عوامل تعیین‌کننده روش پیش‌بینی
موارد فوق اجزاء تعیین‌کننده سیستم پیش‌بینی در سازمان هستند در شکل ۲-۳ سیستم پیش‌بینی اجزای آن به تصویر کشیده شده است .
شکل شماره ۲- ۳: سیستم پیش‌بینی) جعفر نژاد-۱۳۸۵ (
داده‌های موردنیاز برای پیش‌بینی از اطلاعات داخل و خارج سازمان به دست می‌آید ، فقدان اطلاعات و یا ناچیز بودن آن ، محدودیت‌های زمانی ، سرمایه انسانی و…. محدودیت‌های سیستم پیش‌بینی هستند . یکی دیگر از اجزای سیستم پیش‌بینی ، تصمیم‌گیری در مورد روش پیش‌بینی است که از ۷ قسمت تشکیل‌شده است:

۱-شکل مطلوب پیش‌بینی ۲- افق و دوره زمانی پیش‌بینی موردنظر ۳-الگوی داده‌ها ۴- دقت مطلوب ۵-هزینه پیش‌بینی ۶-در دسترس بودن داده‌ها ۷- سهولت عمل و فهم پیش‌بینی .
منظور از شکل مطلوب پیش‌بینی ، نقطه‌ای یا فاصله‌ای بودن آن است و دوره زمانی پیش‌بینی شامل فوری) کمتر از یک ماه ( ، کوتاه‌مدت ) یک ماه تا سه ماه ( ، میان‌مدت ) سه ماه تا دو سال ( ، بلندمدت ) بیش از دو سال ( می‌باشد . عامل سوم در انتخاب پیش‌بینی الگوی داده‌ها می‌باشد ترکیب مدل ) روند ، دوره ، فصل و یا ترکیبات آن‌ها ( در تعیین مدلی که باید مورداستفاده قرار گیرد کمک بسزایی دارد . عامل دیگر در انتخاب روش پیش‌بینی ، دقت موردنظر پیش‌بینی است گاهی اوقات ۵ درصد هم قابل‌قبول نیست و گاهی اوقات ۲۵ درصد هم قابل پذیرفتن است . عامل دیگر روش تجزیه‌وتحلیل هزینه و منفعت است که می‌بایست در انتخاب تجزیه هزینه و منفعت صورت بپذیرد . میزان در دسترس بودن داده‌ها می‌تواند روشی از روش‌های پیش‌بینی را از مجموعه روش‌های پیش‌بینی قابل انتخاب خارج کند . آخرین عامل در انتخاب روش پیش‌بینی ، سهولت عمل فهم پیش‌بینی برای تصمیم گیران و هدف‌گذاران می‌باشد .
چهار عامل اساسی ارزیابی اثربخشی سیستم پیش‌بینی عبارت‌اند از:
۱-صحت ۲- ثبات در مقابل تغییر ۳- عینیت ۴- زمان موردنیاز برای پیش‌بینی
خروجی سیستم شامل داده‌های تولیدشده و میزان خطای پیش‌بینی آخرین جزء از اجزای پیش‌بینی هستند .

طبقه‌بندی پیش‌بینی
به‌طورکلی روش‌های پیش‌بینی به دو روش زیر تقسیم‌بندی می‌شوند .

روش‌های کیفی پیش‌بینی
گاهی داده‌های مربوط به گذشته یک پدیده بسیار کم و یا ناچیز است و یا اینکه فنّاوری جدیدی می‌باشد که پیش‌بینی از روش کمی امکان‌پذیر نیست و یا در مواقعی پیش‌بینی نیاز جمع‌ آوری نظرات صاحب‌نظران و خبرنگاران دارد که می‌بایست روش‌های کیفی استفاده شود .

روش‌های کمی پیش‌بینی
فرض است آنچه درگذشته اتفاق افتاده در آینده اتفاق می‌افتد و الگوی داده‌ها در آینده تکرار خواهد شد و می‌توان این فرض را باکمی اغماض قبول کرد برای افزایش سطح اطمینان این روش‌ها می‌توان آن‌ها را با روش‌های کیفی درآمیخت . روش‌های پیش‌بینی کمی به دودسته روش‌های پیش‌بینی علی و روش‌های پیش‌بینی با سری زمانی تقسیم‌بندی می‌شوند .

روش‌های پیش‌بینی علی
در این روش با بهره گرفتن از روابط میان متغیر موردنظر و سایر متغیرها ، ارزش آتی متغیر موردنظر را پیش‌بینی می‌کنند . در مدل‌های علی یک متغیر وابسته و یک یا چند متغیر مستقل وجود دارد و طی سه مرحله به شرح ذیل ساخته می‌شوند.
شناخت متغیرهای که در پیش‌بینی متغیر موردنظر تأثیرگذارند .
انتخاب شکل روابطی(معادلات خطی ، غیرخطی ، لگاریتمی و…) که متغیرها را به هم مربوط می‌سازد .
معتبر ساختن مدل پیش‌بینی با انجام آزمون‌های عادی و آماری .
مدل‌های علی در سه دسته به شرح ذیل طبقه‌بندی می‌شوند .
مدل‌های رگرسیونی: مدل‌های رگرسیون که ساده‌ترین نوع آن مدلی است که در آن متغیر وابسته فقط به یک متغیر مستقل بستگی دارد این رابطه می‌تواند خطی ، درجه‌دو و یا نمایی باشد . مدل رگرسیون را به‌منظور تعیین میزان همبستگی بین متغیرها با شاخص‌هایی نظیر ضریب تعیین و غیره ارزیابی می‌کنند و همچنین مدل‌های رگرسیونی چند متغیره نیز وجود دارد که با اضافه کردن متغیرهای مستقل که بر متغیر وابسته ثاثیر دارد باعث افزایش اطمینان و ضریب همبستگی بین متغیرها می‌شود.
مدل‌های اقتصادسنجی: شامل یک سیستم معاملات آماری که فعالیت‌های بخش‌های مختلف اقتصاد را به یکدیگر مرتبط می‌سازد و تأثیر آن را بر متغیرهای موردنظر تعیین می‌کند می‌باشد مدل‌های اقتصادسنجی را نوعی مدل رگرسیون پیش‌بینی گسترش‌یافته می‌باشند . مدل‌های اقتصادسنجی هنگامی‌که عوامل مورداستفاده در یک معادله رگرسیون ، وابستگی متقابل دارند ، بکار می‌روند .
مدل داده-ستاده: یک نگاره داده-ستاده برای اقتصاد ملی یا منطقه‌ای به‌صورت یک ماتریس تراز که از یک بخش به سایر بخش‌ها جریان دارد ، نشان داده می‌شود. با جمع عناصر یک ردیف برای یک بخش ، ستاده آن بخش و با جمع عناصر یک ستون برای یک بخش ، داده‌های آن بخش مشخص می‌شود .

روش‌های پیش‌بینی بر اساس سری‌های زمانی
سری زمانی مجموعه از مشاهدات است که برحسب زمان مرتب‌شده‌اند و یا از توالی مشاهدات یک متغیر معین است ، یک سری زمانی از اجزای زیر می‌باشد (حاج شیرمحمدی-۱۳۸۴)
جزء روند: تغییرات افزایش ، کاهش یا ثابت یک سری زمانی در بلندمدت است .
جزء سیکل: تغییرات در دوره‌های نسبتاً ثابت و معین ولی طولانی (برای چند سال اتفاق می‌افتد)
تغییرات فصلی: منظور از تغییرات فصلی تغییراتی است که بنا بر تغییر ماهای سال و فصل‌های سال اتفاق می‌افتد (افزایش مصرف سوخت گاز در زمستان)
تغییرات نامنظم: حرکات پراکنده در یک سری زمانی که الگوی منظم و مشخصی را دنبال نمی‌کند .
پس از مشخص شدن اجرای یک سری زمانی باید نحوه تعامل آن‌ها تعیین شود اگر که تمام اجزاء در یک واحد بیان شود می‌توان مقدار متغیر ،آن‌ها را باهم جمع کرد در غیر این صورت لازم است که مقدار روند واحدهای فیزیکی و سایر اجزاء به‌صورت تقریباً درصدی بیان‌شده و در مقدار روند ضرب شوند .
روش‌های پیش‌بینی کمی عبارت است از:
الف- روش میانگین متحرک
در این روش مقادیر پیش‌بینی برابر است با میانگین مقادیر دوره‌های قبل ،دقت کمی دارد لیکن هزینه آن اندک است و فرمول آن عبارت است از:
ب- روش میانگین متحرک وزنی
مانند میانگین ساده است لیکن فرض می‌شود در دوره t وزن بیشتر می‌باشد به‌طور مثال در یک دوره با تناوب ۳: دوره نزدیک ۰٫۵ ، دوره قبل ۰٫۳ و دوره قبل‌تر ۰٫۲ می‌باشد و فرمول آن عبارت است از:
پ-روش نمو هموار ساده (هموارسازی نمایی ساده-براون)