企業如何進行有效HSE數據的收集與分析？
隨著經營管理過程的精細化要求越來越高，越來越多的公司活動、決策依賴于數據分析，也由此產生了“大數據”概念和需求，可以說數據分析和對結果的運用已經越來越成為一個公司的核心競爭力之一。 而對一個生產型企業來說，通過對市場業務、財務、工藝、質量、設備、安全等的數據分析，為企業管理的效益提升、成為行業領先者起的舉足輕重的作用。
目前生產型企業中進行數據分析的工具大多是minitab，但由于軟件的版權費用以及熟悉程度問題，大部分工作中還是使用excel中的一些分析功能。這里也以excel為例進行說明。
前面談到了，數據統計分析的重要性已經為大家所認同。 但是否我們對如何進行數據收集和分析有了充分的了解和足夠的能力了呢？我們在輔導客戶的過程中注意到，大部分人員談到數據分析時，往往陷入了混亂，不知道要收集哪些數據，基本都希望輔導老師能夠給出模板然后依葫蘆畫瓢。
為什么會產生這樣的現象？
首先，我們認為在進行數據收集前，當事人對將來數據的輸出結果沒有一個清晰的預判，或者說“假設”。 換而言之，就是你要先有假設（這些果可能來自于哪些因），然后才能考慮收集哪些數據。 數據收集和分析的過程，其實是一個你假設一個結果、然后用數據分析的方法來驗證你假設（呈現出規律性）的過程。所以沒有對結果的假設，也就沒有辦法確定數據的收集范圍。
下面用一個歷年事故數據分析的案例來進一步說明；
當我們想進行事故數據分析時，那么我們應該收集哪些數據呢？ 首先我們要假設一下有哪些因素會和事故有關聯并可能呈現出規律性。一般我們會想到車間、班組、崗位、事故類型、嚴重程度。 但是否可能還與工作年限（入廠時間）、崗位年限（本崗位工作時間）、白班/夜班、甚至性別有關系呢？ 甚至是否與時間段（比如凌晨時分）有關呢？ 傷害部位是否出現規律性？那么如果要進行事故數據分析，就要對以上這些數據都進行收集和統計分析，最后才能給出答案。
參考
以下有兩個實例可以說明
從下圖可以看到在晚上10pm-6am的事故明顯比5pm-10pm的高，是夜間疲勞的原因？這就給了安全管理人員進一步調研的切入口。
從下圖可以看到在交通物流事故中，以交通事故居多，而且又以自行車/電動車/摩托車的事故量為主要事故，所以這表明該公司的員工上下班中的交通事故較多，需要加強安全駕駛習慣、防御性駕駛等方面的培訓。
我們再對一個工廠的事故情況進行分析，可以從以下數據看出幾點：
在崗工齡2-3年的傷害情況較為集中；
事故中手部和眼部部位較為頻繁；
投料、成型、噴涂崗位相對事故較多；
有了這些數據分析，那么工作重點就會一目了然，做起事來也能達到事半功倍的效果。
不過我們在數據統計中，還要避免一些陷阱。
參考
以下有一個實例可以說明
以下是一個月度安全檢查問題發現的統計數據，這里首先假設發現問題的數量與檢查人員的認真程度和專業能力無關。
從數據的發展趨勢來看，問題的數量在減少，現場的情況在好轉，但真的如此嗎？
我們在將一個數字放上去，就是檢查所花費的時間，然后在看一下每分鐘發現的問題數量。
我們看到的趨勢正好和前面的相反！顯然，在這個例子中基于總數趨勢做出的判斷是錯誤的。 通過以上的案例，給我們的一個啟示是，在進行任何數據的比較時，一定要考慮比較是否在正確的基礎上，數據之間只有具有可比性才能得出正確的結論。
“
綜上所述，在開展數據分析時，我們首先要對數據收集有一定的準備，而準備來自于對結果的預判，而預判來自于經驗和專業能力，所以數據收集的策劃是一個專業的、甚至是集體智慧的結合，并非我們想象的領導讓某個下屬做個表格那樣簡單。另外，數據間的比較要建立在可比性基礎上。