횡단면 데이터(Cross Sectional Data)와 비교되는 개념으로 데이터의 변수에 시간에 대한 자취값이 있는 데이터를 시계열 데이터(Time-series)라고 한다. 횡단면 데이터는 시간 정보가 없거나 여러 시간대의 구간을 하로 합친 것을 말한다.
시계열 데이터는 보통의 데이터에 비해서 레코드(또는 로우)에 타임스탬프 또는 각 시간구간에 따른 집계 레벨(분별, 시간대별, 일별, 주별, 월별, 분기별, 년도별)에 대한 순서가 있는 시간값을 함께 가지고 있다.
시계열 데이터는 횡단면 데이터에 비해 고려해야 할 시간축이 하나 더 있는 것이 큰 문제이며 시간축이 선후관계를 가지는 것, 그리고 시간축에 대한 것을 드릴다운하거나 다시 롤업(roll-up)해서 집계 응집도를 높여야 할 수 있다.
시계열 분석은 응용 통계학, 계산 통계학, 응용 수학에서 다루며 이와 관련된 학과의 대학원 과정에서 집중적으로 가르친다. 시계열 분석을 전문으로 배우려면 통상 금용공학, 경제학, 통계학, 수학과의 대학원에서 배울 수 있다는 것이다.
시계열 분석으로 날씨 예측, 주가 예측, 자재값 예측 등의 시간에 따라 미래의 손실이나 리스크(위험, risk)를 미리 알고 싶을 때 사용하는 기술이지만 실제로 정확도가 크게 높지 않으며 매우 어려운 기술이다.