Анализ данных является одним из важных и очень развитых разделов современной прикладной математики. Большая часть алгоритмов для решения задач в этой области так или иначе основывается на методах теории вероятностей и исходит из предположения, что ошибки измерений и наблюдений адекватно описываются теоретико-вероятностными моделями. Но в последние годы практика предъявляет к решению всё больше задач, в которых эти допущения неверны. Тогда приходится прибегать к альтернативным способам описания неопределённости и неточности в измерениях. В докладе рассматривается пример решения задачи восстановления зависимостей в условиях интервальной неопределённости. Также будут описаны возможности открытой вычислительной платформы для решения задач анализа данных KNIME и интеграция собственных алгоритмов в эту систему.