Ve statistické praxi se v dnešní době můžeme poměrně často setkat s rozsáhlými datovými soubory, které obsahují až stovky tisíců pozorování. Práce s takovými soubory je umožněna vyspělou úrovní počítačů, především pak statistických softwarů, které analýzu s nimi usnadňují. Otázkou však zůstává, jak hromadná data z těchto souborů analyzovat. Nové pojetí, které přináší užitečný nástroj analýzy datových souborů, neboť shrnuje datové soubory do "rozumných" rozměrů, je označováno jako analýza symbolických dat, neboli symbolic data analysis (SDA). Nejdříve vysvětlíme základní myšlenky přístupu SDA. Dále tento koncept zúžíme na případ intervalových dat, jež představují jeden z typů proměnných v SDA a nacházejí své využití v praxi. Teoretické poznatky využijeme pro zpracování datového souboru týkajícího se počasí.In statistical practice nowadays we quite often meet up with large data sets that contain hundreds of thousands of observations. Dealing with these files is possible due to advanced level of computers, especially of statistical software to analyze them easier. However, the question remains, how to analyze mass data from these data sets. The new approach that delivers a useful tool for analyzing data sets, because it summarizes the data set to "reasonable" values, is known as symbolic data analysis (SDA). First, we explain the basic ideas SDA approach. Furthermore, for this concept we turn our attention to the case of interval data, which represent one of variable types, and demonstrate their use in practice. Theoretical knowledge will be used for processing data sets related to the weather.