統計模型所追求的並不是「科學」。在面對大資料時，很多有效的分析方法都具有極高的應用價值。從實用的角度來看，在解決很多實際問題時，能準確應用這些方法就已經足夠了。比如說，假如我們可以根據客戶在網站上瀏覽、收藏、購買的商品來為他繼續推薦其它商品，這本身就已經可以創造巨大的商業價值，那麼我們又何必去研究為什麼這位客戶會有這樣的愛好呢？當然，從另一個角度來看，正是因為對實用的過分強調，統計模型在讓我們使用的各種裝置越來越智慧化的同時，正在讓理論研究變得困難重重。

透過改進統計的一些方面，也可以幫助我們找到一部分的因果關係。例如經濟學家格蘭傑就提出了「格蘭傑因果」，它在很多經濟學實證研究中都有應用。不過，仍然有很多問題難以用簡單的因果關係來進行推導，比如我們就很難說清楚某一社會現象（例如失業率升高）到底是因為什麼單一的原因而起，甚至有的社會現象之間互為因果（經濟增速降低和失業率升高），而你也無法對其進行控制實驗。無法控制實驗，就意味著我們很難排除所有的可能性，在結論上也總還是會打折扣。