预测模型可以根据历史数据、趋势和影响因素形成未来判断，但经营环境中还存在尚未进入数据的新活动、渠道变化和临时计划。业务人员掌握的现场信息，有时能够补充模型暂时无法识别的变化。
因此，经营预测既需要模型提供稳定基线，也需要为人工调整保留合理空间。关键不是允许随意改数，而是让**调整有依据、过程有记录、结果可复盘**。
模型结果与业务经验各自解决什么问题
模型擅长从大量历史数据中识别趋势、季节和重复规律，能够避免预测完全依赖个人感受。业务人员则更了解即将发生的促销、门店调整、客户订单和供应变化。
两类信息并不天然冲突。模型给出基于已知数据的预测基线，业务人员补充尚未被数据充分反映的事件，能够让预测讨论建立在共同起点上。
问题通常出现在两种情况：一是团队完全接受模型结果，忽略已经发生的业务变化；二是人工直接覆盖预测，却没有留下原因。前者降低适应能力，后者则让预测重新变成无法解释的经验判断。
什么情况下适合人工调整
人工调整应针对模型暂时无法充分覆盖、但业务团队能够说明依据的变化，而不是因为结果“不符合预期”就直接修改。
常见情况包括新的促销计划、门店开关调整、重要客户订单变化、供应受限或业务规则发生改变。这些事件可能尚未形成足够历史数据，却会明显影响未来需求。
调整前可以确认：
• 变化是否已经确定，还是仍然属于假设；
• 影响哪些对象、区域和时间范围；
• 调整幅度依据什么信息判断；
• 是否存在重复计算同一影响因素的风险；
• 结果需要由哪些角色共同确认。
只有能够回答这些问题，人工调整才是**对预测信息的补充**，而不是对模型结果的主观替换。
每次调整都要保留原因和版本
如果系统只保存调整后的最终数字，团队无法知道模型原始结果是多少，也无法判断人工修改是否有效。预测过程至少需要保留基线版本、调整版本和最终确认版本。
记录调整由谁提出
销售、采购、供应链和门店可能从不同角度提出调整。记录提出人和所属角色，有助于理解信息来源，也便于后续找到责任人核实。
记录为什么调整
调整原因应尽量对应具体事件，而不是只写“根据经验修正”。促销时间、订单变化、供应限制或组织调整等信息，可以成为后续复盘的重要依据。
记录调整影响了什么
除了最终数值，还应保留涉及的时间、区域、门店、品类或SKU，以及调整前后的差异。这样才能判断修改是否集中在真正受影响的对象上。
完整版本记录能够使**模型判断、人工经验和最终决策彼此区分**，避免后续只看到一个无法解释的结果。
人工调整也需要权限与确认
预测可能影响采购、库存、排产和经营目标，不同人员不应拥有完全相同的修改范围。企业可以根据岗位和对象设置调整权限，并对影响较大的修改增加审批。
例如，门店人员可以补充本地事件，区域负责人确认区域范围，供应链团队再结合库存和采购约束形成最终版本。权限设计应与实际责任对应，而不是让所有人都能修改全部结果。
对于调整幅度明显、影响范围较大或缺少充分依据的内容，可以要求再次说明原因。**人工参与越深入，确认与留痕越需要清晰。**
复盘时要分别评价模型和人工判断
实际结果产生后，企业不能只比较最终预测与实际值，还要分别观察模型基线和人工调整的表现。
如果人工调整持续改善结果，说明业务信息具有稳定价值，可以考虑将相应事件逐步纳入数据和模型；如果同类调整经常扩大误差，则需要检查判断依据、权限范围和确认流程。
复盘还可以识别哪些部门经常提供有效信息，哪些对象更依赖人工判断，以及哪些事件已经形成可重复规律。这样，业务经验就不再停留在个人头脑中，而能够转化为**可验证、可沉淀的预测知识**。
避免把调整结果当成新的历史事实
预测值、调整值和实际发生值具有不同含义。企业在积累历史数据时，应保留它们的区别，避免将人工调整后的预测直接作为真实业务结果进入后续训练。
模型更新应主要基于实际结果，并结合当时的事件和调整记录分析误差来源。若历史数据混入未经区分的预测值，后续模型可能学习到错误关系。
保持**预测值、调整值与实际值相互区分**，是持续校准能够成立的基础。
用平台支撑协同预测过程
FineDecision 智能预测平台支持围绕不同业务对象开展预测分析，并允许业务团队对预测结果进行确认、人工调整、审批和版本留痕。实际结果产生后，还可以与预测版本进行对比复盘。
企业可以将模型结果作为共同基线，再把业务事件、调整原因和确认过程纳入同一预测流程。具体调整权限、对象范围和审批方式，需要结合业务分工进行配置。
让经验成为可以持续验证的输入
经营预测保留人工调整，不是降低模型价值，而是承认部分业务变化会先于数据出现。管理重点在于让经验以清晰方式进入预测，而不是在流程之外直接修改结果。
当企业建立**调整条件、依据说明、版本留痕、权限确认和结果复盘**机制后，模型与业务经验才能相互补充，并在一次次预测中共同得到校准。