وقتی نمودارهای پراکندگی کشف شدند، رسم آنها کار پیچیده‌ای بود. اغلب نیاز به استفاده از آماردانان و دانشمندان داشت. در گذشته‌ای نه چندان دور، بیشتر رسم نمودارها به صورت خودکار انجام می‌شد. با این حال، هنوز هم به میزان زیادی دخالت انسان و همچنین قضاوت انسانی نیاز است. مراحل به شرح زیر ترسیم شده‌اند:

مرحله ۱: دو متغیر را تعیین کنید

مهم‌ترین مرحله تحلیل، حتی قبل از شروع تحلیل انجام می‌شود. در مسائل کتاب‌های درسی فرض می‌کنیم متغیرهایی را که باید بین آنها همبستگی پیدا کنیم، می‌شناسیم. با این حال، در زندگی واقعی، متغیرهای زیادی وجود دارند و بنابراین موارد همبستگی زیادی ممکن است. انتخاب متغیرهایی که بین آنها رابطه‌ای مادی وجود دارد که اگر درک شود، به نفع فرآیند خواهد بود، مهم است.

مرحله 2: جمع آوری داده ها

پس از انتخاب متغیرها، باید داده‌های مرتبط جمع‌آوری شوند تا نتیجه‌گیری‌های معناداری در مورد آنها حاصل شود. این کار را می‌توان با اعمال طراحی آزمایش مربوطه و ارائه اندازه‌گیری‌هایی که به عنوان ورودی به سیستم استفاده می‌شوند، انجام داد. این فرآیند مانند هر فرآیند دیگری از اصل GIGO پیروی می‌کند، یعنی ورودی بی‌ارزش، خروجی بی‌ارزش و از این رو باید در مورد داده‌های ورودی دقت لازم صورت گیرد.

مرحله ۳: نقشه‌برداری از داده‌ها

پس از جمع‌آوری داده‌ها، باید آن‌ها را روی محورهای X و Y سیستم مختصات دکارتی ترسیم کرد. این کار به بیننده ایده‌ای در مورد محل قرارگیری اکثر نقاط، محل نقاط پرت و دلیل این امر می‌دهد. امروزه، این کار نیازی به انجام دستی ندارد. نرم‌افزارهایی وجود دارند که به طور خودکار داده‌های ورودی را در زمان واقعی دریافت کرده و آن را روی یک نمودار پراکندگی ترسیم می‌کنند.

مرحله ۴: خط بهترین تناسب

مرحله بعدی محاسبه آماری خط بهترین نقطه برای نقاط داده پراکنده است. این بدان معناست که از نظر ریاضی خطی رسم می‌شود که از بیشتر خطوط عبور می‌کند و به بقیه آنها نزدیک‌تر است. این خط دارای معادله‌ای است که می‌تواند برای پیش‌بینی ماهیت رابطه بین متغیرها استفاده شود. این مرحله نیز، در ابتدا نیاز به محاسبات پیچیده‌ای داشت که مستعد خطای انسانی بود. اکنون نرم‌افزار می‌تواند این کار را به صورت یکپارچه و در کمترین زمان انجام دهد.

مرحله ۵: یک عدد دقیق پیدا کنید

مرحله بعدی، محاسبه ضریب همبستگی است. همانطور که قبلاً گفته شد، این عدد بهترین معیار برای درک همبستگی است و بین -1 و +1 قرار دارد. نرم‌افزار آن را محاسبه کرده و ضریب همبستگی را به شما ارائه می‌دهد. نیازی به نرم‌افزار گران‌قیمت نیست. می‌توان از چیزی به سادگی یک فایل اکسل استفاده کرد.

مرحله ۶: تفسیر عدد

آخرین مرحله تفسیر عدد است. هر عددی بالاتر از + یا -0.5 نشان‌دهنده‌ی همبستگی قوی است. 0 نشان‌دهنده‌ی عدم همبستگی است در حالی که -1 یا +1 نشان‌دهنده‌ی همبستگی کامل است. همبستگی کامل می‌تواند نشان‌دهنده‌ی علیت باشد. با این حال، به خودی خود نشان‌دهنده‌ی علیت نیست.