Οι τεχνικές ποσοτικής πρόβλεψης απαιτούν συνήθως την ανάλυση στατιστικών και ακατέργαστων δεδομένων. Η απλή μέθοδος κίνησης, η μέθοδος μετακίνησης βάρους, η μέθοδος εκθετικής εξομάλυνσης και η ανάλυση χρονοσειρών είναι τεχνικές ποσοτικής πρόβλεψης που χρησιμοποιούνται συνήθως από οικονομολόγους και αναλυτές δεδομένων. Αυτές οι τεχνικές χρησιμοποιούνται για την αξιολόγηση αριθμητικών δεδομένων ενώ εξετάζονται οι αλλαγές στις τάσεις. Η ακριβής πρόβλεψη χρησιμοποιείται από τις επιχειρήσεις για να βοηθήσει στη λήψη ορθών επιχειρηματικών αποφάσεων.
Η απλή κινούμενη μέθοδος πρόβλεψης είναι μια μορφή ποσοτικής έρευνας που βασίζεται σε μια προσαρμόσιμη καθορισμένη περίοδο. Αυτή η μέθοδος χρησιμοποιείται για την εμφάνιση τάσεων σε μια χρονική περίοδο, αξιολογώντας τα ανεπεξέργαστα δεδομένα, συνήθως κατά τη διάρκεια 30 ημερών ή πολλών μηνών. Κάθε μήνα, οι παλαιότερες πληροφορίες αντικαθίστανται με τις πληροφορίες του νέου μήνα. Για παράδειγμα, εάν τα δεδομένα αξιολογηθούν κατά τη διάρκεια του Αυγούστου και του Σεπτεμβρίου, τότε οι αριθμοί από τον Αύγουστο θα αφαιρεθούν και θα αντικατασταθούν από τις πληροφορίες του Σεπτεμβρίου για να δούμε αν υπάρχουν τάσεις στα δεδομένα.
Παρόμοια με την απλή μέθοδο μετακίνησης, μια μέθοδος μετακίνησης βάρους ανατέμνει τις πληροφορίες κατά τη διάρκεια μιας περιόδου αξιολόγησης αλλά με διαφορετικά βάρη που δίνονται σε κάθε μήνα. Αυτή η μέθοδος αξιολόγησης δεδομένων χρησιμοποιείται συνήθως για την αξιολόγηση των τάσεων με αναμενόμενες μηνιαίες αλλαγές. Οι πωλήσεις εποχιακών ενδυμάτων, για παράδειγμα, μπορούν να επωφεληθούν από αυτούς τους τύπους τεχνικών ποσοτικής πρόβλεψης. Εάν ένας οικονομολόγος προβλέψει ότι περισσότεροι άνθρωποι θα αγοράσουν σορτς κατά τους καλοκαιρινούς μήνες, μπορεί να εφαρμοστεί ένας τυπικός πολλαπλασιαστής σε αυτό το χρονικό διάστημα, το οποίο θα αυξήσει συνήθως την ακρίβεια των εκτιμήσεων του προϋπολογισμού κατά τη διάρκεια αυτών των μηνών.
Αυτές οι τεχνικές ποσοτικής πρόβλεψης τείνουν να επικεντρώνονται σε παλαιότερα δεδομένα. Η μέθοδος εκθετικής εξομάλυνσης αξιολογεί πιο πρόσφατες πληροφορίες. Αυτή η μέθοδος είναι καλή για την έρευνα δεδομένων που αλλάζουν γρήγορα, όπως τα στοιχεία των πωλήσεων σε μια ιδιοσυγκρασιακή αγορά. Για παράδειγμα, εάν ένας επιχειρηματικός αναλυτής προσπαθεί να προβλέψει τις πωλήσεις του επόμενου μήνα, τότε η εκθετική εξομάλυνση θα χρησιμοποιήσει τα δεδομένα των πρόσφατων ημερών που οδηγούν σε αυτόν τον νέο μήνα για να προβλέψει τις προβλεπόμενες πωλήσεις.
Οι τεχνικές ποσοτικής πρόβλεψης απαιτούν μερικές φορές την ανάλυση χρονοσειρών. Μια χρονοσειρά είναι μια παρατήρηση δεδομένων σε διαφορετικά χρονικά σημεία. Τα παραδείγματα περιλαμβάνουν ανάλυση ημερήσιων τιμών μετοχών, εβδομαδιαίους στόχους πωλήσεων και μηνιαίων εξόδων. Αυτές οι τεχνικές εξετάζουν το υποκείμενο πλαίσιο δεδομένων για μεγάλο χρονικό διάστημα. Αυτή η τεχνική συνήθως μετρά ιστορικά δεδομένα χρησιμοποιώντας γραμμικά διαγράμματα για την πρόβλεψη μελλοντικών γεγονότων, επιτρέποντας σε έναν οικονομολόγο να προσδιορίσει χαρακτηριστικά στα δεδομένα που μπορούν να χρησιμοποιηθούν για την πραγματοποίηση προβλέψεων για μελλοντικά αποτελέσματα.