Case DS Analytics da Gol Linhas Aéreas

Com a paixão pela aviação, cheguei até a paixão pelos dados! Esse repositório contém as respostas para o case analítico de Data Science da Gol Linhas Aéreas. Para o desenvolvimento das respostas, utilizei Python (Pandas, Scipy e a biblioteca Prophet) para fazer forecast e manipulações dos datasets. Você pode acompanhar o vídeo da apresentação neste link: https://youtu.be/ks8rE8wW5-Y

Perguntas e respostas

1- Faça um ranking para o número total de PAX por dia da semana.

Dia_Semana_Venda	PAX	RPK	rank
Quarta-feira	293025	26263705	1.0
Quinta-feira	258488	23501102	2.0
Sexta-feira	255625	23309936	3.0
Sábado	253467	23201577	4.0
Domingo	241620	22388695	5.0
Segunda-feira	236316	23275908	6.0
Terça-feira	219802	20366840	7.0

2 - Qual a correlação de sábado e domingo somados com o total de RPK?

A questão não apresenta informações concretas para que seja possível criar uma correlação, uma vez que para que seja possível fazer correlações deve-se, ao mínimo, utilizar duas medidas sendo X e Y em uma escala contínua para que seja possível obter o coeficiente de correlação. Mas, entendo que o enunciado possa ser "Qual a relação de sábado e domingo somados com o Total de RPK", portanto, expressei em porcentagem a soma de RPKs dos dias da semana em relação ao total de RPK.

Índice	Dia_Semana_Venda	PAX	RPK	pct_total
0	Quarta-feira	293025	26263705	16.181422573115004
1	Quinta-feira	258488	23501102	14.479345636721025
2	Sexta-feira	255625	23309936	14.361565688019496
5	Segunda-feira	236316	23275908	14.340600578667331
6	Terça-feira	219802	20366840	12.548284582050458
7	SábadoDomingo	495087	45590272	28.088780941426688

3 - Qual a média de ‘Monetário’ por mês por Canal? E a mediana?

Canal de Venda	Mes_Ano	Média	Mediana
Porta a Porta	01/2017	31320.569487223205	28823.025304702787
Porta a Porta	02/2017	31710.148886151375	29711.580145925567
Porta a Porta	03/2017	31055.939762396734	30488.191027232337
Porta a Porta	04/2017	33319.496262543136	32421.609417997162
Porta a Porta	11/2016	34638.07179648989	30262.9779680581
Porta a Porta	12/2016	28615.452500146082	25527.519294582755
TeleVenda	01/2017	32868.88142893844	19085.123237539552
TeleVenda	02/2017	32208.445818350272	18926.69023166578
TeleVenda	03/2017	32132.246712118333	18666.87996923318
TeleVenda	04/2017	35795.781915059895	28091.885619205026
TeleVenda	11/2016	30963.459348900647	18757.707785280276
TeleVenda	12/2016	28045.721461471967	17567.600937751726
Telégrafo	01/2017	4234.022566694851	3782.248867662558
Telégrafo	02/2017	4307.626272827682	4045.8931311515526
Telégrafo	03/2017	4568.148530922108	4345.559552216315
Telégrafo	04/2017	3778.5918347312363	3458.8846660540144
Telégrafo	11/2016	4614.310075629995	4029.1321305130978
Telégrafo	12/2016	5212.6480551230825	4227.5779481237205

4 - Crie um forecast de PAX por ‘Local de Venda’ para os próximos 15 dias a contar da última data de venda. (Aqui a técnica é livre)

Para o desenvolvimento do forecast, utilizei o Prophet. Uma biblioteca que consegue analisar séries temporais onde há sazonalidade não-linear anualmente, semanalmente e até diariamente. Possui um bom comportamento quando envolve dados históricos ou eventos sazonais. Uma dos objetivos da biblioteca é automatizar o maior números de passos para criar um modelo, isso é, ele realiza o tratamento automático de outliers, dados faltantes e mudanças drásticas na série temporal. Para o canal Arena:

Índice		Data	realizado	previsto	Local_Venda	diff
152		2017-04-02		3613.2289003886117	Arena
153		2017-04-03		4428.339130700197	Arena
154		2017-04-04		3834.4470673177884	Arena
155		2017-04-05		4751.662103256286	Arena
156		2017-04-06		4275.1955716732755	Arena
157		2017-04-07		4762.741606399576	Arena
158		2017-04-08		5476.285136475091	Arena
159		2017-04-09		5052.645419568884	Arena
160		2017-04-10		5475.031579675554	Arena
161		2017-04-11		4568.213578355617	Arena
162		2017-04-12		5016.758763097043	Arena
163		2017-04-13		4612.519903920866	Arena
164		2017-04-14		3770.168612073834	Arena
165		2017-04-15		4057.712330502396	Arena
166		2017-04-16		4023.362296146548	Arena

Para o canal Ellipse:

Índice		Data	realizado	previsto	Local_Venda	diff
152		2017-04-02		2838.6496397217406	Ellipsis
153		2017-04-03		2812.2813283267255	Ellipsis
154		2017-04-04		3096.344877449639	Ellipsis
155		2017-04-05		4048.393451513197	Ellipsis
156		2017-04-06		3415.487506259278	Ellipsis
157		2017-04-07		3667.1916323117803	Ellipsis
158		2017-04-08		4005.0673557093796	Ellipsis
159		2017-04-09		3834.256027813526	Ellipsis
160		2017-04-10		3604.444059393158	Ellipsis
161		2017-04-11		3544.3568898720932	Ellipsis
162		2017-04-12		4297.477893174918	Ellipsis
163		2017-04-13		3600.3716107880464	Ellipsis
164		2017-04-14		3223.4286136151263	Ellipsis
165		2017-04-15		3105.5823668482008	Ellipsis
166		2017-04-16		2781.9522495041792	Ellipsis

Para o local General:

		Data	realizado	previsto	Local_Venda	diff
152		2017-04-02		13101.186362377186
153		2017-04-03		14109.684601003151
154		2017-04-04		13776.868678462655
155		2017-04-05		18091.758306906246
156		2017-04-06		15598.863024164026
157		2017-04-07		17101.6367353117
158		2017-04-08		19567.49666935404
159		2017-04-09		18649.254593392918
160		2017-04-10		18442.722191377805
161		2017-04-11		16743.65952608422
162		2017-04-12		19671.272664267268
163		2017-04-13		16734.69080308465
164		2017-04-14		14145.961004678622
165		2017-04-15		14713.330957421786
166		2017-04-16		13610.116506964316

Para o local Mindscape:

		data	realizado	previsto	Local_Venda	diff
152		2017-04-02		2782.0008234828247	Mindscape
153		2017-04-03		3192.4404899211586	Mindscape
154		2017-04-04		3030.758825826591	Mindscape
155		2017-04-05		4030.7102901660564	Mindscape
156		2017-04-06		3357.6749333454636	Mindscape
157		2017-04-07		3736.4382962497148	Mindscape
158		2017-04-08		4549.860839679086	Mindscape
159		2017-04-09		4347.859705278586	Mindscape
160		2017-04-10		4322.596615405706	Mindscape
161		2017-04-11		3719.8566687657926	Mindscape
162		2017-04-12		4345.064705614284	Mindscape
163		2017-04-13		3550.157079240933	Mindscape
164		2017-04-14		2886.764186209401	Mindscape
165		2017-04-15		3243.9930848544163	Mindscape
166		2017-04-16		2888.825930446255	Mindscape

Para o local Vast:

		Data	realizado	previsto	Local_Venda	diff
152		2017-04-02		3880.757307400686	Vast
153		2017-04-03		3692.968874739273	Vast
154		2017-04-04		3834.2238263064964	Vast
155		2017-04-05		5283.3667974966675	Vast
156		2017-04-06		4574.697965022653	Vast
157		2017-04-07		4958.4702153908165	Vast
158		2017-04-08		5558.963569033974	Vast
159		2017-04-09		5430.895821552469	Vast
160		2017-04-10		5054.004225857698	Vast
161		2017-04-11		4923.140485310361	Vast
162		2017-04-12		6009.405697721835	Vast
163		2017-04-13		4958.060094505757	Vast
164		2017-04-14		4234.061704898901	Vast
165		2017-04-15		4256.984038222458	Vast
166		2017-04-16		3857.2339893979956	Vast
162		2017-04-12		4345.064705614284	Mindscape
163		2017-04-13		3550.157079240933	Mindscape
164		2017-04-14		2886.764186209401	Mindscape
165		2017-04-15		3243.9930848544163	Mindscape
166		2017-04-16		2888.825930446255	Mindscape

Com base no dataset, o modelo sugeriu que nos próximos 15 dias, teremos um novo pico de vendas. Atingindo seu ápice entre 10 a 14 de Abril.

5 - Supondo que você precisa gerar um estudo para a área responsável, com base em qualquer modelo ou premissa, qual ‘Local de Venda’ você considera mais crítico. Por quê?

Através do modelo gerado, foi gerado uma previsão aos próximos 15 dias. Após dia 02 de Abril, a companhia terá uma ascensão, onde entre dia 06 a 16 de Abril atingirá um pico de passageiros transportados. A empresa deve se preparar com maior número de recursos nos locais de vendas, sobretudo no Vast e Arena, onde aponta o maior pico de passageiros.

6- Criar modelo relacionando o comporatamento de venda com variaveis não apresentada nos dados (Ex : PIB, Dolar, e etc)

Para a resolução desta questão, utilizei o conjunto de dados disponibilizados pela br.investing.com. Para realizar a correlação, utilizei uma janela de tempo de uma semana entre os dois conjuntos de dados. A correlação encontrada entre o número de RPK e ASK durante essa semana foi desprezível conforte 1Vieira (2011).

Análise Exploratória do dataset da ANAC

Quantidade de voos realizados pelas empresas aéreas em Maio de 2021.

Empresa	Quantidade de voos
AZUL LINHAS AÉREAS BRASILEIRAS S/A	14943
TAM LINHAS AÉREAS S.A.	8144
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	6892
SIDERAL LINHAS AÉREAS LTDA.	709
PASSAREDO TRANSPORTES AÉREOS S.A.	616
TWO TÁXI AÉREO LTDA.	546
ABSA - AEROLINHAS BRASILEIRAS S.A.	355
MAP TRANSPORTES AÉREOS LTDA.	319
TAP - TRANSPORTES AÉREOS PORTUGUESES S/A	299
COMPAÑIA PANAMEÑA DE AVIACION S.A. (COPA AIRLINES)	276

Análise do RPK e ASK para as 3 empresas aéreas que mais voaram em Maio de 2021.

Empresa Aérea	RPK	RPK	RPK
	Quantidade de registros	Soma	Média
AZUL LINHAS AÉREAS BRASILEIRAS S/A	14943	1531705713	102503.2264605501
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	6892	1219640321	176964.64320951828
TAM LINHAS AÉREAS S.A.	8144	1445463066	177488.0974950884

Empresa Aérea	ASK	ASK	ASK
	Quantidade de registros	Soma	Média
AZUL LINHAS AÉREAS BRASILEIRAS S/A	14943	2020426449	135208.89038345712
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	6892	1385225282	200990.31950087057
TAM LINHAS AÉREAS S.A.	8144	2029668313	249222.533521611

Análise dos TOP 15 trechos da Azul Linhas Aéreas, que detém a maior soma de RPK em Maio de 2021.

nm_empresa	sg_iata_origem	nm_municipio_origem	sg_iata_destino	nm_municipio_destino	Quantidade de Voos
AZUL LINHAS AÉREAS BRASILEIRAS S/A	CNF	CONFINS	VCP	CAMPINAS	224
AZUL LINHAS AÉREAS BRASILEIRAS S/A	VCP	CAMPINAS	CNF	CONFINS	219
AZUL LINHAS AÉREAS BRASILEIRAS S/A	POA	PORTO ALEGRE	VCP	CAMPINAS	216
AZUL LINHAS AÉREAS BRASILEIRAS S/A	VCP	CAMPINAS	POA	PORTO ALEGRE	215
AZUL LINHAS AÉREAS BRASILEIRAS S/A	VCP	CAMPINAS	SDU	RIO DE JANEIRO	209
AZUL LINHAS AÉREAS BRASILEIRAS S/A	SDU	RIO DE JANEIRO	VCP	CAMPINAS	206
AZUL LINHAS AÉREAS BRASILEIRAS S/A	SDU	RIO DE JANEIRO	CGH	SÃO PAULO	185
AZUL LINHAS AÉREAS BRASILEIRAS S/A	CGH	SÃO PAULO	SDU	RIO DE JANEIRO	183
AZUL LINHAS AÉREAS BRASILEIRAS S/A	VCP	CAMPINAS	CWB	SÃO JOSÉ DOS PINHAIS	168
AZUL LINHAS AÉREAS BRASILEIRAS S/A	CWB	SÃO JOSÉ DOS PINHAIS	VCP	CAMPINAS	168
AZUL LINHAS AÉREAS BRASILEIRAS S/A	SDU	RIO DE JANEIRO	CNF	CONFINS	157
AZUL LINHAS AÉREAS BRASILEIRAS S/A	CNF	CONFINS	SDU	RIO DE JANEIRO	155
AZUL LINHAS AÉREAS BRASILEIRAS S/A	VCP	CAMPINAS	BSB	BRASÍLIA	150
AZUL LINHAS AÉREAS BRASILEIRAS S/A	BSB	BRASÍLIA	VCP	CAMPINAS	148
AZUL LINHAS AÉREAS BRASILEIRAS S/A	MAO	MANAUS	VCP	CAMPINAS	146

Análise dos TOP 15 trechos da GOL Linhas Aéreas que detém a maior soma de RPK em Maio de 2021.

nm_empresa	sg_iata_origem	nm_municipio_origem	sg_iata_destino	nm_municipio_destino	Quantidade de Voos
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SDU	RIO DE JANEIRO	CGH	SÃO PAULO	168
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	CGH	SÃO PAULO	SDU	RIO DE JANEIRO	166
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GRU	GUARULHOS	BSB	BRASÍLIA	102
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	BSB	BRASÍLIA	GRU	GUARULHOS	100
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	CNF	CONFINS	GRU	GUARULHOS	98
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	REC	RECIFE	GRU	GUARULHOS	98
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GRU	GUARULHOS	REC	RECIFE	97
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	POA	PORTO ALEGRE	GRU	GUARULHOS	97
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GRU	GUARULHOS	CNF	CONFINS	97
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	FLN	FLORIANÓPOLIS	GRU	GUARULHOS	96
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GRU	GUARULHOS	FLN	FLORIANÓPOLIS	96
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GRU	GUARULHOS	POA	PORTO ALEGRE	96
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GRU	GUARULHOS	FOR	FORTALEZA	95
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	FOR	FORTALEZA	GRU	GUARULHOS	95
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	CWB	SÃO JOSÉ DOS PINHAIS	GRU	GUARULHOS	94

Tanto a Azul Linhas Aéreas quanto a Gol linhas Aéreas, utilizam o paradigma spoke-hub de distribuição de voos. O paradigma consiste em centralizar os voos em Aeroportos onde há maior número de voos saindo para atender outras cidades, então, os aeroportos onde a movimentação não é tão expressiva deve ser ligados em um Aeroporto onde há o maior número de voos. O spoke-hub está mais presente na Azul, uma vez que seu HUB principal é VCP. Enquanto na Gol, o HUB é GRU e CGH. Diferente da Gol, a Azul teve um número mais expressivo em trechos comuns entre o HUB ao Aeroporto de Confins (CNF). Isso é devido a Azul ter um expressivo número de voos regionais interligado o interior de Minas Gerais a capital e também ser um HUB estratégico da empresa.

Uma outra análise é do trecho mais comum do Brasil: a ponte aérea. A Azul Linhas Aéreas realizou mais de 185 voos entre Santos Dumont (RJ) para Congonhas (SP), enquanto a Gol realizou 168.

nm_empresa	Quantidade de voos
AZUL LINHAS AÉREAS BRASILEIRAS S/A	185
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	168

Analisando a fundo a taxa de ocupação, dada pelo RPK dividido pelo ASK, teremos a distribuição da ocupação no trecho SDU-CGH entre a Azul Linhas Aéreas e a GOL Linhas Aéreas.

Estatística descritiva da distribuição de ocupação (RPK dividido pelo ASK) entre SDU e CGH.

Medida	AZUL Linhas Aéreas	GOL Linhas Aéreas
Quantidade de voos	185.0	166.0
Média	70.57	83.19
Desvio Padrão	19.43	11.13
Ocupação Mínima	33.05	53.45
Percentil 25%	52.54	76.605
Percentil 50%	72.03	85.38499999999999
Percentil 75%	88.98	92.385
Ocupação Máxima	100.0	99.44
Apesar de maior número de voos no trecho SDU-CGH, a Gol Linhas Aéreas apresentou maior média de ocupação, 83.19% de ocupação em seus voos (RPK/ASK), contra 70.57% da Azul Linhas Aéreas.

Estatística descritiva da distribuição de ocupação (RPK dividido pelo ASK) entre SDU e CGH durante a semana.

Empresa	AZUL LINHAS AÉREAS BRASILEIRAS S/A	AZUL LINHAS AÉREAS BRASILEIRAS S/A	AZUL LINHAS AÉREAS BRASILEIRAS S/A	AZUL LINHAS AÉREAS BRASILEIRAS S/A	AZUL LINHAS AÉREAS BRASILEIRAS S/A	AZUL LINHAS AÉREAS BRASILEIRAS S/A	AZUL LINHAS AÉREAS BRASILEIRAS S/A	GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)
Dia da semana	Domingo	Quarta-feira	Quinta-feira	Segunda-feira	Sexta-feira	Sábado	Terça-feira	Domingo	Quarta-feira	Quinta-feira	Segunda-feira	Sexta-feira	Sábado	Terça-feira
Quantidade de voos	28.0	22.0	28.0	35.0	30.0	19.0	23.0	26.0	19.0	21.0	33.0	28.0	21.0	18.0
Média	89.5892857142857	63.51818181818183	55.503571428571426	82.82571428571427	65.22666666666666	61.057894736842115	68.68260869565219	89.2346153846154	77.07894736842105	83.64285714285715	86.13333333333334	80.11071428571427	79.65714285714286	83.95555555555558
Desvio padrão	7.194150879590091	20.006894915399645	13.450223243166091	13.465387936071787	17.478004567975173	19.81568727014796	18.09828349906831	8.939482862344658	12.089875421992495	9.503345275668535	11.998090125793633	12.122594126662344	10.35159753026418	6.858761869250525
Ocupação Mínima	69.5	33.1	35.6	52.5	34.7	34.7	41.5	61.6	55.2	58.2	53.4	53.8	60.1	69.0
25%	86.875	45.324999999999996	44.9	70.3	47.5	44.1	54.2	86.75	67.1	79.7	82.3	73.52499999999999	71.3	80.275
50%	91.5	63.150000000000006	52.5	89.0	67.35	57.6	72.0	91.95	80.5	85.3	90.6	81.5	83.7	84.6
75%	94.29999999999998	80.75	59.55	91.95	78.6	76.25	83.9	94.475	85.75	91.3	95.3	89.925	87.6	88.94999999999999
Ocupação Máxima	100.0	96.6	92.4	97.5	94.9	93.2	97.5	98.9	96.6	96.7	99.4	95.4	93.0	95.0

Em uma análise a média de ocupação nos voos entre SDU e CGH é possível identificar que Domingo e Segunda são os dias mais críticos para a operação da ponte aérea para as duas empresas, sendo que a Gol tem obtido maior ocupação na Segunda-Feira, com 86.14, ao contrário da Azul, que teve 82.23%.

Destinos GOL que registraram ocupação menor que 50%.

IATA Origem	Origem	IATA Destino	Destino	Ocupação (em porcentagem)
FOR	FORTALEZA	BVB	BOA VISTA	0.0
BAQ	BARRANQUILLA	GYE	GUAYAQUIL	0.5376344086021506
CKS	PARAUAPEBAS	SLZ	SÃO LUÍS	27.1505376344086
SLZ	SÃO LUÍS	CKS	PARAUAPEBAS	28.225806451612904
GIG	RIO DE JANEIRO	EZE	EZEIZA, BUENOS AIRES PROVINCE	29.03225806451613
GYE	GUAYAQUIL	GIG	RIO DE JANEIRO	29.03225806451613
GIG	RIO DE JANEIRO	BAQ	BARRANQUILLA	29.56989247311828
EZE	EZEIZA, BUENOS AIRES PROVINCE	GIG	RIO DE JANEIRO	29.56989247311828
GIG	RIO DE JANEIRO	SCL	SANTIAGO	30.64516129032258
SCL	SANTIAGO	GIG	RIO DE JANEIRO	30.64516129032258
ASU	ASUNCIÓN	CNF	CONFINS	31.72043010752688
CNF	CONFINS	ASU	ASUNCIÓN	31.72043010752688
RBR	RIO BRANCO	CZS	CRUZEIRO DO SUL	40.90392227931404
VCP	CAMPINAS	SDU	RIO DE JANEIRO	43.95445134575569
CNF	CONFINS	CKS	PARAUAPEBAS	44.17562724014337
CZS	CRUZEIRO DO SUL	RBR	RIO BRANCO	44.32460024190774
SDU	RIO DE JANEIRO	VCP	CAMPINAS	44.98511166253102
CKS	PARAUAPEBAS	CNF	CONFINS	45.878136200716845
CKS	PARAUAPEBAS	BSB	BRASÍLIA	48.757763975155285

Em uma visão macro em relação aos voos executados pela Gol Linhas Aéreas, destaca-se que as piores ocupações foram em novos destinos inaugurados como Paraupebas (27.15% entre CKS-SLZ; 28.22% entre SLZ-CKS) e destinos internacionais como Ezeiza, Santiago, Guayaquil e Barranquilla. Uma hipótese para a baixa ocupação pode ser as restrições e medidas sanitárias de cada destino.

Destinos GOL que registraram ocupação maior que 90%.

IATA Origem	Origem	IATA Destino	Destino	Ocupação (em porcentagem)
SDU	RIO DE JANEIRO	CWB	SÃO JOSÉ DOS PINHAIS	98.18404434386676
MAO	MANAUS	RBR	RIO BRANCO	97.31182795698925
NAT	SÃO GONÇALO DO AMARANTE	CNF	CONFINS	97.31182795698925
JDO	JUAZEIRO DO NORTE	GRU	GUARULHOS	96.67818740399386
GRU	GUARULHOS	JDO	JUAZEIRO DO NORTE	96.61489446435687
NVT	NAVEGANTES	CNF	CONFINS	96.23655913978494
SDU	RIO DE JANEIRO	POA	PORTO ALEGRE	96.16782458765496
IOS	ILHÉUS	GRU	GUARULHOS	96.01838442639334
PVH	PORTO VELHO	BSB	BRASÍLIA	95.93413978494624
BSB	BRASÍLIA	CGR	CAMPO GRANDE	95.85798816568047
BSB	BRASÍLIA	REC	RECIFE	95.77684276141498
SDU	RIO DE JANEIRO	SSA	SALVADOR	95.77006141700049
CGB	VÁRZEA GRANDE	BSB	BRASÍLIA	95.72452636968767
REC	RECIFE	GRU	GUARULHOS	95.36056704789712
CGB	VÁRZEA GRANDE	GRU	GUARULHOS	95.21584931307729
BPS	PORTO SEGURO	CNF	CONFINS	95.16129032258065
FLN	FLORIANÓPOLIS	POA	PORTO ALEGRE	95.16129032258065
GRU	GUARULHOS	CGB	VÁRZEA GRANDE	95.07989380885594
GRU	GUARULHOS	POA	PORTO ALEGRE	94.87980020550884
SDU	RIO DE JANEIRO	FLN	FLORIANÓPOLIS	94.6732470577365
CNF	CONFINS	AJU	ARACAJU	94.6236559139785
BSB	BRASÍLIA	POA	PORTO ALEGRE	94.55645161290322
REC	RECIFE	BSB	BRASÍLIA	94.54638720066488
GRU	GUARULHOS	REC	RECIFE	94.5159362453791
BSB	BRASÍLIA	NAT	SÃO GONÇALO DO AMARANTE	94.44444444444443
GRU	GUARULHOS	NVT	NAVEGANTES	94.20335689207899
REC	RECIFE	CGH	SÃO PAULO	94.14230007241093
BVB	BOA VISTA	BSB	BRASÍLIA	93.9784946236559
MCP	MACAPÁ	BSB	BRASÍLIA	93.9784946236559
JPA	SANTA RITA	GRU	GUARULHOS	93.9065893320621
SSA	SALVADOR	CGH	SÃO PAULO	93.88371796506439
POA	PORTO ALEGRE	BSB	BRASÍLIA	93.78227325192883

Entender a correlação entre horários de voos e soma dos indicadores de RPK e ASK

Para fazer a correção entre a faixa de horários e os indicadores de RPK e ASK foi necessário encontrar qual o que possui um maior números de voos da GOL, em seguida, encontrar qual dia da semana há o maior números de voos.

TOP Trechos com maiores números de voos da GOL Linhas Aéreas.

nm_empresa	sg_icao_origem	sg_icao_destino	nr_voo
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SBRJ	SBSP	168
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SBSP	SBRJ	166
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SBGR	SBBR	102
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SBBR	SBGR	100
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SBCF	SBGR	98
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SBRF	SBGR	98
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SBGR	SBRF	97
GOL LINHAS AÉREAS S.A. (EX- VRG LINHAS AÉREAS S.A.)	SBGR	SBCF	97

Como Santos Dumont possui horário determinado para operar, removi ele da análise e então, passei a analisar somente o trecho Guarulhos - Brasília. Em seguida, foi necessário analisar a distribuição semanal dos voos da GOL no trecho GRU-BSB.

Dia da Semana	Quantidade de voos
Domingo	16
Quarta-feira	14
Quinta-feira	15
Segunda-feira	18
Sexta-feira	14
Sábado	11
Terça-feira	14

Segunda-Feira possui 18 voos neste trecho, enquanto Domingo possui 16, então, iremos analisara distribuição dos horários e quantidade de voos apenas na Segunda-Feira.

hr_partida_real	Quantidade de voos
6	2
8	5
13	2
14	3
17	2
22	4

Em seguida, iremos mostrar a soma de RPKs e ASKs realizados nessa data.

hr_partida_real	Soma de RPK	Soma de ASK
06	201780	277020
08	639540	795150
13	269325	318060
14	441180	477090
17	269325	318060
22	548910	595935

O teste de normalidade Shapiro-Will indicará qual o melhor método de correlação iremos usar, vamos analisar:

Teste de normalidade usando Shapiro-Wil para média de RPK: ShapiroResult(statistic=0.9105069637298584, pvalue=0.4397401213645935)

Teste de normalidade usando Shapiro-Wil para média de ASK: ShapiroResult(statistic=0.8827252984046936, pvalue=0.28180739283561707

Como o valor P < 0.5, usaremos o método Spearman. Veja a tabela de correlação:

indicador	hr_partida_real	nr_rpk	nr_ask
hr_partida_real	1.0	0.20570320484322127	0.04570745173382161
nr_rpk	0.20570320484322127	1.0	0.9819932287820209
nr_ask	0.04570745173382161	0.9819932287820209	1.0

Portanto, a correção entre o horário de partida e a soma do número de RPK é relativamente fraca segundo Vieira (2011), Valores expressos em p-valor e r-valor. Análise de correlação de Speraman. Para a classificação do R, ultilizou-se a referência de 1Vieira, (2011). Teste de normalidade Shapiro-wilk teste p>0,05.

Em sequência, iremos fazer a correlação para a Média de RPKs e ASKs.

medida	hr_partida_real	nr_rpk	nr_ask
hr_partida_real	1.0	0.7826908981308054	0.16903085094570333
nr_rpk	0.7826908981308054	1.0	0.3429971702850177
nr_ask	0.16903085094570333	0.3429971702850177	1.0

Portanto, podemos dizer que a há uma correlação forte entre o horário de voos e a média de RPKs durante os voos da Segunda-Feira, sendo que quanto mais tarde for, maior podemos ter de assentos ocupados.

Thanks for the opportunity! ✈🧡

Uma vez que você tenha experimentado voar, você andará pela terra com seus olhos voltados para céu, pois lá você esteve e para lá você desejará voltar.