Proyecto de análisis de datos de vuelos y ventas para GateGroup Airlines. Incluye pipeline de limpieza de datos, análisis exploratorio (EDA), modelos de series temporales y dashboard interactivo.

• Descripción del Proyecto
• Estructura del Proyecto
• Instalación
• Uso
• Dataset
• Características del Dashboard
• Análisis Incluidos
• Tecnologías Utilizadas
• Contribuir

Este proyecto analiza datos históricos de vuelos y ventas de GateGroup Airlines para:

• ✅ Limpiar y validar datos de transacciones de vuelos
• ✅ Realizar análisis exploratorio de datos (EDA)
• ✅ Crear modelos predictivos de series temporales
• ✅ Visualizar insights en un dashboard interactivo
• ✅ Identificar patrones de ventas y comportamiento de pasajeros

Datos analizados: ~1.3 millones de transacciones (Enero - Agosto 2025)

mtyhack/
│
├── Data/
│   ├── Raw/                              # Datos originales (no incluidos en Git)
│   │   ├── result_hack 3.2 REDUCED A.csv
│   │   └── result_hack 3.2 REDUCED b.csv
│   └── Clean/                            # Datos procesados
│       ├── cleaned_data_combined.csv     # Dataset limpio final
│       ├── forecast_ventas_30dias.csv    # Predicciones futuras
│       ├── metricas_modelos.csv          # Resultados de modelos
│       └── cleaning_report.txt           # Reporte de limpieza
│
├── clean_data.py                         # Pipeline de limpieza de datos
├── explore_data.py                       # Script de exploración inicial
├── dashboard.py                          # Dashboard interactivo (Streamlit)
├── eda_analysis.ipynb                    # Notebook de análisis exploratorio
├── time_series_model.ipynb               # Notebook de series temporales
│
├── requirements.txt                      # Dependencias del proyecto
├── .gitignore                           # Archivos ignorados por Git
└── README.md                            # Este archivo

• Python 3.13 o superior
• Git

1. Clonar el repositorio:

   git clone https://github.com/edpm04/Gate_Model.git
   cd Gate_Model

2. Crear entorno virtual:

   python -m venv .venv

3. Activar entorno virtual:

   • Windows:

     .venv\Scripts\activate

   • Mac/Linux:

     source .venv/bin/activate

4. Instalar dependencias:

   pip install -r requirements.txt

Ejecutar el pipeline de limpieza de datos:

python clean_data.py

Pasos del pipeline:

• ✅ Normalización de nombres de columnas
• ✅ Conversión de tipos de datos
• ✅ Eliminación de duplicados
• ✅ Filtrado de valores inválidos (negativos)
• ✅ Eliminación de valores nulos
• ✅ Validación final y reporte

Resultado: Data/Clean/cleaned_data_combined.csv (1,293,077 registros limpios)

Iniciar el dashboard:

streamlit run dashboard.py

El dashboard se abrirá automáticamente en tu navegador en http://localhost:8501

Abrir el notebook de análisis:

jupyter notebook eda_analysis.ipynb

Contenido del notebook:

• 13 secciones de análisis detallado
• Visualizaciones de distribuciones
• Análisis temporal
• Análisis de rutas y categorías
• Detección de outliers
• Análisis de item codes

Abrir el notebook de forecasting:

jupyter notebook time_series_model.ipynb

Modelos implementados:

• 📊 ARIMA - Modelo autoregresivo
• 📊 SARIMA - ARIMA con estacionalidad
• 📊 Exponential Smoothing (Holt-Winters)

Salida: Predicciones para los próximos 30 días

• Registros totales: 1,293,077 transacciones limpias
• Período: Enero - Agosto 2025 (8 meses)
• Tasa de retención: 97.06% después de limpieza
• Vuelos únicos: ~80,000
• Item codes únicos: 171

• 💰 Ventas Totales - Con promedio por transacción
• 👥 Pasajeros - Con promedio por vuelo
• ✈️ Vuelos Únicos - Con total de transacciones
• 📉 Ventas Perdidas - Con porcentaje del total
• ⏱️ Duración Promedio - De vuelos con duración mínima

• 📅 Rango de fechas
• 🏪 Warehouse
• 📦 Supercategoría
• 🌍 Aeropuerto de origen

• Ventas diarias (gráfico de línea)
• Pasajeros diarios
• Ventas por día de la semana
• Ventas por mes

• Top 15 rutas más frecuentes
• Top 15 rutas por ventas
• Top 10 aeropuertos de origen (gráfico circular)
• Top 10 aeropuertos de destino (gráfico circular)

• Ventas por supercategoría
• Ventas por warehouse
• Tabla de top 20 items

• Distribución de ventas (histograma)
• Relación pasajeros vs ventas (scatter plot)
• Mapa de calor: ventas por día y mes

• Distribución de duración de vuelos
• Análisis de ventas perdidas
• Resumen detallado por categoría

• Análisis de Datos:

  • pandas - Manipulación de datos
  • numpy - Operaciones numéricas

• Visualización:

  • matplotlib - Gráficos estáticos
  • seaborn - Visualizaciones estadísticas
  • plotly - Gráficos interactivos

• Dashboard:

  • streamlit - Framework de dashboard interactivo

• Machine Learning:

  • scikit-learn - Métricas y validación
  • statsmodels - Modelos de series temporales (ARIMA, SARIMA)

• Jupyter:

  • jupyter - Notebooks interactivos

• 📊 171 item codes únicos - 52 items (30.4%) generan el 80% de transacciones
• 🏆 Item más vendido: 4724 (48,600 transacciones)
• 💰 Ventas totales: Análisis detallado por período
• ✈️ Duración promedio de vuelo: ~5.1 horas
• 📉 Ventas perdidas: Identificadas y cuantificadas

• ✅ 0 valores nulos en dataset final
• ✅ 0 duplicados
• ✅ 0 valores negativos en pasajeros y ventas
• ✅ 97.06% de retención de datos originales

Las contribuciones son bienvenidas! Por favor:

1. Fork el proyecto
2. Crea una rama para tu feature (git checkout -b feature/AmazingFeature)
3. Commit tus cambios (git commit -m 'Add some AmazingFeature')
4. Push a la rama (git push origin feature/AmazingFeature)
5. Abre un Pull Request

• Los datos crudos (Data/Raw/) no están incluidos en el repositorio por su tamaño (>50MB cada archivo)
• El archivo .gitignore está configurado para excluir archivos de datos grandes
• El reporte de limpieza (cleaning_report.txt) sí está incluido para referencia

Desarrollador: EPedraza
Email: [email protected]
Repositorio: https://github.com/edpm04/Gate_Model

• GateGroup Airlines por proporcionar los datos
• Comunidad de Python y Streamlit por las excelentes librerías
• Hackathon organizers

⭐ Si este proyecto te fue útil, considera darle una estrella en GitHub!

Última actualización: Octubre 2025