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：

排列图

排列图是一种找出影响产品质量主要因素的图表方法。

其结构是由两个纵坐标和一个横坐标，若干个直方形和一条折线构成。左侧纵坐标表示不合格品出现的频数(出现次数或金额等)，右侧纵坐标表示不合格品出现的累计频率(如百分比表示)，横坐标表示影响质量的各种因素，按影响大小顺序排列。直方形高度表示相应的因素的影响程度(即出现频率为多少)，折线表示累计频率(也称帕累托曲线)。

举个例子，例某酒杯制造厂对某日生产中出现的120个次品进行统计，做出排列图，如下图所示：

通常累计百分比将影响因素分为三类：占0%～80%为A类因素，也就是主要因素；80%～90%为B类因素，是次要因素；90%～100%为C类因素，即一般因素。由于A类因素占存在问题的80%，此类因素解决了，质量问题大部分就得到了解决。

鱼骨图

鱼骨图是一种发现问题“根本原因”的方法，用于质量管理。方法是通过头脑风暴找出问题的可能原因，并将它们与特性值一起，按相互关联性整理而成的层次分明、条理清楚，并标出重要因素。

鱼骨图主要分为三种类型：整理问题型鱼骨图(各要素与特性值间不存在原因关系，而是结构构成关系，对问题进行结构化整理)，原因型鱼骨图(鱼头在右，特性值通常以“为什么……”来写)；对策型鱼骨图(鱼头在左，特性值通常以“如何提高/改善……”来写)

分层法

将性质相同的、在同一条件下收集的数据归纳在一起，以便进行比较分析。数据分层可根据实际情况按多种方式进行，例如，按不同时间、不同班次进行分层、按使用设备的种类进行分层、按原材料的进料时间、原材料成分进行分层、按检查手段、使用条件进行分层、按不同缺陷项目进行分层等。

散布图

散布图是用非数学的方式来辨认某现象的测量值与可能原因因素之间的关系。用来绘制散布图的数据必须是成对的(X,Y)。通常用垂直轴表示现象测量值Y，用水平轴表示可能有关系的原因因素X。推荐两轴的交点采用两个数据集(现象测量值集， 原因因素集)的平均值。收集现象测量值时要排除其他可能影响该现象的因素。

散布图的相关关系可分为强正相关(如容量和附料重量)、强负相关(油的粘度与温度)、弱正相关(身高和体重)、弱负相关(温度与步伐)、不相关(气压与气温)和曲线相关。

关联图

关联图是用来分析事物之间“原因与结果”、“目的与手段”等复杂关系的一种图表，它能够帮助人们从事物之间的逻辑关系中，寻找出解决问题的办法。关联图由圆圈(或方框)和箭头组成，其中圆圈中是文字说明部分箭头由原因指向结果，由手段指向目的。

矩阵图

矩阵图法就是从多维问题的事件中，找出成对的因素，排列成矩阵图，然后根据矩阵图来分析问题，确定关键点的方法，它是一种通过多因素综合思考，探索问题的好方法。

常见的矩阵图有：L型矩阵图，用来表示两组事件之间的关系，或关系的程度，也适用于各种结果与原因的关系；T形矩阵图，用来表示A、B两组事件及A、C两组事件，两两之间的关系；Y形矩阵图，是由A与B、B与C、A与C的三个L形矩阵图所组合而成的矩阵图；X形矩阵图，是由A与B、B与C、C与D、D与A的四个L形矩阵图所组合而成；C形矩阵图，用来表示A、B、C三组事件的立体空间上的关系；P型矩阵图。

KJ法

KJ法所用的工具是A型图解。而A型图解就是把收集到的某一特定主题的大量事实、意见或构思语言资料，根据它们相互间的关系分类综合的一种方法。

PDPC法

PDPC法是在制定计划阶段或进行系统设计时，事先预测可能发生的障碍(不理想事态或结果)，从而设计出一系列对策措施以最大的可能引向最终目标(达到理想结果)。该法可用于防止重大事故的发生，因此也称之为重大事故预测图法。

PDPC法可分为两种，一种是顺向思维法，定好理想的目标，然后按顺序考虑实现目标的手段和方法。为了能够稳步达到目标，需要设想很多条路线。；一种是逆向思维法，从理想状态开始，考虑实现这个目标的前提是什么，为了满足这个前提又应该具备什么条件。一步一步退回来，一直退到出发点。

吊车尾学院是一家致力于数字化人才培养的教育平台。我们的授课老师均为国内知名互联网公司的数据分析师、数据算法工程师，打得了全国竞赛，拿得起冠军奖杯，致力于打造小白也能听懂并进阶的数据分析人才。如果你拒绝不了数据分析的魅力，就不要犹豫地加入我们吧！