Situacion Problema 2
Avril Lobato - A00833113
2023-03-17
Situación Problema 2
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 eplora el dataframe planes y weather para que conozcas su contenido
library(nycflights13)
#view(planes)
#view(weather)Se necesita saber de cada vuelo, la aerolínea, el aeropuerto de origen y el aeropuerto destino
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
##
##
##
## 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,flight,carrier,origin,dest)
head(vuelos)## # A tibble: 6 × 4
## flight carrier origin dest
## <int> <chr> <chr> <chr>
## 1 1545 UA EWR IAH
## 2 1714 UA LGA IAH
## 3 1141 AA JFK MIA
## 4 725 B6 JFK BQN
## 5 461 DL LGA ATL
## 6 1696 UA EWR ORDEn la consulta anterior se necesita conocer el nombre de la aerolínea
#left_join()Se necesita saber la cantidad de vuelos por cada destino para identificar cuales 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 rowsAgregar el nombre de la aerolínea al dataframe anterior
#left_join()Se 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,flight,carrier,hour)
head(horarios)## # A tibble: 6 × 3
## flight carrier hour
## <int> <chr> <dbl>
## 1 1545 UA 5
## 2 1714 UA 5
## 3 1141 AA 5
## 4 725 B6 5
## 5 461 DL 6
## 6 1696 UA 5#horarios$categoria <- if (flights$hour>=6 && flights$hour<2) {
# "Mañana"
#}Agrega un nuevo campo a la tabla con el nombre de clas_horario y agrega, mañana, tarde, noche y madrugada según sea el caso
#ifelseSe necesita saber la cantidad de vuelos por aerolínea y destino que hay por la Mañana, Tarde, Noche y Madrugada.
Se necesita saber a qué destinos vuela la aerolínea American Airlines Inc.-AA durante la madrugada
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 142Imagina que entregarás estos hallazgos a tu superior, elabora un reporte ejecutivo utilizando los resultados obtenidos
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.
Se solicita analizar para la aerolínea American Airlines si los vuelos que tienen retraso en la partida también tienen retraso en la hora de llegada
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>g2 <- filter(g1, day >= 15)
summary(g2)## origin year month day
## Length:4682 Min. :2013 Min. : 1.000 Min. :15.00
## Class :character 1st Qu.:2013 1st Qu.: 4.000 1st Qu.:19.00
## Mode :character Median :2013 Median : 7.000 Median :23.00
## Mean :2013 Mean : 6.509 Mean :22.68
## 3rd Qu.:2013 3rd Qu.: 9.000 3rd Qu.:27.00
## Max. :2013 Max. :12.000 Max. :31.00
##
## hour temp dewp humid
## Min. : 0.00 Min. : 10.94 Min. :-9.04 Min. : 15.61
## 1st Qu.: 5.00 1st Qu.: 39.92 1st Qu.:26.06 1st Qu.: 46.08
## Median :11.00 Median : 55.94 Median :41.00 Median : 60.49
## Mean :11.48 Mean : 55.37 Mean :41.02 Mean : 61.45
## 3rd Qu.:17.00 3rd Qu.: 71.06 3rd Qu.:57.92 3rd Qu.: 77.14
## Max. :23.00 Max. :100.04 Max. :75.92 Max. :100.00
## NA's :1 NA's :1 NA's :1
## wind_dir wind_speed wind_gust precip
## Min. : 0.0 Min. : 0.000 Min. :16.11 Min. :0.0000
## 1st Qu.:130.0 1st Qu.: 5.754 1st Qu.:19.56 1st Qu.:0.0000
## Median :230.0 Median : 8.055 Median :23.02 Median :0.0000
## Mean :198.4 Mean : 9.277 Mean :24.48 Mean :0.0038
## 3rd Qu.:280.0 3rd Qu.:12.659 3rd Qu.:27.62 3rd Qu.:0.0000
## Max. :360.0 Max. :42.579 Max. :58.69 Max. :1.2100
## NA's :146 NA's :1 NA's :3730
## pressure visib time_hour
## Min. : 983.9 Min. : 0.120 Min. :2013-01-15 00:00:00.00
## 1st Qu.:1012.5 1st Qu.:10.000 1st Qu.:2013-04-15 21:15:00.00
## Median :1017.9 Median :10.000 Median :2013-07-15 15:30:00.00
## Mean :1017.9 Mean : 9.416 Mean :2013-07-08 22:04:48.33
## 3rd Qu.:1023.1 3rd Qu.:10.000 3rd Qu.:2013-09-30 14:45:00.00
## Max. :1041.9 Max. :10.000 Max. :2013-12-30 18:00:00.00
## NA's :425g3<- filter(g2,month==1)
summary(g3)## origin year month day hour
## Length:408 Min. :2013 Min. :1 Min. :15 Min. : 0.00
## Class :character 1st Qu.:2013 1st Qu.:1 1st Qu.:19 1st Qu.: 5.75
## Mode :character Median :2013 Median :1 Median :23 Median :11.50
## Mean :2013 Mean :1 Mean :23 Mean :11.50
## 3rd Qu.:2013 3rd Qu.:1 3rd Qu.:27 3rd Qu.:17.25
## Max. :2013 Max. :1 Max. :31 Max. :23.00
##
## temp dewp humid wind_dir
## Min. :10.94 Min. :-9.04 Min. : 20.87 Min. : 0.0
## 1st Qu.:23.00 1st Qu.: 6.98 1st Qu.: 41.94 1st Qu.:190.0
## Median :32.00 Median :15.80 Median : 55.55 Median :260.0
## Mean :32.17 Mean :18.30 Mean : 59.64 Mean :222.7
## 3rd Qu.:39.02 3rd Qu.:30.38 3rd Qu.: 81.82 3rd Qu.:300.0
## Max. :64.40 Max. :59.00 Max. :100.00 Max. :360.0
## NA's :10
## wind_speed wind_gust precip pressure
## Min. : 0.000 Min. :16.11 Min. :0.000000 Min. : 983.9
## 1st Qu.: 6.905 1st Qu.:23.02 1st Qu.:0.000000 1st Qu.:1015.9
## Median : 9.206 Median :27.62 Median :0.000000 Median :1020.3
## Mean :11.260 Mean :29.52 Mean :0.007132 Mean :1019.9
## 3rd Qu.:14.097 3rd Qu.:34.52 3rd Qu.:0.000000 3rd Qu.:1025.8
## Max. :42.579 Max. :58.69 Max. :0.330000 Max. :1033.7
## NA's :299 NA's :51
## visib time_hour
## Min. : 0.120 Min. :2013-01-15 00:00:00
## 1st Qu.:10.000 1st Qu.:2013-01-19 05:45:00
## Median :10.000 Median :2013-01-23 11:30:00
## Mean : 8.779 Mean :2013-01-23 11:30:00
## 3rd Qu.:10.000 3rd Qu.:2013-01-27 17:15:00
## Max. :10.000 Max. :2013-01-31 23:00:00
## #g4<- g3 %>% summarize_if(is.numeric, ~mean(.,na.rm=TRUE))
plot(g3$day, g3$temp, type="p",main="Distribución de la temperatura acorde a la fecha", xlab="Día", ylab="Temperatura")
Visualiza la tendencia de la temperatura durante los primeros 15 días del mes de Enero en los vuelos que parten del aeropuerto “Newark, EWR”, utilizar una gráfica de línea. Visualiza la temperatura más frecuente en los primeros 15 días del mes de Enero, utilizar un histrograma. Utiliza Facets para observar cómo varía la temperatura en cada mes en él histograma del punto anterior. Número de vuelos que salieron de Nueva York en 2013 por aerolínea (mostrar solamente las 10 aerolíneas con más vuelos), utilizar gráfica de barras. Visualiza el punto anterior en una gráfica de pie. Relaciona el data frame fligths con el data frame airports a través del campo destino ¿cómo lograr estas relación? Crea un nuevo data frame con el punto anterior únicamente con los 5 carriers con más vuelos por destino.
Compromiso ético y ciudadano
•Describe el valor de la integridad: La integridad es la práctica de ser
una persona honesta, respetuosa, adherirse a nuestros valores y tomar
sistemáticamente decisiones positivas, incluso cuando nadie esté mirando
(Naciones Unidas. s. f.). Por lo tanto, actuar con integridad implica
entender, aceptar, y escoger vivir conforme con principios éticos y
morales, incluyendo la honestidad, la rectitud, y la decencia (Ethics
Unwrapped. 2017, 17 febrero). También, ser íntegro implica que cada
persona tenga el compromiso personal de serlo, de hacer las cosas
correctamente y con cuidado cuando nadie nos está observando e inclusive
procurar el bien ajeno aún a costa del propio (The College Board. 2020,
4 noviembre).
•Reflexión: Considero que puedo actuar con respeto y honestidad en los
negocios mediante la definición de mis valores principales y la práctica
de estos en acciones de mi día a día. También, puedo actuar con
sinceridad en el uso de datos cuando realice análisis de datos y esté en
contacto con los datos de una empresa, por medio, de la no alteración ni
manipulación inmoral de los datos ya sea para reflejar un escenario
conveniente para alguna ente.
Bibliografía de referencia
Wickham, H. and Grolemund, G. (2017) R for Data Science: Import, Tidy,
Transform, Visualize, and Model Data O’Reilly Media: Sebastopol,
California Nycflights13 v1.0.0 https://www.rdocumentation.org/packages/nycflights13/versions/1.0.0
Naciones Unidas. (s. f.). La Ciencia de la Integridad. Oficina de las
Naciones Unidas contra la Droga y el Delito. https://www.unodc.org/unodc/es/listen-first/super-skills/integrity.html
Ethics Unwrapped. (2017, 17 febrero). Integridad. https://ethicsunwrapped.utexas.edu/glossary/integridad?lang=es
The College Board. (2020, 4 noviembre). La integridad como valor.
College Board. https://latam.collegeboard.org/2020/07/01/la-integridad-como-valor/