履歴データまたは時間ベース・データのほとんどには、基礎となるトレンドまたは季節性パターンがあります。ただし、ほとんどの履歴データにはランダムな変動(ノイズ)も含まれるため、コンピュータを使用しなければ、これらのトレンドやパターンの検出は困難になります。予測プランニングでは、高度な時系列手法を使用して、基礎となるデータ構造を分析します。次に、トレンドとパターンを予測し、将来の値を予測します。
時系列予測では、履歴データをレベル、トレンド、季節性、誤差のコンポーネントに分割します。予測プランニングではこれらのコンポーネントを分析し、将来に投影して近似結果を予測します。
予測プランニングにおけるデータ系列は1つのメンバーの一連の履歴データです。予測を実行すると、選択したデータ系列に対してそれぞれの時系列手法が試行され、適合度が数学的に測定されます。予測プランニングでは、最適な適合度の手法が、最も精度の高い予測を生成する手法として選択されます。
最終予測では、最も可能性のあるデータの連続を示しています。これらすべての手法で、履歴のトレンドまたはパターンの一部のアスペクトが、将来も継続すると仮定されます。ただし、予測が先へ行くほど、過去の動きからの事象の分岐は大きくなり、結果の信頼性は低下します。予測の信頼性を正しく判断するため、予測プランニングでは予測に関して不確実性の度合いを示す予測区間が用意されています。