Творческое применение соответствующих алгоритмов (а успешным, эффективным использование методов анализа данных в социологии может быть только тогда, когда оно носит специфический творческий характер [7, 8]) требует знания всех разделов высшей математики, включенных в наши вузовские программы. Мы не будем здесь много говорить об этом. Отметим только следующее обстоятельство. Сегодня многие маркетинговые, рекламные и т.д., фирмы, работающие по западным методикам, активно используют довольно сложные методы анализа данных: поиск взаимодействий, логлинейный анализ, совместное шкалирование (conjoint анализ), регрессионный анализ, причинный анализ, анализ соответствий, многомерное шкалирование и т.д. Такие методы используются для типологии потребителей, сегментации рынка и т.д. (см., например, [9, 10, 11]). И выпускникам наших вузов бывает очень трудно осуществлять интерпретацию соответствующих результатов: для этого нужно глубоко знать метод. А изучение методов чаще всего не предусматривается программой. Так обстоит дело, например, на социологическом факультете МГУ. В течение единственного семестра, выделенного на анализ данных, студенты успевают освоиться только с самыми простейшими подходами к анализу одномерных и многомерных частотных таблиц. До многомерных методов добраться не удается.
О некоторых подходах, связанных с проникновением математического языка в теоретическую социологию, мы говорили на страницах настоящего журнала [12].