未来的商业分析侧重于未来，并试图回答问题：会发生什么？我们怎样才能做到这一点？因此，预测性和规范性分析是迄今为止 BI 专业人员讨论最多的业务分析趋势，特别是因为大数据正在成为分析过程的主要焦点，不仅大企业，而且中小企业都在利用这些流程。

预测分析是从现有数据集中提取信息以预测未来概率的做法。它是数据挖掘的扩展，仅指过去的数据。预测分析包括估计的未来数据，因此始终包括其定义中的错误可能性，尽管这些错误随着管理当今大量数据的软件变得越来越智能和高效而稳步减少。预测分析表明未来可能发生的具有可接受的可靠性水平的情况，包括一些替代方案和风险评估。预测分析应用于业务，用于分析当前数据和历史事实，以便更好地了解客户、产品和合作伙伴，并识别公司的潜在风险和机会。

行业以不同的方式利用预测分析。航空公司用它来决定每个航班的价格卖出多少张机票。酒店尝试预测任何特定夜晚的客人数量，以调整价格以最大限度地提高入住率和增加收入。营销人员确定客户的反应或购买，并设置交叉销售机会，而银行家则利用它来生成信用 - 评分由预测模型生成的数字，该模型包含与个人信用相关的所有数据。有很多大数据示例用于现实生活中，塑造我们的世界，无论是在购买体验或管理客户的数据。

预测分析也必须为每个人提供，在2021年，我们将看到更多的相关性，将迎合这一概念。自助分析的可能性正在成为BI供应商和公司的标准：两者都可以从中获利，并给他们的企业带来更多的价值。实际上，预测模型使用数学模型来预测未来发生的事情，换句话说，是预测引擎。用户只需选择过去的数据点，软件就会根据历史和当前数据自动计算预测

在不同的预测分析方法中，有两种在数据科学家中很受欢迎：人工神经网络 （ANN） 和自动回归综合移动平均值 （ARIMA）。

在人工神经网络中，数据的处理方式与生物神经元相似。技术复制生物学：信息流入数学神经元，由它处理，结果流出。此单个过程成为多次重复的数学公式。与人脑一样，神经网络的力量在于它们能够将神经元集层连接在一起并创建多维网络。对第二层的输入来自第一层的输出，并且情况会随着每一层的重复而重复。此过程允许捕获关联或发现数据体积大、变量多或多样性的一组模式中的规律性。ARIMA是一种用于时间系列分析的模型，用于应用过去的数据来模拟现有数据并预测未来。分析包括检查自动相关性 - 比较当前数据值如何依赖于过去的值 - 特别是选择在做出预测时应考虑多少步骤进入过去。ARIMA 的每个部分都照顾模型创建的不同方面 - 自动递减部分 （AR） 试图通过考虑前一个来估计当前值。预测数据和实际值之间的任何差异均由移动平均值 （MA） 部分使用。我们可以检查这些值是否正常、随机和静止 - 具有恒定的变化。这些点的任何偏差都可能使人们深入了解数据系列行为，预测新的异常现象，或帮助发现裸眼看不到的潜在模式。ARIMA 技术很复杂，从结果中得出的结论可能不像更基本的统计分析方法那么简单。但是，一旦掌握了基本原则，ARIMA就提供了一个非常强大的预测分析工具。

规范性分析向未来又迈进了一步。它审查数据或内容，以确定应作出哪些决定以及为实现预期目标而采取哪些步骤。它的特点是图形分析、模拟、复杂事件处理、神经网络、推荐引擎、启发式和机器学习等技术。规范性分析试图了解未来决策的效果，以便在决策实际做出之前进行调整。这在很大程度上改善了决策，因为预测中考虑到了未来的结果。规范分析可以帮助您优化调度、生产、库存和供应链设计，以最优化的方式提供客户想要的，这些是 2021 年商业智能的一些趋势，我们将听到更多有关这些趋势的信息。