Power BI | Unpünktliche Flüge

Hallo zusammen!

In diesem Video präsentiere ich die Ergebnisse einer Analyse zur Flugpünktlichkeit am Los Angeles International Airport. Wir betrachten Statistiken zu Flügen, die am LAX Flughafen starten oder landen, und untersuchen die Pünktlichkeitsraten verschiedener Fluggesellschaften. Wir analysieren die Daten aus den Jahren 2005 bis 2007. Am Ende betrachten wir die Muster der Unpünktlichkeit und geben einen Überblick über die Ergebnisse. Schaut euch die Visualisierungen an, um die Daten besser zu verstehen!

Schritte zur Erstellung des Berichts:

Verbinde dich mit den Datenquellen und lade die benötigten Daten für deine Analysen
Die Daten wurden in einer Datenbank und einer CSV-Datei zur Verfügung gestellt. Das folgende Datenwörterbuch erklärt die Bedeutung der Daten
Datenbank Flight_Data, Tabelle flights
Der Großteil der Daten liegt in einer Datenbank.

Datenbanksystem: PostgreSQL

Da der Datensatz sehr groß ist habe ich die mit eine präzise  SQL query abfrage geschränkt:

 

According to the following criteria.:

- nur Flüge von oder nach "lax" werden in der Analyse berücksichtigt.
- als Information Grundlage dienen die flugdaten der jahre 2015 bis 2017.
- gestrichene oder umgeleitete flüge wurden in der analyse nicht berücksichtigt.
- als unpünktlich gilt ein flug, wenn er mindestens 5 minuten von der geplanten zeit abweicht

SELECT *
FROM flights
WHERE origin = 'LAX'
AND fl_date BETWEEN '2015-01-01' AND '2017-12-31'
AND cancelled = FALSE
AND diverted = FALSE

UNION

SELECT *
FROM flights
WHERE dest = 'LAX'
AND fl_date BETWEEN '2015-01-01' AND '2017-12-31'
AND cancelled = FALSE
AND diverted = FALSE

Creating the relationship between tables

Spaltenname	Beschreibung
flight_id	ID des Eintrags, Primärschlüssel in der Datenbank
fl_date	Flugdatum
op_carrier	Kennung der Fluglinie
op_carrier_fl_num	Flugnummer
origin	Kennung des Startflughafens
dest	Kennung des Zielflughafens
crs_dep_time	Geplante Abflugzeit
dep_time	Tatsächliche Abflugzeit
dep_delay	Abflugverzögerung in Minuten
taxi_out	Minuten zw. Abfahrt vom Gate und Abheben
wheels_off	Zeitpunkt des Abhebens
wheels_on	Zeitpunkt der Landung
taxi_in	Minuten zw. Landung und Ankunft am Gate
crs_arr_time	Geplante Ankunftszeit
arr_time	Tatsächliche Ankunftszeit
arr_delay	Ankunftsverzögerung in Minuten
cancelled	Flug gestrichen (TRUE = ja, FALSE = nein)
cancellation_code	Grund für Flugstreichung: A – Fluglinie, B – Wetter, C – Flugaufsicht, D – Sicherheit
diverted	Flug umgeleitet (TRUE = ja, FALSE = nein)
crs_elapsed_time	Geplante Flugzeit in Minuten
actual_elapsed_time	Tatsächliche Flugzeit in Minuten
air_time	Zeit zw. wheels off und wheels on in Minuten
distance	Distanz zw. Flughäfen in Meilen
carrier_delay	Minuten Verzögerung in Verantwortung der Fluglinie
weather_delay	Minuten Verzögerung aufgrund von Wetter
nas_delay	Minuten Verzögerung in Verantwortung der Flugaufsicht
security_delay	Minuten Verzögerung in Verantwortung der Sicherheit am Boden
late_aircraft_delay	Minuten Verzögerung in Verantwortung des Flugzeugs

 

 

Zusammenfassung:

SQL-Anweisung eingeben bei der Verbindung mit der Datenbank (Erweiterte Optionen)
SQL-Statement von einzelnen Schritten anzeigen über Systemeigene Abfragen (Rechtsklick auf einen Schritt unter Angewendete Schritte)
ursprüngliche SQL-Anweisung zum Laden der Daten verändern im Erweiterten Editor

2- Daten bereinigen:

Hinweis: Zeitangaben konvertieren

Ich habe die Spalten mit Zeitangaben zuerst in Textspalten umgewandelt. Anschließend habe ich die Werte in das Format hhmmss gebracht, indem ich über den Tab "Spalte hinzufügen" die Option "Spalte aus Beispielen" genutzt habe. Den dabei erzeugten M-Code habe ich für die übrigen Zeitspalten kopiert und angepasst. Dabei habe ich nicht vergessen, die ungewöhnliche Uhrzeit 240000 geeignet zu ersetzen, bevor ich die Spalten in den Datentyp "Zeit" umgewandelt habe.

Hinweis: Ankunft oder Abflug

Ich habe eine berechnete Spalte erstellt, die angibt, ob es sich bei dem Flug um Ankunft oder Abflug handelt, um das Filtern zu erleichtern. Diese Spalte habe ich direkt in meiner SQL-Query erstellt.

In SQL habe ich diese Spalte mittels CASE WHEN erstellt. Für die beiden Fälle habe ich aussagekräftige Zeilenwerte festgelegt und einen Spaltenalias genutzt. Alternativ habe ich auch eine bedingte Spalte in Power Query erstellt.

Hinweis: Zu früh ist auch unpünktlich

Da nicht nur verspätete, sondern auch zu frühe Flüge den Ablauf stören können, habe ich mich für den Absolutwert der „Verspätungen“ interessiert. Berechnete Spalten mit diesen Absolutwerten waren nützlich, um nachfolgende Berechnungen zu vereinfachen. Auch das habe ich leicht mit SQL umgesetzt.

Hier hat mir die SQL-Funktion ABS oder in Power Query der Reiter "Transformieren", Abschnitt "Zahlenspalte", geholfen. Zusätzlich habe ich eine weitere Spalte erstellt, die angibt, ob ein Flug pünktlich ist oder nicht.

3- Datenanalyse:

Eine getrennte Betrachtung nach Abflug oder Ankunft sollte wahlweise möglich sein. Ich habe die Möglichkeit geschaffen, Flüge entweder nach Abflug oder Ankunft getrennt zu betrachten.

Ein Flug galt als unpünktlich, wenn er 5 Minuten oder mehr von der geplanten Zeit abwich. Ich habe festgelegt, dass ein Flug als unpünktlich gilt, wenn er 5 Minuten oder mehr von der geplanten Zeit abweicht. Dies galt sowohl für verspätete als auch für verfrühte Flüge.

Die durchschnittliche Unpünktlichkeit sollte sich auf die Grundgesamtheit aller unpünktlichen Flüge beziehen. Ich habe die durchschnittliche Unpünktlichkeit nicht einfach als Mittelwert aller Datenpunkte berechnet, sondern mich auf die Grundgesamtheit aller unpünktlichen Flüge bezogen.

Verwende Klarnamen für die Airlines, nicht nur die Codes. Ich habe die Klarnamen für die Airlines verwendet und nicht nur die Codes.

Platziere nicht zu viele Visuals auf einer Berichtsseite, sonst leidet die Übersichtlichkeit. Ich habe darauf geachtet, nicht zu viele Visuals auf einer Berichtsseite zu platzieren, um die Übersichtlichkeit zu bewahren. Ggf. habe ich mehrere Seiten pro Teilaufgabe genutzt.