Στις επιχειρήσεις, η προγνωστική ανάλυση είναι η διαδικασία χρήσης ιστορικών δεδομένων για την ανάλυση προηγουμένων προτύπων και την πρόβλεψη μελλοντικών προτύπων. Αυτή η διαδικασία χρησιμοποιείται στις επιχειρήσεις για να ανακαλύψει πιθανές ευκαιρίες και να αξιολογήσει τους μελλοντικούς κινδύνους και τα οφέλη τους. Η βάση της προγνωστικής ανάλυσης είναι η χρήση των σχέσεων μεταξύ διαφόρων τύπων δεδομένων για την εκτίμηση του δυναμικού ή του κινδύνου ενός δεδομένου συνόλου συνθηκών.
Η προγνωστική ανάλυση επιχειρεί να εξηγήσει, να αναλύσει και να προβλέψει τη συμπεριφορά με μαθηματικά ή επιστημονικά μέσα. Μια εταιρεία μπορεί να καταγράψει και να αναλύσει τα δεδομένα των πελατών της και, χρησιμοποιώντας αναγνώριση προτύπων, θεωρία παιχνιδιών, αλγόριθμο αποδόσεων ή στατιστικά, να επιχειρήσει να προβλέψει τη μελλοντική συμπεριφορά των πελατών με βάση την συμπεριφορά του στο παρελθόν. Οι τεχνικές εξόρυξης δεδομένων έχουν προωθήσει το πεδίο επιτρέποντας την ταξινόμηση και κατηγοριοποίηση των δεδομένων με διάφορους τρόπους. Όσο μεγαλύτερο είναι το επίπεδο λεπτομερειών στο οποίο μπορούν να κατηγοριοποιηθούν τα δεδομένα, τόσο πιο χρήσιμο και ακριβές θα είναι στην πρόβλεψη μελλοντικών αποτελεσμάτων.
Η διαχείριση σχέσης πελατών (CRM) βασίζεται σε προγνωστικά αναλυτικά στοιχεία για να κατανοήσει την αγοραστική συμπεριφορά των πελατών. Χρησιμοποιώντας δεδομένα πελατών που συλλέγονται κατά την πώληση και εφαρμόζοντας τις διάφορες στατιστικές τεχνικές, οι εταιρείες μπορούν να κατανοήσουν καλύτερα τον τρόπο εμπορίας και πώλησης νέων προϊόντων σε υπάρχοντες πελάτες. Μπορούν επίσης να καταλάβουν πώς να παρακινήσουν καλύτερα τα άτομα που δεν είναι ακόμη πελάτες να δοκιμάσουν τα προϊόντα τους ή να συχνάζουν στα καταστήματά τους. Τα τμήματα επιχειρήσεων λιανικής και άμεσου μάρκετινγκ χρησιμοποιούν εδώ και καιρό τεχνικές CRM και συχνά βρίσκονται στην πρώτη γραμμή των νέων εφαρμογών.
Τα προγνωστικά αναλυτικά στοιχεία χρησιμοποιούνται συνήθως σε βιομηχανίες όπως οι χρηματοπιστωτικές υπηρεσίες και οι ασφάλειες. Στις χρηματοπιστωτικές υπηρεσίες, οι εταιρείες θα χρησιμοποιήσουν τη βαθμολογία πίστωσης για να προβλέψουν την πιθανότητα αθέτησης του δανείου από έναν καταναλωτή. Η αξιολόγηση βασίζεται σε πληροφορίες σχετικά με το πιστωτικό ιστορικό του πελάτη και την αίτηση δανείου, σε σύγκριση με τα ίδια δεδομένα από παρόμοιους πελάτες στο παρελθόν. Ο ασφαλιστικός κλάδος θα προσπαθήσει να προσδιορίσει την πιθανότητα απώλειας, με βάση το προφίλ του αιτούντος και τις προηγούμενες επιδόσεις πελατών με παρόμοιο προφίλ.
Άλλες βιομηχανίες που χρησιμοποιούν προγνωστικά αναλυτικά στοιχεία για να αυξήσουν την κερδοφορία τους περιλαμβάνουν την υγειονομική περίθαλψη και τα φαρμακευτικά προϊόντα, το λιανικό εμπόριο, τις τηλεπικοινωνίες και τα ταξίδια. Ακόμη και η Υπηρεσία Εσωτερικών Εσόδων χρησιμοποιεί αναλυτικά στοιχεία πρόβλεψης για να προσπαθήσει να προβλέψει και να εντοπίσει απάτη στο φόρο εισοδήματος. Οι λογιστικές εταιρείες χρησιμοποιούν αυτήν τη μέθοδο για να προσπαθήσουν να εντοπίσουν απάτη στις οικονομικές καταστάσεις των εταιρειών που ελέγχουν.
Εκτός από την πρόβλεψη της συμπεριφοράς των καταναλωτών, τα προβλεπτικά αναλυτικά στοιχεία μπορούν να χρησιμοποιηθούν για την εκτίμηση της συνολικής ζήτησης σε κατάστημα, περιοχή ή εθνικό επίπεδο. Μπορεί να χρησιμοποιηθεί για την πρόβλεψη της απόδοσης ενός ολόκληρου κλάδου υπό ορισμένες οικονομικές συνθήκες. Η κυβέρνηση μπορεί να το χρησιμοποιήσει για να προβλέψει παράγοντες που επηρεάζουν ολόκληρη την οικονομία, όπως η ανεργία ή η στέγαση.
SmartAsset.