En los últimos años, ha habido un crecimiento rápido en la aplicación de técnicas de ciencia de datos que aprovechan los datos de aviación recopilados de las operaciones de aerolíneas comerciales para mejorar la seguridad. Este documento presenta la aplicación de aprendizaje automático para mejorar la comprensión de los factores de riesgo durante el vuelo y sus cadenas causales. Con la creciente complejidad y volumen de operaciones, la acumulación y análisis rápidos de estos datos relacionados con la seguridad tienen el potencial de mantener e incluso reducir las bajas tasas de accidentes globales en la aviación. Este documento presenta el desarrollo de una metodología analítica llamada Análisis de Seguridad de Eventos de Vuelo (SAFE) que sintetiza la limpieza de datos, el análisis de correlación, el aprendizaje supervisado basado en clasificación y los esquemas de visualización de datos para agilizar la identificación de parámetros críticos y la eliminación de factores tangenciales para eventos de seguridad en la aviación. La metodología SAFE describe un marco robusto y repetible que es aplicable a conjuntos de datos heterogéneos que contienen múltiples aeronaves, aeropuertos de operaciones y fases de vuelo. Se demuestra en datos de Aseguramiento de Calidad de Operaciones de Vuelo (FOQA) de una aerolínea comercial a través de casos de uso relacionados con tres eventos de seguridad. La aplicación de la metodología SAFE produce una lista clasificada de parámetros críticos en línea con las concepciones de expertos en la materia sobre estos eventos para los tres casos de uso. El trabajo concluye planteando cuestiones importantes sobre los niveles de compatibilidad entre el aprendizaje automático y la conceptualización humana de incidentes y sus precursores, y proporciona una guía inicial para su reconciliación.