Poslovno napovedovanje je proces, ki se uporablja za ocenjevanje ali napovedovanje prihodnjih vzorcev. Vodstveni delavci, menedžerji in analitiki uporabljajo napovedane rezultate za pomoč pri sprejemanju bolj informiranih poslovnih odločitev. Poslovne napovedi se na primer uporabljajo za oceno četrtletne prodaje, ravni zalog, ponovnih naročil dobavne verige, prometa na spletnem mestu in izpostavljenosti tveganju. Medtem ko se poslovno napovedovanje običajno doseže s statističnimi tehnikami, se je podatkovno rudarjenje izkazalo tudi za uporabno orodje za podjetja z veliko zgodovinskih podatkov.
Orodja, ki se uporabljajo za poslovno napovedovanje, so odvisna od potreb podjetja in količine vključenih podatkov. Ta orodja vključujejo preglednice, načrtovanje virov podjetja, napredne sisteme za upravljanje dobavne verige in druge omrežne ali spletne tehnologije. Na splošno naj bi uporabljena orodja omogočala enostavno izmenjavo podatkov med oddelki ali poslovnimi enotami, nalaganje podatkov iz več virov, nabor tehnik analize in grafični ogled rezultatov.
Za različne vrste podatkov in analiz so na voljo trije metode poslovnega napovedovanja. Najpogostejši je model časovne serije, kjer se podatki projicirajo naprej. Statistični izračuni za ta model vključujejo drseče povprečje, eksponentno glajenje in Box-Jenkinsove metode. Modeli časovnih vrst so preprosti, saj po določitvi formule vstavljanje preteklih podatkov prinese napovedane rezultate. Uporaben je le, če zgodovinski podatki kažejo močan vzorec, neupoštevanih anomalij.
Razlagalni modeli so še ena metoda poslovnega napovedovanja. Ti modeli ne potrebujejo toliko zgodovinskih podatkov kot analize časovnih vrst, da bi prejeli koristne poslovne napovedi. Linearne regresije, neparametrične aditive in regresije zamika so običajno uporabljene metode. Na primer, linearno regresijo je mogoče uporabiti za določitev, koliko prometa na spletnem mestu bo prineslo za želeni prihodek od oglaševanja.
Podatkovno rudarjenje je tretja metoda poslovnega napovedovanja in postaja vse bolj priljubljena, saj podjetja zbirajo in shranjujejo več svojih podatkov v digitalni obliki. Ta metoda temelji na pregledovanju zgodovinskih podatkov za vzorce. Ti podatki se običajno pridobijo in združujejo iz različnih oddelkov, e-poštnih sporočil in poročil. Algoritmi lahko temeljijo na pridobivanju podatkov za samodejno predvidevanje, kot je sistem Amazon.com, ki svojim strankam ponuja priporočene knjige.
Napake v poslovnem napovedovanju so pogoste zaradi težav s programsko opremo, matematičnih napak, nepotrebnega prilagajanja in pristranskosti. Zmanjšanje ali odprava napak je mogoče doseči s ponovnim izračunom, primerjavo rezultatov pri uporabi druge formule ali metode, z zmanjšanjem popravkov in odstranitvijo možnosti za pristranskost. Ocene je treba jasno identificirati z razlago, kako je bila ocena ustvarjena. Začetne napovedi se lahko izkažejo za netočne v primerjavi z dejanskimi rezultati, zato bo morda potrebno nenehno prilagajanje, da bi ustvarili močnejše prihodnje napovedi.
SmartAsset.