推荐引擎会搜集互联网上每个用户的点击、跳转、停留时间和来源等用户行为，然后基于自身的“高维数据预测”技术分析用户在网上的这些行为，抽取出行为特征，建立用户行为预测模型，从而总结用户行为规律，预测用户当前对各种类型的产品或服务的购买概率，从而确定用户的消费意图。

在 Business Intelligence Development Studio 中，使用数据挖掘设计器的“挖掘模型预测”选项卡中的预测查询生成器，可以设计和运行数据挖掘扩展插件 (DMX) 预测查询。

进行产品预测牵涉到许多方面的问题，如客户数量及需求变化、产品的种类和档次、销售渠道的建立、新产品开发能力、市场定位和价格定位等，因此，预测工作理论上可以做到100%的准确，但在实际工作中做这样的要求却是不现实的。那么，预测的准确性要做到多少才有实际意义呢？

在战略型企业管理(Strategic Enterprise Management)中，预测是“计划预算与预测”部分中与经营战略、计划预算并重的一个环节。对于企业经营而言，经营战略“决定往何处去”，计划预算“决定怎么到要去的地方”，而预测则在于“日常监控与追踪过程”。

每年年关之际，各个研究机构、各大媒体等都会给出对未来技术趋势走向的N大预测。这些预测，有的是凭借经验总结提炼的，有的则完全是依靠猜想。而在严谨的网络安全领域，猜想是完全行不通的，必须依靠技术分析，调查数据，热点应用等实际情况进行预测。

近期，IDC发布最新报告，根据报告预测，2019年全球网络安全支出将达到1066.3亿美元（约合7503.9亿元人民币），同比增长10.7%。IDC预测，到2023年，全球网络安全支出规模将达到1512亿美元（约合10640.4亿元人民币），并将以9.4%的年复合增长率持续增长。