Um modelo deve ter um objetivo claro e esse objetivo deve ser o de resolver um problema, afirma Sterman. Um objetivo claro é o ingrediente mais simples para um estudo de modelagem. É óbvio que um modelo, apesar de ter um objetivo bem definido, pode estar errado, demasiado grande ou difícil de ser compreendido. Mas um objetivo claro permitirá que os usuários do modelo formulem questões para identificar se o modelo é realmente útil para resolver o problema em questão.

Já os modelos que visam examinar o ciclo de negócios ou a transição de fontes de energia serão muito menores, limitados pelos fatores que se acredita serem relevantes. O modelo de ciclo de negócios não precisará incluir tendências de crescimento da população, por exemplo, e o de transição de fontes de energia pode desconsiderar fatores como taxa de juros, desemprego etc. Isso permitirá a construção de modelos simples que possam ser examinados e validados. A comparação entre o que foi considerado no modelo e as teorias mais importantes sobre ciclo de negócios e fontes de energia, servirá para determinar se os modelos são realmente úteis para os objetivos pretendidos.

Uma das classificações mais úteis dividem os modelos naqueles que otimizam versus os que simulam. Essa distinção é particularmente importante, uma vez que esses tipos de modelos são construídos para diferentes propósitos.

O Dicionário Aurélio define otimização como “O conjunto das técnicas algorítmicas e de programação para buscar o valor ótimo de funções matemáticas”. As saídas de um modelo de otimização são uma indicação de como atingir algum objetivo concreto. Esse tipo de modelo não diz o que vai acontecer em uma determinada situação, o contrário, informa o que deve ser feito no sentido de obter o melhor resultado possível para um determinado problema, sendo chamados de normativos ou preditivos.

Os modelos de otimização são prescritivos, enquanto que os modelos de simulação são descritivos.

As forças e fraquezas inerentes aos modelos têm implicação crucial em suas aplicações. Tomadas de decisão inteligentes requerem o uso apropriado de diferentes modelos desenhados para objetivos específicos, e não um modelo que pretenda representar toda a economia, como foi abordado anteriormente.

Para serem usados com responsabilidade, os modelos devem estar sujeitos ao debate. Uma abordagem multi ou interdisciplinar é necessária: modelos construídos por especialistas em diferentes áreas devem ser comparados, contratados e criticados. A história de construir modelos globais é um bom exemplo. Os esforços iniciais de modelagem publicados em World Dynamics (Forrester, 1971) e The Limits to Growth (Meadows et al., 1972) provocaram uma verdadeira tempestade de controvérsias. Um enorme número de críticas surgiu e outros modelos globais foram construídos.