Detailansicht
Clustering aviation markets
market opportunity identification through machine learning
Gloria Widhalm
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Business Analytics
Betreuer*in
Jan Fabian Ehmke
DOI
10.25365/thesis.79112
URN
urn:nbn:at:at-ubw:1-15041.50889.564319-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Arbeit erläutert eine globale Clusteranalyse nicht-direktionaler Flugmärkte (Paare von Flughäfen) basierend auf Angebotsmerkmalen aus dem Flugplan 2024, ergänzt durch demografische, touristische und klimatische Daten. Es wurden verschiedene Clustering-Algorithmen (partitions-, dichte- und verteilungsbasiert) unter unterschiedlichen Parametern angewandt. Die Ergebnisse wurden mit internen Validierungsmetriken (Silhouette-Koeffizient, Davies–Bouldin Index) und zweidimensionalen Projektionen (UMAP) qualitativ verglichen. Gaussian Mixture Models erzielten insgesamt die höchsten Ergebnisse gemessen an den Metriken. Die Interpretation der Ergebnisse zeigte homogene Cluster sowie unausgeglichene Cluster mit Nischensegmenten. Strategische Anwendungsmöglichkeiten liegen in der Identifikation von Märkten mit Wachstumspotenzial und der Optimierung von Streckenstrategien. Insgesamt bestätigt die These die Machbarkeit und den Nutzen einer globalen Marktsegmentierung via Clustering, macht jedoch die Bedeutung einer sorgfältigen Auswahl von Merkmalen, Algorithmen und Interpretationsmethoden deutlich.
Abstract
(Englisch)
This thesis presents a comprehensive global clustering analysis of non-directional aviation markets (airport-pairs) based on supply-side features derived from a 2024 flight schedule and enriched with demographic, tourism, and climate data. Multiple clustering algorithms (partition-, density- and distribution-based) were applied under varying parameter settings and data pre-processing techniques. Results were assessed using internal validation metrics (Silhouette Coefficient, Davies–Bouldin Index) and two-dimensional projections (UMAP) for qualitative inspection. Gaussian Mixture Modeling (GMM) delivered the highest internal scores overall. The interpretation of clustering results revealed both evenly-sized clusters, reflecting globally homogeneous markets, and imbalanced clusters, containing niche market segments. Applications for strategic network planning include identifying under-served market opportunities and tailoring route strategies. Overall, this research confirms that clustering aviation markets at a global scale is feasible and valuable, yet demands careful choice of features, algorithms, and interpretability techniques.
Schlagwörter
Schlagwörter
(Deutsch)
Clusteranalyse Flugmärkte Unüberwachtes Lernen Flugindustrie
Schlagwörter
(Englisch)
Clustering Aviation Markets Unsupervised Machine Learning Aviation Industry
Autor*innen
Gloria Widhalm
Haupttitel (Englisch)
Clustering aviation markets
Hauptuntertitel (Englisch)
market opportunity identification through machine learning
Publikationsjahr
2025
Umfangsangabe
xv, 110 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jan Fabian Ehmke
Klassifikation
54 Informatik > 54.72 Künstliche Intelligenz
AC Nummer
AC17624971
Utheses ID
76911
Studienkennzahl
UA | 066 | 977 | |