Data Analytics

L’analytique des données consiste à examiner des données pour répondre à des questions et éclairer les décisions. Elle couvre la collecte et le nettoyage des données, leur analyse au moyen de statistiques et de l’apprentissage automatique, ainsi que la communication des résultats sous forme de rapports, de tableaux de bord et de visualisations de données. Un détaillant qui cherche à savoir quels magasins ont perdu des ventes au dernier trimestre, un hôpital qui estime les admissions de la semaine suivante et une ville qui compte les voitures à une intersection à partir de flux de caméras font tous de l’analytique des données.

Les quatre types d’analytique#

On classe couramment l’analytique selon la question à laquelle elle répond, chaque type s’appuyant sur le précédent :

• Analytique descriptive : Que s’est-il passé ? Les totaux, moyennes, distributions et tendances résument les données passées ; c’est la base des rapports d’entreprise.
• Analytique diagnostique : Pourquoi cela s’est-il produit ? Les analyses détaillées, les corrélations et les comparaisons entre segments recherchent les causes.
• Analytique prédictive : Que va-t-il se passer ? Les modèles statistiques et d’apprentissage automatique prévoient des résultats comme la demande, le taux d’attrition ou les pannes d’équipement.
• Analytique prescriptive : Que faut-il faire ? L’optimisation et la simulation transforment les prévisions en actions recommandées, comme le nombre de caisses à ouvrir.

Les trois premières s’écrivent en quelques lignes de pandas et de scikit-learn sur le jeu de données sur le diabète inclus dans scikit-learn, qui contient 10 mesures de référence pour 442 patients et un score d’évolution de la maladie mesuré un an plus tard :

from sklearn.datasets import load_diabetes
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 442 diabetes patients: 10 baseline measurements and a disease progression score one year later
data = load_diabetes(as_frame=True).frame

# Descriptive: how far did the disease progress?
print(f"progression: mean {data['target'].mean():.0f}, range {data['target'].min():.0f}-{data['target'].max():.0f}")

# Diagnostic: which measurements move with progression?
print(data.corr()["target"].drop("target").nlargest(3).round(2).to_dict())

# Predictive: how well do the measurements forecast progression for new patients?
X_train, X_test, y_train, y_test = train_test_split(data.drop(columns="target"), data["target"], random_state=0)
model = LinearRegression().fit(X_train, y_train)
print(f"R^2 on held-out patients: {model.score(X_test, y_test):.2f}")

L’étape descriptive indique un score moyen d’évolution de 152, sur une plage de 25 à 346. L’étape diagnostique révèle que l’indice de masse corporelle est le plus fortement corrélé à l’évolution (0.59), suivi de la mesure des triglycérides sériques s5 (0.57) et de la pression artérielle (0.44). L’étape prédictive explique 36 % de la variance de l’évolution chez les patients jamais vus par le modèle, soit un R² de 0.36.

Processus d’analyse#

Un projet commence par une question précise et une métrique permettant d’y répondre, puis rassemble les données pertinentes depuis des bases de données, des journaux, des capteurs ou des caméras. Le nettoyage des données et le prétraitement des données corrigent les valeurs manquantes, les doublons et les unités incohérentes ; l’analyse exploratoire représente les distributions et les relations avant toute modélisation. Les analystes appliquent ensuite des méthodes statistiques, l’analyse de séries temporelles ou des algorithmes d’exploration de données, puis présentent les résultats et leur incertitude. Les outils courants sont SQL et les tableurs pour les questions simples, pandas et les notebooks pour l’analyse, les moteurs distribués comme Apache Spark pour les mégadonnées, et les outils de veille stratégique comme Tableau et Power BI pour les tableaux de bord.

Les projets d’apprentissage automatique effectuent la même analyse sur leurs propres données et modèles. Avant l’entraînement, le nombre de classes et les statistiques des étiquettes révèlent les déséquilibres et les biais du jeu de données ; après l’entraînement, une matrice de confusion et des métriques par classe montrent les classes, les conditions d’éclairage ou les tailles d’objets que le modèle identifie incorrectement.

Analytique vidéo#

La vision par ordinateur transforme les caméras en sources de données pour l’analytique. La détection d’objets et le suivi d’objets convertissent chaque image en décomptes, positions et trajectoires, qui se transforment en fréquentation horaire, en indicateurs de gestion des files d’attente comme les temps d’attente, en véhicules par voie ou en taux de défauts par poste de production. Le comptage des personnes et l’analytique de l’occupation dans les magasins et les bureaux, ainsi que la gestion du trafic aux intersections, reposent tous deux sur cette conversion des pixels en tableaux.

La solution d’analytique d’Ultralytics YOLO effectue cette conversion en une seule étape : elle exécute un modèle YOLO26 avec suivi sur chaque image d’une vidéo et affiche les résultats sous forme de graphique dynamique, soit une courbe du nombre total de détections par image, soit un histogramme, un diagramme circulaire ou un graphique en aires des décomptes par classe, qui peut être enregistré dans une vidéo de sortie.

Analytique des données et notions connexes#

• Science des données : un domaine plus vaste qui inclut l’analyse et qui crée également des modèles et des produits de données, comme des moteurs de recommandation, utilisés en production.
• Informatique décisionnelle (BI) : des rapports et des tableaux de bord fondés sur des données d’entreprise sélectionnées, principalement à des fins d’analyse descriptive et diagnostique.
• Exploration de données : étape de découverte de motifs au sein de l’analyse, qui utilise des algorithmes pour trouver automatiquement des associations, des groupes et des anomalies dans de grands jeux de données.