La mayoría de las técnicas de análisis de datos se centran en la aplicación de técnicas cuantitativas para revisar los datos.

Las técnicas de análisis de datos permiten a los investigadores revisar los datos recopilados y hacer inferencias o determinaciones a partir de la información. La mayoría de las técnicas se centran en la aplicación de técnicas cuantitativas para revisar los datos. Algunas de las técnicas de análisis de datos cuantitativos más populares incluyen estadísticas descriptivas, análisis de datos exploratorios y análisis de datos confirmatorios. Los dos últimos implican el uso de apoyar o no apoyar una hipótesis predeterminada . Los grupos que pueden utilizar estas técnicas incluyen investigadores individuales, estudiantes, empresas, agencias gubernamentales y actuarios, entre otras partes que necesitan información y datos.

Algunas de las técnicas de análisis de datos cuantitativos más populares incluyen estadísticas descriptivas, análisis de datos exploratorios y análisis de datos confirmatorios.

El análisis de datos cuantitativos intenta eliminar el sesgo del investigador de los datos recopilados. El uso intensivo de estadísticas, probabilidades u otras técnicas matemáticas permite a las personas utilizar métodos estándar para interpretar datos. Cuando los investigadores intentan utilizar técnicas de análisis de datos cualitativos, a menudo basadas en los antecedentes personales, las preferencias o la investigación básica y los principios de razonamiento del individuo, los datos recopilados pueden malinterpretarse o interpretarse incorrectamente. Por tanto, las técnicas matemáticas son menos susceptibles a estos errores y, a menudo, son más aceptadas por otros individuos o investigadores.

Las estadísticas descriptivas, el análisis de datos exploratorios y el análisis de datos confirmatorios permiten a los investigadores hacer inferencias a partir de los datos recopilados.

El análisis estadístico descriptivo separa o resume los datos en grupos específicos. La demografía es un conjunto común de estadísticas descriptivas. Los investigadores recopilarán información relacionada con la edad, sexo, tamaño del hogar, ingresos, tipo de trabajo y otra información de una población. Otro tipo de análisis estadístico descriptivo es el porcentaje de finalización de un mariscal de campo cuando juega en un partido de fútbol. Si el mariscal de campo completa seis de los ocho intentos de pase, tiene un porcentaje de pases completos del 75 por ciento. Un defecto de esta técnica es la incapacidad de las estadísticas para proporcionar información adicional, como la duración de cada pasada.

A medida que surgieron las ciencias de la computación durante el siglo XX, el concepto de métodos de minería de datos se desarrolló en un esfuerzo por encontrar patrones ocultos en grandes franjas de datos recopilados.

Las técnicas de análisis de datos exploratorios a menudo implican el uso de diagramas de caja, histogramas, diagramas de Pareto, diagramas de dispersión o diagramas de tallo y hojas. El propósito principal de esta técnica es apoyar una hipótesis planteada por un investigador. Por ejemplo, un investigador puede desear probar una hipótesis sobre el rango de edad de los propietarios que conducen un tipo específico de automóvil, como una minivan. Para probar y apoyar esta hipótesis, el investigador recopilará información y creará un diagrama de caja para determinar el número de propietarios dentro de su rango establecido. Las estadísticas proporcionarán información para respaldar o no la hipótesis y mostrarán cuántos valores atípicos hay en los datos recopilados.

Las técnicas de análisis de datos confirmatorios son lo opuesto a las técnicas exploratorias. En estas pruebas, el investigador busca refutar la hipótesis nula, que es una afirmación generalmente aceptada como verdadera por la mayoría de las personas. Para refutar la hipótesis nula, el investigador recopilará información específica relacionada con la hipótesis y probará el promedio, la varianza, los valores p e intervalos de confianza. El intervalo de confianza probado por el análisis de datos confirmatorios proporcionará información sobre la confianza que debe tener el investigador sobre si la hipótesis nula es verdadera o falsa.