伊曼纽尔·德曼（Emanuel Derman）：哥伦比亚大学金融工程学教授，曾先后在贝尔实验室、高盛集团和所罗门兄弟公司任职，著有《宽客人生：从物理学家到数量金融大师的传奇》《失灵：为什么看来可靠的模型最终都会失效》。
在我成长的环境中，有很多物理学家的工作方法是观察世界，对其进行实验，提出假设、理论以及模型，再进一步进行实验，然后利用统计学的方法分析结果，从而将心中的想法与实际情况进行比较。这其中用到的统计学，只是他们进行确认或否定研究结果的工具。
但现在，尤其在社会科学领域，科学家越来越喜欢将统计学和数据科学作为一种知识和真理的来源。有些人甚至宣称，计算机辅助的统计学分析模式将取代我们传统的发现真理的方法，不仅在社会科学和医学领域如此，在自然科学领域也将会如此。
我们必须警惕，不要太过于迷恋统计学和数据科学，而放弃了发现自然伟大真理的经典方法（人类亦是自然的一部分）。关于经典方法，一个很好的例子是行星运动第二定律的发现，它是在17世纪由开普勒提出的，而事实上第二定律相比于模式的识别和描述并没有应用太多的法则。
开普勒第二定律表达的是，太阳和一个移动的行星之间的连线，在相同的时间内扫过的面积是相同的。这种行星运动的深刻对称性意味着，行星越靠近太阳，它沿着轨道运动的速度就会越快。但请注意，在行星和太阳之间实际上是没有线的。开普勒惊人的洞察力离不开对第谷·布拉赫数据的思考，以及长期的冥思苦想和灵感的爆发，最终他才想到利用一条无形的线来完成并检验他的假设。数据、灵感、假设以及最后与数据的比较是一个有着悠久历史的过程。开普勒第二定律其实是角动量守恒定律，牛顿的运动定律和重力理论也都是在此基础上提出的。牛顿的理论能够快速地被大众接受，也是因为开普勒的三个定律已经被验证是正确的。在牛顿诞辰300年的时候，约翰·梅纳德·凯恩斯（John Maynard Keynes）的一篇文章中关于牛顿是这样写的：“我猜测他早期的卓越是因为他直觉的力量，一个人所能被赋予的最强大、最坚忍的力量。”
统计学这个领域，本身就有点像卡利班（Caliban），它发源于数学和自然科学之间的孤立地带。它既不是一种纯粹的语言，也不是一种纯粹的关于自然的科学，它是一些用于测试假设的技术的综合。隔离的统计数据只能寻找过去的趋势和相关性，并假设它们将持续下去。但是，相关性不等于因果关系。
科学是一场战争，我们要在混乱的数据中寻找原因和解释。不要太迷恋数据科学，到目前为止，数据科学主要在广告和说服力方面比较有优势而已。数据本身不会发出声音。正如开普勒的传奇故事告诉我们的，根本不存在“原始”数据。选择要收集的数据，以及如何对数据进行思考，需要对无形的事物具有深刻的洞察力。如果想要对收集到的数据产生好的直觉，需要采用传统的方法：直觉、建模、理论化，最后才是统计。
