בעת בואנו לבחור את סולם המדידה המתאים ביותר, הבנת אופי הנתונים הינה חיונית מאוד. כך למשל, עבור תכונות כגון לאום, פרי מועדף או סוג מגורים (דירה, בית וכו'), הסולם הנומינלי יהיה הבחירה הנכונה.בניגוד לכך, מדידות כמו לחץ דם או טמפ' מתאימות בדרך כלל לסולמות הרווח או היחס/מנה. לעומת זאת, אם אנו בוחנים העדפות, כמו דירוג ספרים או סרטים אהובים, הסולם הסידורי הופך להיות רלוונטי. 

לכן, כאשר ברצוננו להחליט מהו סולם המדידה המתאים, עלינו לשאול את עצמינו כמה שאלות: "האם המשתנה הוא איכותי או כמותי?" אם המשתנה הוא איכותי, אזי עלינו להבין האם מדובר בסולם שמי או סדר. במקרה כזה, אם ניתן לקבוע מי מבין הערכים יותר גדול מהשאר, הרי שמדובר במשתנה מסולם סדר – אחרת מדובר במשתנה נומינלי. 

לעומת זאת, אם מדובר במשתנה כמותי,  נרצה לדעת האם ניתן לדעת את היחס בין הערכים או פי כמה ערך אחר גדול מערך אחר. אם כן, הרי שמדובר במשתנה מסוג יחס/מנה, אחרת – מדובר במשתנה בסולם רווח. דרך נוספת להבחין בין שתי הסולמות הנ"ל היא לקבוע האם למשתנה יש נקודת אפס אמיתית שמייצגת היעדר התופעה הנמדדת. כפי שציינתי קודם, לרוב משתנים בעלי ערכים שליליים לא יוכלו להיות בסולם מנה, מה שמצביע על היעדר נקודת אפס אמיתית/טבעית.

למרות כל מה שציינו קודם, לפעמים ההחלטה באיזה סולם מדידה להשתמש עשויה להיות גם תלויה בחוקר או בשאלה עצמה. למשל, אם נסתכל על משתנה הישגים לימודיים; ניתן לסווג אותו במונחים סידוריים כמו תואר ראשון, שני דוקטורט וכו', מה שיהפוך אותו לסולם סדר. 

לחילופין, ניתן לסווג את אותו משתנה על סמך מספר שנות הלימוד באופן המתאים לסולם היחס/מנה. במצבי קבלת החלטות כאלה, משיכה אל עבר סולמות הקרובים יותר אל סולם היחס/מנה היא לרוב יתרון בשל עומק המידע הרב יותר שהם מספקים. 

לרוב, סולמות ברמות גבוהות יותר ניתן להפוך בקלות לרמות נמוכות יותר בעת הצורך, אך ההפך אינו תמיד הנכון. לדוגמה, אפשר לקבץ טמפרטורות לקטגוריות כמו 'קר', 'בינוני' ו'חם'. אבל אם תחילה רק נתייג את הטמפרטורות אל קטגוריות אלה, מבלי לציין את המעלות המדויקות, קביעת הטמפרטורה המדויקת מאוחר יותר תהיה בלתי אפשרית.