Veri yükleme aşamasında, kayıp değer içeren “.xls” ve “.xlsx” uzantılı excel dosyalarını yazılıma yükleme ve veri seti görüntüleme işlemleri yapılmaktadır. Değişken tipi belirleme aşamasında ise değişkenler nitel (sınıflayıcı/sıralayıcı) ve nicel (kesikli/sürekli) değişken tiplerinde kullanıcı tarafından belirlenir. Dağılım tipi belirleme adımında, kayıp değer içeren satırlar veri setinden çıkarılarak, kalan verilerin değişken bazında hangi teorik istatistiksel dağılım tipine uyduğu belirlenir. Uyumu test etmek için Kolmogorov-Smirnov (K-S) testi kullanılır. K-S testi sonrası, eğer ilgili değişkenin dağılımının birkaç istatistiksel dağılıma birden uygunluğu tespit edilmişse, hangi istatistiksel dağılıma daha iyi uyum gösterdiği Akaike Bilgi Kriteri esas alınarak belirlenir. Benzetim aşamasında değişken bazında belirlenen istatistiksel dağılımlara göre veri benzetimi yapılır. Burada amaç kayıp veri içeren gerçek veri setine en uygun karakterde veri türetmektir. Kayıp değer ataması aşamasında yazılıma yüklenen gerçek veri setinde değişken bazında kaç tane kayıp değer varsa, benzetim çalışması sonucu türetilen veri setinde de o kadar sayıda kayıp değer rastgele olarak oluşturulur. Sonrasında ise bu kayıp değerlere, kullanıcı tarafından belirlenecek olan atama yöntemleri kullanılarak atama işlemi yapılır. Atama performansı değerlendirme aşamasında ise kullanıcı tarafından belirlenen atama yöntemleri Ortalama Hata Kareleri Toplamı Kökü (OHKT) metriği kullanılarak karşılaştırılır ve gerçek veri seti için kullanılacak en uygun kayıp değer atama yöntemi belirlenir. Web tabanlı yazılımımızda, arka planda çalışan ve analitik hesaplamaların yapıldığı kodlar için R yazılımındaki missForest, fitdistrplus ve mixtools paketleri, ara yüz tasarımında ise yine R yazılımındaki Shiny paketi kullanılmıştır.