การพยากรณ์ทางธุรกิจเป็นกระบวนการที่ใช้ในการประเมินหรือทำนายรูปแบบในอนาคต ผู้บริหารผู้จัดการและนักวิเคราะห์ใช้ผลลัพธ์ที่คาดการณ์ไว้เพื่อช่วยในการตัดสินใจทางธุรกิจที่ดีขึ้น ตัวอย่างเช่นการคาดการณ์ทางธุรกิจจะใช้ในการประมาณการยอดขายรายไตรมาสระดับสินค้าคงคลังคำสั่งซื้อใหม่ในห่วงโซ่อุปทานการเข้าชมเว็บไซต์และความเสี่ยง ในขณะที่การคาดการณ์ธุรกิจมักจะประสบความสำเร็จโดยใช้เทคนิคทางสถิติการขุดข้อมูลได้พิสูจน์แล้วว่าเป็นเครื่องมือที่มีประโยชน์สำหรับธุรกิจที่มีข้อมูลในอดีตมาก
เครื่องมือที่ใช้ในการพยากรณ์ธุรกิจขึ้นอยู่กับความต้องการของธุรกิจและปริมาณข้อมูลที่เกี่ยวข้อง เครื่องมือเหล่านี้รวมถึงสเปรดชีตการวางแผนทรัพยากรองค์กรระบบการจัดการซัพพลายเชนขั้นสูงและเทคโนโลยีเครือข่ายหรือเว็บอื่น ๆ โดยทั่วไปเครื่องมือที่ใช้ควรอนุญาตให้แบ่งปันข้อมูลระหว่างแผนกหรือหน่วยธุรกิจได้อย่างง่ายดายการอัปโหลดข้อมูลจากหลายแหล่งข้อมูลเทคนิคการวิเคราะห์ที่หลากหลายและการดูผลลัพธ์แบบกราฟิก
การคาดการณ์ทางธุรกิจมีสามวิธีสำหรับข้อมูลและการวิเคราะห์ประเภทต่างๆ โมเดลอนุกรมเวลาเป็นรุ่นที่ใช้กันมากที่สุดโดยมีการคาดการณ์ข้อมูลไว้ล่วงหน้า การคำนวณทางสถิติสำหรับรุ่นนี้รวมถึงค่าเฉลี่ยเคลื่อนที่, การปรับให้เรียบแบบเอกซ์โปเนนเชียลและวิธีบ็อกซ์เจนกินส์ โมเดลอนุกรมเวลานั้นเรียบง่ายหลังจากนั้นจะมีการกำหนดสูตรการแทรกข้อมูลประวัติจะส่งออกผลลัพธ์ที่คาดการณ์ไว้ มันจะมีประโยชน์ก็ต่อเมื่อข้อมูลประวัติแสดงรูปแบบที่แข็งแกร่งซึ่งไม่ถูกนับสำหรับความผิดปกติ
แบบจำลองอธิบายเป็นวิธีการพยากรณ์ธุรกิจอีกวิธีหนึ่ง โมเดลเหล่านี้ไม่ต้องการข้อมูลเชิงประวัติมากเท่ากับการวิเคราะห์อนุกรมเวลาเพื่อรับการคาดการณ์ทางธุรกิจที่มีประโยชน์ การถดถอยเชิงเส้นสารเติมแต่งแบบไม่ใช้พารามิเตอร์และการถดถอยแบบนอนเป็นวิธีที่ใช้กันทั่วไป ตัวอย่างเช่นการถดถอยเชิงเส้นสามารถใช้เพื่อกำหนดจำนวนการเข้าชมเว็บไซต์ที่จะนำมาซึ่งรายได้โฆษณาที่ต้องการ
Data mining เป็นวิธีที่สามในการพยากรณ์ธุรกิจและได้รับความนิยมในขณะที่ธุรกิจต่างๆรวบรวมและบันทึกข้อมูลในรูปแบบดิจิตอล วิธีนี้อาศัยการกลั่นกรองผ่านข้อมูลประวัติสำหรับรูปแบบ โดยทั่วไปแล้วข้อมูลนี้จะถูกเรียกคืนและรวมเข้าด้วยกันจากแผนกอีเมลและรายงานต่างๆ อัลกอริธึมอาจมาจากการขุดข้อมูลเพื่อการคาดคะเนโดยอัตโนมัติเช่นระบบของ Amazon.com ที่เสนอหนังสือที่ลูกค้าแนะนำ
ข้อผิดพลาดในการพยากรณ์ธุรกิจเป็นเรื่องปกติเนื่องจากปัญหาซอฟต์แวร์ข้อผิดพลาดทางคณิตศาสตร์ tweaking ที่ไม่จำเป็นและอคติ การลดหรือกำจัดข้อผิดพลาดสามารถทำได้โดยการคำนวณใหม่การเปรียบเทียบผลลัพธ์เมื่อใช้สูตรหรือวิธีการอื่นลดการปรับแต่งและลดโอกาสในการมีอคติ การประมาณการควรมีการระบุอย่างชัดเจนพร้อมคำอธิบายเกี่ยวกับวิธีการสร้างการประมาณค่า การคาดการณ์เริ่มต้นอาจพิสูจน์ได้ว่าไม่ถูกต้องเมื่อเปรียบเทียบกับผลลัพธ์ที่แท้จริงดังนั้นอาจจำเป็นต้องมีการปรับแต่งค่าคงที่เพื่อให้การคาดการณ์ในอนาคตมีประสิทธิภาพยิ่งขึ้น


