Freight Operations Analysis

Proyecto personal de análisis de datos aplicado a operaciones de transporte de mercancías y logística de proyectos.

El objetivo es desarrollar un flujo de trabajo completo que combine:

• análisis exploratorio y descriptivo en R;
• visualización y dashboard en Power BI;
• análisis prescriptivo en Python;
• análisis geoespacial de rutas en QGIS.

Nota: todos los datos son sintéticos y se utilizan exclusivamente con fines de aprendizaje y portfolio. No representan operaciones ni resultados reales de empresas, clientes, transportistas, puertos o proyectos.

Objetivos

• Preparar y validar un modelo de datos de operaciones de transporte.
• Analizar puntualidad, retrasos, costes, incidencias, emisiones y rendimiento operativo.
• Explorar diferencias entre proyectos, modos de transporte, rutas, puertos, transportistas y tipos de carga.
• Construir visualizaciones, indicadores y herramientas de apoyo a la decisión.
• Mantener un proyecto reproducible, documentado y apto para portfolio.

Herramientas

• R / RStudio: importación, calidad, limpieza, EDA y visualización.
• Power BI: modelado, medidas DAX y dashboard.
• Python: optimización, simulación y análisis prescriptivo.
• QGIS: representación y análisis de nodos y rutas.
• Git / GitHub: control de versiones y publicación.

Estructura del proyecto

Freight_Operations_Analysis/
│
├── dashboard/
│   └── 2024-2025_Freight-Operations-Analysis.pbix
│       └── Modelo semántico y desarrollo del dashboard en Power BI.
│
├── data/
│   ├── external_sources/
│   │   └── Fuentes externas o datos auxiliares incorporados al proyecto.
│   ├── processed_data/
│   │   └── Datos limpios, transformados y preparados para el análisis.
│   └── raw_data/
│       └── Datos originales sin modificar.
│
├── docs/
│   ├── datasets_dictionary.xlsx
│   │   └── Diccionario de datos de los archivos y variables del proyecto.
│   ├── ideas_exploration.txt
│   │   └── Ideas, hipótesis y posibles líneas de análisis.
│   └── relationships.md
│       └── Descripción de las tablas, relaciones y modelo de datos propuesto.
│
├── output/
│   ├── figures/
│   │   ├── 04_EDA_histograms.png
│   │   ├── 04_EDA_boxplots.png
│   │   ├── 04_EDA_scatterplots.png
│   │   ├── 04_EDA_project-performance.png
│   │   ├── 04_EDA_lineplots.png
│   │   ├── 04_EDA_lineplot_port_congestion.png
│   │   └── 04_EDA_lineplot_fuel_prices.png
│   └── maps/
│       └── Mapas y resultados geoespaciales exportados.
│
├── python/
│   └── Scripts de Python y documentación específica del análisis prescriptivo.
│
├── qgis/
│   └── Archivos de proyecto, procesos, scripts y documentación del análisis geoespacial.
│
├── R/
│   ├── 01_Import.R
│   ├── 02_Data_Quality.R
│   ├── 03_Data_Cleaning.R
│   └── 04_EDA.R
│
├── .gitignore
├── Freight_Operations_Analysis.Rproj
└── README.md

Modelo de datos

El modelo se organiza alrededor de fact_shipments, con un registro por envío.

Tablas de detalle:

• fact_route_legs: tramos de cada envío.
• fact_events: hitos y eventos operativos.
• fact_incidents: incidencias asociadas a los envíos.
• fact_port_congestion: indicadores mensuales por puerto.
• fact_fuel_prices: indicadores mensuales de combustible.

Dimensiones:

• calendario;
• proyectos;
• instalaciones;
• puertos;
• transportistas;
• buques;
• tipos de carga.

Las relaciones están documentadas en docs/relationships.md.

Desarrollo realizado

1. Importación de datos

Script: R/01_Import.R

El script localiza e importa automáticamente los CSV de data/raw_data/, construye rutas relativas con here, almacena las 13 tablas en la lista datasets y revisa problemas de lectura y estructura inicial. Los archivos originales no se modifican.

2. Evaluación de calidad

Script: R/02_Data_Quality.R

Se revisaron problemas de importación, valores ausentes, formato de texto, claves primarias y de negocio, integridad referencial, variables binarias, ausencias según modo de transporte, continuidad del calendario y reglas básicas de negocio.

Resultados principales

• No se detectaron problemas de importación, referencias huérfanas ni duplicados en las claves de negocio comprobadas.
• Las claves primarias revisadas son completas y únicas.
• Las variables binarias contienen únicamente los valores esperados.
• La dimensión calendario original contiene 731 fechas continuas entre 2024-01-01 y 2025-12-31.
• Se identificaron 132 ausencias de puertos y 311 ausencias de buque en fact_shipments; las asociadas a transporte por carretera son estructurales y esperadas.
• Los 179 envíos intermodales y sus tramos Container Sea no tienen buque asignado; se mantiene como limitación documentada sin imputación.
• Se detectaron cinco fechas en las que el año natural y el año ISO difieren, por lo que el análisis semanal requiere utilizar conjuntamente año y semana ISO.

3. Limpieza y preparación de datos

Script: R/03_Data_Cleaning.R

El script crea una copia de trabajo independiente, incorpora iso_year e iso_year_week, convierte variables binarias de Y/N a TRUE/FALSE, conserva los valores ausentes estructurales, valida la estructura final y exporta las 13 tablas limpias a data/processed_data/.

Resultados principales

• Las 13 tablas conservaron exactamente el mismo número de filas que los datos originales.
• dim_calendar incorporó únicamente las dos columnas previstas.
• Las 14 variables binarias revisadas se convirtieron correctamente a tipo lógico.
• La validación estructural final fue correcta y se generaron los 13 CSV procesados esperados.

4. Análisis exploratorio de datos

Script: R/04_EDA.R

El EDA mantiene separadas las distintas granularidades del modelo y analiza volumen operativo, distribuciones, valores atípicos, correlaciones de Spearman, puntualidad, retrasos, costes, daños, emisiones, proyectos, transportistas, tipos de carga, incidencias, rutas, eventos, congestión portuaria y precios de combustible.

El script se ejecutó completo desde una sesión limpia sin errores. Las tablas agregadas creadas durante el EDA se mantienen como resultados analíticos y no sustituyen al modelo relacional utilizado posteriormente en Power BI.

Principales hallazgos del EDA

Operaciones generales

• 900 envíos, 7 proyectos, 11 transportistas utilizados y 10 tipos de carga.
• 23.085 toneladas y 2.184.346 km acumulados.
• 11.665.158 € de coste logístico total y aproximadamente 12.961 € por envío.
• Puntualidad global del 79,3 %, con 186 entregas fuera de plazo.
• Tasa de daños del 4,11 %.

Costes, servicio y sostenibilidad

• El coste logístico presenta sus relaciones más fuertes con emisiones absolutas, peso, volumen, riesgo y distancia.
• Sea Breakbulk concentra las operaciones de mayor peso, coste y complejidad.
• Carretera presenta la mejor puntualidad y la mayor intensidad de emisiones por tonelada-kilómetro.
• Ninguno de los siete proyectos alcanza su objetivo de puntualidad; Dammam presenta la mayor desviación (-18,17 pp).
• Las cargas sobredimensionadas y heavy lift presentan mayor complejidad operativa y económica.
• La intensidad mediana de emisiones es mayor en carretera (0,095 kg CO₂e/t·km) y menor en Container Sea (0,0215 kg CO₂e/t·km).

Incidencias, rutas y entorno externo

• 55 incidencias afectan al 6,11 % de los envíos; el 69,1 % se clasificó como prevenible.
• Las incidencias generaron 692 horas de retraso, 271.966 € de coste directo y 61.575 € en reclamaciones.
• Los 900 envíos disponen de información de ruta, con 2.436 tramos y una mediana de 3 tramos por envío.
• Se analizaron 5.772 eventos operativos, con una media de 6,41 eventos por envío.
• La tabla de congestión cubre 18 puertos durante 24 meses; la mediana del índice de congestión es 40 y la espera mediana de buques 9,2 horas.
• El recargo de combustible presenta una relación positiva moderada con el diésel en carretera y con MGO en operaciones marítimas.

Composición del coste

• Flete: 75,30 %.
• Costes portuarios: 10,80 %.
• Recargo de combustible: 8,42 %.
• Costes aduaneros: 5,52 %.

Visualizaciones generadas

Las visualizaciones del EDA se encuentran en output/figures/.

Distribución de variables numéricas

Identificación visual de valores extremos

Relaciones con el coste logístico

Puntualidad por proyecto

Evolución mensual del rendimiento operativo

Evolución de la congestión portuaria

Evolución de los precios de combustible

Modelado en Power BI

5. Preparación y modelado del modelo semántico

Archivo: dashboard/2024-2025_Freight-Operations-Analysis.pbix

Power BI utiliza las tablas procesadas como fuente. Se creó una nueva dim_calendar calculada, marcada como tabla de fechas, con cobertura continua entre 2023-01-01 y 2026-12-31 y atributos de año, trimestre, mes, día de la semana y calendario ISO.

El modelo contiene actualmente 16 tablas: seis tablas de hechos, dimensiones de proyectos, instalaciones, puertos y tipos de carga, dimensiones de rol separadas para transportistas y buques, dim_calendar y una tabla Medidas para centralizar los cálculos DAX.

El desdoblamiento de transportistas y buques distingue los roles principales del envío de los asignados a cada tramo y evita caminos de filtrado ambiguos.

Relaciones del modelo

El modelo utiliza principalmente relaciones 1: con filtro único desde las dimensiones hacia los hechos*. fact_shipments se relaciona con fact_route_legs, fact_events y fact_incidents mediante shipment_id; dim_ports se relaciona con la congestión portuaria y dim_calendar con las tablas que requieren análisis temporal.

Cuando una dimensión representa varios roles, se mantiene una única relación activa por ruta de filtrado y las alternativas se conservan inactivas. actual_delivery_date actúa como relación temporal principal de fact_shipments; otras fechas quedan disponibles mediante relaciones inactivas y USERELATIONSHIP().

La capa semántica se simplificó ocultando claves exclusivamente técnicas, campos auxiliares de ordenación y variables geográficas reservadas principalmente para QGIS, manteniendo visibles los identificadores y atributos necesarios para el análisis operativo.

6. Medidas DAX y Freight Operations Control Tower

Se inició la primera página del dashboard con segmentadores de Year, Quarter, Month y Weekday y una capa de KPIs centralizada en la tabla Medidas.

Las medidas implementadas hasta el momento cubren:

• volumen y actividad: envíos, proyectos activos, peso y distancia;
• servicio: envíos on-time, puntualidad, retrasos y mediana de horas de retraso;
• coste: coste logístico total, coste por envío, claims y coste logístico sobre valor de carga;
• sostenibilidad: emisiones totales e intensidad de CO₂e;
• riesgo y carga especial: risk score, heavy lift, oversize, hazardous y temperature-controlled;
• incidencias: porcentaje de envíos afectados y proporción de incidentes prevenibles.

Los principales KPIs obtenidos en Power BI reproducen los resultados del EDA, entre ellos 900 envíos, 7 proyectos, 79,3 % de puntualidad, 20,7 % de entregas fuera de plazo, 4,1 % de daños, 11.665.158 € de coste logístico, 12.961 € por envío, 23.085 t, 2.184.346 km y 1.888.974 kg CO₂e.

Para ratios globales se priorizan medidas ponderadas cuando corresponde; por ejemplo, el coste logístico representa aproximadamente el 2,3 % del valor total de la carga. Las medidas base se diseñan para responder al contexto de filtro y reutilizarse por proyecto, transportista, modo o tipo de carga sin duplicar lógica DAX.

También se definió el catálogo de medidas necesario para las siguientes páginas: rendimiento de proyectos y servicio, costes, transportistas y carga, incidencias y riesgo, rutas, puertos y combustible, sostenibilidad y comparaciones temporales.

Estado de esta fase

El modelo semántico está preparado, la primera página Freight Operations Control Tower está en desarrollo y la capa inicial de KPIs DAX ha sido implementada y contrastada con el EDA. El siguiente bloque de trabajo consiste en completar las visualizaciones, incorporar las medidas restantes según cada página y validar el comportamiento de filtros y relaciones inactivas.

Aspectos pendientes de revisión

• Confirmar la interpretación de los buques ausentes en operaciones intermodales.
• Mantener los NA estructurales de los envíos por carretera.
• Revisar en QGIS la coherencia entre coordenadas, ciudades y países.
• Mantener cautela al interpretar categorías con pocos registros, especialmente riesgo alto, huelgas y modos con bajo volumen mensual.
• Tratar None en las causas como ausencia de una causa específica registrada, no necesariamente como ausencia de retraso.
• Evitar atribuir causalidad a las relaciones observadas durante el EDA.
• Validar las relaciones inactivas y las medidas que requieran USERELATIONSHIP() antes de cerrar el dashboard.

Próximos pasos

• Completar los KPIs y visuales de Freight Operations Control Tower.
• Construir las páginas de servicio/proyectos, costes, transportistas/carga, incidencias/riesgo, rutas, puertos/combustible y sostenibilidad.
• Incorporar las medidas de inteligencia temporal y comparaciones interanuales cuando corresponda.
• Validar sistemáticamente los resultados de Power BI frente al EDA en R.
• Desarrollar el análisis prescriptivo y de optimización en Python.
• Representar y analizar nodos, puertos y rutas en QGIS.

Estado del proyecto

• Estructura inicial.
• Modelo de datos preliminar.
• Importación automatizada.
• Evaluación inicial de calidad.
• Limpieza y preparación.
• Análisis exploratorio en R.
• Modelado semántico en Power BI.
• Medidas DAX base para Freight Operations Control Tower.
• Dashboard completo en Power BI.
• Análisis prescriptivo en Python.
• Análisis geoespacial en QGIS.