Uma análise exploratória de indicadores do sistema aéreo brasileiro a partir de Modelos Machine Learning

Abstract

A utilização da ciência de dados se torna cada vez mais crucial nos dias atuais, impulsionada pelo crescente volume de dados disponíveis e pela necessidade de tomar decisões informadas em diversas áreas. A ciência de dados combina habilidades estatísticas, conhecimento em programação e expertise em domínio para extrair insights valiosos e criar valor a partir dos dados. Da mesma forma o sistema aéreo desempenha um papel de extrema importância em nossa sociedade globalizada e conectada. Esse sistema abrange uma série de elementos, como aeroportos, companhias aéreas, rotas de voo, controle de tráfego aéreo e infraestrutura relacionada, que trabalham em conjunto para facilitar o transporte aéreo de pessoas e mercadorias em todo o mundo. Dentro desse cenário este trabalho pretende realizar a modelagem de dados a fim de gerar visualizações para os principais indicadores de desempenho aeroportuário e de reclamações dos clientes para os três estados de Santa Catarina, Paraná e Rio Grande do Sul. Para realizar tal levantamento necessita-se realizar a extração, carregamento e limpeza dos dados para que não se gere visualizações com distorções. Além disso o trabalho se propõe a avaliar e definir o melhor modelo de machine learning entre regressão linear, árvore de decisão e floresta aleatória para prever o tempo de resposta das chamadas abertas pelos consumidores. A partir desses modelos é possível medir o sucesso de cada um através de métrica estabelecidas pelo trabalho. Através dessas métricas foi possível definir que a floresta aleatória gerou resultados melhores o que permitiu modelar os dados finais para que se fosse possível prever o tempo de resposta de uma reclamação, além de quais são os fatores mais preponderantes para o tempo de resposta.

The utilization of data science has become increasingly crucial in today's world, driven by the growing volume of available data and the need to make informed decisions in various fields. Data science combines statistical skills, programming knowledge, and domain expertise to extract valuable insights and create value from data. Similarly, the aviation system plays an extremely important role in our globalized and interconnected society. This system encompasses various elements such as airports, airlines, flight routes, air traffic control, and related infrastructure, all working together to facilitate air transportation of people and goods worldwide. Within this context, this study aims to perform data modeling in order to generate visualizations for key airport performance indicators and customer complaints for the states of Santa Catarina, Paraná, and Rio Grande do Sul. To accomplish this, it is necessary to extract, load, and clean the data to ensure that visualizations are not distorted. Additionally, the study aims to evaluate and determine the best machine learning model among logistic regression, decision trees, and random forests to predict the response time of customer inquiries. Using these models, the success of each one can be measured through established metrics in the study. Based on these metrics, it was determined that the random forest model produced better results, enabling the modeling of the final data to predict the response time of a complaint and identify the most influential factors in the response time. By combining the power of data science with insights from the aviation system, this study aims to provide valuable information and actionable insights that can contribute to enhancing airport performance and improving customer satisfaction. Through the analysis of data and the application of machine learning models, the study seeks to uncover patterns, trends, and factors that impact response times and enable more efficient and effective management of customer complaints in the aviation industry. The findings of this research have the potential to drive improvements in service delivery, operational efficiency, and overall customer experience in the aviation system.