← Zurück zu den Projekten

07 · Data EngineeringPipeline und Power BI

Warum der Flieger zu spät war.

Eine Datenpipeline und ein Dashboard in Power BI, die Flugverspätungen in den USA als verbundene Flüge und Flughäfen modellieren, so wie Teams mit Palantir Foundry ihre Daten strukturieren.

  • Python
  • PySpark
  • Power BI
„Warum war Chicago später dran als Atlanta?“Auf Play drücken · 6 Szenen · scrollen und zusehen ↓
63KAnalysierte Flüge

01

Atlanta oder O'Hare?

63.029 Flüge im Juni 2018. Wo kommt man zu spät an?

02

Flüge als Objekte, nicht als Zeilen.

Jeder Flug ist mit seinem Flughafen verknüpft. Jede Frage wird zum Filter.

03

O'Hare: 21,1 Minuten zu spät.

Atlanta: 13,6. Durchschnittliche Ankunftsverspätung.

04

Fast jeder dritte Flug.

32 % der Flüge in O'Hare waren verspätet, in Atlanta 24 %.

05

Am schlimmsten um 23 Uhr.

Späte Abflüge hatten die größten Verspätungen.

Nächste StorySOC Silverstone↗„Hat die Batterie die Reifen verschlissen?“