地球化学数据通常蕴含多种有用信息并伴随某些不规律的变化，在数据获取过程中还引入了分析测定误差，这些使化探数据的复杂性增加了，在化探数据处理中要将这些不规律成分和分析误差除去。
在特定情况下地球化学数据可能只反映单一的地质过程，这样的化探数据是所谓“来自一个母体”的。一般情况是几种地质过程作用在同一地区，他们相互重叠或部分重叠，这反映在地球化学数据上就具有“多个母体”的特征。化探数据处理需要鉴别和分离这些母体，即对化探数据值进行分解，确定出不同母体的影响在数据中所产生的分量。在确定和分离地球化学母体时常常涉及化学元素的分布形式，如正态分布或
对数正态分布等。
找矿信息总是同
地球化学异常相联系的。最普通的化探数据处理是对一组化探数据计算出背景值和变化范围（如用平均值和标准离差来衡量），据此确定出地球化学异常的下限值。当
地球化学背景随着地理位置出现趋势变化时，要相应地采取适当的处理方法以便获得随地理位置而变的背景值和
异常下限。
化探数据是以多元素或多变量为特征的。化探数据处理既研究元素之间的相互关系，又研究样品之间的相互关系，前者叫做R方式分析，后者叫做Q方式分析。分析结果是将数据按变量或按样品划分成若干类，使各类内部性质相似而各类之间性质相异。如果参加分析的数据含有已知类别（如矿或非矿的作用）能起训练组作用时，数据处理的结果可给出明确的地质解释，否则所做的地质解释就含有较大程度的推测性。
传统的统计学方法以及与计算技术发展相适应的近代多元统计学方法，在60年代均被广泛地应用于化探数据处理中。例如，用于检验和计算元素含量分布形态和分布参数的快速统计学方法（含二元相关分析与回归分析），用于研究采样和分析误差的方差分析，用于确定非平衡地球化学特征的背景与异常的趋势分析和移动平均分析，用于含训练组化探数据分类方法的
多元回归分析和判别分析，用于不含训练组化探数据分类方法的主分量分析、因子分析、对应分析、簇团分析、和非线性映象等。这些方法已成为边缘学科数学地质学的重要构成部分。在研究地球化学特征的空间变化时也吸收和引用了
地质统计学（矿石储量估算的一种方法）中区域化变量的概念及有关方法。由于地球化学数据含有非数值性的成分以及地球化学特征之间相互关系的不明确和暧昧性，因此如非参量统计学和模糊数学等方法也得到应用。此外，人们越来越注意到地球化学数据中少数高含量值对统计计算结果(如背景和异常的数值)的扰乱，已经开始使用以中位数为基础的
稳健统计学代替以平均值为基础的传统统计学。
化探数据处理从近代计算机技术的发展中受益极大，用计算机不仅使得前述的一系列数据处理方法成为现实，而且机器制作区域
地球化学图和其他图件已成为常规工作。利用终端上的图形显示和
人机交互作用，使
地球化学参数的确定和
异常解释得以高效率地进行。尤其是彩色图像处理技术在化探中的初步应用，将对化探制图和解释推断工作的新飞跃发挥重大作用。各种地球化学数据库的建立使化探数据得到长久保存和最大程度的利用，有利于在大范围的资源共享。地球化学专家系统、地球化学过程的计算机模拟等研究工作，在先进的计算机系统硬软件支持下也已蓬勃地开展起来。