为了评价计划、目标、业绩及识别改进的区域，从而给质量改进提供有价值的信息，就必须对所采集到数据进行科学的分析。那么该如何确保信息收集的准确性，确保数据分析的有用性呢？
首先，。这里是指过程中的监视和测量活动以及其他相关来源所产生的数据，但不限于产品的数据，也包括体系、顾客、供方和项目的数据。对这些数据应通过质量信息管理渠道有计划地、系统地加以收集。
数据分析应依靠统计分析技术，统计分析技术是分析处理数据最基本的方法。组织应规定数据分析的各项内容及其质量特性参数和相应的统计分析方法。常用的统计分析方法有QC七大手法等。在EXCEL办公软件可录入数据，直接给出柏拉图及其他的分析图形和数据。将数据分析处理成有效的图形以后，还要根据一些经验，从中判断是否异常、异常的原因及对策。
再次，数据分析处理的流程。数据审查和筛选。对采集的数据应再次进行审查和筛选，确保其完整性和准确性。对缺少的或不符合要求的数据可要求重新提供或予以剔除。
分类和排序。将收集到的原始数据按一定的分类法进行分类，再根据重要程度排序，以确定数据分析处理的对象和顺序。
最后，编写报告。将经分析判断得出的规律、趋势和结论适时或定期编写成报告，作为信息输出或贮存。报告中应附有直观的分析图表和重要数据。报告应在相关部门得到张示，以提示相关部门对问题的改善。
数据收集过程中要注意的问题：
1、及时性。数据的价值往往随时间的推移而大为降低，只有及时收集并加以分析，才能适时、有效地决定改进措施。特别是可能造成严重后果的异常数据，一经发现就应立即提供，以免造成重大损失。
2、准确性。准确性是数据有价值的前提。数据必须如实地反映客观事实的特征及变化情况，一组失真的数据，可能导致错误的结论。为了达到这一要求，排除过大的测量误差的影响，是很重要的。
3、完整性。完整性是数据能全面、真实地反映客观事实全貌的必要条件。完整性是指数据项目应齐全数据数量要达到要求。数据数量不足就难以找出规律，数量充足也可弥补个别数据不准确造成的麻烦。