數據分析的方法總的可分為參數方法和非參數方法兩大類。當被檢測的生物學系統能夠用某種數學模型技術時則多使用參數方法。數學模型可以是一個方程或方程組，方程的參數產生所需要的信息來自所測的數據。例如在測定老鼠精子的DNA含量時，可以獲取細胞頻數的尖銳波形分布。如果采用正態分布函數來描述這些數據，則參數即為面積、平均值和標準偏差。方程的數據擬合則通常使用最小二乘法。而非參數分析法對測量得到的分布形狀不需要做任何假設，即采用無設定參數分析法。分析程序可以很簡單，只需要直觀觀測頻數分布；也可能很復雜，要對兩個或多個直方圖逐道地進行比較。
逐點描圖（或用手工，或用描圖儀、計算機系統）是大家常用的數據分析的重要手段。我們常可以用來了解數據的特性、尋找那些不曾預料的特異征兆、選擇統計分析的模型、顯示最終結果等。事實上，不經過先對數據進行直觀觀察分析就決不應該對這批數據進行數值分析。從這一點來看，非參數分析是參數分析的基礎。
逐道比較工作量較大，但用直觀法很容易發現明顯的差異，特別是對照組和測試組。考慮到FCM的可靠性，要注意到對每組測量，都要有對照組，對照組可以是空白對照組、陰性對照組、或零時刻對照組等，具體設置應根據整體實驗要求而定。對照組和測試組的逐道比較往往可以減少許多不必要的誤差和錯誤解釋。順便指出，進行比較時對曲線的總細胞數進行歸一化處理，甚至對兩條曲線逐道相減而得到“差結果曲線”往往是適宜的。
因為數據分析往往和結果解釋關系十分密切，也就是說和生物學背景相關，因此具體的分析法和原理將在后面結合實例再介紹。