Predictive analytics bruger historiske data, statistik og machine learning til at vurdere sandsynlige fremtidige begivenheder. Det besvarer spørgsmål som: Hvilke kunder er på vej til at opsige? Hvor stort lager får vi brug for næste måned? Hvornår går en maskine sandsynligvis i stykker? Resultaterne er sandsynligheder, ikke sikkerheder. Deres værdi afhænger i høj grad af datakvaliteten og af, om forudsigelserne rent faktisk indgår i beslutninger og processer.
Predictive modelling er den tekniske kerne i predictive analytics: eksempeldata med kendte udfald bruges til at bygge en model, der forudsiger en værdi eller klasse for nye tilfælde. Almindelige metoder er regression, beslutningstræer, random forests og neurale netværk. En model kan f.eks. vurdere en ejendomspris ud fra boligareal, beliggenhed og byggeår. Før den tages i brug, testes den på tilbageholdte data for at opdage overfitting.
Maskinlæring er en gren af kunstig intelligens, hvor computere udleder mønstre af data i stedet for at få hver regel programmeret eksplicit. Afhængigt af opgaven lærer modeller af mærkede eksempler (overvåget), af umærkede data (uovervåget) eller gennem belønninger (reinforcement). Anvendelserne spænder fra spamfiltre og efterspørgselsprognoser til produktanbefalinger. Kvaliteten afhænger i høj grad af mængden og kvaliteten af træningsdataene.
Datamining er den systematiske søgen efter mønstre, sammenhænge og afvigelser i store datasæt. Det trækker på statistiske teknikker og maskinlæringsmetoder som klyngeanalyse, klassifikation eller associationsanalyse. Et klassisk eksempel er kurvanalyse i detailhandlen, som viser, hvilke produkter der ofte købes sammen – et grundlag for sortiment, placering og anbefalinger.
Eksplorativ dataanalyse (exploratory data analysis, EDA) er det første, åbne blik på et datasæt: Man beregner sammenfattende tal, undersøger fordelinger og diagrammer og leder efter mønstre, outliers og manglende værdier – endnu uden en fast hypotese. Den hjælper med at vurdere datakvaliteten og finde fornuftige spørgsmål til videre analyse eller modellering. Eksempel: Før en salgsprognose afslører EDA, at én måned blev registreret ufuldstændigt på grund af en systemmigrering.
