Рассматривается обобщенный метод анализа данных наблюдений, необходимый для обнаружения закономерностей, оценки важности признаков объектов и нахождения скрытых факторов. Предлагаемый метод основан на использовании дискриминантного анализа, таксономии и оценки информативности подсистем признаков. Анализ данных предполагает не только поиск глубинных факторов, но и обнаружение скрытых закономерностей. Предложена модель задачи обнаружения закономерностей, заключающаяся в ее сведении к дискриминантному анализу - задаче разделения множеств. При этом оказалось достаточным рассмотрение случая разбиения на два класса. При отсутствии аналитического описания этого разбиения работать с объектами можно только по их взаимодействию с приборами и экспертизами. Тогда восстановление классов производится по соответствующим прецедентным множествам. Конкретные приложения полученных результатов - задачи поиска закономерностей в неформализованных задачах математической экономики, математической биологии и медицины. В статье показано, что теория алгоритмов позволяет анализировать не только неформализованные задачи, но и в принципе неформализуемые.