Phân tích chu kỳ là khai thác các mẫu chu kỳ, tức là tìm kiếm các mẫu lặp lại trong dữ liệu chuỗi thời gian. Phân tích chu kỳ có thể được sử dụng trong nhiều lĩnh vực quan trọng. Ví dụ: mùa vụ, triều cường, quỹ đạo hành tinh, tiêu thụ điện hàng ngày, mô hình giao thông hàng ngày, chương trình TV hàng tuần đều trình bày các mẫu chu kỳ nhất định.
Phân tích chu kỳ được thực hiện trên dữ liệu chuỗi thời gian, bao gồm các chuỗi giá trị hoặc sự kiện thường được đo tại các khoảng thời gian bằng nhau (ví dụ: mỗi giờ, mỗi ngày, mỗi tuần). Nó cũng có thể áp dụng cho các dữ liệu chuỗi liên quan đến thời gian khác nơi giá trị hoặc sự kiện có thể xảy ra ở khoảng thời gian không bằng nhau hoặc bất kỳ lúc nào (ví dụ: giao dịch trực tuyến). Hơn nữa, các yếu tố được phân tích có thể là dữ liệu số, bao gồm biến động nhiệt độ hoặc tiêu thụ điện hàng ngày, hoặc bản ghi phân loại (sự kiện), bao gồm mua sản phẩm hoặc xem trận đấu.
Các vấn đề khai thác mẫu chu kỳ có thể được xem xét từ nhiều góc độ. Tùy thuộc vào độ phủ của mẫu, có thể phân loại mẫu chu kỳ thành mẫu chu kỳ đầy đủ so với một phần:
Mẫu chu kỳ đầy đủ (full periodic pattern) là mẫu mà mọi điểm thời gian đều đóng góp (chính xác hoặc xấp xỉ) vào hành vi chu kỳ của một chuỗi liên quan đến thời gian. Ví dụ: tất cả các ngày trong năm xấp xỉ đóng góp vào chu kỳ mùa vụ của năm.
Mẫu chu kỳ một phần (partial periodic pattern) chỉ định hành vi chu kỳ của một chuỗi liên quan đến thời gian ở một số nhưng không phải tất cả các điểm thời gian. Ví dụ: Sandy đọc New York Times từ 7:00 đến 7:30 mỗi buổi sáng ngày trong tuần, nhưng hoạt động của cô ấy ở các thời điểm khác không có nhiều quy luật. Chu kỳ một phần là dạng chu kỳ lỏng lẻo hơn chu kỳ đầy đủ và xuất hiện phổ biến hơn trong thực tế.
Dựa trên độ chính xác của chu kỳ, một mẫu có thể là đồng bộ hoặc không đồng bộ, trong đó đồng bộ yêu cầu sự kiện xảy ra ở độ lệch cố định tương đối trong mỗi kỳ "ổn định", như 3 giờ chiều mỗi ngày, trong khi không đồng bộ cho phép sự kiện dao động trong một kỳ được định nghĩa lỏng lẻo.
Một mẫu cũng có thể là chính xác hoặc xấp xỉ, tùy thuộc vào giá trị dữ liệu hoặc độ lệch trong một kỳ. Ví dụ: nếu Sandy đọc báo lúc 7:00 vào nhiều ngày, nhưng 7:10 hoặc 7:15 vào các ngày khác, đây là một mẫu chu kỳ phù hợp.