پیش بینی آینده همانطور که گفته شد نیاز به مجموعه داده یا دیتاست وجود دارد و مجموعه داده ها نیز انواع مختلفی دارند به طور مثال سری های زمانی یک نوع مجموعه داده است که در روشهای پیشبینی کاربرد بسیار زیادی دارد.
در واقع پيشبيني سري زماني گرفتن دادههاي Xt-1,Xt-2,…,Xt-n و پيشبيني Xt+1,Xt+2,… روشهاي پيشبيني سري زماني مقادير آتي سري زماني را بر اساس رفتارهاي گذشته سري زماني پيشبيني ميكنند. هدف از پيش بيني سري زماني مدل سازي داده هاي موجود براي پيش بيني مقادير آتي آن سري است. با تحليل مقادير آتي سري زماني درباره رفتار آتي سري زماني می توان قضاوتی ارائه نمود.سريهاي زماني از داده هاي دنباله دار تشکيل شده اند که نمونه اين داده هاي دنباله دار در صنعت , هواشناسي و .. وجود دارد به طور مثال نوسانات قيمت نفت در طول سال يک سري زماني تشکيل دهد يا داده اي رياضي مثل سري فيبوناچي انتگرال هلاي نابرابر و... . در کل "سري زماني " معمولا به داده هاي زماني اشاره مي کند . هدف از انجام پيش بيني سري زماني رسيدن به روند آتي سري زماني است و اين کار با تحليل رفتار گذشته سري زماني انجام مي شود
یک نمونه از سری های زمانی و کاربردش در رویکردهای پیشبینی حوزه داده کاوی میتواند پیشبینی تماسهای شهروندان به سامانه ۱۳۷ شهرداری باشد. به طور مثال در شهرداری تبریز در طول روزهای هفته چه تعداد تماس به این سامانه انجام میشود. بدین ترتیب با استفاده از رویکرد پیش بینی سری زمانی می توان تعداد تماسها را پیشبینی کرد و بر اساس آن اقدام به جذب نیرو و نفرات گرفت. همان طور که مشاهده می گردد این یک نمونه از مجموعه داده های سری زمانی و نحوه استفاده از آن برای رویکردهای پیش بینی است.
پیش بینی سری زمانی در حوزه داده کاوی از گستردگی بسیار زیادی بر خوردار است زیرا از این نوع پیش بینی در بازار سرمایه و بورس استفاده می شود در واقع برای پیش بینی قیمت سهام در روزهای آتی از این نوع دیتاست و روش های داده کاوی مربوط به آن استفاده می شود.