在與SPSSAU（網頁版本SPSS）使用者溝透過程中發現，非常的使用者均是“新手”，沒有資料分析的思維和概念。很多使用者完全沒有進行過資料分析，也不知道如何學習，部分使用者有學習過統計學相關課程，但依舊不會進行資料分析。
結合SPSSAU的設計理念，建議使用者學習資料分析的路徑如下共三步曲。
第一步：資料型別的識別
資料型別是一切研究的基石，也是資料研究思維的最基本且最關鍵的思維。不同學科，不同課程，不同領域時，對於資料型別的定義基本一樣，但稱呼並不完全一樣。首先介紹下SPSSAU裡面的資料型別，共兩類，分別是定類和定量資料。
定類資料即是分類的意思，可以計算百分比；定量資料是指數字可以對比大小，因而可以進行平均值計算。如果有的資料同時可以計算百分比，也可以計算平均值，此時就結合實際研究情況，將其似著定類或者定量資料即可。比如學歷，通常情況下時看作定類資料，但數字越大也可以說成是學歷越高，所以有的研究方法時把學歷看作是定量資料。具體研究時均是結合實際處理，這也是資料分析的有趣之處。
SPSSAU將資料分為兩類，但在其它領域，或者學科時，資料型別的劃分並不完全相同，而且稱呼均不統一。這也給研究人員帶來一定困惑，下表列出不同稱呼時與SPSSAU資料型別的對應關係。
稱呼各不相同，但實際意義均一致，只需要理解一句話即“算百分比時叫定類資料，算平均值時叫定量資料”。
第二步：研究方法的選擇
資料型別確認後，此時即可理解資料分析方法的選擇。SPSSAU的設計理念時，區分資料型別的同時，還區分X和Y。比如性別和是否吸菸的關係，X是性別，Y為是否吸菸。X和Y均為定類資料。此時則應該選擇“交叉卡方”分析。
SPSSAU當前共提供近60類研究方法，具體需要研究者結合資料型別，研究目的進行選擇。
上表中列出資料基本描述使用到的研究方法：最常見的為頻數和描述分析，分別針對定類資料計算百分比，定量資料計算平均值。除此之外，正態性檢驗或者正態圖可以檢視定量資料的正態性特質，箱盒圖可以檢視定量資料的分佈、異常離群值情況；詞雲可以檢視定類資料的分佈特徵情況。
上表中列出常見的關係研究涉及方法；相關分析是比較基礎的關係研究，以及可以使用散點圖直觀展示資料關係情況。迴歸分析研究X對於Y的影響關係，並且Y為定量；同時還有兩個方法即逐步迴歸，分層迴歸；其實質上均是迴歸；逐步迴歸是指讓軟體自己找出對於Y有影響的X；分層迴歸是指一次性執行多個迴歸。
Logistic迴歸分析時Y均為定類資料，並且可拆分為二元logistic迴歸，多分類logistic迴歸。區別在於二元Logistic迴歸時，Y僅包括0和1兩個數字；多分類logistic迴歸時，Y包括的數字超出2個。
上表中列出常見的差異關係研究方法。結合資料型別即可選擇出對應的研究方法。方差和T檢驗的區別在於，如果X的個數僅為2個則可以使用T檢驗，如果X的個數超出2個只能使用方差分析。
方差分析更深入的研究時，會涉及方差齊性檢驗，正態性檢驗等；如果不滿足條件則使用非引數檢驗較好。而且再進一步的深入分析時，可以在方差分析後，進行事後多重比較進一步研究。
雙因素方差通常用於實驗研究，2個X對於Y的影響情況。如果研究中有多個X，此時稱作多因素方差（也稱多元方差）；後續SPSSAU會進行提供等。
聚類分析是將樣本分類，因子分析與主成分分析的功能類似，可用於資料資訊濃縮，也可以計算權重，同時還可以利用“綜合得分”計算競爭力等。同時還有熵值法，可用於權重計算。
如果研究資料為問卷，則可能涉及到信度和效度研究，記住此兩種方法僅針對量表資料。同時對於量表資料可使用專案分析，瞭解量表的區分性情況，刪除掉不合理量表項等。同時如果研究中涉及多選題，則有對應五個研究方法可以使用，包括單獨的多選題分析，單選與多選的交叉關係研究，多選與單選的交叉關係研究，多選和多選的交叉關係研究等。多選題的分析有時也稱作多重響應。
第三步：研究注意事項
綜上所述，如果可以區分資料型別，並且瞭解研究目的，則可以選擇出科學的研究方法進行研究。具體每個研究方法具體的內容，直接使用SPSSAU的智慧分析即可，當然也建議參閱每個方法對應的幫助手冊，裡面會有更詳細的說明和例子，注意事項等。
除開上述的研究方法選擇之外，SPSSAU同時還提供以下幾點建議，希望可以幫助到使用者快速掌握資料分析。
在與SPSSAU（網頁版本SPSS）使用者溝透過程中發現，非常的使用者均是“新手”，沒有資料分析的思維和概念。很多使用者完全沒有進行過資料分析，也不知道如何學習，部分使用者有學習過統計學相關課程，但依舊不會進行資料分析。
結合SPSSAU的設計理念，建議使用者學習資料分析的路徑如下共三步曲。
第一步：資料型別的識別
資料型別是一切研究的基石，也是資料研究思維的最基本且最關鍵的思維。不同學科，不同課程，不同領域時，對於資料型別的定義基本一樣，但稱呼並不完全一樣。首先介紹下SPSSAU裡面的資料型別，共兩類，分別是定類和定量資料。
定類資料即是分類的意思，可以計算百分比；定量資料是指數字可以對比大小，因而可以進行平均值計算。如果有的資料同時可以計算百分比，也可以計算平均值，此時就結合實際研究情況，將其似著定類或者定量資料即可。比如學歷，通常情況下時看作定類資料，但數字越大也可以說成是學歷越高，所以有的研究方法時把學歷看作是定量資料。具體研究時均是結合實際處理，這也是資料分析的有趣之處。
SPSSAU將資料分為兩類，但在其它領域，或者學科時，資料型別的劃分並不完全相同，而且稱呼均不統一。這也給研究人員帶來一定困惑，下表列出不同稱呼時與SPSSAU資料型別的對應關係。
稱呼各不相同，但實際意義均一致，只需要理解一句話即“算百分比時叫定類資料，算平均值時叫定量資料”。
第二步：研究方法的選擇
資料型別確認後，此時即可理解資料分析方法的選擇。SPSSAU的設計理念時，區分資料型別的同時，還區分X和Y。比如性別和是否吸菸的關係，X是性別，Y為是否吸菸。X和Y均為定類資料。此時則應該選擇“交叉卡方”分析。
SPSSAU當前共提供近60類研究方法，具體需要研究者結合資料型別，研究目的進行選擇。
第一步即選對研究方法，即資料型別的識別。具體可參考“分析方法選擇”文件。第二步即結合研究目的，常見的研究目的包括：資料基本描述、影響關係研究、差異關係研究及其它關係。下表格列出研究目的與研究方法的對應關係。上表中列出資料基本描述使用到的研究方法：最常見的為頻數和描述分析，分別針對定類資料計算百分比，定量資料計算平均值。除此之外，正態性檢驗或者正態圖可以檢視定量資料的正態性特質，箱盒圖可以檢視定量資料的分佈、異常離群值情況；詞雲可以檢視定類資料的分佈特徵情況。
上表中列出常見的關係研究涉及方法；相關分析是比較基礎的關係研究，以及可以使用散點圖直觀展示資料關係情況。迴歸分析研究X對於Y的影響關係，並且Y為定量；同時還有兩個方法即逐步迴歸，分層迴歸；其實質上均是迴歸；逐步迴歸是指讓軟體自己找出對於Y有影響的X；分層迴歸是指一次性執行多個迴歸。
Logistic迴歸分析時Y均為定類資料，並且可拆分為二元logistic迴歸，多分類logistic迴歸。區別在於二元Logistic迴歸時，Y僅包括0和1兩個數字；多分類logistic迴歸時，Y包括的數字超出2個。
上表中列出常見的差異關係研究方法。結合資料型別即可選擇出對應的研究方法。方差和T檢驗的區別在於，如果X的個數僅為2個則可以使用T檢驗，如果X的個數超出2個只能使用方差分析。
方差分析更深入的研究時，會涉及方差齊性檢驗，正態性檢驗等；如果不滿足條件則使用非引數檢驗較好。而且再進一步的深入分析時，可以在方差分析後，進行事後多重比較進一步研究。
雙因素方差通常用於實驗研究，2個X對於Y的影響情況。如果研究中有多個X，此時稱作多因素方差（也稱多元方差）；後續SPSSAU會進行提供等。
聚類分析是將樣本分類，因子分析與主成分分析的功能類似，可用於資料資訊濃縮，也可以計算權重，同時還可以利用“綜合得分”計算競爭力等。同時還有熵值法，可用於權重計算。
如果研究資料為問卷，則可能涉及到信度和效度研究，記住此兩種方法僅針對量表資料。同時對於量表資料可使用專案分析，瞭解量表的區分性情況，刪除掉不合理量表項等。同時如果研究中涉及多選題，則有對應五個研究方法可以使用，包括單獨的多選題分析，單選與多選的交叉關係研究，多選與單選的交叉關係研究，多選和多選的交叉關係研究等。多選題的分析有時也稱作多重響應。
第三步：研究注意事項
綜上所述，如果可以區分資料型別，並且瞭解研究目的，則可以選擇出科學的研究方法進行研究。具體每個研究方法具體的內容，直接使用SPSSAU的智慧分析即可，當然也建議參閱每個方法對應的幫助手冊，裡面會有更詳細的說明和例子，注意事項等。
除開上述的研究方法選擇之外，SPSSAU同時還提供以下幾點建議，希望可以幫助到使用者快速掌握資料分析。
資料正態性特質：很多研究方法都是基於正態性這一前提，如果不滿足時則可能使用其它方法。建議可使用正態圖探索資料的正態性情況，使用箱盒圖探索定量資料的分佈情況；資料編碼、生成變數等資料處理功能的使用。很多研究方法使用之前，是需要進行資料處理。比如問卷研究中1個維度對應5個量表題，此時可以使用生成變數的平均值功能先得到一個概括性的變數。也或者有的研究方法需要進行資料標準化處理等。