Pada banyak kasus peramalan ekonomi, data yang telah dikumpulkan perlu disesuaikan sebelum diproses lebih lanjut agar teknik peramalan ekonomi dapat diterapkan lebih mudah.
Pada tahap penyesuaian ini diperlukan judgment apakah proses ini akan memperbaiki hasil ramalan. Hati-hati dalam proses penyesuaian karena ia dapat mengubah data mentah, sehingga dapat menghilangkan informasi asli. Berikut adalah penjelasan metode apa saja yang dapat digunakan pada penyesuaian data pada peramalan eknomi;
Terkadang nilai variabel untuk waktu tertentu dalam periode estimasi tidak tersedia (missing data). Agar penerapan teknik kuantitatif tidak menghadapi masalah, nilai yang hilang itu perlu diduga. Pendekatan untuk mengatasi masalah ini adalah menggantikannya dengan moving avarage, yaitu rata-rata yang di update jika informasi baru telah diperoleh.
Bisa juga ditemui nilai variabel yang jauh berbeda atau menyimpang dari nilai-nilai lain yang umum (outlier), di mana nilai ekstrem itu kecil kemungkinannya untuk terulang atau dapat mengacaukan hasil ramalan dari model yang mengasumsikan data nya well behaved.
Jika ini kasusnya, nilai ekstrem itu tidak perlu dihilangkan, tapi dapat diganti dengan nilai lumrah, mislanya saja dengan menggunakan pendekatan moving average.
Pada analisis multivariabel, meski jenis data dan stuan ukuran dapat berbeda, ia tak mungkin dijalankan jika periode atau frekuensi datanya berbeda. Hal ini biasa ditemui jika sebagian atau semua data variabel-variabel itu adalah data sekunder.
Data yang pertama diterbitkan oleh sumber publik sering bersifat sementara, diikuti data yang direvisi dan beberapa bulan atau tahun kemudia muncul data final. Berdasarkan pengalaman perbedaan data sementara dengan data final tidak lebih dari lima persen.
Data sementara itu dapat saja digunakan, tapi model harus segara di update begitu data yang lebih baru telah tersedia. Ingat bahwa peramalan ekonomi merupakan never ending process.