Flight Data Analysis Project

Flight Data Analysis Project Description

1. Data Understanding

في البداية تم استكشاف بيانات الرحلات الجوية لفهم:

معلومات الرحلات (Flight Number)

مواعيد الإقلاع والوصول

التأخيرات (Departure & Arrival Delays)

أسباب التأخير (Weather, Carrier, Security...)

وتم تحديد المشاكل الموجودة في البيانات.

2. Data Cleaning & Preprocessing

تم تنظيف البيانات لضمان دقتها:

حذف القيم المكررة

معالجة القيم المفقودة

تصحيح تنسيق الوقت والتواريخ

إزالة القيم غير المنطقية (مثل تأخيرات سالبة غير صحيحة)

3. Data Modeling (Star Schema)

تم تصميم نموذج بيانات باستخدام Star Schema لتحسين الأداء داخل Power BI:

Fact Table (Fact_Flights):

تحتوي على القيم الرقمية مثل:

Departure Delay

Arrival Delay

Air Time

Distance

أنواع التأخير المختلفة

Dimension Tables:

Dim_Airline → شركات الطيران

Dim_Airport → المطارات (Origin & Destination)

Dim_Aircraft → الطائرات

Dim_Date → الوقت والتواريخ

تم إنشاء العلاقات بين الجداول لتحسين التحليل

(تفاصيل الموديل موجودة في الملف)

4. Data Analysis & KPIs

تم تحليل أهم المؤشرات، مثل:

متوسط التأخير (Average Delay)

إجمالي عدد الرحلات

نسبة الرحلات المتأخرة

أكثر أسباب التأخير تأثيرًا

5. Dashboard Development

تم إنشاء Dashboard تفاعلي باستخدام Power BI يحتوي على:

تحليل التأخيرات عبر الزمن

مقارنة بين شركات الطيران

تحليل حسب المطارات

Filters للتفاعل مع البيانات

6. Insights

تم استخراج Insights مهمة مثل:

أكثر شركات الطيران تأخيرًا

المطارات الأكثر ازدحامًا وتأخيرًا

أكثر أسباب التأخير شيوعًا (مثل الطقس أو مشاكل الطائرة)

7. Final Output

Dashboard تفاعلي

Data Model (Star Schema)

Insights واضحة لتحسين الأداء