Kladistická analýza nebo metodika se aplikuje na určitý soubor informací. Pro uspořádání těchto informací se rozlišuje mezi znaky a stavy znaků. Vezměme si barvu peří, ta může být u jednoho druhu modrá, u jiného červená. Tudíž „červené peří“ a „modré peří“ jsou dva stavy znaku „barva peří“.
Za starých časů výzkumník rozhodoval, které znakové stavy byly přítomny před posledním společným předkem druhové skupiny (plesiomorphies) a které byly přítomny u posledního společného předka (synapomorphies). Obvykle se to dělá tak, že se vezme v úvahu jedna nebo více outgroups (organismy, které se nepovažují za součást dané skupiny, ale které jsou příbuzné skupině). Pouze synapomorphies jsou k užitku při charakterizaci kladistických dělení.
Dále byly vypracovány a vyhodnoceny různé možné kladogramy. Klady by měly mít co nejvíce synapomorfií. Doufá se, že dostatečně velký počet skutečných synapomorfií bude dostatečně velký, aby překonal všechny nezamýšlené symplesiomorfózy (homoplasie), způsobené konvergentní evolucí (tj. znaky, které se podobají jeden druhému kvůli podmínkám prostředí nebo funkci, ne kvůli společnému původu). Známým příkladem homoplasie díky konvergentní evoluci jsou znaková křídla. Ačkoli křídla ptáků a hmyzu se mohou povrchně podobat jeden druhému a plnit stejnou funkci, každý se vyvíjel nezávisle. Pokud jsou pták i hmyz náhodně označeni „POZITIVNÍ“ pro znak „přítomnost křídel“, byla by do datového souboru zanesena homoplasie, což může způsobit chybné výsledky.
Když se objeví ekvivalentní možnosti, obvykle se volí jedna na základě principu parsimonie: nejkompaktnější uspořádání je pravděpodobně nejlepší hypotézou vztahu (variace Occamovy břitvy). Jiný přístup, zvláště užitečný v molekulární evoluci, je maximální pravděpodobnost, která vybírá optimální kladogram, který má nejvyšší pravděpodobnost na základě specifického pravděpodobnostního modelu změn.
Dnes už se to samozřejmě takto nedělá: zaujatosti výzkumníků je třeba se vyhnout. V dnešní době se velká část analýzy provádí pomocí softwaru: kromě softwaru pro výpočet samotných stromů existuje sofistikovaný statistický software, který poskytuje objektivnější základ.
Kladistika se chvíli zabydlela a stále se vede široká debata o tom, jak aplikovat Hennigovy myšlenky v reálném světě. Panují obavy, že používání široce odlišných souborů dat (například strukturální versus genetické charakteristiky) může produkovat široce odlišné stromy. Kladistika se však do značné míry ukázala jako užitečná při řešení fylogenií a získala širokou podporu.