01What it isQué es
Override management governs the manual adjustments people make to the statistical forecast: every change is justified, tagged by type and owner, and later scored against the baseline it replaced.
La gestión de overrides gobierna los ajustes manuales que las personas hacen al pronóstico estadístico: cada cambio se justifica, se clasifica por tipo y responsable, y después se evalúa contra la línea base que sustituyó.
02Why it mattersPor qué importa
Judgment adds value when it carries information the model cannot see, and destroys value when it carries optimism or targets. A study of more than 60,000 forecasts in four supply chain companies found that large adjustments tended to improve accuracy while small and positive (upward) adjustments often made it worse (Fildes, Goodwin, Lawrence and Nikolopoulos, 2009 — International Journal of Forecasting).
El juicio agrega valor cuando aporta información que el modelo no ve, y lo destruye cuando aporta optimismo o metas. Un estudio de más de 60,000 pronósticos en cuatro empresas de cadena de suministro encontró que los ajustes grandes tendían a mejorar la precisión, mientras que los ajustes pequeños y los positivos (al alza) con frecuencia la empeoraban (Fildes, Goodwin, Lawrence y Nikolopoulos, 2009 — International Journal of Forecasting).
03How it is doneCómo se hace
1
Require a reason code. Block any override that lacks a documented reason, type and owner in the planning system.
2
Measure forecast value added. Compare each override's error with the statistical baseline, by person and by override type, every cycle.
3
Feed results back. Show sales and planners their override track record and retire override types that consistently degrade accuracy.
1
Exige un código de motivo. Bloquea cualquier override que no tenga motivo, tipo y responsable documentados en el sistema de planeación.
2
Mide el forecast value added. Compara el error de cada override contra la línea base estadística, por persona y por tipo de override, en cada ciclo.
3
Retroalimenta los resultados. Muestra a ventas y a los planeadores su historial de overrides y elimina los tipos que degradan la precisión de forma consistente.
04The concept in depthEl concepto a fondo
Forecast override: when human judgment improves the statistical model — and when it does not›
The forecast override (manual adjustment of the statistical forecast) is the interface between the quantitative model and qualitative business knowledge. A well-justified override (based on information the model cannot capture) improves the forecast. A poorly-grounded override (based on optimism or instinct) makes it worse.
Overrides that typically improve vs. those that worsen the forecast›
Overrides that typically IMPROVE: (1) the sales team knows a large customer will discontinue the SKU, (2) the planner detects an outlier in historical data that inflated the model, (3) there is a planned special event the model does not capture. Overrides that typically WORSEN: (1) the sales team adjusts upward to secure stock, (2) the planner reduces the model's upward adjustment because "it seems too optimistic," (3) the forecast is adjusted to align with the quarter's sales target.
Override governance: validation, tracking, and feedback›
Override governance requires: (1) all overrides must have documented justification, (2) overrides must have a confidence range, (3) override accuracy vs. the statistical model must be tracked by person and by override type, and (4) overrides that systematically degrade the forecast must be reduced or eliminated.
Intermediate vs. Advanced›
Intermediate: documents overrides with required justification, monitors accuracy of own overrides.
Advanced: designs the override governance process; implements accuracy tracking by override type and person; leads override feedback sessions.
Advanced: designs the override governance process; implements accuracy tracking by override type and person; leads override feedback sessions.
Override del pronóstico: cuándo el juicio humano mejora al modelo estadístico — y cuándo no›
El override del pronóstico (ajuste manual del pronóstico estadístico) es la interfaz entre el modelo cuantitativo y el conocimiento cualitativo del negocio. Un override bien justificado (basado en información que el modelo no puede capturar) mejora el pronóstico. Un override mal fundamentado (basado en optimismo o intuición) lo empeora.
Overrides que típicamente mejoran vs. los que empeoran el pronóstico›
Overrides que típicamente MEJORAN: (1) el equipo de ventas sabe que un cliente grande descontinuará el SKU, (2) el planeador detecta un outlier en los datos históricos que infló el modelo, (3) hay un evento especial planeado que el modelo no captura. Overrides que típicamente EMPEORAN: (1) el equipo de ventas ajusta al alza para asegurar inventario, (2) el planeador reduce el ajuste al alza del modelo porque "parece demasiado optimista", (3) el pronóstico se ajusta para alinearse con la meta de ventas del trimestre.
Gobierno de overrides: validación, seguimiento y retroalimentación›
El gobierno de overrides requiere: (1) que todo override tenga una justificación documentada, (2) que los overrides tengan un rango de confianza, (3) que la precisión de los overrides vs. el modelo estadístico se mida por persona y por tipo de override, y (4) que los overrides que degradan sistemáticamente el pronóstico se reduzcan o eliminen.
Intermedio vs. Avanzado›
Intermedio: documenta los overrides con la justificación requerida y monitorea la precisión de sus propios overrides.
Avanzado: diseña el proceso de gobierno de overrides; implementa la medición de precisión por tipo de override y por persona; lidera las sesiones de retroalimentación sobre overrides.
Avanzado: diseña el proceso de gobierno de overrides; implementa la medición de precisión por tipo de override y por persona; lidera las sesiones de retroalimentación sobre overrides.
05In practiceEn la práctica
An override without documented justification is not a forecast improvement — it is noise›
A demand planner who changes the model's forecast without documenting why is making a decision for which they cannot learn or be held accountable.
Track override accuracy by person and type — and use the data for feedback›
A demand planner with 35% override accuracy needs feedback and training on when and how to make value-adding overrides.
The sales team override is the most frequent and has the lowest average accuracy›
The sales team makes optimistic overrides to secure stock. This behavior, if not managed with governance, generates systematic excess inventory.
Implement the challenge process: the demand planner challenges sales team overrides with historical accuracy data›
The challenge process — where the demand planner shows the sales team their historical override accuracy and challenges the current override — is the most effective mechanism for reducing unfounded overrides.
Un override sin justificación documentada no es una mejora del pronóstico — es ruido›
Un planeador que cambia el pronóstico del modelo sin documentar por qué toma una decisión de la que no puede aprender ni rendir cuentas.
Medir la precisión de los overrides por persona y por tipo — y usar los datos para retroalimentar›
Un planeador con 35% de precisión en sus overrides necesita retroalimentación y capacitación sobre cuándo y cómo hacer overrides que agreguen valor.
El override del equipo de ventas es el más frecuente y el de menor precisión promedio›
El equipo de ventas hace overrides optimistas para asegurar inventario. Si este comportamiento no se gestiona con gobierno, genera exceso sistemático de inventario.
Implementar el proceso de challenge: el planeador cuestiona los overrides de ventas con datos históricos de precisión›
El proceso de challenge — en el que el planeador muestra al equipo de ventas la precisión histórica de sus overrides y cuestiona el override actual — es el mecanismo más efectivo para reducir los overrides sin fundamento.
06Illustrative caseCaso ilustrativo
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Illustrative case: Forecast override governance — FMCG company, 6-month override analysis
The team analyzes the quality of forecasting process overrides from the last 6 months.
The team analyzes the quality of forecasting process overrides from the last 6 months.
| Override type | # of overrides in 6 months | Accuracy: % that improve MAPE |
|---|---|---|
| Commercial event override (promotion, launch, event) | 84 overrides · 100% documented justification | 78% of overrides improve MAPE · Highest-accuracy override type |
| Sales team override (new account, customer loss) | 42 overrides · 85% documented justification | 62% of overrides improve MAPE · Medium quality |
| Intuitive demand planner override (no specific justification) | 38 overrides · 40% documented justification | 28% of overrides improve MAPE · Worst-accuracy override type |
Result: Intuitive overrides degrade the forecast in 72% of cases. Decision: undocumented overrides are eliminated. Commercial event overrides are maintained (78% accuracy). Post-governance MAPE: 19% → 16%.
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Caso ilustrativo: Gobierno de overrides del pronóstico — empresa de consumo masivo, análisis de overrides de 6 meses
El equipo analiza la calidad de los overrides del proceso de pronóstico de los últimos 6 meses.
El equipo analiza la calidad de los overrides del proceso de pronóstico de los últimos 6 meses.
| Tipo de override | # de overrides en 6 meses | Precisión: % que mejora el MAPE |
|---|---|---|
| Override por evento comercial (promoción, lanzamiento, evento) | 84 overrides · 100% con justificación documentada | 78% de los overrides mejoran el MAPE · El tipo de override más preciso |
| Override del equipo de ventas (cuenta nueva, pérdida de cliente) | 42 overrides · 85% con justificación documentada | 62% de los overrides mejoran el MAPE · Calidad media |
| Override intuitivo del planeador (sin justificación específica) | 38 overrides · 40% con justificación documentada | 28% de los overrides mejoran el MAPE · El tipo de override menos preciso |
Resultado: Los overrides intuitivos degradan el pronóstico en 72% de los casos. Decisión: se eliminan los overrides no documentados. Se mantienen los overrides por evento comercial (78% de precisión). MAPE después del gobierno: 19% → 16%.
07How it is measuredCómo se mide
Override Accuracy % (% of manual overrides that improve statistical model MAPE)›
Override Accuracy % (% of manual overrides that improve statistical model MAPE)
(Overrides generating a MAPE lower than the base statistical model / Total overrides in the period) × 100
Benchmark: >65% of overrides must improve MAPE · <50% accuracy indicates overrides are adding noise to the forecast
⚠️ An override accuracy <50% indicates the override process is degrading the forecast. Most frequent cause: the sales team makes optimistic overrides to secure stock, and the statistical model was already more accurate.
Override Coverage % (% of portfolio with override in a period)›
Override Coverage % (% of portfolio with override in a period)
(SKUs with at least one override in the period / Total active SKUs) × 100
Benchmark: 10–20% of portfolio with override in the monthly cycle · >40% indicates the statistical model is not reliable enough · <5% may indicate the sales team is not participating
🔑 Override coverage % indicates the level of human intervention in the forecasting process. A high percentage indicates the statistical model is not reliable enough — or the team does not trust the model.
Override Accuracy % (% de overrides manuales que mejoran el MAPE del modelo estadístico)›
Override Accuracy % (% de overrides manuales que mejoran el MAPE del modelo estadístico)
(Overrides que generan un MAPE menor que el modelo estadístico base / Total de overrides del periodo) × 100
Benchmark: >65% de los overrides deben mejorar el MAPE · Una precisión <50% indica que los overrides agregan ruido al pronóstico
⚠️ Una precisión de overrides <50% indica que el proceso de override está degradando el pronóstico. Causa más frecuente: el equipo de ventas hace overrides optimistas para asegurar inventario, cuando el modelo estadístico ya era más preciso.
Override Coverage % (% del portafolio con override en un periodo)›
Override Coverage % (% del portafolio con override en un periodo)
(SKU con al menos un override en el periodo / Total de SKU activos) × 100
Benchmark: 10–20% del portafolio con override en el ciclo mensual · >40% indica que el modelo estadístico no es suficientemente confiable · <5% puede indicar que el equipo de ventas no está participando
🔑 El override coverage % indica el nivel de intervención humana en el proceso de pronóstico. Un porcentaje alto indica que el modelo estadístico no es suficientemente confiable — o que el equipo no confía en él.
08What you would useQué se usa
📌 Override Management
SAP IBP — Override Management›
Module: Forecast Override Tracking + Accuracy Analytics in SAP IBP
SAP IBP can keep the statistical and the adjusted (consensus) forecast as separate key figures, so the forecast value added of each override can be measured against the statistical baseline.
SAP IBP can keep the statistical and the adjusted (consensus) forecast as separate key figures, so the forecast value added of each override can be measured against the statistical baseline.
Power BI — Override Analytics Dashboard›
Module: Override Accuracy by Type and Person
Power BI dashboard for override accuracy analysis by type, person, and period.
Power BI dashboard for override accuracy analysis by type, person, and period.
📌 Gestión de overrides
SAP IBP — Override Management›
Módulo: Seguimiento de overrides + analítica de precisión en SAP IBP
SAP IBP puede conservar el pronóstico estadístico y el ajustado (de consenso) como key figures separadas, de modo que se puede medir el forecast value added de cada override contra la línea base estadística.
SAP IBP puede conservar el pronóstico estadístico y el ajustado (de consenso) como key figures separadas, de modo que se puede medir el forecast value added de cada override contra la línea base estadística.
Power BI — Override Analytics Dashboard›
Módulo: Precisión de overrides por tipo y por persona
Tablero de Power BI para analizar la precisión de los overrides por tipo, persona y periodo.
Tablero de Power BI para analizar la precisión de los overrides por tipo, persona y periodo.
The bottom lineEn corto
Keep the overrides that add information and kill the ones that add hope — you only know which with a track record.
Conserva los overrides que aportan información y elimina los que aportan esperanza — solo lo sabrás con un historial medido.
← PreviousAnteriorDemand planning system architecture & data qualityArquitectura de sistema de planeación de demanda y calidad de datosNextSiguiente →Demand planning KPI framework & continuous improvementMarco de KPIs de planeación de demanda y mejora continua
All D10 componentsTodos los componentes de D10D10 artifactsArtifacts de D10SCRA