Prognozowanie biznesowe to proces używany do szacowania lub przewidywania przyszłych wzorców. Kierownictwo, menedżerowie i analitycy wykorzystują prognozowane wyniki, aby pomóc w podejmowaniu bardziej świadomych decyzji biznesowych. Na przykład prognozy biznesowe są wykorzystywane do oszacowania kwartalnej sprzedaży, poziomów zapasów, zmian zamówień w łańcuchu dostaw, ruchu w witrynie i narażenia na ryzyko. Podczas gdy prognozy biznesowe są zwykle osiągane przy użyciu technik statystycznych, eksploracja danych również okazała się przydatnym narzędziem dla firm dysponujących dużą ilością danych historycznych.
Narzędzia używane do prognozowania biznesowego zależą od potrzeb firmy i ilości danych. Narzędzia te obejmują arkusze kalkulacyjne, planowanie zasobów przedsiębiorstwa, zaawansowane systemy zarządzania łańcuchem dostaw oraz inne technologie sieciowe lub sieciowe. Ogólnie rzecz biorąc, wykorzystywane narzędzia powinny umożliwiać łatwe udostępnianie danych między działami lub jednostkami biznesowymi, przesyłanie danych z wielu źródeł, wybór technik analizy i graficzne przeglądanie wyników.
Dostępne są trzy metody prognozowania biznesowego dla różnych typów danych i analiz. Model szeregów czasowych jest najbardziej powszechny, w którym dane są prognozowane do przodu. Obliczenia statystyczne dla tego modelu obejmują średnią ruchomą, wygładzanie wykładnicze i metody Boxa-Jenkinsa. Modele szeregów czasowych są proste, ponieważ po określeniu formuły wstawienie danych historycznych spowoduje wyświetlenie prognozowanych wyników. Przydaje się tylko wtedy, gdy dane historyczne pokazują silny wzorzec, nieuwzględniony w anomaliach.
Modele wyjaśniające to kolejna metoda prognozowania biznesowego. Modele te nie potrzebują tylu danych historycznych, co analiza szeregów czasowych, aby otrzymać przydatne prognozy biznesowe. Powszechnie stosowanymi metodami są regresja liniowa, nieparametryczna addytywna i regresja z opóźnieniem. Na przykład regresji liniowej można użyć do określenia, jaki ruch w witrynie przyniesie pożądane przychody z reklam.
Eksploracja danych to trzecia metoda prognozowania biznesowego, która zyskuje na popularności, ponieważ firmy gromadzą i zapisują więcej danych w formacie cyfrowym. Ta metoda polega na przeszukiwaniu danych historycznych w poszukiwaniu wzorców. Dane te są zwykle pobierane i łączone z różnych działów, wiadomości e-mail i raportów. Algorytmy mogą opierać się na eksploracji danych w celu automatycznego przewidywania, na przykład system Amazon.com oferujący klientom polecane książki.
Błędy w prognozowaniu biznesowym są powszechne z powodu problemów z oprogramowaniem, błędów matematycznych, niepotrzebnych poprawek i uprzedzeń. Zmniejszenie lub wyeliminowanie błędów można osiągnąć poprzez ponowne obliczenie, porównanie wyników przy użyciu innej formuły lub metody, minimalizowanie poprawek i usuwanie możliwości błędów. Szacunki powinny być wyraźnie zidentyfikowane wraz z wyjaśnieniem, w jaki sposób dokonano oszacowania. Wstępne prognozy mogą okazać się niedokładne w porównaniu z rzeczywistymi wynikami, więc może być konieczne ciągłe dostosowywanie w celu uzyskania lepszych prognoz na przyszłość.