Predictive Analytics ist die Auswertung historischer Daten mit statistischen und maschinellen Lernverfahren, um wahrscheinliche zukünftige Ereignisse abzuschätzen. Das Ergebnis ist immer eine Wahrscheinlichkeit oder ein Erwartungswert, nie eine Gewissheit, und es gilt nur, solange die Bedingungen der Vergangenheit fortbestehen.
Eingeordnet wird das Verfahren meist in eine Reihe: Deskriptive Analyse beschreibt, was passiert ist, diagnostische fragt nach dem Warum, prädiktive schätzt, was kommt, und präskriptive leitet daraus Handlungsempfehlungen ab. Verbreitete Anwendungen sind Absatz- und Bedarfsprognosen, Kündigungs- und Ausfallrisiken, dynamische Preisgestaltung sowie die vorausschauende Wartung, bei der Sensordaten einen Maschinenausfall ankündigen, bevor er eintritt.
Voraussetzung ist eine ausreichend lange, saubere Datenhistorie; wenige Monate lückenhafter Zahlen tragen keine belastbare Prognose. Systematisch scheitert das Verfahren an Brüchen, also an genau den Ereignissen, die es nicht in den historischen Daten gab. Betrifft die Prognose einzelne Personen, etwa bei Bonität oder Versicherungstarifen, greifen die Vorgaben zu automatisierten Einzelentscheidungen und Profiling samt Informations- und Widerspruchsrechten (Art. 22, 13 bis 15, 21 DSGVO).