Data Analytics

数据分析是通过检查数据来回答问题并辅助决策的实践。它包括收集和清理数据、使用统计学和机器学习分析数据，以及通过报告、仪表板和数据可视化传达结果。零售商询问哪些门店上季度销售额下降，医院预测下周的入院人数，城市根据摄像头画面统计十字路口的车辆，这些都属于数据分析。

分析的四种类型#

分析通常根据所回答的问题分为不同类型，每种类型都建立在前一种类型的基础上：

• 描述性分析：发生了什么？总计、平均值、分布和趋势用于概括历史数据，是商业报告中的常见内容。
• 诊断性分析：为什么会发生？通过下钻分析、相关性分析和不同细分群体之间的比较来查找原因。
• 预测性分析：将会发生什么？统计学和机器学习模型会预测需求、客户流失或设备故障等结果。
• 处方性分析：应该采取什么措施？优化和模拟会将预测结果转化为建议行动，例如应开放多少条收银通道。

使用 scikit-learn 随附的糖尿病数据集，只需几行 pandas 和 scikit-learn 代码就能完成前三种分析。该数据集记录了 442 名患者的 10 项基线测量值，以及一年后的疾病进展评分：

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}")

描述性分析得出，疾病进展评分的均值为 152，范围为 25 至 346。诊断性分析发现，体重指数与疾病进展的相关性最强（0.59），其次是血清甘油三酯指标 s5（0.57）和血压（0.44）。预测性分析显示，对于模型从未见过的患者，疾病进展的方差中有 36% 可由模型解释，即 R² 为 0.36。

分析流程#

项目从明确的问题和回答该问题的指标开始，然后从数据库、日志、传感器或摄像头中收集相关数据。数据清理和数据预处理会处理缺失值、重复数据和不一致的单位；在建模前，探索性分析会绘制分布和关系图。分析人员随后应用统计学、时间序列分析或数据挖掘算法，并连同不确定性一起报告结果。常用工具包括：用于小型问题的 SQL 和电子表格、用于分析的 pandas 和笔记本、用于大数据的 Apache Spark 等分布式引擎，以及用于仪表板的 Tableau 和 Power BI 等商业智能工具。

机器学习项目会在自己的数据和模型上执行同样的分析。训练前，类别数量和标签统计可以揭示类别不平衡和数据集偏差；训练后，混淆矩阵和逐类别指标则能显示模型在哪些类别、光照条件或物体尺寸上表现不佳。

视频分析#

计算机视觉将摄像头转化为数据分析的数据源。目标检测和目标跟踪会将每一帧转换为计数、位置和轨迹，并汇总为每小时人流量、排队管理指标（例如等待时间、每条车道的车辆数）或每个生产班次的缺陷率。商店和办公室中的人数统计与占用率分析，以及十字路口的交通管理，都基于这种将像素转换为表格的过程。

Ultralytics YOLO 的分析解决方案可以一步完成这一转换：它在视频的每一帧上运行带跟踪功能的 YOLO26 模型，并将结果绘制为实时图表。图表可以是每帧检测总数的折线图，也可以是按类别统计数量的柱状图、饼图或面积图；结果还可以写入输出视频。

数据分析与相关术语的区别#

• 数据科学：一个更广泛的领域，涵盖数据分析，也会构建模型和数据产品，例如投入生产环境运行的推荐引擎。
• 商业智能（BI）：基于整理后的公司数据生成报告和仪表板，主要进行描述性和诊断性分析。
• 数据挖掘：数据分析中的模式发现环节，通过算法自动从大型数据集中寻找关联、簇和异常。