El método científico vs. análisis de datos

Me he encontrado sin querer con este artículo de Chris Anderson en Wired. Discute un tema parecido al ya comentado en este blog, la utilidad real del método científico cuando muchas inferencias pueden realizarse directamente a partir de los datos, o del análisis cuantitativo de ellos. El punto principal del artículo es que, mientras que cuando sólo se cuenta con unos cuantos datos obtenidos empíricamente, es el método científico el que ayuda a abstraer y modelizar la realidad, cuando se tienen prácticamente "todos" los datos, las relaciones causales se convierten en "teoremas demostrados".

A mi entender, es cierto que el análisis matemático de datos puede ayudar enormemente a la comprensión del mundo. Pero, quizá por deformación profesional, creo necesaria la realización de un modelo que ayude a comprender la relación de estos resultados con el mundo que lo rodea. Lo veo como dos pasos que se ayuden entre sí. Los datos ayudan a tomar decisiones de manera cuasi-inmediata, y proveen de más "pistas" para la elaboración del modelo, unas inferencias y relaciones mucho más seguras que las que uno podría obtener mediante la experimentación clásica (aunque, por otra parte, seguramente con más ruido, por lo que las técnicas de gestión e integración de datos se convierten en algo crucial). Por otra parte, estos datos sirven para validar o refutar la teoría reinante (siendo el ejemplo clásico la física mecánica y cuántica). No veo por tanto el final de la teoría, sino la adición de un paso adicional (o mejor dicho, la "mejora" de un paso ya existente) del método científico mediante la gestión de megas, teras o petabytes de datos.