Многомерные методы (факторный и кластерный анализы) используются для обследования маркетинговых решений, в основе которых лежат многочисленные взаимосвязанные переменные. Их применяют и в «качественных» науках — в отраслевых экономиках (особенно в экономике сельского хозяйства, промышленности, торговле, в экономике предприятия) — и в науках «количественных» (статистике, эконометрии).
В изучении рынка к этому виду анализа прибегают для выяснения предпочтений (например, предпочтения покупателей при выборе товара, зависящего от характеристик товара) путем исследования структуры выбора — иными словами, какое значение покупатели придают отдельным характеристикам товара, комбинация которых влечет предпочтение товара в целом. Выгода, получаемая от товара в целом, разбивается на выгоду, получаемую от каждой из его характеристик. Далее изучается влияние характеристик товара на предпочтение, отдаваемое ему покупателем.

Исходным массивом многомерных данных для проведения многомерного анализа обычно служат результаты измерения компонент многомерного признака для каждого из объектов исследуемой совокупности, т.е. последовательность многомерных наблюдений. Многомерный признак чаще всего интерпретируется как величина случайная, а последовательность наблюдений как выборка из генеральной совокупности. В этом случае выбор метода обработки исходных статистических данных производится на основе тех или иных допущений относительно природы закона распределения изучаемого многомерного признака.

По содержанию многомерный анализ может быть условно разбит на три основных подраздела:
1. Многомерный анализ многомерных распределений и их основных характеристик охватывает ситуации, когда обрабатываемые наблюдения имеют вероятностную природу, т.е. интерпретируются как выборка из соответствующей генеральной совокупности.
2. Многомерный анализ характера и структуры взаимосвязей компонент исследуемого многомерного признака объединяет понятия и результаты, присущие таким методам и моделям, как регрессионный анализ, дисперсионный анализ, ковариационный анализ, факторный анализ и т.д. Методы, принадлежащие к этой группе, включают как алгоритмы, основанные на предположении о вероятностной природе данных, так и методы, не укладывающиеся в рамки какой-либо вероятностной модели.
3.Многомерный анализ геометрической структуры исследуемой совокупности многомерных наблюдений объединяет понятия и результаты, свойственные таким моделям и методам, как дискриминантный анализ, кластерный анализ, многомерное шкалирование. Узловым для этих моделей является понятие расстояния, либо меры близости между анализируемыми элементами как точками некоторого пространства. При этом анализироваться могут как объекты, так и признаки.

Прикладное значение многомерного анализа состоит в основном в решении следующих трех задач:
· задача исследования зависимостей между рассматриваемыми показателями;
· задача классификации элементов (объектов или признаков);
· задача снижения размерности рассматриваемого признакового пространства и отбора наиболее информативных признаков.