数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。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。


具体方法

    数据分析有极广泛的应用范围。典型的数据分析可能包含以下三个步:

    1、探索性数据分析:当数据刚取得时,可能杂乱无章,看不出规律,通过作图、造表、用各种形式的方程拟合,计算某些特征量等手段探索规律性的可能形式,即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。

    2、模型选定分析,在探索性分析的基础上提出一类或几类可能的模型,然后通过进一步的分析从中挑选一定的模型。

    3、推断分析:通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。


分析方法

1、列表法

    将实验数据按一定规律用列表方式表达出来是记录和处理实验数据最常用的方法。表格的设计要求对应关系清楚、简单明了、有利于发现相关量之间的物理关系;此外还要求在标题栏中注明物理量名称、符号、数量级和单位等;根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。最后还要求写明表格名称、主要测量仪器的型号、量程和准确度等级、有关环境条件参数如温度、湿度等。

2、作图法

    作图法可以最醒目地表达物理量间的变化关系。从图线上还可以简便求出实验需要的某些结果(如直线的斜率和截距值等),读出没有进行观测的对应点(内插法)或在一定条件下从图线的延伸部分读到测量范围以外的对应点(外推法)。此外,还可以把某些复杂的函数关系,通过一定的变换用直线图表示出来。例如半导体热敏电阻的电阻与温度关系为,取对数后得到,若用半对数坐标纸,以lgR为纵轴,以1/T为横轴画图,则为一条直线。


3、数据分析主要包含:

    1. 简单数学运算(Simple Math)

    2. 统计(Statistics)

    3. 快速傅里叶变换(FFT)

    4. 平滑和滤波(Smoothing and Filtering)

    5.基线和峰值分析(Baseline and Peak Analysis)


数据来源

    1、搜索引擎蜘蛛抓取数据;

    2、网站IP、PV等基本数据;

    3、网站的HTTP响应时间数据;

    4、网站流量来源数据。


步骤

    数据分析过程的主要活动由识别信息需求、收集数据、分析数据、评价并改进数据分析的有效性组成。


识别需求

    识别信息需求是确保数据分析过程有效性的首要条件,可以为收集数据、分析数据提供清晰的目标。识别信息需求是管理者的职责管理者应根据决策和过程控制的需求,提出对信息的需求。就过程控制而言,管理者应识别需求要利用那些信息支持评审过程输入、过程输出、资源配置的合理性、过程活动的优化方案和过程异常变异的发现。


收集数据

    有目的的收集数据,是确保数据分析过程有效的基础。组织需要对收集数据的内容、渠道、方法进行策划。策划时应考虑:

    ①将识别的需求转化为具体的要求,如评价供方时,需要收集的数据可能包括其过程能力、测量系统不确定度等相关数据;

    ②明确由谁在何时何处,通过何种渠道和方法收集数据;

    ③记录表应便于使用; ④采取有效措施,防止数据丢失和虚假数据对系统的干扰。


分析数据

    分析数据是将收集的数据通过加工、整理和分析、使其转化为信息,通常用方法有:

    老七种工具,即排列图、因果图、分层法、调查表、散步图、直方图、控制图;

    新七种工具,即关联图、系统图、矩阵图、KJ法、计划评审技术、PDPC法、矩阵数据图;


过程改进

    数据分析是质量管理体系的基础。组织的管理者应在适当时,通过对以下问题的分析,评估其有效性:

    ①提供决策的信息是否充分、可信,是否存在因信息不足、失准、滞后而导致决策失误的问题;

    ②信息对持续改进质量管理体系、过程、产品所发挥的作用是否与期望值一致,是否在产品实现过程中有效运用数据分析;

    ③收集数据的目的是否明确,收集的数据是否真实和充分,信息渠道是否畅通;

    ④数据分析方法是否合理,是否将风险控制在可接受的范围;

    ⑤数据分析所需资源是否得到保障。


意义


    在产品的整个寿命周期,包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程,以提升有效性。例如J.开普勒通过分析行星角位置的观测数据,找出了行星运动规律。又如,一个企业的领导人要通过市场调查,分析所得数据以判定市场动向,从而制定合适的生产及销售计划。因此数据分析有极广泛的应用范围。


X