TRANSPORTE AÉREO INTERNACIONAL DE PASSAGEIROS: UMA ANÁLISE DE DADOS COMPARATIVA NOS ANOS DE 2010, 2015 E 2020
DOI:
https://doi.org/10.56238/revgeov17n2-076Palavras-chave:
Transporte Aéreo Internacional, Mobilidade Global, Análise de DadosResumo
O transporte aéreo internacional de passageiros constitui um elemento estratégico da mobilidade global, sendo diretamente influenciado por fatores econômicos, sociais e sanitários, o que evidencia a necessidade de análises comparativas capazes de compreender sua dinâmica ao longo do tempo, especialmente diante de eventos disruptivos. Objetiva-se analisar comparativamente o comportamento do transporte aéreo internacional de passageiros nos anos de 2010, 2015 e 2020, identificando padrões de crescimento, retração e impactos decorrentes de fatores externos, com ênfase nos efeitos da pandemia da COVID-19. Para tanto, procede-se à aplicação de uma metodologia de ciência de dados fundamentada no processo OSEMN, abrangendo as etapas de obtenção, limpeza, exploração, modelagem e interpretação de dados provenientes de bases públicas de livre acesso, utilizando técnicas estatísticas e análises diagnósticas, como o drill-down. Desse modo, observa-se que, entre 2010 e 2015, houve um crescimento médio de aproximadamente 22% no volume de passageiros internacionais, impulsionado pela globalização e pela ampliação das rotas aéreas, sobretudo na Europa e na Ásia. Em contrapartida, no ano de 2020, identificou-se uma retração superior a 60%, associada às restrições impostas pela pandemia, além da perda de padrões sazonais historicamente observados. O que permite concluir que, embora o setor apresente tendência de expansão no longo prazo, permanece altamente vulnerável a eventos exógenos, ressaltando a importância da ciência de dados como ferramenta estratégica de apoio à tomada de decisão em cenários complexos e dinâmicos.
Downloads
Referências
BEHRMAN, K. R.; BRODBECK, H.; MACHADO, E. V. Fundamentos de Python para Ciência de Dados. São Paulo: Bookman, 2022.
BRUCE, P.; BRUCE, A.; GEDECK, P. Estatística Prática para Cientistas de Dados: +50 conceitos essenciais usando R e Python. São Paulo: Alta Books, 2025.
CARVALHO, A. C. P. L. F.; MENEZES, A. G.; BONÍDIA, R. P. Ciência de Dados: Fundamentos e Aplicações. Rio de Janeiro: LTC, 2024.
DATA SCIENCE PM. (2024). OSEMN Data Science Life Cycle. Disponível em: https://www.datascience-pm.com/osemn/. Acesso em: 28/06/2025.
KAGGLE. Datasets: Explore, analyze, and share quality data. Disponível em: https://www.kaggle.com/datasets. Acesso em: 20/08/2025.
KLOSTERMAN, S. Projeto de Ciência de Dados com Python. São Paulo: Novatec, 2020.
MELO, G. Ciência de Dados Passo a Passo: Uma abordagem prática e intuitiva com Python. Rio de Janeiro: Kindle, 2025.
MORETTIN, P. A.; SINGER, J. M. Estatística e Ciência de Dados. Rio de Janeiro: LTC, 2025.
POVOST, F.; FAWCETT, T. Data Science para Negócios. Rio de Janeiro: Alta Books, 2016.
RAUTENBERG, S.; CARMO, P. R. V. Big Data e Ciência de Dados: complementariedade conceitual no processo de tomada de decisão. Revista Dialet. Vol, 13, n. 1, 2019, p. 56-67.
RODRIGUES, L. A. Transporte Aéreo de Passageiros e o Avanço da Covid-19 no Brasil. Revista Brasileira de Geografia Médica e da Saúde. Hygeia - Edição Especial: Covid-19, Jun./2020, p. 193-201.