Nejběžnější analýzou kvalitativních dat je dojem pozorovatele. To znamená, že expertní nebo okolostojící pozorovatelé zkoumají data, interpretují je prostřednictvím vytváření dojmu a informují o svém dojmu ve strukturované a někdy i kvantitativní podobě.
Některé kvalitativní údaje, které jsou vysoce strukturované (např. otevřené odpovědi z průzkumů nebo úzce definované dotazovací otázky), jsou obvykle kódovány bez dalšího členění obsahu. V těchto případech jsou kódy často aplikovány jako vrstva nad daty. Kvantitativní analýza těchto kódů je typicky nejvyšším analytickým krokem pro tento typ kvalitativních údajů.
Současné kvalitativní analýzy dat jsou někdy podporovány počítačovými programy, nazývanými Computer Assisted Qualitative Data Analysis Software. Tyto programy nenahrazují interpretační charakter kódování, ale spíše jsou zaměřeny na zvýšení efektivity analytika při ukládání/vyhledávání dat a při aplikaci kódů na data. Mnoho programů nabízí efektivitu při úpravách a revizích kódování, které umožňují sdílení práce, vzájemné hodnocení a rekurzivní zkoumání dat.
Častá kritika kódovací metody spočívá v tom, že se snaží transformovat kvalitativní data na data kvantitativní, a tím odčerpávat data jejich různorodosti, bohatosti a individuálního charakteru. Analytici na tuto kritiku reagují tím, že důkladně vystavují své definice kódů a tyto kódy pevně propojují s podkladovými daty, čímž vracejí zpět část bohatosti, která by mohla chybět v pouhém seznamu kódů.
Některé kvalitativní datové soubory jsou analyzovány bez kódování. Běžnou metodou je zde rekurzivní abstrakce, kde jsou datové soubory shrnuty; tyto souhrny jsou pak dále shrnuty a tak dále. Konečným výsledkem je kompaktnější souhrn, který by bylo obtížné přesně rozeznat bez předchozích kroků destilace.
Častou kritikou rekurzivní abstrakce je, že konečné závěry jsou několikrát odstraněny z podkladových dat. I když je pravda, že nekvalitní počáteční shrnutí jistě přinesou nepřesnou konečnou zprávu, kvalitativní analytici mohou na tuto kritiku reagovat. Dělají to, podobně jako ti, kteří používají metodu kódování, dokumentováním odůvodnění každého souhrnného kroku, přičemž uvádějí příklady z dat, kde byly zahrnuty výroky a kde byly výroky vyloučeny z průběžného shrnutí.
Některé techniky spoléhají na využití počítačů ke skenování a třídění velkých souborů kvalitativních dat. Na své nejzákladnější úrovni se mechanické techniky spoléhají na počítání slov, frází nebo náhod tokenů v datech. Výstup z těchto technik, často označovaný jako analýza obsahu, je přístupný mnoha pokročilým statistickým analýzám.
Mechanické techniky se obzvláště dobře hodí pro několik scénářů. Jedním z takových scénářů jsou datové soubory, které jsou prostě příliš velké na to, aby je člověk mohl efektivně analyzovat, nebo tam, kde by jejich analýza byla vzhledem k hodnotě informací, které obsahují, cenově neúnosná. Jiným scénářem je situace, kdy hlavní hodnotou datového souboru je rozsah, v jakém obsahuje „červené praporky“ (např. vyhledávání zpráv o určitých nežádoucích příhodách v rámci dlouhého datového souboru časopisu od pacientů v klinické studii) nebo „zelené praporky“ (např. vyhledávání zmínek o vaší značce v pozitivních hodnoceních tržních produktů).
Častou kritikou mechanických technik je absence lidského tlumočníka. A i když jsou mistři těchto metod schopni napsat sofistikovaný software, který napodobuje některá lidská rozhodnutí, převážná část „analýzy“ je nelidská. Analytici reagují tak, že prokazují hodnotu svých metod buď a) najmutím a vyškolením lidského týmu k analýze dat, nebo b) ponecháním dat nedotčených, přičemž jakékoli žalovatelné nugety zůstávají neobjeveny.