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），不使用计算机可能很难发现这些趋势和模式。Predictive Planning 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。Predictive Planning 分析这些构成要素，然后通过设想它们未来的情况来预测可能的结果。
在 Predictive Planning 中，一个数据序列是单个成员的一组历史数据。运行预测时，它会对选定的每个数据序列尝试各种时间序列方法，从数学的角度计算拟合优度值。Predictive Planning 将选择拟合优度最佳的方法，因为该方法能产生最准确的预测。
最终预测显示了数据最可能的延续。所有这些方法都假设某些方面的历史趋势或模式会延续到未来。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。为帮助您判定预测的可靠性，Predictive Planning 提供了指示预测不确定性程度的预测间隔。