预测分析最危险的错误不是“模型不够聪明”，而是数据口径、目标时间和业务含义没有说清。AI 可以协助整理思路、提出假设和生成分析草稿，但不能替代数据验证与责任决策。
先建立数据说明卡
说明指标名称、单位、时间粒度、数据来源、缺失值处理、样本范围和更新时间。再写清要预测什么、服务哪个业务动作、允许的误差和不能作出的结论。没有这些信息，任何漂亮图表都缺少可解释性。
| 必须说明 | 为什么 |
|---|---|
| 时间范围与粒度 | 避免把周数据与月目标混用 |
| 指标口径 | 避免同名指标统计范围不同 |
| 缺失与异常 | 防止异常值被当作趋势 |
| 使用边界 | 避免把预测结果当作确定承诺 |
要求先列假设，再给结果
提示 AI 先复述口径、列出可能影响结果的变量和无法判断的缺口；随后输出趋势解释、预测区间、反例和需要人工复核的点。不要只要求“给出结论”。当涉及资金、医疗、法律或其他高风险决策时，应由具备相应资格的人复核。
把误差复盘写进流程
实际结果出现后，比较误差而不是只看方向是否猜中：数据是否变了、假设是否失效、外部事件是否未纳入。提示词的结构可参考 把目标、边界和验收条件写清的通用方法。
可复用骨架
指标与口径：……；时间范围：……；数据质量说明：……；预测用途：……；请先列假设和缺口，再给区间、风险因素、验证步骤，不把推测表述为事实。
