На протяжении большей части процесса кейс-стади, начиная от формулировки главного исследовательского вопроса и вплоть до окончания сбора данных и составления соответствующей базы данных, исследователь сталкивается с необходимостью определения того, какие аналитические техники наиболее пригодны в его случае. В научной литературе есть самые разные рекомендации на этот счет. Например, в последней энциклопедической работе, посвященной кейс-стади [Encyclopedia, 2010], к теме анализа данных относится 60 статей (начиная от статистического анализа и заканчивая анализом разговоров), и ни одна из них не содержит информации о комплексных подходах к анализу данных. Поэтому ниже рассмотрены семь аналитических техник, наиболее "заточенных" под кейс-стади: внутрикейсионный анализ, гнездовой анализ, анализ наибольшей схожести [Gerring, 2007: p. 197–207], сопоставление паттернов, построение объяснения, логические модели и кросскейсионный синтез [Yin, 2009: p. 136–160].
Внутрикейсионный анализ (within case analysis) является главной аналитической техникой, если кейс-стади охватывает только один кейс. Если же в рамках исследования анализируется несколько кейсов, эта техника является первым шагом анализа полученных данных. Ее использование заключается в подробном анализе и описании каждого кейса по отдельности. При этом необходимо сфокусироваться на всех доступных уровнях кейса, особенностях его развития и функционирования в контексте поиска ответов на исследовательские вопросы.
Гнездовой анализ (nested analysis) предполагает, что исследователь имеет в своем распоряжении базу данных с информацией количественного характера по нескольким переменным, основанную на достаточно большом количестве наблюдений. Суть данной техники заключается в использовании методов статистического анализа с целью описания кейсов, а также их сравнения между собой. Для этого необходимо чтобы кейс (в случае единично-составного кейс-стади) или кейсы (в случае множественно-составного кейс-стади) содержали необходимое количество единиц, которые могут выступить основой количественного анализа. Люди внутри организации представляют собой типичный пример единиц анализа, предоставляющих все необходимое для количественного описания исследуемого кейса, которым может быть как сама организация, так и ее структурные подразделения. С другой стороны, если, например, исследуются региональные культуры (которые и будут выступать в роли кейсов), единицами анализа могут быть входящие в их состав страны.
Анализ наибольшей схожести (most similar analysis) опирается, в первую очередь, на концепцию повторяемости. В соответствии с этой техникой могут сравниваться два и более кейса, схожие между собой по ряду ключевых параметров, за исключением того (тех), который подлежит изучению. Это позволяет проследить влияние интересующих параметров на аспекты, производные от них, и таким образом понять специфику функционирования и развития феномена в различных контекстуальных условиях.
Сопоставление паттернов (pattern matching) в некотором смысле является аналогом предыдущей техники, который можно применять как при исследовании единичного кейса, так и при изучении нескольких. Его использование особенно пригодно в ситуациях, когда исследователь опирается на гипотезы, направляющие исследование. Выделяют несколько разновидностей сопоставления паттернов: паттерны в виде неэквивалентных зависимых переменных, паттерны в виде конкурирующих объяснений, простейшие паттерны.
В случае использования в качестве паттернов неэквивалентных зависимых переменных обычно проверяется теория с точки зрения эффектов, производных от единственной независимой переменной. Так, исследуя нововведение, следует сформулировать гипотезы о тех изменениях, к которым оно приведет. Эти гипотетические изменения и будут неэквивалентными зависимыми переменными. Подтверждение гипотез в ходе дальнейшей эмпирической проверки является существенным основанием для принятия проверяемой теории.

Если же исследователь обладает информацией относительно зависимых переменных, то есть определенных последствий независимой переменной, но не обладает информацией относительно последней, в качестве паттернов можно использовать конкурирующие объяснения. Они являются гипотетическими и взаимоисключающими объяснениями известных эффектов, подлежащих объяснению. Используя эту логику, при изучении нескольких кейсов исследователь может построить теорию, основывающуюся как на константной, так и на теоретической повторяемости.
Простейшие паттерны, по сути, являются упрощенной разновидностью описанных выше способов применения сопоставления паттернов. В первом случае (паттерны в виде неэквивалентных зависимых переменных) используется минимальное количество зависимых переменных, во втором (паттерны в виде конкурирующих объяснений)— минимальное количество независимых переменных.
Следующая аналитическая техника — построение объяснения (explanation building) — основывается на итеративном процессе выдвижения гипотез, во многом схожем с аналитической индукцией. Сначала исследователь выдвигает инициальное допущение относительно изучаемого явления, которое проверяется в рамках изучения одного или более кейсов. Далее, в соответствии с полученными эмпирическими результатами, инициальное допущение принимается либо модифицируется. Этот процесс повторяется до тех пор, пока это возможно с точки зрения ресурсов исследователя и целесообразно с точки зрения изучаемого феномена.
Логические модели (logic models) являются техникой, суть которой заключается в составлении априорных графических моделей, представляющих цепи взаимосвязанных событий, имеющих место в рамках кейса. При этом отдельное событие может быть как следствием предыдущих, так и причиной для последующих. Такие модели являются руководством для анализа эмпирических данных как качественного, так и количественного характера (в последнем случае могут применяться структурные уравнения). Этот способ анализа представляет собой усложненный вариант техники построения объяснения. Построенная модель сверяется с эмпирическими данными и модифицируется в случае необходимости.
Кросскейсионный синтез (crosscase synthesis) — аналитическая техника, применяемая исключительно при изучении двух и более кейсов и по сути не отличающаяся от других способов исследовательского синтеза. При использовании этой техники изучение каждого кейса рассматривается как отдельное исследование, и не важно, получены ли данные из отдельных исследований или в рамках одного. Если в распоряжении исследователя есть данные относительно большого количества кейсов, в качестве части анализа он может использовать количественные методы или метаанализ. Однако если имеются данные лишь по нескольким кейсам, необходимо использовать альтернативную стратегию, заключающуюся в создании унифицированной формы, пригодной для совместного представления релевантных данных нарративного характера по каждому кейсу. Такая форма позволяет проанализировать данные на предмет наличия общих паттернов и ключевых отличий между кейсами.