Demand forecasting represents a critical aspect in manufacturing supply chains, directly influencing production planning, inventory management, and customer service levels. In most organizations, the forecasting process combines algorithmic statistical methods with human judgment: computerized planning systems generate baseline forecasts, which are then reviewed and manually adjusted by demand planners drawing on their contextual knowledge of markets, customers and upcoming events. This thesis investigates the value added by judgmental adjustments to statistical demand forecasts in a real B2B manufacturing setting, using SIT S.p.A., an Italian multinational company operating in the heating, ventilation and smart metering sectors, as the empirical case study. SIT uses Blue Yonder, an AI-driven Advanced Planning System, to generate monthly statistical baseline forecasts, which are subsequently reviewed and adjusted by its demand planning team. Two research hypotheses are tested: the first examines whether judgmental adjustments improve overall forecast accuracy relative to the statistical baseline generated by Blue Yonder; the second examines whether the effectiveness of these adjustments varies significantly across product families, reflecting differences in demand characteristics and the depth of contextual knowledge available to the planning team.

La previsione della domanda rappresenta un aspetto critico nelle supply chain manifatturiere, influenzando direttamente la pianificazione della produzione, la gestione delle scorte e i livelli di servizio al cliente. Nella maggior parte delle organizzazioni, il processo previsionale combina metodi statistici algoritmici con il giudizio umano: i sistemi di pianificazione computerizzati generano previsioni di base, che vengono successivamente revisionate e corrette manualmente dai demand planner sulla base della loro conoscenza contestuale dei mercati, dei clienti e degli eventi futuri attesi. Questa tesi analizza il valore aggiunto dagli aggiustamenti giudiziali alle previsioni statistiche della domanda in un contesto manifatturiero B2B reale, utilizzando SIT S.p.A., multinazionale italiana operante nei settori del riscaldamento domestico, della ventilazione e della misurazione intelligente dei consumi energetici, come caso studio empirico. SIT utilizza Blue Yonder, un Advanced Planning System basato sull'intelligenza artificiale, per generare previsioni statistiche mensili di base, che vengono successivamente revisionate e aggiustate dal team di demand planning. Vengono testate due ipotesi: la prima esamina se gli aggiustamenti giudiziali migliorano l'accuratezza previsionale complessiva rispetto alla baseline statistica generata da Blue Yonder; la seconda esamina se l'efficacia di tali aggiustamenti varia significativamente tra le famiglie di prodotto, riflettendo differenze nelle caratteristiche della domanda e nella profondità della conoscenza contestuale disponibile al team di planning.

Beyond the Algorithm: The Value of Human Judgment in Demand Forecasting. An Empirical Analysis in a B2B Manufacturing Context

DE ZUANI, BEATRICE
2025/2026

Abstract

Demand forecasting represents a critical aspect in manufacturing supply chains, directly influencing production planning, inventory management, and customer service levels. In most organizations, the forecasting process combines algorithmic statistical methods with human judgment: computerized planning systems generate baseline forecasts, which are then reviewed and manually adjusted by demand planners drawing on their contextual knowledge of markets, customers and upcoming events. This thesis investigates the value added by judgmental adjustments to statistical demand forecasts in a real B2B manufacturing setting, using SIT S.p.A., an Italian multinational company operating in the heating, ventilation and smart metering sectors, as the empirical case study. SIT uses Blue Yonder, an AI-driven Advanced Planning System, to generate monthly statistical baseline forecasts, which are subsequently reviewed and adjusted by its demand planning team. Two research hypotheses are tested: the first examines whether judgmental adjustments improve overall forecast accuracy relative to the statistical baseline generated by Blue Yonder; the second examines whether the effectiveness of these adjustments varies significantly across product families, reflecting differences in demand characteristics and the depth of contextual knowledge available to the planning team.
2025
Beyond the Algorithm: The Value of Human Judgment in Demand Forecasting. An Empirical Analysis in a B2B Manufacturing Context
La previsione della domanda rappresenta un aspetto critico nelle supply chain manifatturiere, influenzando direttamente la pianificazione della produzione, la gestione delle scorte e i livelli di servizio al cliente. Nella maggior parte delle organizzazioni, il processo previsionale combina metodi statistici algoritmici con il giudizio umano: i sistemi di pianificazione computerizzati generano previsioni di base, che vengono successivamente revisionate e corrette manualmente dai demand planner sulla base della loro conoscenza contestuale dei mercati, dei clienti e degli eventi futuri attesi. Questa tesi analizza il valore aggiunto dagli aggiustamenti giudiziali alle previsioni statistiche della domanda in un contesto manifatturiero B2B reale, utilizzando SIT S.p.A., multinazionale italiana operante nei settori del riscaldamento domestico, della ventilazione e della misurazione intelligente dei consumi energetici, come caso studio empirico. SIT utilizza Blue Yonder, un Advanced Planning System basato sull'intelligenza artificiale, per generare previsioni statistiche mensili di base, che vengono successivamente revisionate e aggiustate dal team di demand planning. Vengono testate due ipotesi: la prima esamina se gli aggiustamenti giudiziali migliorano l'accuratezza previsionale complessiva rispetto alla baseline statistica generata da Blue Yonder; la seconda esamina se l'efficacia di tali aggiustamenti varia significativamente tra le famiglie di prodotto, riflettendo differenze nelle caratteristiche della domanda e nella profondità della conoscenza contestuale disponibile al team di planning.
demand
forecasting
human judgement
File in questo prodotto:
File Dimensione Formato  
DeZuani_Beatrice.pdf

Accesso riservato

Dimensione 2.06 MB
Formato Adobe PDF
2.06 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/118996