Raz lub dwa razy wspomnieliśmy o prognozowaniu jako części procesu decyzyjnego dotyczącego utrzymywania zapasów i ruchu zapasów. Poprawa dostępnej mocy obliczeniowej oraz, do pewnego stopnia, metod teoretycznych, takich jak sieci neuronowe (str. 196), oznacza, że organizacje mogą dokładniej określać przyszłe zapotrzebowanie. Jednak główne ulepszenia prawdopodobnie wynikają z dostępności większej ilości danych [130] lub z ulepszonego gromadzenia informacji EPOS z systemów skierowanych do klientów, a nie z danych magazynowych. Z tego wynikają dwie lekcje: po pierwsze ważne i pilne jest przekształcenie modelu danych w formę odpowiednią do przechwytywania tych danych; po drugie, po raz kolejny przesłanie, że systemy gromadzenia danych muszą być zintegrowane w całym łańcuchu dostaw. Sposób, w jaki zostanie to zrobione, będzie w dużej mierze zależeć od istniejących baz danych, systemów ERP i wszelkich inicjatyw związanych z hurtowniami danych. Po pierwsze, należy wziąć pod uwagę zmienne przyczynowe, które napędzają popyt: należy uwzględnić nie tylko oczywiste czynniki, takie jak pora roku, pogoda itp., ale także to, czy produkty zostały sprzedane w ramach kampanii marketingowych, a jeśli tak, jak określić siłę kampanii? Nie jest to nienaturalne, że wielu detalistów kupuje swoje systemy prognozowania, z których część może być dostępna u ich dostawców ERP, ale nie należy tego traktować jako substytutu próby zrozumienia bazowego modelu. Kolejna komplikacja pojawi się, jeśli operacja prognozowania ma zostać rozszerzona na całe przedsiębiorstwo, obejmując być może dostawców i detalistę. Systemy muszą się integrować, dzielić wspólny model danych, generować zaufanie i otwartość, zachowując jednocześnie część danych w tajemnicy.