.svg)
上周，我在《数据收集基础（第 1 部分）》中讨论了数据收集问题，介绍了确定 所需数据以及查找 或创建 数据等主题。一旦有了一些数据，通常需要对其进行一些分析 ，然后才能有效地使用这些数据。
选择分布
仿真模型的输入数据通常指定为分布。如果您有估计数据，则必须选择最合适的分布（例如，最小时间、典型时间和最大时间可表示为三角分布）。如果您有实际数据，则需要对其进行统计分析。许多软件产品（有些是通用的，有些是模拟专用的）都能帮助您选择（拟合）分布及其形状参数，甚至还能帮助您清理数据以消除不良观测结果。
分析灵敏度
有了一些数据后，您就可以将其纳入模型并开始试运行。特别是在依赖估计值的情况下，您可能希望用高于和低于估计值的值运行模型，以确定系统对该参数的敏感性。如果您发现系统对估计值很敏感（例如，输入参数发生变化时，结果也会发生很大变化），那么您就可以确定是否值得投入更多资金来获取一个更可靠的值。这是对第一篇文章中讨论的偏差和不准确问题的一种潜在解决方案。不仅如此，这还是一个反复确定在输入数据上花费多少时间的好方法。
调整细节
有时，可用数据的质量可以帮助您确定模型的适当详细程度。如果您打算使用的数据不是很好，那么就没有必要建立一个非常详细的模型。这并不是说这样的模型没有价值，毕竟每个模型都只是对现实的一种表述或估计--没有一个模型是完美的。但重要的是，要向利益相关者说明模型及其基础数据的相对准确性。
以上只是对数据收集的一些步骤的简单概述。教科书中已经有整整几章介绍了其中的每一个步骤，因此，当您准备好时，请务必查看更详细的内容。
戴夫-斯特罗克
产品副总裁 -Simio LLC