانت بسبب الأحوال الجوية مقارنة بمشاكل شركة الطيران أو الناقل؟

12. أي شركات الطيران تُظهر أعلى وأدنى مستويات الموثوقية من حيث المغادرة في الوقت المحدد؟

## الرؤى المكتشفة:

- في عام 2015، تم تسجيل ما مجموعه 5,819,079 رحلة، مع تفاوت ملحوظ بين عمليات عطلة نهاية الأسبوع وأيام الأسبوع.

- شهدت JetBlue Airways أعلى معدلات الإلغاء في يونيو، بينما لم تسجل أي إلغاءات في يناير.

- كانت شركة Southwest Airlines هي الأكثر تشغيلًا للرحلات، بينما كانت Virgin America الأقل.

- لوحظت تأخيرات شائعة في الوصول والمغادرة، مما يعكس الحاجة لتحسين الأداء لتقليل التأخيرات.

## الأدوات المستخدمة:

- Python

- SQL

- Power BI

- Figma

## خاتمة:

من خلال هذا التحليل، تمكنا من تقديم رؤى قيمة حول تأخيرات الرحلات الجوية في عام 2015، مما يتيح لشركات الطيران تحسين عملياتها وتقليل التأخيرات. بفضل استخدام الأدوات المتقدمة مثل Python، SQL، وPower BI، تمكننا من تحويل البيانات الضخمة إلى معلومات قابلة للتنفيذ، مما يسهم في تحسين تجربة السفر وزيادة كفاءة العمليات الجوية.