数据分析的方法总的可分为参数方法和非参数方法两大类。当被检测的生物学系统能够用某种数学模型技术时则多使用参数方法。数学模型可以是一个方程或方程组，方程的参数产生所需要的信息来自所测的数据。例如在测定老鼠精子的DNA含量时，可以获取细胞频数的尖锐波形分布。如果采用正态分布函数来描述这些数据，则参数即为面积、平均值和标准偏差。方程的数据拟合则通常使用最小二乘法。而非参数分析法对测量得到的分布形状不需要做任何假设，即采用无设定参数分析法。分析程序可以很简单，只需要直观观测频数分布；也可能很复杂，要对两个或多个直方图逐道地进行比较。
逐点描图（或用手工，或用描图仪、计算机系统）是大家常用的数据分析的重要手段。我们常可以用来了解数据的特性、寻找那些不曾预料的特异征兆、选择统计分析的模型、显示最终结果等。事实上，不经过先对数据进行直观观察分析就决不应该对这批数据进行数值分析。从这一点来看，非参数分析是参数分析的基础。
逐道比较工作量较大，但用直观法很容易发现明显的差异，特别是对照组和测试组。考虑到FCM的可靠性，要注意到对每组测量，都要有对照组，对照组可以是空白对照组、阴性对照组、或零时刻对照组等，具体设置应根据整体实验要求而定。对照组和测试组的逐道比较往往可以减少许多不必要的误差和错误解释。顺便指出，进行比较时对曲线的总细胞数进行归一化处理，甚至对两条曲线逐道相减而得到“差结果曲线”往往是适宜的。
因为数据分析往往和结果解释关系十分密切，也就是说和生物学背景相关，因此具体的分析法和原理将在后面结合实例再介绍。