数据分析涉及到概率统计和时序分析等学科中很深的数学知识，本文在此不做深入讨论。要理性填报志愿，正确进行数据分析，必须注意以下几个误区。误区一：只用一年数据的误区
应对策略：至少用三年，最好用四至六年的原始录取数据
如果只用一年的数据，偶然性的因素不会排除，招生录取的 大小年 现象无法回避，至少要用四到六年的数据。
所谓大小年的现象，就是高校招生中某个或某些学校的招考人数很不稳定，起伏很大。某一年填报该校的人数比计划招生数高出许多倍，直接结果是当年的录取分被抬得很高，这一年称之为大年。由于上一年录取分高，竞争异常激烈，使下年许多考生望而却步，不再报考该校了，带来的结果是参与竞争的人少，录取分相应就降下来，我们将其称之为小年。再下一年的考生看到头一年的录取分不高，可能报考的人又多了 如此循环，报考人数和录取分起伏十分明显，就形成了所谓的大小年现象。
误区二：使用最低分的误区
应对策略：至少要用平均分
最低分这个指标，从逻辑与数学的意义而言，是能否上一个院校（或专业）的必要条件，只能起到否定的作用（不能上），这不是我们考生和家长的目标。我们追求的目标是应该有90%以上的概率能上学！是一种肯定，而不是否定！而我们大多数人的思维定势往往是想以最低的成绩上最好的院校。从感性而言可以理解，但从理性来讲，不够明智。
而平均分是一个充分条件，能起到肯定的作用（但应注意，这种肯定是统计学意义的肯定）。同时，应该注意，平均分也有其局限性。
误区三：平均分算法错误的误区
应对策略：所有考生的实际平均值
平均分并不是最高分与最低分的几何中心（最高分与最低分的算术平均），而是低于几何中心位置。有的学者提出了3/8方法、2/5黄金线法等，有一定的合理性，最好的方法是大数据分析法----使用所有考生的实际平均值。
另外，由于最高分与最低分（属于极端值）的不可靠性和偶然性，在数据分析的过程中，应该按极端值处理的方法进行。最简单的事例是，在各种竞赛的评比中，经常用去掉一个最高分、去掉一个最低分，就是这个道理。
在志愿填报实践中，要尽力避免数据分析的各种误区，综合应用线差法与位次法，克服各种方法的缺点，整体考察，宏观把握！事实上，高考(课程)志愿填报从数学的观点而言，是一个无解的题目，我们所努力的方向是尽量减少误差、减少填报志愿过程中的失误。