Phân tích dự đoán dự báo các kết quả trong tương lai bằng cách sử dụng dữ liệu lịch sử. Nó trả lời câu hỏi: điều gì có khả năng xảy ra? Một nhà bán lẻ dự đoán nhu cầu về một sản phẩm trong quý tới. Một ngân hàng dự đoán khách hàng nào có khả năng vỡ nợ. Một bệnh viện dự đoán bệnh nhân nào có nguy cơ tái nhập viện. Các dự đoán này mang tính xác suất. Chúng đi kèm với mức độ tin cậy, chứ không phải là sự đảm bảo. Một mô hình dự đoán tỷ lệ khách hàng rời bỏ với độ chính xác 80% vẫn sẽ sai 20% thời gian. Giá trị nằm ở việc hành động dựa trên xác suất, chứ không phải ở việc kỳ vọng sự chắc chắn.

Các kỹ thuật này trải rộng từ hồi quy đơn giản đến học máy phức tạp. Mô hình hồi quy tìm ra mối quan hệ giữa các biến và dự báo kết quả số. Mô hình phân loại dự đoán các danh mục, chẳng hạn như khách hàng rời bỏ hoặc không rời bỏ. Mô hình chuỗi thời gian dự báo các giá trị theo thời gian, có tính đến tính mùa vụ và xu hướng. Mạng nơ-ron xử lý các mẫu phức tạp trong các tập dữ liệu lớn. Chất lượng của dự đoán phụ thuộc vào chất lượng dữ liệu và mức độ liên quan của các đặc trưng. Một mô hình được huấn luyện trên dữ liệu lỗi thời sẽ dự đoán quá khứ, chứ không phải tương lai. Một mô hình với dữ liệu huấn luyện thiên lệch sẽ tạo ra các dự đoán thiên lệch. Việc lựa chọn đặc trưng cũng quan trọng như việc lựa chọn thuật toán. Mô hình phức tạp nhất cũng không thể bù đắp cho các đầu vào bị thiếu hoặc không liên quan. Phân tích dự đoán rất mạnh mẽ. Nó cũng dễ bị lạm dụng. Dự đoán không phải là một quyết định. Nó là một đầu vào cho một quyết định.

Kỹ thuật dự đoán

• Hồi quy — dự báo các giá trị số
• Phân loại — dự đoán các danh mục
• Chuỗi thời gian — dự báo xu hướng và tính mùa vụ
• Mạng nơ-ron — nhận dạng mẫu phức tạp
• Phương pháp kết hợp — kết hợp nhiều mô hình

Phân tích dự đoán hướng về tương lai. Viễn cảnh luôn không chắc chắn. Giá trị nằm ở việc chuẩn bị cho những điều có khả năng xảy ra, chứ không phải ở việc biết chắc chắn điều gì.