现在的社会，特别是知识分子，爱数字和数字证据，因为数字被认为是有偏见和更容易陈述意见。建模作为统计的一部分广泛应用于商业研究和学术研究。我们可以比较几个世纪前的社会科学学术研究和现在的研究成果，例如，当我们比较亚当·斯密的“国富论”和许多当前的经济学的学术研究和书记，亚当·斯密在书中并没有包含尽可能多的数字证据和统计分析，因为包括在当今的工作。此外，一旦新的理论首次引入，理论开发者更可能使用简单的数字来描述他们的理论。有时，他们也可能使用来自现实世界的数据，但一旦理论被认可和进一步发展，更多的现实世界数据将被测试批准理论和进一步改进理论。
同时，在许多商业公司，建模已经被广泛和频繁地使用。建模用于分析客户的行为，员工的生产力，营销等。在金融部门，建模甚至更广泛和频繁地使用，以便预测市场运动。然而，在业务中，建模用于预测市场未来的表现，有时一个粗略的趋势是足够好的。此外，在业务中，异方差问题经常被忽略，一些其他统计问题也被忽略。由于资源有限和信息隐私，在商务领域，他们只能使用可用的资源和数据进行建模。此外，建模是一项非常复杂的工作和能力，不是每个员工都可以开发自己的模型，即使他们能够，他们开发的模型不具有相同的质量;因此，在一个公司内，员工倾向于使用已经由公司专家开发的相同或类似的建模工具。这里存在一个问题，即建模工具可能过时，如果不准确，整个公司基于该建模工具的研究将是不精确的。
然而，在学术领域，人们喜欢使用他们自己开发的模型，即使他们借用他人，他们往往做一些改进，这意味着他们在技术上不使用它。因此，在学术界，当人们使用不同的模型时，他们可能有不同的结果，一旦对一个特定主题进行了更多的研究，该主题将被许多不同的模型研究和测试;因此，结果往往比商业公司的研究更准确。
