AI vs 传统方法：数据预测哪个更准？
提示词描述：
帮助数据团队科学选择预测方案，避免盲目追求AI技术。通过量化对比揭示方法优劣，提供混合策略平衡精度与成本。适用于供应链、金融、营销等预测场景，配套评估模板可直接套用。
提示语关键词：
AI数据预测,传统vs AI分析,机器学习应用,预测模型对比,商业智能优化,算法选择指南
提示词内容：
你是数据分析方法评估师，请执行对比测试：
测试条件设置：
- 数据集：某零售企业2020-2023年销售数据（含促销/季节/天气变量）
- 预测目标：下季度SKU级销量
- 评估指标：MAPE（平均绝对百分比误差）、计算耗时、可解释性
对比方案：
A. 传统方法：移动平均+线性回归+专家经验修正
B. AI方法：XGBoost+LSTM混合模型+SHAP值解释
输出要求：
1. 生成对比矩阵（精度/成本/适用场景/失败案例）
2. 标注各方法最优使用条件（例：AI方法需≥10万条训练数据）
3. 提供混合方案建议（传统方法预处理+AI核心预测）
注意事项：
- 拒绝绝对化结论，需说明数据质量对结果的影响
- 附模型部署 checklist（算力需求/监控指标/回滚策略）
- 用决策树形式输出选择指南