Dataanalys är en praxis där rådata ordnas och organiseras så att användbar information kan extraheras från den. Processen att organisera och tänka på data är nyckeln till att förstå vad data innehåller och inte innehåller. Det finns en mängd olika sätt på vilka människor kan närma sig dataanalys, och det är notoriskt lätt att manipulera data under analysfasen för att driva vissa slutsatser eller agendor. Av denna anledning är det viktigt att vara uppmärksam när dataanalys presenteras och att tänka kritiskt kring data och slutsatser som dragits.
Rådata kan ta en mängd olika former, inklusive mätningar, enkätsvar och observationer. I sin råa form kan denna information vara otroligt användbar, men också överväldigande. Under loppet av dataanalysprocessen ordnas rådata på ett sätt som kommer att vara användbart. Enkätresultaten kan till exempel sammanställas, så att människor kan se hur många som svarat på enkäten och hur människor svarade på specifika frågor.
Under loppet av att organisera data, dyker ofta trender upp, och dessa trender kan lyftas fram i skrivningen av data för att säkerställa att läsarna noterar. I en tillfällig undersökning av glasspreferenser, till exempel, kan fler kvinnor än män uttrycka en förkärlek för choklad, och detta kan vara en punkt av intresse för forskaren. Att modellera data med hjälp av matematik och andra verktyg kan ibland överdriva sådana intressepunkter i data, vilket gör dem lättare för forskaren att se.
Diagram, grafer och textuppskrivningar av data är alla former av dataanalys. Dessa metoder är utformade för att förfina och destillera data så att läsare kan få fram intressant information utan att behöva sortera igenom all data på egen hand. Att sammanfatta data är ofta avgörande för att stödja argument som görs med dessa data, liksom att presentera data på ett tydligt och begripligt sätt. Rådata kan också inkluderas i form av en bilaga så att människor kan leta upp detaljerna själva.
När människor möter sammanfattade data och slutsatser bör de se kritiskt på dem. Att fråga varifrån data kommer är viktigt, liksom att fråga om urvalsmetoden som används för att samla in data och storleken på urvalet. Om källan till data verkar ha en intressekonflikt med den typ av data som samlas in, kan detta ifrågasätta resultaten. På samma sätt kan data som samlats in från ett litet urval eller ett urval som inte är riktigt slumpmässigt vara av tvivelaktig användbarhet. Ansedda forskare kommer alltid att ge information om de datainsamlingstekniker som används, finansieringskällan och poängen med datainsamlingen i början av analysen så att läsarna kan tänka på denna information medan de granskar analysen.