La mayoría de los datos históricos o de tiempo contienen una tendencia subyacente o un patrón estacional. No obstante, la mayoría de los datos históricos también contienen fluctuaciones aleatorias (ruido) que hacen que sea difícil detectar estas tendencias y patrones sin un equipo informático. La planificación predictiva utiliza sofisticados métodos de serie de tiempo para analizar la estructura subyacente de los datos. Después proyecta las tendencias y los patrones para predecir valores futuros.
La previsión de serie de tiempo divide los datos históricos en componentes: nivel, tendencia, estacionalidad y error. La planificación predictiva analiza estos componentes y, a continuación, los proyecta en el futuro para predecir resultados probables.
En la planificación predictiva, una serie de datos es un conjunto de datos históricos para un solo miembro. Cuando se ejecuta una predicción, prueba cada método de serie de tiempo en cada una de las series de datos seleccionadas y calcula una medida matemática de adecuación de ajuste. La planificación predictiva selecciona el método de ajuste más adecuado capaz de generar una previsión más precisa.
La previsión final muestra la continuación de los datos más probable. Todos estos métodos presuponen que algunos aspectos de la tendencia histórica o el patrón continuarán en el futuro. No obstante, cuanto más lejana sea la previsión, mayor será la probabilidad de que los eventos difieran del comportamiento anterior, y menor la fiabilidad de los resultados. Para ayudarle a medir la fiabilidad de la previsión, la planificación predictiva proporciona un intervalo de predicción que indica el grado de incertidumbre en torno a la previsión.