El modelado predictivo es una técnica que utiliza métodos matemáticos y computacionales para predecir un evento o resultado. Un enfoque matemático utiliza un modelo basado en ecuaciones que describe el fenómeno en cuestión. El modelo se utiliza para pronosticar un resultado en un estado o momento futuro basándose en los cambios de las entradas del modelo. Los parámetros del modelo ayudan a explicar cómo las entradas del modelo influyen en el resultado. Algunos ejemplos son los modelos de regresión de series temporales para predecir el volumen de tráfico de las aerolíneas o la predicción de la eficiencia del combustible basada en un modelo de regresión lineal de la velocidad del motor frente a la carga.
El enfoque de los modelos predictivos computacionales difiere del enfoque matemático porque se basa en modelos que no son fáciles de explicar en forma de ecuaciones y a menudo requieren técnicas de simulación para crear una predicción. Este enfoque se denomina a menudo «caja negra» porque la estructura del modelo no proporciona información sobre los factores que relacionan la entrada del modelo con el resultado. Algunos ejemplos son el uso de redes neuronales para predecir de qué bodega procede una copa de vino o los árboles de decisión en bolsa para predecir la calificación crediticia de un prestatario.
El modelado predictivo se realiza a menudo utilizando enfoques de ajuste de curvas y superficies, regresión de series temporales o aprendizaje automático. Independientemente del enfoque utilizado, el proceso de creación de un modelo predictivo es el mismo en todos los métodos. Los pasos son: