Ennustav analüütika kasutab ajaloolisi andmeid, statistikat ja masinõpet, et hinnata tõenäolisi tulevasi sündmusi. See vastab küsimustele, nagu: millised kliendid on lepingut lõpetamas? Kui palju varu läheb järgmisel kuul vaja? Millal masin tõenäoliselt rikki läheb? Tulemused on tõenäosused, mitte kindlused. Nende väärtus sõltub suuresti andmete kvaliteedist ja sellest, kas ennustused jõuavad tegelikult otsustesse ja protsessidesse.
Ennustav modelleerimine on ennustava analüütika tehniline tuum: teadaolevate tulemustega näiteandmete põhjal ehitatakse mudel, mis ennustab uute juhtumite väärtust või klassi. Levinud meetodid on regressioon, otsustuspuud, juhumetsad ja närvivõrgud. Mudel võib näiteks hinnata kinnisvara hinda elamispinna, asukoha ja ehitusaasta põhjal. Enne kasutuselevõttu testitakse seda eraldi hoitud andmetel, et avastada ülesobitamist.
Masinõpe on tehisintellekti haru, kus arvutid tuletavad andmetest mustreid, selle asemel et iga reegel oleks selgesõnaliselt programmeeritud. Olenevalt ülesandest õpivad mudelid märgendatud näidetest (juhendatud), märgendamata andmetest (juhendamata) või preemiate kaudu (tugevdusõpe). Rakendused ulatuvad rämpsposti filtritest ja nõudluse prognoosidest tootesoovitusteni. Kvaliteet sõltub suuresti treeningandmete hulgast ja kvaliteedist.
Andmekaeve on suurte andmehulkade süstemaatiline läbivaatamine mustrite, seoste ja anomaaliate leidmiseks. Selleks kasutatakse statistilisi võtteid ja masinõppemeetodeid, näiteks klasterdamist, klassifitseerimist või assotsiatsioonianalüüsi. Klassikaline näide on kaubandusliku ostukorvi analüüs, mis näitab, milliseid tooteid ostetakse sageli koos – see on aluseks sortimendile, paigutusele ja soovitustele.
Uuriv andmeanalüüs (exploratory data analysis, EDA) on andmestiku esimene vaba pilk: arvutatakse kokkuvõtlikke näitajaid, uuritakse jaotusi ja diagramme ning otsitakse mustreid, kõrvalekaldeid ja puuduvaid väärtusi – ilma kindla hüpoteesita. See aitab hinnata andmekvaliteeti ja leida mõistlikke küsimusi edasiseks analüüsiks või modelleerimiseks. Näide: enne müügiprognoosi selgub EDA abil, et üks kuu on süsteemi üleviimise tõttu poolikult kirjendatud.
