數據分析是指通過建立審計分析模型對數據進行核對、檢查、復算、判斷等操作，將被審計單位數據的現實狀態與理想狀態進行比較，從而發現審計線索，搜集審計證據的過程，在實用中，數據分析可幫助人們作出判斷，以便采取適當行動。

一、數據分析的過程

數據分析在各個行業中都有極為廣泛的應用范圍，一般來說，典型的數據分析包含以下3個過程：

1、探索性數據分析

當數據剛取得時，可能雜亂無章，看不出規律，通過作圖、造表、用各種形式的方程擬合，計算某些特征量等手段探索規律性的可能形式，即往什么方向和用何種方式去尋找和揭示隱含在數據中的規律性。

2、模型選定分析

在探索性分析的基礎上提出一類或幾類可能的模型，然后通過進一步的分析從中挑選一定的模型。

3、推斷分析

通常使用數理統計方法對所定模型或估計的可靠程度和精確程度作出推斷。

二、數據分析的流程

數據分析過程的主要活動由識別信息需求、收集數據、分析數據、評價并改進數據分析的有效性組成。

1、識別信息需求

識別信息需求是確保數據分析過程有效性的首要條件，可以為收集數據、分析數據提供清晰的目標。

識別信息需求是管理者的職責管理者應根據決策和過程控制的需求，提出對信息的需求。

就過程控制而言，管理者應識別需求要利用那些信息支持評審過程輸入、過程輸出、資源配置的合理性、過程活動的優化方案和過程異常變異的發現。

2、收集數據

有目的的收集數據，是確保數據分析過程有效的基礎。在馬海祥看來，組織需要對收集數據的內容、渠道、方法進行策劃，策劃時應考慮以下幾點：

①、將識別的需求轉化為具體的要求，如評價供方時，需要收集的數據可能包括其過程能力、測量系統不確定度等相關數據;

②、明確由誰在何時何處，通過何種渠道和方法收集數據;

③、記錄表應便于使用;

④、采取有效措施，防止數據丟失和虛假數據對系統的干擾。

3、分析數據

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，通常所用的方法有：

老七種工具，即排列圖、因果圖、分層法、調查表、散步圖、直方圖、控制圖;

新七種工具，即關聯圖、系統圖、矩陣圖、KJ法、計劃評審技術、PDPC法、矩陣數據圖;

4、數據分析過程的改進

數據分析是質量管理體系的基礎(具體可查看馬海祥博客《用一句話告訴你什么是數據分析》的相關介紹)，組織的管理者應在適當時，通過對以下問題的分析，評估其有效性：

①、提供決策的信息是否充分、可信，是否存在因信息不足、失準、滯后而導致決策失誤的問題;

②、信息對持續改進質量管理體系、過程、產品所發揮的作用是否與期望值一致，是否在產品實現過程中有效運用數據分析;

③、收集數據的目的是否明確，收集的數據是否真實和充分，信息渠道是否暢通;

④、數據分析方法是否合理，是否將風險控制在可接受的范圍;

⑤、數據分析所需資源是否得到保障。

三、數據分析的分析方法

一般來說，我們如果能充分的利用好數據分析，并應用到企業中時，企業可在產品的整個壽命周期中，包括從市場調研到售后服務和最終處置的各個過程去運用數據分析的過程，可以從中找出規律，以提升有效性，改善企業的經濟效益，常用的分析方法如下：

1、描述性統計分析

包括樣本基本資料的描述，作各變量的次數分配及百分比分析，以了解樣本的分布情況。

此外，以平均數和標準差來描述市場導向、競爭優勢、組織績效等各個構面，以了解樣本企業的管理人員對這些相關變量的感知，并利用t檢驗及相關分析對背景變量所造成的影響做檢驗。

2、Cronbach’a信度系數分析

信度是指測驗結果的一致性、穩定性及可靠性，一般多以內部一致性(consistency)來加以表示該測驗信度的高低，信度系數愈高即表示該測驗的結果愈一致、穩定與可靠。

針對各研究變量的衡量題項進行Cronbach’a信度分析，以了解衡量構面的內部一致性。一般來說，Cronbach’a僅大于0.7為高信度，低于0.35為低信度(Cuieford，1965)，0.5為最低可以接受的信度水準(Nunnally，1978)。

3、探索性因素分析(exploratory factor analysis)和驗證性因素分析(confirmatory factor analysis)

用以測試各構面衡量題項的聚合效度(convergent validity)與區別效度(discriminant validity)，因為僅有信度是不夠的，可信度高的測量，可能是完全無效或是某些程度上無效，所以我們必須對效度進行檢驗。

效度是指工具是否能測出在設計時想測出的結果，收斂效度的檢驗根據各個項目和所衡量的概念的因素的負荷量來決定，而區別效度的檢驗是根據檢驗性因素分析計算理論上相關概念的相關系數，檢定相關系數的95%信賴區間是否包含1.0，若不包含1.0，則可確認為具有區別效度(Anderson，1987)。

4、結構方程模型分析(structural equations modeling)

由于結構方程模型結合了因素分析(factor analysis)和路徑分析(path analysis)，并納入計量經濟學的聯立方程式，可同時處理多個因變量，容許自變量和因變量含測量誤差，可同時估計因子結構和因子關系，容許更大彈性的測量模型，可估計整個模型的擬合程度(Bollen和Long，1993)，因而適用于整體模型的因果關系。

在模型參數的估計上，采用最大似然估計法(Maximum Likelihood，ML);在模型的適合度檢驗上，以基本的擬合標準(preliminary fit criteria)、整體模型擬合優度(overall model fit)以及模型內在結構擬合優度(fit of internal structure of model)(Bagozzi和Yi，1988)三個方面的各項指標作為判定的標準。

在評價整體模式適配標準方面，本研究采用x2(卡方)/df(自由度)值、擬合優度指數(goodness.of.f：iJt.in.dex，GFI)、平均殘差平方根(root—mean.square：residual，RMSR)、近似誤差均方根(root-mean—square-error- of-approximation，RMSEA)等指標;模型內在結構擬合優度則參考Bagozzi和Yi(1988)的標準，考察所估計的參數是否都到達顯著水平。