В настоящей статье рассматриваются вопросы использования данных мониторинга предприятий Банка России для повышения точности прогноза инфляции по России в краткосрочном периоде. Актуальность исследования определена высоким значением точности прогноза по инфляции для корректного применения доступного регулятору инструментария денежно-кредитной политики. Данные мониторинга могут обладать значительными предиктивными свойствами, поскольку аккумулируют прогнозные оценки осведомленных хозяйствующих субъектов, обладающих релевантной информацией о будущей динамике цен. Вместе с этим все большее значение приобретают исследования, использующие прогнозирование показателей инфляции посредством методов машинного обучения вместо классических эконометрических моделей. В представленной работе реализуется проверка прогностической силы данных мониторинга предприятий через метод сравнения ошибок вневыборочного прогноза индекса потребительских цен в псевдореальном времени для набора моделей эконометрического анализа и машинного обучения с разными информационными множествами - с индикаторами мониторинга и без них. Сравнение ошибок моделей с разными информационными множествами позволило оценить общий вклад данных мониторинга в прогностическую силу моделей. При сравнении метрик точности моделей применялся тест Диболда-Мариано, скорректированный для маленьких выборок. В результате моделирования были получены эмпирические аргументы, поддерживающие наличие у индикаторов мониторинга полезных предиктивных свойств. Добавление индикаторов, как правило, приводит к снижению ошибки вневыборочного прогноза индекса потребительских цен, особенно при прогнозировании на период до трех месяцев. Результат зависит от выбора модели, в среднем модели прямого прогноза с регуляризацией лучше раскрывают предиктивные свойства данных мониторинга. Высокую точность демонстрирует покомпонентный метод прогнозирования индекса потребительских цен, основанный на использовании отраслевой статистики. В целом индикаторы из мониторинга предприятий могут рассматриваться в качестве опережающих и использоваться на этапе краткосрочного прогнозирования.