Le décisionnel servant à décider, il doit aussi servir à prévoir. Les systèmes prédictifs constituent cependant une branche séparée, avec des outils spécifiques (SPSS/IBM, certains modules de MicroStrategy, de SAS ou d'Information Builders...). « Les systèmes prédictifs, ce sont avant tout des mathématiques et des statistiques » a martelé Christian Carolin, analyste du CXP.

Ces systèmes reposent sur deux types d'approches : soit par modèles, soit par méthodes statistiques. Les modèles peuvent être soit formels (principe des « systèmes experts », principe des scorings de risques dans les établissements de crédit par exemple), soit connexionnistes (mise en relation de données selon un principe de réseau neuronal avec auto-apprentissage). Les méthodes statistiques, quand à elles, peuvent être soit non-supervisées (des phénomènes atypiques sont mis en valeur sans recherches pré-déterminées) soit supervisées (avec des questions préalables). Christian Carolin tempère cependant : « dans les faits, les produits sont souvent mixtes ».

Mais là encore, la qualité des données est au coeur de la problématique. Christian Carolin donne ainsi cet exemple simple : « si un système met une date par défaut pour la naissance si celle-ci n'est pas renseignée, travailler sur les dates sans précautions devient un non-sens. »