Istället för 100-tals korstabeller för att leta skillnader så får du ut en trädstruktur med ett klick som visar de viktigaste förklaringarna till skillnaderna i dina data med typiska egenskaper presenterat för olika segment som orsakar det du frågar efter. Dessa segmentsbeskrivningar kan även sparas ned och återanvändas för prediktiv analys. En ”light” version av data mining metod för att snabbare hitta orsaken till gruppskillnader eller höga värden. 

Passar för de som observerar datumbaserade händelser och vill titta på trender och variationer över tid och förutsäga vad som kommer ske med hjälp av tidsserieanalys (t.ex försäljning). Det går att göra säsongsrensningar och använda ARIMA modeller, både egna inställningar eller automatiska anpassningar till den modellen som passar bäst. 

Kan utföra statistiska tester på en nivå trots att det är ”förbjudet” pga för få personer i undergrupper som jämförs. För de som har ytterst små datafiler eller snedvridna data, men som ändå vill utföra säkra statistiska tester. Exempel på snedvriden data kan vara om man har många individer i vissa kategorier och få i andra. 

Analyser för kategoridata. Korrespondensanalys är den vanligaste metoden där man får en ”kartbild” hur olika egenskaper ligger i närhet till varandra, t ex bilmärken och deras egenskaper.