数据是事实，也称观测值，是实验、测量、观察、调查等结果，常以数量的形式给出。数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。
一个企业或组织目前的质量管理水平如何?质量技术基础如何?影响质量的关键因素是什么?过程存在哪些问题和缺陷?应当针对性的采取什么质量改进措施?如果仅有一些主观概念和总体性笼统的评价，而没有准确、详尽基础数据分析支持，这些问题是永远无法解决的。正如ISO9001标准的第8.4条“数据分析”所表述：“组织应确定、收集和分析适当的数据，以证实质量管理体系的适宜性和有效性，并评价在何处可以持续改进质量管理体系的有效性。”无论是质量标准要求的“基于事实的决策方法”，还是《卓越绩效评价准则》的核心价值观“基于事实的管理”，都不单是一个需要我们掌握的科学管理观点，而是一个需要我们付诸实际的科学行动，这个行动就是数据分析工作。
1.数据分析的步骤
要开展数据分析工作，首先要明确4个方面的问题：
1)需要收集、统计和分析哪些数据?
2)收集、统计和分析这些数据的目的是什么?
3)收集、统计和分析这些数据的方法有哪些?
4)如何利用这些数据的收集、统计和分析的结果来提高工作质量和产品质量?
因此，开展数据分析工作一般有以下步骤：
1)编制数据分析项清单;
2)确立每一数据分析项的目的;
3)建立适宜的数据分析数学模型;
4)收集原始数据;
5)获得预期的统计数据;
6)对统计数据进行分析、判断，找出问题点;
7)对问题点进行原因分析，找出主要原因;
8)针对问题点的主要原因，制定改进措施;
9)实施改进措施。
2.数据分析的实施
根据开展数据分析工作的一般步骤，依次从以下9个方面实施数据分析。
1)编制数据分析清单
企业或组织在不同时期所需要的数据分析项是不同的，应适时结合实际情况的变化及时进行调整。可根据实际，编制数据分析项的年度、季度或月度清单，以适应数据分析动态变化的需要。
2)确立数据分析项的目的
数据分析必须要有明确的目的，为数据分析提供准确的方向，以避免盲目、无效的数据分析，确保数据分析的实用性。
数据分析有两方面的主要目的：一是“证实质量管理体系的适宜性和有效性”;二是“评价在何处可以持续改进质量管理体系的有效性”。
数据分析项的目的一般宜用文件化形式明确，既可在编制数据分析项清单时列明，也可单独成文。
3)建立数据分析数字模型
根据每一数据分析项的目的，逐一建立适宜的数据分析数学模型，以确立其需收集的原始数据、基于原始数据的预期统计数据，并明确适宜的统计周期，以及适宜的统计工具和方法。数据分析数学模型设计应充分结合企业或组织自身的运作实际，以保证预期统计数据的客观性、合理性和实用性。
4)收集原始数据
根据所建立的数据分析数学模型，确立数据收集方式，客观收集原始数据，建立原始数据库予以储存。数据收集应遵循客观、真实原则，避免使用人为选择的数据、主观猜测的数据和其他虚假的数据。其中：
①需要以现场测量方式得到的数据，必须用有效的计量器具现场实测方式获得;
②需要以调查方式得到的数据，调查对象及其范围必须要有足够的代表性、客观性。
5)获得统计数据
根据确立的数据分析数学模型，使用适宜的统计方法，对原始数据进行统计，获得预期的统计数据。对原始数据进行合理分层、分类是关键。就如绘制直方图的数据分组应合理一样，原始数据的分层、分类将影响下一步分析、判断结果的准确性。
6)通过分析、判断找出问题点
使用适宜的分析、判断工具，对统计数据进行分析、判断，找出需改进点，获得管理体系适宜性和有效性信息，发现管理体系不适宜和失效区域，并制作相应的数据表格和分析图表。这里所指的适宜的分析、判断工具包括：
①排列图：用于找出“关键的少数”;
②直方图：通过形象显示数据的分布，分析导致质量异常的因素;
③因果图：用于判断两个质量因素之间的相关性;
④控制图：用于判断生产过程是否异常及导致异常的因素。
7)找出问题点的主要原因
分析导致不良问题、管理体系不适宜和失效的产生原因。对质量问题进行原因分析应从“人、机、料、法、环”5大方面入手，一般采用头脑风暴法辅以适当的分析图进行分析。核实、判断分析出来的原因是否为主要原因，一般可使用直方图、因果图和控制图等数据分析工具。
8)制定改进措施
根据数据分析结果，制定改进措施实施计划，明确需改进点的改进措施，针对管理体系不适宜和失效区域进行修订和完善措施，以及这些措施的实施责任。制定改进措施及其实施计划应符合“SMART准则”。所谓“SMART原则”，就是制定措施和方法必须是具体的(Specific)、可测量的(Measurable)、可实现的(Achievable)、相关的(Relevant)、和有时间限制的(Time-bound)。所以，我们制定的改进措施及其实施计划应满足以下要求：
①有明确的目的。应明确每项措施所针对的质量问题原因。针对每一项主要原因，一般应有一个以上的控制措施。
②措施应该对事不对人。措施的`重点应该落在如何消除主要原因上，仅仅对质量问题责任进行追究的惩罚措施是远远不够的。提倡对管理理念、管理方法、制度进行更新和改进的措施，不鼓励对质量问题责任进行追究的惩罚措施。
③有明确的目标。应明确每项措施实施后应达到的具体可量化效果。
④措施必须切实可行，具体详细，有较强的可操作性。切忌口号、标语式的措施，应该杜绝“加强……”、“严格执行……”等类似措施;杜绝形式主义、走过场的措施。措施必须实实在在，真正落实到实处。提倡多一些细微的日常改进措施，不鼓励运动式、一阵风式或大张旗鼓式的措施。
⑤制定措施的同时必须同时落实措施的实施责任者、实施期限和监督责任者。
⑥措施应平衡相应质量问题的经济风险性考虑，既不提倡过分顾及成本而不愿意投入足够资源，也不提倡不计成本、“杀鸡用牛刀”而浪费资源。
9)实施改进措施
根据改进措施实施计划，由实施责任者实施措施，监督责任者监督和验证改进措施的实施，相关人员按部就班、各司其责实施，直至改进措施关闭。
实施改进措施应该注意的问题有：
①所有制定的措施必须切实、不错不漏地执行，杜绝打折扣甚至不执行的现象。
②对一些长期性的措施必须持之以恒，切忌“一年不如一年，一天不如一天”或“三天打鱼，两天晒网”的现象发生。
③对措施实施中所发现存在的问题，实施人员必须及时如实反馈，并由相关人员及时调整措施，再实施。
④维护既定实施限期的严肃性。措施必须在限期内完成，有合理理由延期的，必须经正式的审批。
⑤实施过程中，监督责任人员的责任必须到位，履行好监督职责，及时指正实施过程中的不良偏差。
在措施实施完成后，应通过事实验证控制措施的实施效果，而非主观的感观。这里所指的事实就是：措施实施后质量问题再次出现的次数、所造成损失与措施实施前的对比;管理体系不适宜和失效区域经完善后，是否仍然存在漏洞。
值得注意的是，一些措施的实施效果不能以随机抽查的某一次数据或一段很短时间内的数据来说明问题，必须以完整的数据或较长一段时间的数据来验证，以保证实施效果验证的客观真实性。
经实施验证，对那些能够有效地减少质量问题再次出现的次数和损失的措施，我们应该加以系统地总结，纳入企业或组织的管理制度等中，是这些有效的措施文件化固定下来，形成标准化，帮助我们在今后对类似的质量问题进行管理时少走弯路，少做一些不必要的重复工作，并使质量问题得到有效预防，使生产一次达到标准，明显降低类似质量问题的反复出现的频次。
改进措施无效的原因往往有以下几种：
①原始数据不真实、不客观，存在虚假和主观数据，导致所指向的质量问题原因不准确，即措施的源头不准确。
②原因分析不彻底，浅尝辄止和浮在表面，找到的是一些表面上的原因，而非根源性的末端原因，导致制定和实施的措施只是一些表面措施。
③末端原因判断不准确，将一些对造成管理问题是次要的、偶然性的或我们不可控制的末端原因确立为控制对象，造成事倍功半、劳而无功。
④措施不合理，可操作性差;或措施片面对管理问题现象本身而非末端原因;措施配套的资源投入不足，或措施的投入需求过分昂贵，导致措施无法实施;措施对人不对事，片面强调对管理问题责任的处罚，而非如何对问题进行改进。
⑤措施执行不到位，实施责任没有切实地得到落实，拖延实施，或监督人员责任履行不力，造成措施没有得到切实执行。
⑥数据模型或原始数据收集、统计不合理，无法正确反映管理问题的客观真实情况，导致数据分析不正确。
所以，改进措施无效是，应从上述原因入手，重新分析、判断、查找原因、制定措施和实施措施，对各个步骤进行修正，直至改进措施有效为止。
在上述9个步骤实施完成后，应重新从“编制数据分析清单”开始，进入新一轮的数据分析循环。数据分析实施步骤是一个“PDCA”循环。采用永不停步的PDCA循环来解决质量问题，可以是质量问题的数量和算是随着每一轮循环的完成而明显减少，由此而带来的绩效是可观的。特别是通过数据分析方法的精确分析和判断，有效减少改进过程的盲目性和失误，能够最大限度地提高改进的效率。
企业或组织在质量管理数据分析管理稳定成熟的条件下，可将数据分析管理形成管理制度或标准，将数据分析方法纳入其他管理体系中应用。
