企业如何进行有效HSE数据的收集与分析？
随着经营管理过程的精细化要求越来越高，越来越多的公司活动、决策依赖于数据分析，也由此产生了“大数据”概念和需求，可以说数据分析和对结果的运用已经越来越成为一个公司的核心竞争力之一。 而对一个生产型企业来说，通过对市场业务、财务、工艺、质量、设备、安全等的数据分析，为企业管理的效益提升、成为行业领先者起的举足轻重的作用。
目前生产型企业中进行数据分析的工具大多是minitab，但由于软件的版权费用以及熟悉程度问题，大部分工作中还是使用excel中的一些分析功能。这里也以excel为例进行说明。
前面谈到了，数据统计分析的重要性已经为大家所认同。 但是否我们对如何进行数据收集和分析有了充分的了解和足够的能力了呢？我们在辅导客户的过程中注意到，大部分人员谈到数据分析时，往往陷入了混乱，不知道要收集哪些数据，基本都希望辅导老师能够给出模板然后依葫芦画瓢。
为什么会产生这样的现象？
首先，我们认为在进行数据收集前，当事人对将来数据的输出结果没有一个清晰的预判，或者说“假设”。 换而言之，就是你要先有假设（这些果可能来自于哪些因），然后才能考虑收集哪些数据。 数据收集和分析的过程，其实是一个你假设一个结果、然后用数据分析的方法来验证你假设（呈现出规律性）的过程。所以没有对结果的假设，也就没有办法确定数据的收集范围。
下面用一个历年事故数据分析的案例来进一步说明；
当我们想进行事故数据分析时，那么我们应该收集哪些数据呢？ 首先我们要假设一下有哪些因素会和事故有关联并可能呈现出规律性。一般我们会想到车间、班组、岗位、事故类型、严重程度。 但是否可能还与工作年限（入厂时间）、岗位年限（本岗位工作时间）、白班/夜班、甚至性别有关系呢？ 甚至是否与时间段（比如凌晨时分）有关呢？ 伤害部位是否出现规律性？那么如果要进行事故数据分析，就要对以上这些数据都进行收集和统计分析，最后才能给出答案。
参考
以下有两个实例可以说明
从下图可以看到在晚上10pm-6am的事故明显比5pm-10pm的高，是夜间疲劳的原因？这就给了安全管理人员进一步调研的切入口。
从下图可以看到在交通物流事故中，以交通事故居多，而且又以自行车/电动车/摩托车的事故量为主要事故，所以这表明该公司的员工上下班中的交通事故较多，需要加强安全驾驶习惯、防御性驾驶等方面的培训。
我们再对一个工厂的事故情况进行分析，可以从以下数据看出几点：
在岗工龄2-3年的伤害情况较为集中；
事故中手部和眼部部位较为频繁；
投料、成型、喷涂岗位相对事故较多；
有了这些数据分析，那么工作重点就会一目了然，做起事来也能达到事半功倍的效果。
不过我们在数据统计中，还要避免一些陷阱。
参考
以下有一个实例可以说明
以下是一个月度安全检查问题发现的统计数据，这里首先假设发现问题的数量与检查人员的认真程度和专业能力无关。
从数据的发展趋势来看，问题的数量在减少，现场的情况在好转，但真的如此吗？
我们在将一个数字放上去，就是检查所花费的时间，然后在看一下每分钟发现的问题数量。
我们看到的趋势正好和前面的相反！显然，在这个例子中基于总数趋势做出的判断是错误的。 通过以上的案例，给我们的一个启示是，在进行任何数据的比较时，一定要考虑比较是否在正确的基础上，数据之间只有具有可比性才能得出正确的结论。
“
综上所述，在开展数据分析时，我们首先要对数据收集有一定的准备，而准备来自于对结果的预判，而预判来自于经验和专业能力，所以数据收集的策划是一个专业的、甚至是集体智慧的结合，并非我们想象的领导让某个下属做个表格那样简单。另外，数据间的比较要建立在可比性基础上。