Ventajas
Los modelos de datos vectoriales tienden a representar mejor a la realidad debido a la exactitud y precisión de los puntos, líneas y polígonos, en lugar de las celdas regularmente espaciados del modelo ráster.
Los datos vectoriales también proporcionan una mayor capacidad para alterar la escala de observación y análisis. Como cada par de coordenadas está asociado a un punto, línea y polígono representa un lugar infinitamente exacto (aunque limitada por el número de dígitos significativos y/o metodologías de adquisición de datos), al realizar un zoom profundo los datos no sufren cambios de vista en un gráfico vectorial de la manera como se genera en un gráfico ráster.
Los datos vectoriales tienden a ser más compactos en la estructura de datos, por lo que los tamaños de archivo son generalmente mucho más pequeños a diferencia de los datos ráster, aunque la capacidad de las computadoras modernas ha minimizado la importancia de mantener archivos de pequeño tamaño.
Otra ventaja es que la topología es inherente en el modelo vectorial. Esta información topológica resulta en un análisis espacial simplificado (por ejemplo, detección de errores, análisis de redes, análisis de proximidad, y la transformación espacial) cuando se utiliza un modelo vectorial.
Desventajas
En primer lugar, la estructura de datos tiende a ser mucho más complejo que el modelo de datos ráster. Como la ubicación de cada vértice debe ser almacenado de forma explícita en el modelo, no hay atajos para el almacenamiento de datos como hay para los modelos ráster (por ejemplo, las metodologías de codificación run-length y quad-tree).
La implementación de análisis espacial también puede ser relativamente complicada debido a las diferencias menores en la exactitud y precisión entre el grupo de datos de entrada. Del mismo modo, los algoritmos para manipular y analizar datos de vectores son complejos y pueden llevar a tener requisitos de procesamiento intensivo, particularmente cuando se trata de grandes grupos de datos.