Optimize Decision at the Point of Impact
Intuitive -> Automated -> Predictive, Capture -> Predict -> Act
Pada dasarnya, inti dari predictive analytics adalah mendapatkan hubungan antara variabel yang telah diketahui (explanatory variables) dengan variabel dari kejadian-kejadian sebelumnya (past occurences) dan menggunakan ini untuk memprediksi kejadian-kejadian berikutnya (future outcomes). Penting untuk dicatat bahwa tingkat akurasi dan tingkat kegunaan dari hasilnya akan sangat bergantung kepada tingkat kedalaman analisa data serta kualitas dari asumsi-asumsi yang dipakai.
Ada beberapa jenis predictive analytics: model predictive, model descriptive dan model decision.
Model Predictive menganalisa data yang ada untuk melakukan penilaian tentang kecenderungan seorang customer dalam memiliki suatu perilaku tertentu, misalnya untuk meningkatkan efektifitas program-program marketing perusahaan.
Model Descriptive mengkuantifikasi hubungan-hubungan antara data, sedemikian rupa sehingga dapat melakukan pengklasifikasian customer ataupun propek ke dalam group-group tertentu.
Model Decision menjelaskan hubungan antara seluruh elemen dari suatu keputusan: data yang telah diketahui (termasuk hasil dari model predictive) serta keputusan dan hasil prediksi dari keputusan tersebut untuk melakukan prediksi terhadap keputusan-keputusan yang melibatkan banyak variabel.