⑴ excel做敏感性分析的教程
Excel 中经常需要做铭感性分析，具体该如何做呢?接下来是我为大家带来的excel做敏感性分析的教程，供大家参考。
excel做敏感性分析的教程：
敏感性分析步骤1：建立基础数据
可以利用EXCEL的滚动条调节百分比值
敏感性分析步骤2：多因素变动对利润的综合影响
1、计算预计利润额
利润额=销售量*(产品单价—单位变动成本)—固定成本
2、计算变动后利润
变动后的利润=变动后的销量*(变动后产品单价—变动后单位变动成本)—变动后的固定成本
利用EXCEL输入公式，就可以看到滚动条的变化，随之带来的变化的数值变化。
敏感性分析步骤3：分析单因素变动对利润的影响
敏感性分析步骤4：利用利润敏感性分析设计调价价格模型
1、基础数据
2、利用EXCEL模拟运算表，求出在单价、销量变化时的利润。最后用有效性把大于某个数据的值标为黄颜色。
⑵ 怎么提高敏感度最有效的方法（5招训练你的数据敏感度）
真正的数据分析大神是怎样的？有人说能轻松玩转各种分析工具，有人说能从海量数据中找到关联，有人说能一眼识别出报告中的数据异常，还有人说能够撰写一份经典的数据分析报告。
其实对于一个数据大神，这些都是必备技能，要想练就这样的十八般武艺，最重要的就是提高自己的数据敏感度。
所谓数据敏感度，就是善于洞察数据和业务间的联系，一个优秀的数据分析师，总能快速洞察出数据背后的问题和对业务的指导意义。
如果这家餐厅也做外卖，那么给他一个复购率的数据，就能很快判断出菜品的竞争力，给他一个订单量的趋势变化图，就能很快判断出门店经营中可能存在的问题。
做到这种程度需要大量的经验积累和可以训练，那么作为一个数据分析师，怎么刻意训练自己的数据敏感度呢？本文提出了5种方法，希望对你有所帮助。
熟悉行业和业务
做数据分析时，洞察数据必须结合业务，提高数据敏感度的基础就是需要对业务有深刻的认识。
从纵向看，需要熟悉自家业务的历史数据和发展趋势，从横向看，需要熟记同行业各指标平均水平和重要竞争对手的重要数据。
注意，这里所说的熟悉不仅仅停留在报表上，还要多深入一线和业务人员多交流，对每一项数据背后的含义加深理解。
做到什么程度呢，比如，拿到公司业务的一个数据，就要迅速判断出是否存在异常，以及在行业中处于的水平，还要衡量提高该项数据的投入产出比。
除了对业务的了解，我们在日常生活中，也应多积累一些重要的数据和规律，比如人才离职率、各区域的地租价格、各行业各地区平均薪资、各行业利润率、各行业的关键指标和基本规律，对于我们更全面分析业务是有价值的。
提高记忆能力
对于常常跟数据打交道的人，记忆各种各样的行业和业务数据是必然要求，但每个人记忆力有好坏之分，这里介绍一些帮助提高记忆能力的小技巧。
1）通过公式记忆。
比如在电商行业，记住一个【收入=流量*转化率*客单价*复购率】的核心公式，就可以间接记住四个最重要的指标。记住关键指标后，再记对应数据。
对于一般的指标我们只需要记住小数点前的部分，甚至可以把零头去掉记住相近的整数即可。
2）常看报表。
无论是自家还是竞争对手的业务数据，以及行业的分析报告，都是常看常新的，每读一遍都会有新的思考。
3）好记性不如烂笔头。
提高心算能力
优秀的数据分析专家，不会让计算成为快速洞察的障碍，通常都精通心算。我建议大家在日常生活中尽量少用计算器，提高心算能力。
提高逻辑推理能力
逻辑推理简单来说就是通过已知推断未知，一个出色的数据分析专家，即便进入一个不熟悉的行业，基于常识也能将商业模式和利润率估算得七七八八。
在公司业务上，数据分析大神们总能通过数据关联的蛛丝马迹，从底层逻辑一点点往上推导，思维严密，得出让人信服的结论。
当然，强大的逻辑推理能力也依靠多年的刻意练习。怎么刻意练习？
在我们以后的推导过程中，要注意两点，一是从底层逻辑出发，二是在推导时不断从各个角度反问自己，直到拿出问不倒的结论。
此外，闭门造车是不妥的，最好的也是最笨的方法是，多去复盘大神们做的数据分析报告，模仿他们的分析思路推导过程，自己再重做一遍。
选对工具很关键
提高数据敏感度，重在透过数据看本质。但很多传统的数据分析工具（如Excel、SQL），一上来就让用户直面密密麻麻的数据，既被枯燥的数据打断思路，影响效率，也不利于我们分析思维的养成。
相比之下，一款专业的数据分析，比如我在用的 FineBI ，就有一套自助分析的流程。当我们要分析杂乱无章的数据时，它不会上来就展示这些枯燥的数据，FineBI会在我们开始分析之前，让我们先思考想要什么，明确目标后选择对应的操作，然后选出相关的指标数据，一步步靠近目标。
抽丝剥茧，FineBI可以引导我们一步步找出关键指标。
数据处理时，我们可以在FineBI的帮助下，抽丝剥茧，洞察数据中的关键指标。
数据敏感度的提升，来源于对业务的各个细节和背后的含义的认识，这是一项长跑运动，并非一朝一夕就能习得。在生活中刻意培养上面这些小习惯，能够帮助我们提高数据敏感度，实现数据分析师到商业分析师的进阶。
⑶ 如何培养财务人员的数字敏感度
在我们会计工作中如何培养对数字的敏感度？很多时候我们对数字没有多大概念，我们虽然知道计算规则，比如150-50=100，知道如何计算固定资产折旧，但是却不知道这个数字背后的含义。现实职场的工作是服务于商业社会的，每个数字背后都隐藏了特有的含义，要么代表了一个资产（可以是有形的或是无形的）；要么代表了一项债务或是一项资本。总之一个数字背后都有其对应的东西，这就是数字的敏感性。
既然每个数字都有对应的东西，那它就要符合自然界、符合我们这个社会的规则，而不仅是数字的规则。会计行业中特别讲究这种东西，各种各样的数据代表的是商业的行为，数字背后的商业行为要辅助现有的商业决策，所以作为财务我们要培养数字的敏感性。
再开聊之前先导入一个职场的案例：
某公司的财务总监A负责付款审批(报销费用、年会费用、采购费用等等)，当然他前面还有其他人签批（B、C、D）。
这个月行政部报销一笔5万元的清洁费用。行政专员提交费用申请，行政部门负责人签字确认（有这个事情，而且的确要本月付款）；签完字审批单就流转到财务部门，基层财务人员C确认签字（审核附件支撑是否正确），并及时记账；财务经理B审批确认（看一下账务处理有没有错）；最后到财务总监A的手里，做最后的把关。这个时候如果你是A，你会不会从头看一遍呢？当然A有可能会看，也有可能不会看。什么情况下会不看呢？当然是他心里有把握，有底的时候。因为他知道公司一个月发生的清洁费大概就是5万元左右。但是如果申请单上的金额是8万呢？那是A肯定都不用细看，就会说：“哎，怎么回事啊？你这个有异常，经理B你去查查清楚好不好，差别太大的你写清楚原因。”两个不同的数字，引起两种截然不同的效果，这就是数字敏感性的存在。
月初税务会计D，计算每个月要交多少增值税，做税务申报，算出来之后交财务经理B审核，然后财务总监A审批，A审批完最后总经理审批同意，确认支付税款。
公司税务会计D工作两年，数字敏感度不够，以前工作中也被B讲过多次，但是每个人的成长速度不一样，还没有修炼到家。这个月，刚好财务经理B休假了，D计算完税款之后直接找总监A审批。
A一看报表5秒钟就发火了：“你怎么回事啊，我们去年一年的税款才1200万，这个月怎么就400万了？回去检查去。”
D回去之后就在想：“怎么回事啊？我很用心计算了啊。我知道B不在，怕出错，更是特别谨慎的计算了啊。”
结果查来查去发现问题了，400万确实多了，本月实际应交的增值税是115万。问题再哪呢？原来400万是1-4月的累计数，D把累计数填到了本月数去了。因为没人给她检查，她自己又检查不出来。这个时候财务总监A一看就发现了数字的逻辑性不对。
大家回想一下你们工作中有没有发生过这样的事情：辛苦做了半天的报表被上司几秒钟就发现问题。当然有的财务总监、财务领导不会像A这样当场发火，可能会笑眯眯的跟你说。有的话就是你的数字敏感性不够。那财务人员如何培养数字的敏感度？接下来从以下四个方面分享一下：
第一：数字和财务的关系。
数字和财务的关系。我们知道差旅费报销时：出差有火车票、飞机票、住宿费、外地餐饮费等，这就形成了一个数字，一趟回来费用5000元，就要填写报销单申请报销，单子审核过后要付钱做账，这就形成了财务报表上差旅费的一个数字。财务报表就是有这样的N多的数字构成的。这是财务的基本做法。任何一个经济行为体现在公司里面只要跟钱、数字有关都会最终以财务报表的形式体现出来。
D要申报增值税的案例中，我们发现有三个数字很重要：第一个数字1200万，为什么A一下字反应出来了1200万呢？因为去年一年的增值税纳税总额1200万是这家公司会计的常识。
可以说每一个做到财务经理、总监的人对于她所服务的企业都有一个会计的常识。这样说可能大家不太理解，我们换个方式来说，你现在问你们的财务经理、财务总监公司的收入、利润、成本、税收、毛利率，增长率等等这些重要的指标，他们脑子里是清清楚楚的，这不是因为别的，就是因为会计的常识。
大家反思一下自己，处于自己的职位，你们有多少的会计常识呢？我们经常讲我要学点东西，特别是会计小白最容易说：“我去这家公司工作主要是考虑到能不能多学点东西，让自己有所成长。”那么现跟大家有没有发现，会计常识就是我们大家要学的东西。不要以为高深的会计理论才是我们要学的，理论虽然要学，但是会计的经验、会计的常识才是基本的。
实例中的1200万是会计常识，D辛苦算出来400万是第二个重要的数字，它是现实数字，也是一个具有故事的数字。财务总监A一看这个数字不对，400万跟实际的情况发生矛盾了，也就是这个现实数字违背了会计常识，肯定有问题。这就是数字敏感性，背后有会计常识的存在。D最后重新算出来的数字115万是第三个重要的数字，财务总监看到115万，为什么给她签字了呢？如果不是年末的话，假使D一开始出来的数据就是115万，B不在，A很有可能都不细看115万是怎么算出来的。因为他看到115万的数字，心里一想去年是1200万，摊到每个月就是100万，100万有个升降的幅度，可能是今年的业绩增长了。所以D算出来的115万，就姑且不看算的究竟对不对了，即使不对下个月再调整就是了。
我们经常会发现有些财务总监、财务经理整天说说笑笑，好像没什么事情，那是因为他们的数字敏感性高，很多事情他们一下字就处理完了，就有时间去做别的事情。这是我们要向财务总监学习的很重要的点。
1200万、400万、115万这三个数字就构成了三方面的内容，第一个是会计常识，第二个是现实的数字有没有违背常识，第三个是需要修正到会计常识的可理解范围之内。115万就是100万可允许变动的范围之内，这三点非常重要，贯穿于整个财务工作当中。
如果你是应收会计，起码闭着眼睛就能说出应收账款的余额大概是什么数，这就是一个会计常识。你这家公司是制造业，去年应收账款大概是1200万左右，如果今年某一个月做出来是2000万，那你第一意识就应该是“我是不是做错了？”然后去检查，这样你上报领导的时候，领导对你的印象会非常好，因为你经常不出错啊。其实不是你不出错，而是你自己已经检查过了。做费用也一样，每个部门，每个月大概会产生多少费用，都在掌握之中，都是会计常识。做到经理掌握的会计常识就更多了，我们的费用、应收、应付、资产、负债、利息每个月大概多少钱，知道的清清楚楚，这就是每个人的经验，每个人常年积累下来的会计常识。
讲了这么多，最重要的一点是要想提高对数字的敏感度就要先修炼你的会计常识。
第二：数字对财务的重要性。
数字对财务就好比空气对动物的重要性，关乎生命，如果你不喜欢数字而去做财务、做会计，你是走不远的，说不定做个一两年或是一段时间就转做销售了。数字就是财务的空气。为什么这么说呢？我们来分析一下财务和会计整天做的事情是什么：固定资产管理、费用报销、税务申报这些都是数字的来源，财务部门有很多岗位，每个岗位职责不同，职责不同每个人负责的东西就不同，每个东西的最前端其实是不同的业务，我简单的来分一下。不同的业务部门产生不同的数字：销售、采购的业务会产生应收、应付；生产部门会产生成本或是存货；研发部门会产生无形资产、研发费用；后勤部会产生人工工资等等。每个部门都会产生对应的费用。
大家发现没有，财务部门一天忙到晚都在干一件事情，那就是在记录各部门的商业行为。
财务的任务就是把商业行为转化成财务的数字，最终形成财务的报表（资产负债表、利润表、现金流量表等等）。财务的报表又用来支持明年的商业决策。老板通过报表可以发现：公司有1个亿的资金，那明年可以用来做一些投资，让闲置资金动起来，钱生钱；原先投资的项目回报不怎么样，可以调整策略；应收账款周转不灵，要剔除一些坏的、差的客户。这就是用财务数据来支持商业决策。
所以，要培养数字的敏感度，就要了解每个数字背后的商业行为。
第三：只会算数的财务不是称职的好财务。
财务人员只会算数是不称职的。一个称职的财务不能只会算数字。比如财务人员C她每月统计应收账款，知道应收账款每个月的余额，余额可以分解成多少公司也知道的清清楚楚。她是不是只要每个月按时把应收账款表提交给领导就行是称职了呢？
如果公司的应收账款常识是1200万，这个月她统计的是2000万，就这么提交了，总监一看报表，5秒不到又要挨骂，回头一查，统计重复了。
公司使用ERP，前面下单的人同一家公司使用了不同的编码。造成这个结果的原因，可能是这个客户不是经常有业务往来的客户，可能2年前有过合作也有可能这个公司改名字了，但是业务员不知道，申请编号的时候重复了。那你在做应收账款统计的时候有没有合并同类项呢？做一名称职的财务，计算应收账款的时候要检查有没有算重复，有没有算漏了。
大家想做一个称职的财务，培养自己的敏感度，可以列出自己岗位的关键指标，每一天都看看，感受每一个数字背后的支撑和逻辑。
第四：要讲清楚数字背后的故事。
当D把税表做出来的时候，面对400万的增值税他从来没有想过数字背后的故事。我们整理的财务数据的来源是商业行为，财务数据最好反哺支持公司的商业决策。从业务到财务数据其实有5个步骤：
报表前的工作就是会计核算，报表后的工作主要做两件事情。第一是解读、分析：像预算、财务分析是报表后的岗位，对报表的各个指标进行分析，讲出他的原因。第二件事就是检查。其实很多公司都是一边做分析，一边发现问题，发现这个月少计提了什么，某项成本漏结了，月结结束后还在动成本。为了尽量减少这种情况，很多企业会在之前做个预估；或是做个月结时间进度表，按着时间进度表去一项项完成。
报表后的工作要用报表检阅和分析的角度去验证数字的准确性。尤其是管理不是很好的企业，应收账款经常挂错科目，或者是挂错对象。因为他搞不清楚数字背后的故事。这家为什么是200万的应收，为什么没有按时回款。知道200万应收背后故事的人就会跟领导说：“这个200万是因为这家企业在XXX项目上砸的钱，导致资金断裂了，预计XX时候才能回血、回款。”
一个好的财务领导能把这些数字背后的故事说的清清楚楚。在举个例子，经常会发生税务人员对某一家公司进行稽查，做税的会计就很害怕啊：“又来稽查了，说我这个地方不对，那个地方漏税，哪有啊，我怎么没有发现。”基层的税务会计就报给领导，领导一听，这有什么啊，我来应付。稽查人员来了，财务领导劈里啪啦解释一通，OK，过关了。因为他讲清楚了数字背后的关系，讲清楚了数字背后故事及逻辑性，说明了数字代表的商业行为。稽查人员一听，哦，没有漏税啊，商业行为的性质原来事这样啊，对应的合同有，对应的纳税时点、计算也准确，那就是真的没问题了。
如果你是基层的税务会计，你有没有读懂数字背后的含义？你能跟税务局解释数字背后的商业行为么？如果可以说明你是很OK。应收、应付、税务、资金的管理、出纳、预算的分析等等，只要是每一个数字，我们都要能讲清楚背后的含义及故事。这里推荐给大家一个做法：报表报送前，先拿铅笔对着每一个数据，在能过清楚知道其背后含义的数字后面打勾，符合你的会计常识的数字后面也用铅笔打个勾，自己先验证每个数字的准确性，确保准确。全部打完后再发送。
最好我们总结一下前面讲的例子中，包括了四个层次的岗位，每个层次的岗位都要讲清楚数字背后的含义，但是重点是不一样的。
C——基础会计：底层的会计要求弱一点，如果自我要求高，对每个数字都研究的很细的话最好。要做到到有依有据，就是说做账凭证要齐全，包括内外部原始单据、签批的流程，数字产生的合理性，不要挂错科目、客户、供应商、个人。
D——专业会计：复杂的会计要做到准确时效。做报表分析的人要做到准确跟时效，会计常识要像崩紧了的弦一样刻在脑子里，一看到费用这么多，就发现不对，立马向下个层次的人要明细，找原因。
B——财务经理：重点在对变动的解释。合理的异常，要备注清楚，把故事讲清楚。
A——总监：重点考虑业务的逻辑性。有了上面几个层次的基础，他可以重点考虑业务的逻辑性。
很多时候发现领导不是很忙，就是因为下面的人已经看了很多遍，到他那一步只要考虑商业行为的逻辑性就可以了。
会计的常识、现实的数据、前端的商业行为之间的关系对我们培养数字敏感度有着非常重要的作用。
⑷ 想拿高薪的数据分析er必看：如何提升数据敏感度
作为一名数据分析师，你是否会羡慕这种人：他能一眼看出你做的PPT里面的数据有异常，随时能提出一个数据证明你的小结论有问题，然后用一个数据问题迅速推翻你整个报告的结论。你害怕他这种能力，因为他的能力结果就是你耗费心力做了很久的分析，全都是无用功，要重新做；另一方面，你又很羡慕他能拥有这种能力，同时希望自己也有，这样子就能提高工作效率，减轻工作负担。
那么他拥有的这个能力是什么呢？他拥有的是 数据敏感度 。这种人非常的有逻辑，同时对于你的汇报他有绝对否定权，更让人羡慕的是，他有着极强的数据敏感度。什么是数据敏感度？能通过后天练习得到提升吗？下文会给你答案。
所谓的数据敏感度，就是在看到数据后，能马上思考数据本身的商业意义，有人能快速定位数据背后的原因和业务之间的联系，并找到机会，有人眼里只是一个数字。前者就是有优秀的数据敏感度。对数据的解读基于对数据的理解，对数据的理解则基于对数据、业务、客户的理解。
数据敏感度能通过练习和经验总结得到提升，秘籍就是熟悉数据和业务和客户。
一、数 据方面
1、 了解指标定义，理清指标关系，常与标准作对比 。 我们可以在有新业务时，尝试自己设计指标体系。指标体系可以把你从局部的点拉升到整体的面上，这样就能更深刻的理解到指标之间的相互联系。最常见的标准就是部门的KPI，如果某个指标没有定KPI，也可以跟竞品或同行业的数据标准对齐。
2、 多看数据报表，积累感觉 。 可以定期的总结自己所负责业务的数据特性，了解指标存在的趋势性。这点类似于我们以前上学的时候，英语老师让我们多读文章积累语感。
3、 对待数据波动多思考，推断业务发展状态 。 对待数据指标波动，不能单维度考量。就算小的数据波动也可以考虑有哪些因素可能会影响数据，多思考指标之间的关系，业务之间的关联性。
二、 业务方面
1、 与业务方多沟通、多交流 。 有条件可以参加业务方的组会，让他们抄份周报给你。保持多听，多问。遇到不理解的问题及时问为什么，为什么我们主要监控的是A指标，不是B指标。为什么有的指标波动的很大，但是业务同学一点也不着急。很多小伙伴不愿意问别人，就会想：哎呀这个问题会不会太简单，我问了别人会不会觉得我水平很低之类这样的想法。这种想法大可不必，术业有专攻而已。反正我们的目标都是为了让业务发展的更好。当然提问也是一门艺术，有兴趣的小伙伴可以了解下“5 why分析法”。
2、 把自己放在主动位上 。 有的时候心态也会影响我们对工作的态度。不要局限于自己数据分析师的工作。如果你给自己的定位就是数据支撑，那从一开始的定位就错了。我们可以适当的脱离数据，将自己放在业务的位置上，想一想如果要完成业务的KPI有哪些资源可以调用。这个时候再结合数据，看看我们用数据能否发现其中的隐藏点，从而获得业务上的突破。
三、客户方面
客户理解力是理解客户的能力,是对客户需求的理解能力、满足能力以及维护客户的能力,力求与客户共同成长,关注客户终身价值。在客户方面，我们需要及时和客户进行积极有效的沟通，理解他们的需求，站在客户的角度想问题。
数据敏感度是数据理解力、业务理解力、客户理解力三者的综合结果。很多人误以为数据敏感度只是数据能力强。事实上要对数据敏感，数据理解力、业务理解力、客户理解力，3者缺一不可。因为数据只是对商业行为的客观描述，只有真正懂数据背后的意义，才能解读数据，才能挖掘数据背后的含义，才能形成数据敏感。
最后，在平时的日常生活中，可以多看新闻，多阅读书籍，看到数据后要联想数据背后的意义，不能看山是山，见水是水，而要看到山水背后的深意。这样，你的数据敏感度就能慢慢提升，工作效率也会大大提高，升职加薪还会远吗？
如果想要和我交流更多数据分析相关资讯，欢迎小伙伴们在评论区留言和我互动，也可以戳我头像私信我哦~
⑸ 怎么发现敏感数据
基于AI发现能力：
通过自动化嗅探技术将客户环境中的存储进行识别，并通过扫描样例数据摸底，初步梳理出客户的数据资产。包括：
1）通过SQL检索摸底并梳理结构化数据库数据信息；
2）通过NLP及对应的数据学习模型完成非结构化文档中的敏感数据解析；
3）通过大数据连接组件及内置的正则式发现半结构化数据中的敏感信息。发现敏感数据的方式其实有很多，上海安策信息现在有脱敏技术，技术也是比较成熟的，你可以详细的去了解下哦。具体不妨网络一下。
⑹ 如何锻炼数字敏感度
数学不好的人，数字能力就不好吗？对数字敏感的人，成本掌控能力就一流吗？虽然答案未必是肯定的，但想在工作上事半功倍，就必须养成对数字敏感的20个好习惯。 每每说到数字，人们下意识地就会说：“我数学最烂了！”而既然数学很烂，显然也就不会懂得太艰深的数学公式或原理，更别说是怎么应用了。所以，我们或许可以说，数学烂的人就无法将太高深的数学用在职场上，但有没有另一种可能的状况是：商场上所用到的数学，其实都不会很难，有专家说是不会超过高中数学程度；也有人说，只要会加减乘除即可。 这很容易得到验证，因为我们很少听到什么经营之神是数学家，反倒经常听到没读过什么书的杰出企业人士，对于财报数字了若指掌。 在工作场合里，我们会看到很多数字，但是我们不见得要计算这些数字，重点是对于数字要有一种“感觉”。感觉也许还是太过抽象，具体一点地说，就是要在心中对于数字所反映出来的真实，依据自己的专业与经验，建立起一套评断的标准，然后据以做出行动。 以下这20个数字力，不只是观念，更要养成一种习惯。如果在逐一检视之下，你发现自己已经多半具备，那恭喜你堪称“数字达人”，但如果发现自己缺了很多项，也不要觉得自己是“数字白痴”，因为它们都不难学会。
⑺ 什么叫对数据敏感怎样做数据分析
对数据敏感就是当你看到一大堆杂乱无章的数据时，你会很有耐心的找出其中的规律所在，不厌其烦，并且乐在其中。
而做典型的数据分析可能包含以下三个步骤：
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。
数据分析过程实施
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。
一、 识别信息需求
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。
二、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确由谁在何时何处，通过何种渠道和方法收集数据；
③录表应便于使用；
④取有效措施，防止数据丢失和虚假数据对系统的干扰。
三、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；
四、数据分析过程的改进
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据分析方法是否合理，是否将风险控制在可接受的范围；
⑤据分析所需资源是否得到保障。
⑻ 什么叫对数据敏感
对数据敏感就是能清楚数据异常背后的原因,这需要经验,也需要你的思考和执行力。
数据敏感度是业务理解力、客户理解力、数据理解力三者的综合结果。很多人误以为数据敏感度只是数据能力强。事实上要对数据敏感，业务理解力、客户理解力、数据理解力，3者缺一不可。因为数据只是对商业行为的客观描述，只有真正懂数据背后的意义，才能解读数据，才能挖掘数据背后的含义，才能形成数据敏感。
看到数据后，能马上思考数据本身的商业意义，有人能快速定位数据背后的原因，并找到机会，有人眼里只是一个数字。对数据的解读基于对数据的理解，对数据的理解则基于对业务、客户、数据的理解。
对数据敏感注意事项
数据的分析最重要的一条原则是基于业务的理解作出价值取向，它往往决定了你的分析框架，如果你重视价值投资，你可能会关注现金流，净资产收益率，市场占有率，毛利率，存货周转率等指标。
如果你重视短期投机，你可能回去关注网络热点，微博热点指数，公司公告，成交量，换手率，KDJ等指标。无论如何，你的价值取向决定了你选取的数据范围。有了框架内的相应关键指标，更进一步地去分析这些指标数据的大小和增速。
⑼ 什么是数据敏感性怎样提高
数据敏感性是指对某些数据具有一定的辨识能力，并且能针对这些数据看到一些别人意识不到的问题，或者别人意识不到的信息。
各个行业都有各自的数据，所以这些敏感性也是对这些不同的数据而言的。
例如：某财务负责人，看到财务的报表就能对企业的大致情况进行了解，知道这个企业是成长型企业，还是衰退型企业，是健康型企业还是非健康企业，是研发型企业还是生产型企业，这就是数据的敏感性。对于没有财务知识的人，是看不到这些的。
当然，这里所说的数据，不单单是数字，也有可能是文字信息，例如：某红砖生产企业，看到政府有相应的环保政策等，就意识到红砖会涨价，于是加大原材料囤货量，加快生产步伐，生产一大批红砖，之后，价格优势和竞争优势都上来了，就能够大赚一笔。
如果这个企业没有长足的眼光，没有剖析政府政策的能力，没有相应的数据敏感性，那么就赚不了这个钱。
应该不难看出，数据敏感性的提高，是需要对自己所属行业知识和衍生知识的理解，不断学习自己所属行业的专业能力。那么自然而然你的敏感度就来了。
希望能对你有所帮助。