Este es el readme del proyecto nro 3 de proyectos individuales de Henry - enfocado en Data Analytics.

Pueden visualizar las consignas originales en el siguiente link o en el archivo CONSIGNAS.md

Realizar un análisis y visualización de una base de datos de accidentes aéreos.

Se extrajo la información provista en el repositorio. La misma contiene datos de 5003 accidentes aéreos trágicos, donde se constata información del tipo de vuelo, aeronave, cantidad de tripulación y pasajeros, y víctimas fatales en aire y tierra; además de una descripción en texto libre de algunas características del evento.

Con el objetivo de ahondar en el análisis y poder volcar la información en un dashboard se hizo un análisis de artículos de divulgación y periodísticos para analizar el problema y la temática. El siguiente artículo periodístico sirvió de base para entender cuáles las aeronaves de uso civil de mayor volumen y que empresas se encargan de su fabricación.

Se destacan como principales fabricantes mundiales:

*Boeing: empresa pública con cotización en la bolsa de NY.
*Embraer: empresa pública brasileña
*Cessna: la mayor empresa fabricante de aviones privados (con el Cessna 172 Skywalker como aeronave insignia). 
*Bombardier: empresa canadiense que desde el año 2020 pertenece al grupo japonés Mitshubishi.
*Antonov: empresa estatal que perteneció a la URSS, y en este momento pertenece a Ucrania.

A continuación, y para los fines de generar un análisis más profundo de la cuestión, se realizó la busqueda y ampliación de la información, extrayendo datos de las siguientes fuentes:

a) Banco Mundial: estadísticas globales de cantidad de vuelos por año -- Archivo './data/bm/API.csv'

b) Yahoo Finance Historical Data: Archivos localizados en carpeta './data/stock'. Se eligió a las 10 aerolíneas públicas que tienen mayor capitalización bursatil.

c) Plane Crash Info. De aquí se extrajo las causas documentadas de accidentes aéreos y los accidentes aéreos producto de alguna actividad militar (ya sea en combate o entrenamiento).

El siguiente paso fue la normalización y limpieza de los datos de accidentes aéreos. Se puede ahondar más en el tema en el 'notebook 1'. Brevemente: a) Normalización de datos b) Cálculo de coordenadas GPS de cada ruta vía Geocoding API de Google. c) First sight del texto en summary con Wordcloud:

A simple vista no pareciera aportar información que amerite su procesamiento.

d) Identifiación del país de origen de cada aeronave con libreria Flydenity utilizando la codificación de la variable registration.

e) Web scrapping de los accidentes aéreos de causa militar y creación de feature binario civil_flights.

f) Web scrapping de las causas documentadas de accidentes aéreos: creando un dataframe causes con uniqueID que identifique cada vuelo con su causa documentada (aves, sabotaje, falla técnica, etc).

g) Como último, para mejor perfomance se dividió la tabla original en tablas más pequeñas: fatalities, flights, aircrafts, causes

h) El procesamiento de los datos bursátiles se realizó en el 'notebook 2' y se volcó en la tabla stock. El procesamiento de los datos del Banco Mundial se realizó en el 'notebook 3' y se guardó en la tabla historical.

Todos los datos procesados en estos 3 notebooks fue a posterior cargado en una base de datos en un servidor local de MySQL 8.0 vía SQLAlchemy y a continuación se realizó la conexión con PowerBI, quedando el siguiente modelo de datos:

Se puede visualizar en el archivo dashboard.pbix, en el siguiente https://maicobernal.github.io/henrylab3/ o en el archivo PDF que se adjunta. El mismo consta de varias secciones donde se profundiza acerca de la temática.

El objetivo del dashboard es evaluar el impacto de los accidentes aéreos en la cotización de las principales aerolíneas comerciales y fabricantes de aeronaves y evaluar aspectos respecto a la seguridad de los vuelos aéreos en función del tiempo y eventos clave.

Son bienvenidos comentarios y sugerencias del proyecto!

Saludos,