本站中 #Data Storytelling 的應用文中，提到大數據故事時代的來臨，在切入「數據故事」點時，有哪些類型呢？
故事前有舖陳，後有關鍵情節；在數據故事中，即可分為以下類型，以供舖陳見解，及為關鍵評論適用。
(資料來源：資料故事時代｜製圖：吉客分析）
以客流數據為例：
趨勢分析：通常為舖陳見解中的必要數據故事，以時序方式道出每日、每週、每月的線性變化；如：營業時間中，每小時的客流數之高低起伏，瞭解其日客流趨勢。
相關分析：最常用在「探索」階段，如：客流量與成交率的相互關係。
交叉分析：這是指二項指標之間的超越或降低，如：近兩年的新冠肺炎的確診數和客流數。
預測分析：此分析則進入關鍵評論，可就過去的趨勢等分析，如：新品上市的客流，過去的歷史數據，可以做為即將的新品上市會吸引來的客流予以預測。
比較分析：「比較」是決策的關鍵因素 - 如何以有意義的比較傳遞見解（數據故事）？可參閱「The Principal of Data Storytelling ：Comparative Analytics」
進階分析：如是先看全國性數據，則可往下探索各區域或各城市的細化內容；反之，則可以單店數據，往上看城市以至於全國性總數。
群聚分析：在客流數據中的群聚分析，可以「威力時段」來適用，分析銷售機會，及管理，如：避免該時段安排進貨或培訓等事宜。
極數分析：這是從另一個視角看機會與問題，當大數據中出現極大或極小值時，通常有影響其數據的單一事件；如：某次國際巨星的簽唱會，僅此一次的活動，創造了客流在特定區間的極大值。極小值則可舉近兩年的防疫措施之影響，當去年（2021） 三級警戒時，各消費性零售實體店都出現了極小值。
從以上的說明，將各類型予以綜合使用，為每項事件從探索，經自我見解中得出予以解釋給受眾的故事，成為大數據時代的下個趨勢。