AI 需求预测：用历史数据做可解释计划

## 适用场景

适合销量、库存、人力和活动需求预测。AI 可以帮助建立假设和代码，但预测结果必须包含区间与情景，不能只给单一数字。

## 三步工作法

### 步骤 1：整理驱动因素

区分趋势、季节性、促销、价格、渠道和一次性事件。

### 步骤 2：建立基准模型

先用移动平均或同期值形成基线，再比较更复杂模型是否真正提升。

### 步骤 3：输出三种情景

提供保守、基准和乐观预测，并写明触发条件和更新频率。

## 可直接复制的 Prompt

> 根据历史数据和业务事件设计需求预测方案。先给简单基线，再给可选模型；输出预测区间、三种情景、主要假设、误差指标和每周更新流程。不要伪造未来确定性。

## 进阶技巧

- 保留模型外的业务修正记录

- 用滚动回测而不是只看训练拟合

- 重大活动单独建模

## 交付前检查

- 是否优于简单基线

- 预测区间是否合理

- 假设变化时能否快速更新

## 预期效果

获得能被业务理解和持续更新的预测，而不是一个无法解释的黑箱数字。

## 使用边界

AI 负责整理、扩展和检查，人仍然负责事实准确性、业务判断、隐私保护与最终发布。涉及个人信息、商业机密、财务、法律或安全内容时，只能使用组织批准的工具和脱敏材料。