Das Autorenduo startet mit den technischen Voraussetzungen, Restriktionen und den zentralen Smart-Predict-Komponenten. Im Rahmen der Implementierung stehen qualitätsgesicherte Quelldaten als wesentlicher Erfolgsfaktor für die Modellierung und das Trainieren von Prognoseszenarien, die zu untersuchende Zielvariable sowie deren abhängige Einflussfaktoren im Fokus. In diesem Kontext werden der Einsatz von Datensets, Variablen, Datenmodell, Szenario und der Prozess des Modelltrainings beschrieben.

Sie lernen die Prognosetypen Klassifikation, Regression sowie Zeitreihen und ihre Einsatzgebiete kennen und begleiten die praxisorientierte Anwendung der Prognoseszenarien auf ausgewählte Problemstellungen aus dem Geschäftsleben. An erfahrenere Datenwissenschaftler richtet sich der abschließende Exkurs über die spezielle Integration von R Visualisierung im Kontext von Smart Predict.