时间序列预测法及其局限

时间序列预测是纯粹从数据本身的历史走势出发做外推，常见做法是用线性、二次、对数、指数等函数去拟合历史曲线，挑拟合误差最小的模型往未来推算。它的根本缺陷是只认数字规律，不懂业务——比如某产品6～8月实际是下降趋势，但几种拟合模型算出来的曲线依然是持续增长的，因为模型看不到”季节性使用场景变化”这类业务原因，只会顺着历史整体趋势外推。发散：这解释了时间序列预测法在工作汇报中经常不受待见的原因——预测结果一旦和实际业务直觉相悖，分析师往往说不清”为什么模型这么说”，而汇报对象要的从来不只是一个数字，还有这个数字背后能不能讲出令人信服的业务逻辑。