预测的定量和定性方法帮助管理者制定业务目标。业务预测可以基于用于预测未来市场行为的历史数据模式。时间序列预测方法是一种数据分析工具，用于测量历史数据点 - 例如，使用折线图 - 来预测未来的条件和事件。时间序列方法的目标是识别数据中有意义的特征，这些特征可用于制作有关未来结果的陈述。
可靠性
时间序列测试中使用的历史数据表示沿渐进线性图表报告的条件。当数据代表广泛的时间段时，预测的时间序列方法是最可靠的。可以通过以各种时间间隔（例如，每小时，每天，每月，每季度，每年或以任何其他时间间隔）测量数据来提取关于条件的信息。在基于大量观测的较长时间段来测量条件模式时，预测是最合适的。
季节性模式
每年测量和比较的数据点差异可以揭示季节性波动模式，可以作为未来预测的基础。这类信息对于产品季节性波动的市场尤其重要，例如商品和服装零售业务。例如，对于零售商而言，时间序列数据可能显示消费者对冬季服装的需求在每年的不同时间段出现峰值，这些信息对于预测生产和交付要求非常重要。
趋势估计
作为分析的线性模型，时间序列方法也可用于识别趋势。当测量显示特定产品或商品的销售额增加或减少时，时间序列图表中的数据趋势报告对管理人员非常有用。例如，特定特许经营店中小部件X的每日销售的上升趋势可以为类似位置的特许经营店的趋势估计提供基础。
发展
巴尔的摩大学的Hossein Arsham教授表示，时间序列方法是衡量金融和内生增长的有用工具。与金融增长相反，内生增长是指从组织的内部人力资本内部发生的，可以导致经济增长。例如，政策变量的影响可以通过时间序列测试来证明。
