Tietoanalyysitekniikoiden avulla tutkijat voivat tarkastella kerättyjä tietoja ja tehdä johtopäätöksiä tai päätelmiä tiedoista. Useimmat tekniikat keskittyvät kvantitatiivisten tekniikoiden soveltamiseen tietojen tarkistamiseen. Muutamia suosituimpia kvantitatiivisia tietojen analysointitekniikoita ovat kuvaavat tilastot, tutkiva tietoanalyysi ja vahvistava data -analyysi. Jälkimmäisiin kahteen liittyy ennalta määrätyn hypoteesin tukeminen tai ei tukeminen. Ryhmiä, jotka voivat käyttää näitä tekniikoita, ovat yksittäiset tutkijat, opiskelijat, yritykset, valtion virastot ja vakuutusmatemaatikot, muun muassa tietoja ja tietoja tarvitsevat osapuolet.
Kvantitatiivinen data -analyysi pyrkii poistamaan tutkijoiden puolueellisuuden kerätystä datasta. Tilastojen, todennäköisyyksien tai muiden matemaattisten tekniikoiden runsas käyttö antaa yksilöille mahdollisuuden käyttää vakiomenetelmiä tietojen tulkitsemiseen. Kun tutkijat yrittävät käyttää laadullisia tietojen analysointitekniikoita – jotka perustuvat usein yksilön henkilökohtaiseen taustaan, mieltymyksiin tai perustutkimukseen ja päättelyperiaatteisiin – kerätyt tiedot voidaan tulkita väärin tai tulkita väärin. Siksi matemaattiset tekniikat ovat vähemmän alttiita näille virheille, ja muut henkilöt tai tutkijat hyväksyvät ne usein enemmän.
Kuvaava tilastollinen analyysi erottaa tai tiivistää tiedot tiettyihin ryhmiin. Väestötiedot ovat yleisiä kuvaavia tilastoja. Tutkijat keräävät tietoja väestön iästä, sukupuolesta, kotitalouden koosta, tuloista, työn tyypistä ja muista tiedoista. Toinen kuvaava tilastollinen analyysi on pelinrakentajan suoritusprosentti pelattaessa jalkapallo -ottelua. Jos pelinrakentaja suorittaa kuusi kahdeksasta syöttöyrityksestä, hänellä on 75 prosentin suoritusprosentti. Tämän tekniikan puutteena on se, että tilastot eivät pysty antamaan lisätietoja, kuten kunkin passin pituus.
Tutkivien tietojen analysointitekniikat sisältävät usein laatikkokaavioiden, histogrammien, Pareto-kaavioiden, sirontakaavioiden tai varren ja lehtien kuvaamisen. Tämän tekniikan päätarkoitus on tukea tutkijan esittämää hypoteesia. Esimerkiksi tutkija voi haluta todistaa hypoteesin tietyn tyyppistä autoa, kuten tila -autoa ajavien omistajien ikäryhmästä. Tämän hypoteesin testaamiseksi ja tukemiseksi tutkija kerää tietoja ja luo laatikkokaavion määrittääkseen omistajien lukumäärän määritetyllä alueella. Tilastot antavat tietoa hypoteesin tueksi tai tueksi ja osoittavat, kuinka monta poikkeamaa kerätyssä datassa on.
Vahvistavat tietojen analysointitekniikat ovat vastakohtia tutkiville tekniikoille. Näissä testeissä tutkija haluaa kumota nollahypoteesin, joka on useimpien ihmisten yleisesti pitämä totuus. Nollahypoteesin kumoamiseksi tutkija kerää hypoteesiin liittyviä tietoja ja testaa keskiarvon, varianssin, p-arvot ja luottamusvälit. Vahvistavalla data -analyysillä todistettu luottamusväli antaa tietoa siitä, kuinka luottavainen tutkijan pitäisi olla siitä, onko nollahypoteesi totta vai epätosi.