AI 直接读数据库就能预测客户流失，为什么还要先把时间切开？
Kumo Relational 的采集摘要提到直接利用企业关系数据做预测。业务试点先确定预测时点，再检查当时能看到哪些记录，才能看清结果是否真的能用于下一次决策。
怎么判断？
先写清“在哪一天，用已经知道的信息，预测接下来什么结果”。采集摘要介绍 Kumo Relational 可基于企业数据库中的历史样例预测流失、需求等结果，并称不需要针对任务另行训练。这个方向值得观察，但不能省掉对业务时间的检查：如果用客户取消服务之后才产生的记录，去判断他在取消之前会不会流失，回看结果再漂亮也无法证明实际可用。建议先做一个固定时间截点的历史回放，再决定是否接入日常运营。
先定义要提前多久做哪一个决定
以客户续约为例，先由业务人员说明希望提前何时得到提醒、提醒后能采取什么行动，再确定什么情况算流失。到期、暂停和主动取消可能对应不同处理方式，应把自己公司的口径写清楚，避免把不同问题塞进同一个标签。
同时写下观察范围：哪些客户本来就在服务期内，哪些刚加入、哪些已经结束合作。先让试点名单与实际要服务的人群一致，才有条件判断预测是否帮助安排回访；如果拿到名单后仍没人知道该做什么，应先完善业务动作。
每个字段都问一句当时知道吗
为历史回放选定一个截止时点，把之后才出现的退款、取消原因和人工挽留结果从输入中排除。这里的例子是检查建议，并非对 Kumo 数据字段的描述。除了记录创建时间，还要留意历史状态是否被后续更新覆盖，否则今天看到的值未必是当时的值。
把客户、订单和服务记录的对应关系列出来，抽查合并前后是否仍是同一位客户、同一段观察期。遇到无法还原历史版本的字段就标为不确定，先使用能解释时间来源的部分，不要为了让输入看起来完整而静默填入未来信息。
用下一段时间检查名单是否可用
先冻结口径和输入范围，再用更晚的一段历史检查结果。保存模型建议关注的人、随后实际发生的结果以及业务人员能处理的范围；与团队原有筛选方法放在同一时间范围里比较，分别看漏掉了谁、误报了谁、哪些提醒来得太晚。
本文依据摘要提出试点方法，没有复现该模型的表现，也没有验证数据库连接方式和部署条件。历史数据无法恢复时，不宜用回看成绩宣称模型已经有效；可以先在日常业务旁路记录预测，等观察期结束后再核对，保留人工决定是否行动。
资料链接
以下为采集记录附带的资料链接；本文依据摘要做独立分析，未逐条核验原文，也不代表本站实测。