Peramalan bisnis adalah proses yang digunakan untuk memperkirakan atau memprediksi pola masa depan. Eksekutif, manajer dan analis menggunakan hasil yang diperkirakan untuk membantu dalam membuat keputusan bisnis yang lebih baik. Misalnya, prakiraan bisnis digunakan untuk memperkirakan penjualan triwulanan, tingkat inventaris, pemesanan ulang rantai pasokan, lalu lintas situs web, dan paparan risiko. Sementara peramalan bisnis biasanya dicapai dengan menggunakan teknik statistik, penambangan data juga terbukti menjadi alat yang berguna untuk bisnis dengan banyak data historis.
Alat yang digunakan untuk peramalan bisnis bergantung pada kebutuhan bisnis dan jumlah data yang terlibat. Alat-alat ini mencakup spreadsheet, perencanaan sumber daya perusahaan, sistem manajemen rantai pasokan lanjutan, dan teknologi jaringan atau web lainnya. Secara umum, alat yang digunakan harus memungkinkan berbagi data dengan mudah antar departemen atau unit bisnis, mengunggah data dari berbagai sumber, bermacam-macam teknik analisis dan tampilan grafis dari hasil.
Tiga metode peramalan bisnis tersedia untuk berbagai jenis data dan analisis. Model deret waktu adalah yang paling umum, di mana data diproyeksikan ke depan. Perhitungan statistik untuk model ini termasuk metode rata-rata bergerak, pemulusan eksponensial dan Box-Jenkins. Model deret waktu sederhana karena setelah rumus ditentukan, memasukkan data historis akan menampilkan hasil yang diperkirakan. Ini hanya berguna ketika data historis menunjukkan pola yang kuat, tidak terhitung untuk anomali.
Model penjelasan adalah metode lain dari peramalan bisnis. Model-model ini tidak memerlukan data historis sebanyak analisis deret waktu untuk menerima prakiraan bisnis yang berguna. Regresi linier, aditif nonparametrik dan regresi lag adalah metode yang umum digunakan. Misalnya, regresi linier dapat digunakan untuk menentukan berapa banyak lalu lintas situs web yang akan menghasilkan pendapatan iklan yang diinginkan.
Penambangan data adalah metode peramalan bisnis ketiga, dan ini semakin populer saat bisnis mengumpulkan dan menyimpan lebih banyak datanya dalam format digital. Metode ini bergantung pada memilah-milah data historis untuk pola. Data ini biasanya diambil dan digabungkan dari berbagai departemen, email, dan laporan. Algoritme dapat didasarkan pada penggalian data untuk membuat prediksi secara otomatis, seperti sistem Amazon.com yang menawarkan buku yang direkomendasikan kepada pelanggannya.
Kesalahan dalam peramalan bisnis sering terjadi karena masalah perangkat lunak, kesalahan matematika, penyesuaian yang tidak perlu, dan bias. Mengurangi atau menghilangkan kesalahan dapat dicapai dengan menghitung ulang, membandingkan hasil saat menggunakan formula atau metode yang berbeda, meminimalkan penyesuaian dan menghilangkan peluang untuk bias. Estimasi harus diidentifikasi dengan jelas dengan penjelasan tentang bagaimana estimasi dibuat. Prakiraan awal mungkin terbukti tidak akurat bila dibandingkan dengan hasil aktual, sehingga penyesuaian konstan mungkin diperlukan untuk menghasilkan prediksi masa depan yang lebih kuat.