Evidencia 2
Regina Gómez Padilla
2023-03-17
Evidencia 2 - Analítica descriptiva (Integración de datos a través de modelo entidad-relación) y el compromiso ético y ciudadano
Te acabas de incorporar a una empresa consultora en Inteligencia de Negocios, actualmente están brindando servicios de análisis para la industria de la aviación y les interesa tener a la aerolínea American Airlines como cliente ya que es una de las aerolíneas líderes en los aeropuertos de Nueva York, motivo por el cuál te han contratado. Te han pedido que identifiques cómo puede dicha aerolínea mejorar su posición competitiva !! Para identificar oportunidades de mejorar la posición competitiva de la aerolínea American Airlines, necesitas realizar algunos análisis, para determinar si hay variaciones en la posición de liderazgo de dicha aerolínea.
##Modelo entidad-Relación Se te ha solicitado hacer un estudio sobre la situación actual de la aerolínea American Airlines ya que se necesita revisar sus destinos, horarios y aviones con los que cuenta para hacer propuestas de aumento o reducción de vuelos por destino y horarios, así como la cantidad de aviones.
Consulta y explora data frame de planes y weather
library(nycflights13)
summary(planes)## tailnum year type manufacturer
## Length:3322 Min. :1956 Length:3322 Length:3322
## Class :character 1st Qu.:1997 Class :character Class :character
## Mode :character Median :2001 Mode :character Mode :character
## Mean :2000
## 3rd Qu.:2005
## Max. :2013
## NA's :70
## model engines seats speed
## Length:3322 Min. :1.000 Min. : 2.0 Min. : 90.0
## Class :character 1st Qu.:2.000 1st Qu.:140.0 1st Qu.:107.5
## Mode :character Median :2.000 Median :149.0 Median :162.0
## Mean :1.995 Mean :154.3 Mean :236.8
## 3rd Qu.:2.000 3rd Qu.:182.0 3rd Qu.:432.0
## Max. :4.000 Max. :450.0 Max. :432.0
## NA's :3299
## engine
## Length:3322
## Class :character
## Mode :character
##
##
##
## summary(flights)## year month day dep_time sched_dep_time
## Min. :2013 Min. : 1.000 Min. : 1.00 Min. : 1 Min. : 106
## 1st Qu.:2013 1st Qu.: 4.000 1st Qu.: 8.00 1st Qu.: 907 1st Qu.: 906
## Median :2013 Median : 7.000 Median :16.00 Median :1401 Median :1359
## Mean :2013 Mean : 6.549 Mean :15.71 Mean :1349 Mean :1344
## 3rd Qu.:2013 3rd Qu.:10.000 3rd Qu.:23.00 3rd Qu.:1744 3rd Qu.:1729
## Max. :2013 Max. :12.000 Max. :31.00 Max. :2400 Max. :2359
## NA's :8255
## dep_delay arr_time sched_arr_time arr_delay
## Min. : -43.00 Min. : 1 Min. : 1 Min. : -86.000
## 1st Qu.: -5.00 1st Qu.:1104 1st Qu.:1124 1st Qu.: -17.000
## Median : -2.00 Median :1535 Median :1556 Median : -5.000
## Mean : 12.64 Mean :1502 Mean :1536 Mean : 6.895
## 3rd Qu.: 11.00 3rd Qu.:1940 3rd Qu.:1945 3rd Qu.: 14.000
## Max. :1301.00 Max. :2400 Max. :2359 Max. :1272.000
## NA's :8255 NA's :8713 NA's :9430
## carrier flight tailnum origin
## Length:336776 Min. : 1 Length:336776 Length:336776
## Class :character 1st Qu.: 553 Class :character Class :character
## Mode :character Median :1496 Mode :character Mode :character
## Mean :1972
## 3rd Qu.:3465
## Max. :8500
##
## dest air_time distance hour
## Length:336776 Min. : 20.0 Min. : 17 Min. : 1.00
## Class :character 1st Qu.: 82.0 1st Qu.: 502 1st Qu.: 9.00
## Mode :character Median :129.0 Median : 872 Median :13.00
## Mean :150.7 Mean :1040 Mean :13.18
## 3rd Qu.:192.0 3rd Qu.:1389 3rd Qu.:17.00
## Max. :695.0 Max. :4983 Max. :23.00
## NA's :9430
## minute time_hour
## Min. : 0.00 Min. :2013-01-01 05:00:00
## 1st Qu.: 8.00 1st Qu.:2013-04-04 13:00:00
## Median :29.00 Median :2013-07-03 10:00:00
## Mean :26.23 Mean :2013-07-03 05:22:54
## 3rd Qu.:44.00 3rd Qu.:2013-10-01 07:00:00
## Max. :59.00 Max. :2013-12-31 23:00:00
## Se necesita saber de cada vuelo, la aerolínea, el areopuerto de origen y el areopuerto de destino
summary(flights)## year month day dep_time sched_dep_time
## Min. :2013 Min. : 1.000 Min. : 1.00 Min. : 1 Min. : 106
## 1st Qu.:2013 1st Qu.: 4.000 1st Qu.: 8.00 1st Qu.: 907 1st Qu.: 906
## Median :2013 Median : 7.000 Median :16.00 Median :1401 Median :1359
## Mean :2013 Mean : 6.549 Mean :15.71 Mean :1349 Mean :1344
## 3rd Qu.:2013 3rd Qu.:10.000 3rd Qu.:23.00 3rd Qu.:1744 3rd Qu.:1729
## Max. :2013 Max. :12.000 Max. :31.00 Max. :2400 Max. :2359
## NA's :8255
## dep_delay arr_time sched_arr_time arr_delay
## Min. : -43.00 Min. : 1 Min. : 1 Min. : -86.000
## 1st Qu.: -5.00 1st Qu.:1104 1st Qu.:1124 1st Qu.: -17.000
## Median : -2.00 Median :1535 Median :1556 Median : -5.000
## Mean : 12.64 Mean :1502 Mean :1536 Mean : 6.895
## 3rd Qu.: 11.00 3rd Qu.:1940 3rd Qu.:1945 3rd Qu.: 14.000
## Max. :1301.00 Max. :2400 Max. :2359 Max. :1272.000
## NA's :8255 NA's :8713 NA's :9430
## carrier flight tailnum origin
## Length:336776 Min. : 1 Length:336776 Length:336776
## Class :character 1st Qu.: 553 Class :character Class :character
## Mode :character Median :1496 Mode :character Mode :character
## Mean :1972
## 3rd Qu.:3465
## Max. :8500
##
## dest air_time distance hour
## Length:336776 Min. : 20.0 Min. : 17 Min. : 1.00
## Class :character 1st Qu.: 82.0 1st Qu.: 502 1st Qu.: 9.00
## Mode :character Median :129.0 Median : 872 Median :13.00
## Mean :150.7 Mean :1040 Mean :13.18
## 3rd Qu.:192.0 3rd Qu.:1389 3rd Qu.:17.00
## Max. :695.0 Max. :4983 Max. :23.00
## NA's :9430
## minute time_hour
## Min. : 0.00 Min. :2013-01-01 05:00:00
## 1st Qu.: 8.00 1st Qu.:2013-04-04 13:00:00
## Median :29.00 Median :2013-07-03 10:00:00
## Mean :26.23 Mean :2013-07-03 05:22:54
## 3rd Qu.:44.00 3rd Qu.:2013-10-01 07:00:00
## Max. :59.00 Max. :2013-12-31 23:00:00
## library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionvuelos <- select(flights, carrier, origin, dest)
head(vuelos)## # A tibble: 6 × 3
## carrier origin dest
## <chr> <chr> <chr>
## 1 UA EWR IAH
## 2 UA LGA IAH
## 3 AA JFK MIA
## 4 B6 JFK BQN
## 5 DL LGA ATL
## 6 UA EWR ORDEn la consulta anterior se necesita conocer el nombre de la aerolínea
Se necesita saber la cantidad de vuelos por cada destino para identificar cuáles son los destinos más buscados.
count(vuelos, dest, sort = TRUE)## # A tibble: 105 × 2
## dest n
## <chr> <int>
## 1 ORD 17283
## 2 ATL 17215
## 3 LAX 16174
## 4 BOS 15508
## 5 MCO 14082
## 6 CLT 14064
## 7 SFO 13331
## 8 FLL 12055
## 9 MIA 11728
## 10 DCA 9705
## # … with 95 more rowsSe necesita conocer las aerolíneas (clave y nombre) y destinos que vuelan por la Mañana: de 6 a 12, Tarde: de 12 a 19 , Noche: de 19 a 24 y Madrugada de 24 a 6.
horarios <- select(flights, carrier, dest, hour)
head(horarios)## # A tibble: 6 × 3
## carrier dest hour
## <chr> <chr> <dbl>
## 1 UA IAH 5
## 2 UA IAH 5
## 3 AA MIA 5
## 4 B6 BQN 5
## 5 DL ATL 6
## 6 UA ORD 5horarios$categoría <- if(flights$hour>=6 && hour<12)
"Mañana"
head(horarios)## # A tibble: 6 × 3
## carrier dest hour
## <chr> <chr> <dbl>
## 1 UA IAH 5
## 2 UA IAH 5
## 3 AA MIA 5
## 4 B6 BQN 5
## 5 DL ATL 6
## 6 UA ORD 5Se necesita saber la cantidad de vuelos por aerolínea y destino que hay por la Mañana, Tarde, Noche y Madrugada.
¿Qué aviones utiliza la aerolínea AA? aerolínea, tipo, motor y número de asientos y ¿Cuántos vuelos se han realizado con cada uno? elimina los NA’s
head(planes)## # A tibble: 6 × 9
## tailnum year type manuf…¹ model engines seats speed engine
## <chr> <int> <chr> <chr> <chr> <int> <int> <int> <chr>
## 1 N10156 2004 Fixed wing multi engine EMBRAER EMB-… 2 55 NA Turbo…
## 2 N102UW 1998 Fixed wing multi engine AIRBUS… A320… 2 182 NA Turbo…
## 3 N103US 1999 Fixed wing multi engine AIRBUS… A320… 2 182 NA Turbo…
## 4 N104UW 1999 Fixed wing multi engine AIRBUS… A320… 2 182 NA Turbo…
## 5 N10575 2002 Fixed wing multi engine EMBRAER EMB-… 2 55 NA Turbo…
## 6 N105UW 1999 Fixed wing multi engine AIRBUS… A320… 2 182 NA Turbo…
## # … with abbreviated variable name ¹manufactureraviones <- select(planes, type, engine, seats)
tail(aviones)## # A tibble: 6 × 3
## type engine seats
## <chr> <chr> <int>
## 1 Fixed wing multi engine Turbo-fan 142
## 2 Fixed wing multi engine Turbo-fan 100
## 3 Fixed wing multi engine Turbo-fan 142
## 4 Fixed wing multi engine Turbo-fan 100
## 5 Fixed wing multi engine Turbo-jet 142
## 6 Fixed wing multi engine Turbo-jet 142###Visualización de datos En los avances anteriores se han realizado diferentes análisis y ahora nos solicitan hacer visualizaciones de la aerolínea American Airlines para los ejecutivos con las siguientes características. Dentro de las aerolíneas el retraso tanto en la hora de partida como en la hora de llegada a su destino van generando indicadores negativos.
Imagina que entregarás estos hallazgos a tu superior, elabora un reporte ejecutivo utilizando los resultados obtenidos.
head(weather)## # A tibble: 6 × 15
## origin year month day hour temp dewp humid wind_dir wind_speed wind_gust
## <chr> <int> <int> <int> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 EWR 2013 1 1 1 39.0 26.1 59.4 270 10.4 NA
## 2 EWR 2013 1 1 2 39.0 27.0 61.6 250 8.06 NA
## 3 EWR 2013 1 1 3 39.0 28.0 64.4 240 11.5 NA
## 4 EWR 2013 1 1 4 39.9 28.0 62.2 250 12.7 NA
## 5 EWR 2013 1 1 5 39.0 28.0 64.4 260 12.7 NA
## 6 EWR 2013 1 1 6 37.9 28.0 67.2 240 11.5 NA
## # … with 4 more variables: precip <dbl>, pressure <dbl>, visib <dbl>,
## # time_hour <dttm>g1 <- filter(weather, origin=="EWR")
head(g1)## # A tibble: 6 × 15
## origin year month day hour temp dewp humid wind_dir wind_speed wind_gust
## <chr> <int> <int> <int> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 EWR 2013 1 1 1 39.0 26.1 59.4 270 10.4 NA
## 2 EWR 2013 1 1 2 39.0 27.0 61.6 250 8.06 NA
## 3 EWR 2013 1 1 3 39.0 28.0 64.4 240 11.5 NA
## 4 EWR 2013 1 1 4 39.9 28.0 62.2 250 12.7 NA
## 5 EWR 2013 1 1 5 39.0 28.0 64.4 260 12.7 NA
## 6 EWR 2013 1 1 6 37.9 28.0 67.2 240 11.5 NA
## # … with 4 more variables: precip <dbl>, pressure <dbl>, visib <dbl>,
## # time_hour <dttm>plot(weather$day, weather$temp, type = "p")
g2 <- filter(g1, day <=15)
summary(g2)## origin year month day
## Length:4309 Min. :2013 Min. : 1.000 Min. : 1.000
## Class :character 1st Qu.:2013 1st Qu.: 4.000 1st Qu.: 4.000
## Mode :character Median :2013 Median : 6.000 Median : 8.000
## Mean :2013 Mean : 6.497 Mean : 8.013
## 3rd Qu.:2013 3rd Qu.: 9.000 3rd Qu.:12.000
## Max. :2013 Max. :12.000 Max. :15.000
##
## hour temp dewp humid
## Min. : 0.0 Min. :15.98 Min. : 1.94 Min. : 13.95
## 1st Qu.: 5.0 1st Qu.:39.92 1st Qu.:26.96 1st Qu.: 48.93
## Median :11.0 Median :55.94 Median :42.98 Median : 64.35
## Mean :11.5 Mean :55.73 Mean :42.60 Mean : 64.48
## 3rd Qu.:17.0 3rd Qu.:71.06 3rd Qu.:59.00 3rd Qu.: 81.07
## Max. :23.0 Max. :96.98 Max. :75.20 Max. :100.00
##
## wind_dir wind_speed wind_gust precip
## Min. : 0.0 Min. : 0.000 Min. :16.11 Min. :0.000000
## 1st Qu.:100.0 1st Qu.: 5.754 1st Qu.:19.56 1st Qu.:0.000000
## Median :220.0 Median : 9.206 Median :23.02 Median :0.000000
## Mean :193.2 Mean : 9.576 Mean :23.66 Mean :0.006182
## 3rd Qu.:280.0 3rd Qu.: 12.659 3rd Qu.:26.47 3rd Qu.:0.000000
## Max. :360.0 Max. :1048.361 Max. :47.18 Max. :1.060000
## NA's :116 NA's :3423
## pressure visib time_hour
## Min. : 997.9 Min. : 0.120 Min. :2013-01-01 01:00:00
## 1st Qu.:1013.0 1st Qu.:10.000 1st Qu.:2013-04-01 00:00:00
## Median :1017.3 Median :10.000 Median :2013-06-15 21:00:00
## Mean :1017.8 Mean : 9.157 Mean :2013-06-23 22:13:44
## 3rd Qu.:1022.7 3rd Qu.:10.000 3rd Qu.:2013-09-15 21:00:00
## Max. :1038.1 Max. :10.000 Max. :2013-12-15 23:00:00
## NA's :520g3 <- filter(g2, month==1)
summary(g3)## origin year month day hour
## Length:358 Min. :2013 Min. :1 Min. : 1.000 Min. : 0.00
## Class :character 1st Qu.:2013 1st Qu.:1 1st Qu.: 4.000 1st Qu.: 6.00
## Mode :character Median :2013 Median :1 Median : 8.000 Median :11.50
## Mean :2013 Mean :1 Mean : 8.039 Mean :11.53
## 3rd Qu.:2013 3rd Qu.:1 3rd Qu.:12.000 3rd Qu.:17.75
## Max. :2013 Max. :1 Max. :15.000 Max. :23.00
##
## temp dewp humid wind_dir
## Min. :24.08 Min. : 8.96 Min. : 32.86 Min. : 0.0
## 1st Qu.:33.98 1st Qu.:19.94 1st Qu.: 51.34 1st Qu.:140.0
## Median :39.02 Median :26.06 Median : 61.67 Median :240.0
## Mean :39.58 Mean :28.06 Mean : 65.48 Mean :208.2
## 3rd Qu.:44.96 3rd Qu.:35.06 3rd Qu.: 78.68 3rd Qu.:290.0
## Max. :57.92 Max. :53.06 Max. :100.00 Max. :360.0
## NA's :5
## wind_speed wind_gust precip pressure
## Min. : 0.000 Min. :16.11 Min. :0.000000 Min. :1011
## 1st Qu.: 5.754 1st Qu.:19.56 1st Qu.:0.000000 1st Qu.:1018
## Median : 8.055 Median :21.86 Median :0.000000 Median :1022
## Mean : 8.226 Mean :22.53 Mean :0.002039 Mean :1023
## 3rd Qu.:11.508 3rd Qu.:25.32 3rd Qu.:0.000000 3rd Qu.:1027
## Max. :24.166 Max. :31.07 Max. :0.190000 Max. :1034
## NA's :308 NA's :38
## visib time_hour
## Min. : 0.120 Min. :2013-01-01 01:00:00
## 1st Qu.: 9.000 1st Qu.:2013-01-04 19:15:00
## Median :10.000 Median :2013-01-08 12:30:00
## Mean : 8.515 Mean :2013-01-08 12:28:09
## 3rd Qu.:10.000 3rd Qu.:2013-01-12 05:45:00
## Max. :10.000 Max. :2013-01-15 23:00:00
## plot(weather$day, weather$temp, type="p") Compromiso ético y ciudadano • Describe el valor de la integridad. El la honestidad, respeto y actuar de acuerdo a los principios.
• Agrega una reflexión personal de cómo puedes actuar con respeto y honestidad en los negocios y en el uso de datos cuando realices análisis de datos y estés en contacto con los datos de una empresa. Creo que lo más importante es el respeto y la honestidad, sobre todo si se esta trabajando con información y datos ajenos a los nuestros. Para mi es muy importante dar siempre lo mejor de mi, siempre cuidando mis valores, mi intregridad como persona y la de los demás.
• Agrega al menos 3 bibliografías y cítalas en el punto anterior. 1. https://www.unodc.org/unodc/es/listen-first/super-skills/integrity.html#:~:text=L a2 2. 0integridad%20es%20la%20pr%C3%A1ctica,de%20acuerdo%20a%20los%20principios. https://concepto.de/integridad/ 3. https://ethicsunwrapped.utexas.edu/glossary/integridad?lang=es