觀察能力有助提升學習，實驗則是為了有機會去觀察的刻意安排；而進行科學實驗後得到的結果，往往都是數字數據，即是測量到的結果。光有數據或由此計算出的結果，未必是個有效的學習經歷；獲取一堆數字並無提升學生的智慧，中間尚須有個分析過程，將數字加以整合。

這個過程，也是個學習基本功；簡言之是數據分析，當中涉及數學方法。這是呼應了ＳＴＥＭ教育中「數學」部份的最直觀應用。老師從旁加上一句半句，學生當可發現數學課上貌似抽象的計算過程，其實是很實用價值。

以一個簡單的科學實驗為例。用熱功率為ｐ的發熱線將定量ｍ的水加熱，每隔一段時間量度水溫；結果得出兩組數據（時間ｔ、溫度Ｔ）。實驗手冊要求學生繪畫線圖：時間—溫度差（ Δ Ｔ），畫上一條大約能穿過全部點的直線。

上述記錄數據、繪畫線圖、畫出直線，都是依指示做。直線結果顯示加熱時間與溫度差成正比：這是數學，由穿過原點的直線推導出來！量度直線的斜率ｓ後可依公式 算出一個數值結果：那是水的比熱容ｃ。整個過程用上了數學工具來分析。

開著的發熱線送出的能量Ｅ＝ｐΔ ｔ，從線圖得出的直線斜率ｓ就是Δｔ／ΔＴ。上面公式等同 ；由此算出儀器未可直接量度到的比熱容ｃ，也驗証課堂上教過的理論Ｅ＝ｍｃΔＴ。這個例子反映出數學方法，是能很好地應用於數據分析。

另一常見數據分析情境就是問卷調查，問卷調查多用於專題研習科蒐集資料。問卷所得的都是初級數據，必須加以整理才帶來有意義的結果；這時統計學方法就派上用場。統計學，在中學階段都是數學課堂上所教的。中學生做的問卷統計分析往往是分類計算平均數、畫出直方圖等；再深入一點或做分組比較，可能用上ｔ-測試。都是統計學提供的數據分析工具。

數學本是一個美麗而抽象的學科，學生學習數學時總覺很困難，非要有個很棒的腦袋才吃得消。但作為數據分析工具，倒是人人要懂得的應用知識。所以使用數學工具來做數據分析都是學習基本功。