这份需求预测能为采购提供依据吗？
先看证据，再做决定

审核建议之前，先确定采购提案依赖哪个需求指标、覆盖哪个预测期间。请编制者说明预测来自哪里，使用了哪些历史资料。助手解释一份预测、助手给出一组数字，以及一种方法接受过历史观测数据评测，是三件不同的事。 研究文献可以帮助解释方法，但不能证明助手确实采用了该方法，也不能证明研究结果适用于这次采购。应把预测的支持证据与提案放在一起，不要让一段流畅的解释代替证据。

数值预测研究确实提供了有价值的积极发现。TimesFM 研究在部分未参与预训练的公开时间序列上报告了良好结果，有些任务接近或达到为相应任务专门训练的方法的表现。它研究的是根据过去的数值预测未来观测值，不是让一个遵循指令的助手撰写采购建议。 更早的《Are Transformers Effective for Time Series Forecasting?》研究发现，在所选的历史预测任务和具体实现中，简单线性方法具有竞争力，或表现更好。后来的积极结果说明，不能把早期批评当作对整个模型家族的永久判决。两者共同支持的做法，是追问实际比较了什么，而不是把复杂或简单本身当成保证。

请预测编制者提供已有的、与目标需求和预测期间相关的历史比较。哪些观测用于编制预测，哪些后续观测留作检验，比较中又纳入了什么常用替代方法？如果这些证据不存在，研究论文不能替你的业务补上。 简单方法值得比较，但参照是否合适很重要。早期研究中，重复最后一个观测值的方法在汇率数据上具有竞争力，在具有季节性的电力和交通数据上却弱得多。其默认比较中，线性方法与 Transformer 使用的历史输入长度也不同，并非所有条件下都采用完全相同的输入。 后来的研究同样有边界。Monash 比较排除了含缺失值的数据集；主要 ETT 比较出于评测成本考虑，只使用最后一个测试窗口，没有采用通常沿测试期间滚动评估的方式。ETT 涉及设备温度的历史观测，早期论文注明这些记录覆盖 2016 年 7 月至 2018 年 7 月。它们都不能确定对今天需求的预测表现。应追问：提交的比较，是否真的接近眼前要审核的用途？

一个预测数值并不能说明需求可能有多大不确定性。TimesFM 研究重点是点预测。它讨论了可能的概率预测扩展，但这不代表已经检验了不确定性区间；汇总研究比较中的误差条，也不是某一项业务预测的区间。 如果提案给出了区间，请编制者解释其含义，以及哪些相关历史证据支持它。依据缺失时就记录下来，不要让助手补出让人安心的上下限。 随后，请销售或相关业务负责人判断已知变化是否影响提案假设，例如计划中的促销，或客户承诺发生变化。这些是建议讨论的问题，不是对你所在企业的实际观察。早期研究承认，线性模型难以捕捉变化点引起的动态；后来的研究任务在训练时不包含特定业务的解释性输入。两者都不能证明当前变化已经被考虑。

我们建议用一份简短的辅助阅读记录，把采购问题、预测期间、相关历史比较、简单参照方法、不确定性证据和已知业务变化连起来。区分编制者能够支持的内容与仍需回答的问题，并为每个待办问题指定跟进人。这是编辑层面的建议，不是两项研究测试过或要求采用的工作流程。 有采购权限的负责人可以据现有程序判断：证据是否足够，是否需要进一步澄清，或提案是否继续暂缓。精简记录时，不要把尚未解决的假设悄悄变成已确认的输入。 有用的交接，是给人的判断提供更清楚的基础，不是推荐一个订货量。两篇论文都没有测试采购审批、库存结果或自动生产控制。历史比较表现良好，仍只是关于特定任务的证据，不是采购许可。