Pravovremene i točne informacije o fazi ekonomskog ciklusa u kojoj se određena država nalazi važan su preduvjet za ispravan odabir poslovne politike banaka. Problem je što se službene statistike o stanju ekonomije objavljuju i s nekoliko mjeseci zakašnjenja, a zakašnjele informacije nisu korisne za prilagodbu poslovanja. U svrhu češće procjene realne aktivnosti, centralne banke razvile su tzv. modele brze procjene (eng. nowcasting). Konkretno, u Hrvatskoj narodnoj banci razvijeni su indikatori MRGA (za procjenu realne aktivnosti na mjesečnoj frekvenciji) i TEA (za procjenu realne aktivnosti na tjednoj frekvenciji). Ipak, takvi modeli u većini zemalja nisu javno dostupni, pa se za procjenu i predviđanje realne aktivnosti u recentnoj literaturi koriste alternativni izvori podataka (poput informacije o potrošnji električne energije ili informacija o broju rezerviranih letova). U ovome radu ispituje se prognostička moć Google Trends podataka za predviđanje vrijednosti indikatora tjedne ekonomske aktivnosti (TEA). Koristeći isključivo Google Trends podatke, kreira se tzv. indikator najave (eng. leading indicator) koji bi omogućio detektiranje tjedne realne aktivnosti unaprijed. U radu se odabire najznačajnije Google kategorije na temelju korelacije i Lasso regresije. Potom se kao prediktore TEA indikatora u linearnim modelima koristi sve moguće kombinacije selektiranih varijabli (u kombinaciji s prošlom vrijednošću TEA indikatora, radi se o 8192 modela za svaku skupinu), kao i njihove prve i druge zajedničke komponente (dobivene analizom glavnih komponenti). Rezultati ukazuju da unatoč tome što postoji značajna povezanost određenih kategorija pretraživanja s TEA indikatorom, Google Trends podaci (samostalno korišteni) ne pokazuju značajnu prediktivnu snagu u predviđanju budućih vrijednosti TEA indikatora.