Работа посвящена разработке и исследованию моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях. Специфику исследований определяет ориентация на анализ функциональных показателей социально-экономических, производственных, технических и других сложных систем. Идея работы заключается в применении к выборочным данным оригинальных преобразований, определяющих случайно сформированную (сложившуюся) систему функционально подобных объектов (опытов) и их показателей как источник сообщений. Структура источника исследуется в информационном и фазовом пространствах на методической основе теорий информации и динамических систем, а выводы о выявленных закономерностях и связях переносятся на исходные данные. Разработанные алгоритмы позволяют решать задачи анализа больших массивов неоднородных данных в многофакторной постановке, в том числе: выделять среди большого сила показателей множественные значимые факторы; обнаруживать объекты и подсистемы с особыми свойствами; конструировать из частных показателей комплексные характеристики структуры данных; исследовать нелинейные корреляционные связи без выдвижения гипотез о виде функционалов; оценивать роль отдельных объектов и подсистем в общесистемной тенденции с использованием инвариантных критериев из теории динамических систем. Совокупность полученных результатов определена как новый метод комплексного анализа структуры многомерных данных на основе модели полной энтропии системы многофакторных объектов (опытов).