現場調查所得到的原始數據必須經過整理、編碼、分析和解釋才能得出有價值的結果。數據整理就是檢查和保證問卷中每個問題答案的有效性。編碼就是用數字代碼來代表某種答案，以便對答案進行分類。編碼後的數據還需要製表，成為便於分析的形式。
資料的分析就是利用各種統計分析方法來發現數據所反映的規律。解釋則是說明分析結果的含義，把純粹的統計分析結果變成能幫助製定正確決策的有價值信息。選擇合理的數據分析方法要考慮三個因素：變量數量、數據度量尺度，以及想要回答的問題類型。
數據分析首先是描述性統計。描述性統計主要分析數據的集中化趨勢和分散化趨勢。衡量數據集中化趨勢的指標主要有：均值、中位數和眾數。衡量數據分散化程度的指標主要是方差或標準差。
統計推斷就是依據一組調查數據來推斷總體參數的值。統計推斷可以分為點估計和區間估計。在按比例的分層抽樣情形下，如果各層的樣本回收率不同，作點估計時特別需要注意防止誤差的產生。區間估計是一種更為科學合理的估計方法，但是要求市場調研人員事先確定置信度的大小。
對於一個或兩個總體間差異的檢驗可以采用參數假設檢驗的方法。然而，分析人員需要區分單側檢驗還是雙側檢驗。對於三個或三個以上總體均值之間差異的檢驗需要采用方差分析法。
變量影響之間是否獨立可以通過χ2獨立性檢驗法來完成。變量之間是否相關可以通過計算皮爾遜相關係數，並根據相關係數的大小來決定究竟是否相關以及相關的程度。變量之間是否存在線性回歸關係需要作回歸分析。在得到回歸方程後，對回歸方程進行檢驗，以確定其有效性是必要的。
多變量分析方法中最常用的是：因子分析法、聚類分析法和判別分析法。因子分析法是一種研究一組變量之間相互關係，並把數量上較多的原始變量簡化、壓縮或概括為數量上較少的綜合變量的方法。聚類分析是一種研究如何對多個對象進行分類的分析方法。判別分析是在已知分組的情況下，判斷新的樣本應當屬於哪一組的問題。