大多数历史数据或基于时间的数据都呈现基本趋势或季节性形态。但是，大多数历史数据也会出现随机波动（“不规则”），使得不使用计算机很难发现这些趋势和形态。预测器采用先进的时间序列方法来分析数据的底层结构。然后设想趋势和形态来预测未来的值。
时间序列预测将历史数据分成如下构成要素：级别、趋势、季节性和误差。预测器分析这些构成要素，然后设想它们未来的情况来预测可能的结果。
当外界影响会对要预测的变量产生作用时，多元线性回归效果最好。回归从影响的变量获得历史数据，确定这些变量与目标变量之间的数学关系。然后采用时间序列预测方法来预测影响的变量，从数学角度合并结果来预测目标变量。
在预测器中，一个数据序列是指一个变量的一组历史数据。运行预测器时，它会对每个选定数据序列采用各种时间序列方法，从数学角度计算拟合优度值。预测器选择拟合优度最佳的方法作为会产生最准确的预测的方法。预测器会自动执行这种选择，但是您也可以手动选择各种方法或以其他方法覆盖预测器建议的方法。
最终预测显示了数据最可能的延续。请记住，所有这些方法都假设历史趋势或形态的某些方面会延续到未来。但是，预测的时间越远，事件偏离过去行为的可能性就越大，结果的可信度也就越低。为了帮助您测定预测的可靠性，预测器提供了置信区间，它表示预测的不确定性程度。
找到数据的最佳预测值后，预测器会显示详细的输出，其中会包括统计值、图表、报表和交互式 Microsoft Excel 透视表。预测器还可以将预测值粘贴到电子表格中，根据预测值创建 Crystal Ball 假设，以便您执行“假设”模拟。
下面几个主题介绍了如何使用默认设置来设置预测器预测，以使您快速生成结果来进行进一步分析：
预测器基础知识在“教程 1 - Shampoo Sales” 中进行了演示。您可能会发现，现在通读该教程很有帮助，也可以先阅读下面几节，然后再学习该教程。当您准备好拓展预测技能时，可以参阅第 3 章 设置预测器预测，查看其中的详细说明。