分析數據是將收集的數據通過加工、整理和分析、使其轉化為信息，通常用方法有：
排列圖
排列圖是一種找出影響產品質量主要因素的圖表方法。
其結構是由兩個縱坐標和一個橫坐標，若干個直方形和一條折線構成。左側縱坐標表示不合格品出現的頻數（出現次數或金額等），右側縱坐標表示不合格品出現的累計頻率（如百分比表示)，橫坐標表示影響質量的各種因素，按影響大小順序排列。直方形高度表示相應的因素的影響程度（即出現頻率為多少），折線表示累計頻率（也稱帕累託曲線）。
舉個例子，例某酒杯製造廠對某日生產中出現的120個次品進行統計，做出排列圖，如下圖所示：
通常累計百分比將影響因素分為三類：佔0%～80%為A類因素，也就是主要因素；80%～90%為B類因素，是次要因素；90%～100%為C類因素，即一般因素。由於A類因素佔存在問題的80%，此類因素解決了，質量問題大部分就得到了解決。
魚骨圖
魚骨圖是一種發現問題「根本原因」的方法，用於質量管理。方法是通過頭腦風暴找出問題的可能原因，並將它們與特性值一起，按相互關聯性整理而成的層次分明、條理清楚，並標出重要因素。
魚骨圖主要分為三種類型：整理問題型魚骨圖（各要素與特性值間不存在原因關係，而是結構構成關係，對問題進行結構化整理），原因型魚骨圖（魚頭在右，特性值通常以「為什麼……」來寫）；對策型魚骨圖（魚頭在左，特性值通常以「如何提高/改善……」來寫）
分層法
將性質相同的、在同一條件下收集的數據歸納在一起，以便進行比較分析。數據分層可根據實際情況按多種方式進行，例如，按不同時間、不同班次進行分層、按使用設備的種類進行分層、按原材料的進料時間、原材料成分進行分層、按檢查手段、使用條件進行分層、按不同缺陷項目進行分層等。
散布圖
散布圖是用非數學的方式來辨認某現象的測量值與可能原因因素之間的關係。用來繪製散布圖的數據必須是成對的(X,Y)。通常用垂直軸表示現象測量值Y，用水平軸表示可能有關係的原因因素X。推薦兩軸的交點採用兩個數據集(現象測量值集， 原因因素集)的平均值。收集現象測量值時要排除其他可能影響該現象的因素。
散布圖的相關關係可分為強正相關（如容量和附料重量）、強負相關（油的粘度與溫度）、弱正相關（身高和體重）、弱負相關（溫度與步伐）、不相關（氣壓與氣溫）和曲線相關。
關聯圖
關聯圖是用來分析事物之間「原因與結果」、「目的與手段」等複雜關係的一種圖表，它能夠幫助人們從事物之間的邏輯關係中，尋找出解決問題的辦法。關聯圖由圓圈(或方框)和箭頭組成，其中圓圈中是文字說明部分箭頭由原因指向結果，由手段指向目的。
矩陣圖
矩陣圖法就是從多維問題的事件中，找出成對的因素，排列成矩陣圖，然後根據矩陣圖來分析問題，確定關鍵點的方法，它是一種通過多因素綜合思考，探索問題的好方法。
常見的矩陣圖有：L型矩陣圖，用來表示兩組事件之間的關係，或關係的程度，也適用於各種結果與原因的關係；T形矩陣圖，用來表示A、B兩組事件及A、C兩組事件，兩兩之間的關係；Y形矩陣圖，是由A與B、B與C、A與C的三個L形矩陣圖所組合而成的矩陣圖；X形矩陣圖，是由A與B、B與C、C與D、D與A的四個L形矩陣圖所組合而成；C形矩陣圖，用來表示A、B、C三組事件的立體空間上的關係；P型矩陣圖。
KJ法
KJ法所用的工具是A型圖解。而A型圖解就是把收集到的某一特定主題的大量事實、意見或構思語言資料，根據它們相互間的關係分類綜合的一種方法。
PDPC法
PDPC法是在制定計劃階段或進行系統設計時，事先預測可能發生的障礙（不理想事態或結果），從而設計出一系列對策措施以最大的可能引向最終目標（達到理想結果）。該法可用於防止重大事故的發生，因此也稱之為重大事故預測圖法。
PDPC法可分為兩種，一種是順向思維法，定好理想的目標，然後按順序考慮實現目標的手段和方法。為了能夠穩步達到目標，需要設想很多條路線。；一種是逆向思維法，從理想狀態開始，考慮實現這個目標的前提是什麼，為了滿足這個前提又應該具備什麼條件。一步一步退回來，一直退到出發點。
吊車尾學院是一家致力於數位化人才培養的教育平臺。我們的授課老師均為國內知名網際網路公司的數據分析師、數據算法工程師，打得了全國競賽，拿得起冠軍獎盃，致力於打造小白也能聽懂並進階的數據分析人才。如果你拒絕不了數據分析的魅力，就不要猶豫地加入我們吧！