ISO 9001:2015标准条款9.1.3要求组织分析和评价通过监视和测量获得的适当数据和信息。这一条款与条款9.1.1（监视、测量、分析和评价总则）构成完整的“数据获取—数据分析—数据评价”链条。许多企业对条款9.1.1的执行停留在“收集了数据”层面，而条款9.1.3的核心要求是将这些数据进行分析和评价，得出对管理体系有效性、绩效和改进机会的判断。
条款9.1.3要求组织分析和评价的结果应用于评价以下方面：产品和服务的符合性、顾客满意程度、质量管理体系的绩效和有效性、策划是否得到有效实施、应对风险和机遇措施的有效性、外部供方的绩效、质量管理体系改进需求。
数据分析与评价不是简单地将数据汇总成报表，而是通过分析方法和评价标准，从数据中识别趋势、发现异常、判断有效性，并据此提出改进方向。
以条款9.1.1的监视和测量安排为基础，梳理质量管理体系各过程产生的数据来源，建立数据分析源清单。常见数据源包括：产品检验数据（来料检验、过程检验、成品检验的合格率和不合格类型分布）、顾客反馈数据（投诉数量和类型、满意度调查结果、退货记录）、过程绩效数据（关键过程能力指数、设备利用率、交付准时率）、供应商绩效数据（来料合格率、交付及时率）、内部审核和管理评审记录、不合格项和纠正措施记录。
建议各过程归口部门负责本过程数据源的识别，质量管理部门汇总形成全体系数据分析源清单，明确每项数据的产生频率、数据格式和责任部门。
责任部门：各过程归口部门、质量管理部
主要记录：数据分析源清单、数据收集计划表
常见误区：数据源清单不完整，遗漏了某些过程的运行数据；或仅关注产品检验数据而忽略顾客反馈、供应商绩效等外部数据源
按照数据源清单和既定频率收集数据。数据收集应关注两个维度：数据的时效性（按月度或季度定期收集，避免数据积压导致分析滞后）和数据的质量（数据的准确性、完整性和一致性）。
在数据收集阶段须进行质量核查：核对数据的来源是否可靠（如检验报告应来自经校准的测量设备）、数据是否完整覆盖统计周期、不同数据源之间是否存在逻辑矛盾（如生产记录显示已交付但检验报告中无对应批次）。
责任部门：各过程归口部门
主要记录：数据收集记录表、数据质量核查记录
常见误区：收集的数据未经质量核查直接进入分析环节，导致分析结论基于不准确或不完整的数据。建议在数据收集阶段设置简单的质量核查规则，如数据范围校验、缺失值识别和异常值标记
根据数据类型和分析目的选择适当的分析方法。常用分析方法包括：
趋势分析——对时间序列数据（如月度不合格率、季度顾客满意度）进行趋势走向判断，识别数据是改善、恶化还是波动。趋势分析是识别管理体系运行方向的基本工具。
对比分析——将实际数据与目标值、历史同期数据或行业基准进行对比，判断绩效差距。如实际交付准时率与目标值的偏差、本季度与去年同期的对比。
分层分析——按照产品类别、客户群体、生产班次、供应商等维度对数据进行分层，识别问题集中在哪些环节。如某类产品的不合格率显著高于其他类别，指向该产品的过程控制存在薄弱环节。
帕累托分析——对不合格类型、顾客投诉原因等分类数据进行排序，识别“关键少数”——即影响较大的少数问题类型，为改进资源分配提供依据。
责任部门：质量管理部
主要记录：数据分析报告（含图表和计算过程）
常见误区：分析方法过于简单，仅做数据汇总（如计算平均值）而未进行趋势和分布分析；或分析方法与数据类型不匹配
在分析结果的基础上，对照条款9.1.3要求的七个评价维度进行判断：
产品和服务符合性——产品合格率是否达到目标、不合格趋势是否改善。
顾客满意程度——满意度评分变化趋势、投诉处理时效是否达标。
质量管理体系绩效和有效性——各过程绩效指标是否达成、内部审核发现的问题数量和性质是否改善。
策划实施情况——质量目标是否按计划实现、各项改进措施是否按期完成。
风险和机遇措施有效性——已实施的风险应对措施是否降低了相关风险等级。
外部供方绩效——关键供应商的来料合格率和交付及时率是否稳定。
改进需求识别——哪些领域存在系统性的改进机会。
评价结论应避免笼统的“总体良好”表述，而应具体指出：哪些方面表现良好（维持）、哪些方面存在差距（改进）、哪些方面出现恶化趋势（预警）。
责任部门：质量管理部
主要记录：数据分析与评价报告
常见误区：评价结论与数据支撑脱节，或评价仅关注负面问题而忽略对良好实践和改进机会的识别
将数据分析与评价结果形成结构化报告，提交管理层评审。报告应至少包含：数据概览（统计周期、数据范围、关键指标数值）、分析发现（趋势、对比、分层和帕累托分析的主要结论）、评价判断（七个维度的评价结论）、改进建议（基于分析结果提出的具体改进方向）。
管理层应对评价结果进行审议，确定需要优先处理的改进事项，并分配资源和责任人。报告须保留作为管理评审的输入材料。
责任部门：质量管理部、管理层负责人
主要记录：数据分析与评价报告、管理层审议记录
常见误区：报告内容过于冗长或技术化，管理层难以快速获取关键信息。建议报告采用“结论先行”结构——先呈现评价结论和改进建议，再附数据分析过程和支撑图表
数据分析与评价的最终目的是驱动改进。对评价中识别的改进需求，按照条款10.2（不合格和纠正措施）或条款10.1（持续改进总则）的要求启动改进措施。
改进措施实施后，须在下一个数据分析周期中验证措施效果——相关指标是否改善、问题是否消除。若措施未达到预期效果，须重新分析原因并调整措施。这一“分析—改进—验证”的闭环是数据分析与评价真正产生管理价值的关键环节。
责任部门：各过程归口部门、质量管理部
主要记录：改进措施跟踪验证记录
常见误区：评价报告提交后未转化为具体的改进行动，数据分析和评价成为“为分析而分析”的形式化活动。建议在评价报告中明确每项改进建议的责任人和完成时限，并在下一次评价中对上期改进措施的效果进行回顾
一是数据分析的频率应与管理节奏匹配。建议月度进行常规数据分析（产品检验、过程绩效），季度进行综合评价（涵盖全部七个维度），年度在管理评审中进行全面评价。过于频繁的分析增加管理成本，过于稀疏则失去及时预警的价值。
二是数据分析应注重趋势而非单点。单个数据点的异常可能是偶发因素导致，管理决策应基于趋势走向和分布特征。避免因单月数据波动做出过度反应。
三是数据来源应覆盖内外部。条款9.1.3的评价维度既包括内部过程绩效（如产品合格率、目标达成情况），也包括外部反馈（如顾客满意度、供应商绩效）。仅关注内部数据而忽略外部反馈，会导致评价结论的片面性。
