Jedes Schweizer kleine und mittlere Unternehmen (KMU), das Geld beschafft, vor der Nachfrage einstellt oder eine Expansion von Zürich nach Genf plant, übergibt seinem Verwaltungsrat schliesslich eine einzige Zahl: den Umsatz des nächsten Quartals. Diese Zahl basiert meist auf Hoffnung. Gartner hat herausgefunden, dass nur 45 Prozent der Vertriebsleiter und Vertriebsmitarbeiter haben großes Vertrauen in ihre eigene Prognosegenauigkeit, und gerade einmal 47 Prozent glauben, dass die zugrundeliegenden Daten etwas taugen. Eine Prognose, der niemand vertraut, ist eine Vermutung im Tabellenkalkulationsgewand. Dieser Artikel handelt vom Gegenteil: wie man ein Bottom-up-Verfahren aufbaut Absatzprognosemodell für ein Schweizer KMU, das ein Finanzchef (CFO), ein Investor und ein Gründer alle Zeile für Zeile vertreten können.
Zusammenfassung: Eine fundierte Schweizer Umsatzprognose basiert auf der Triangulation von drei Methoden, nicht nur von einer: die stasen-gewichtete Pipeline als Arbeitsmodell, die Zusage des Vertriebsmitarbeiters als Vor-Ort-Gegencheck und die Run-Rate als Untergrenze. Methode, nicht Zuversicht, macht die Zahl glaubwürdig.
Der Umsatz von Schweizer KMU lässt sich schwerer prognostizieren, als die Benchmark-Daten vermuten lassen.
Die veröffentlichten Genauigkeitszahlen sind bereits düster. Eine Analyse von 270.912 erfolgreich abgeschlossenen Geschäften im Wert von über 18,1 Milliarden US-Dollar bei 18 Unternehmen ergab, dass nur 28,1 Prozent der Chancen wurden innerhalb von 5 Prozent abgeschlossen von ihrer 90-Tage-Prognose, wobei die durchschnittliche Vorhersage um über 31 Prozent abwich. Diese Zahlen stammen aus volumenstarken, meist US-amerikanischen Vertriebsprozessen. Ein Schweizer KMU operiert unter strengeren Rahmenbedingungen.
Die Anzahl der Abschlüsse ist geringer und die Zyklen sind länger. Ein Genfer Softwareunternehmen, das an Kantonsverwaltungen verkauft, oder ein Zürcher Industriezulieferer, der in die Pharmabranche liefert, schließt pro Quartal vielleicht ein Dutzend bedeutende Geschäfte ab statt tausend – daher hilft das Gesetz der großen Zahlen, das in den USA für eine gleichmäßige Pipeline sorgt, einer Schweizer Pipeline selten weiter. Eine einzige verspätete Unterschrift in Schweizer Franken (CHF) kann ein ganzes Quartal ins Wanken bringen. Einkaufsausschüsse sind konsensorientiert und mehrsprachig, die Beschaffung erfolgt bedächtig, und die Abschwünge im Sommer und zum Jahresende sind real. Hinzu kommt, dass das revidierte Bundesgesetz über den Datenschutz (nouvelle Loi fédérale sur la protection des données, kurz nLPD) einschränkt, wie viele Interessenten- und Kontaktdaten ein KMU speichern und verarbeiten darf, was stillschweigend beeinflusst, wie vollständig ein Prognosedatensatz überhaupt sein darf. Der Benchmark besagt, dass Prognosen schwierig sind; der Schweizer Kontext besagt, dass das Modell mit weniger, ungleichmäßigen und streng regulierten Datenpunkten auskommen muss. Durchschnittswerte werden hier keine Abhilfe schaffen.
Drei Methoden liefern drei verschiedene Zahlen, und die meisten KMU wählen die falsche
Es gibt drei ehrliche Wege, eine Bottom-up-Umsatzzahl zu ermitteln, und jeder beantwortet eine andere Frage. Die Run-Rate fragt, was das Geschäft tut, wenn sich nichts ändert. Der Commit fragt, von was das Vertriebsteam überzeugt ist, es persönlich abzuschließen. Die stichproben- bzw. phasenweighted-Methode (Stage-weighted) fragt, was die Pipeline mathematisch wert ist, sobald jeder Deal mit seiner realen Abschlusswahrscheinlichkeit rabattiert wird. Der Fehler, den die meisten Schweizer KMU machen, besteht darin, standardmäßig eine Methode zu wählen – meist den Commit der Vertriebsmitarbeiter, weil er am einfachsten zu erheben ist – und dann sein Ergebnis als Fakt zu behandeln. Eine Prognose ist nur so verteidigbar wie die Methode, die sie hervorgebracht hat, und jede Methode hat einen Fehler-Modus, den die anderen beiden aufdecken.
Stufen-gewichtete Prognosen sind der Standard, aber nur, wenn die Stufen auch eine Bedeutung haben
Für die meisten Schweizer KMU mit einem reproduzierbaren Vertriebsprozess ist die phasenbasierte Pipeline das Arbeitsmodell. Die Mechanik ist einfach: Man nimmt den Wert jedes offenen Deals, multipliziert ihn mit der Wahrscheinlichkeit, dass ein Deal in seiner aktuellen Phase historisch gesehen zum Abschluss kommt, und summiert das Ergebnis. Eine 100'000-Franken-Chance, die sich in einer Phase befindet, die zu 30 Prozent konvertiert, trägt 30'000 Franken zum Forecast bei. Wendet man dies auf die gesamte Pipeline an, baut sich die Zahl von unten nach oben auf, Deal für Deal, ganz ohne Heldentaten.
Die Falle ist das Wort “historisch”. Phasen-Gewichtungen sind nur dann vertretbar, wenn sie aus der unternehmenseigenen Historie abgeschlossener Geschäfte stammen und nicht aus den Standardprozenten einer CRM-Vorlage oder dem Bauchgefühl eines Managers. Wenn “Angebot gesendet” in den letzten zwei Jahren zu 42 Prozent konvertiert ist, dann ist das die Gewichtung und nicht die optimistische 75-Prozent-Quote, die der Pipeline-Auswahlbildschirm vorschlägt. Das bedeutet, dass die Phasen selbst echte Hürden mit Austrittskriterien sein müssen, die eine zweite Person überprüfen kann, statt Gefühlsbezeichnungen, die ein Vertriebsmitarbeiter nach vorne schiebt, um beschäftigt auszusehen. Eine Phase, die “Ich habe ein gutes Gefühl” bedeutet, kann keine Wahrscheinlichkeit tragen. Eine Phase, die “der Kunde hat Budget und ein Entscheidungsdatum bestätigt” bedeutet, kann das. Die korrekte Definition der Phasen ist die wirksamste Einzelmaßnahme im gesamten Modell, da jede nachgelagerte Gewichtung ihre Ehrlichkeit erbt. Hier trifft das Modell auch auf das zugrundeliegende Datenproblem: Gewichtungen, die auf unvollständigen oder inkonsistent aktualisierten Datensätzen berechnet wurden, sind wie präzise aussehende Fiktion.
Die Commit-Nummer ist ein Urteil, kein Modell; betrachten Sie sie daher als Kreuzprüfung.
Die Zusage des Vertriebsmitarbeiters, die Liste der Geschäfte, von denen der Verkäufer verspricht, dass sie abgeschlossen werden, fühlt sich wie der zuverlässigste Input an, weil sie von der Person stammt, die dem Kunden am nächsten steht. Sie ist auch am stärksten voreingenommen. Wenn Prognosen fehlschlagen, dann in eine vorhersehbare Richtung: Dieselbe groß angelegte Analyse ergab, dass Vertriebsmitarbeiter durchschnittlich um 91.000 Dollar überschätzt und um nur 47.000 unterschätzt, Optimismus im Verhältnis von fast zwei zu eins. Niemand redet sich ein Geschäft aus, das er haben will.
Damit bleibt der Commit eher als Kontrollinstrument denn als das Modell selbst nützlich. Wenn die nach Phasen gewichtete Zahl und der zusammengefasste Commit nahe beieinander liegen, wächst das Vertrauen. Wenn sie voneinander abweichen, ist diese Lücke die wertvollste Diagnose auf der ganzen Seite: Entweder sind die Pipeline-Phasen falsch kalibriert, oder die Vertriebsmitarbeiter nehmen etwas wahr, das die Mathematik nicht erfassen kann – ein mündliches Ja oder eine ins Stocken geratene Unterschrift. Die Disziplin besteht darin, die Abweichung Deal für Deal zu untersuchen, anstatt die beiden Zahlen zu einem bequemen Mittelwert zusammenzulegen. Menschliches Urteilsvermögen gehört als zu hinterfragendes Indiz in eine Prognose, niemals jedoch als tragende Wand. Einen nicht prüfbaren Commit als Prognose zu behandeln, ist genau die Intuition-vor-Evidenz-Gewohnheit, die Gartner mit schwächeren Vertriebsergebnissen in Verbindung gebracht hat.
Die Run-Rate ist das Fundament, nicht die Prognose
Die Run-Rate, also kürzlich erzielte wiederkehrende und wiederholte Umsätze in die Zukunft projiziert, ist die Methode, die Schweizer KMU am häufigsten übersehen und am dringendsten benötigen. Für jedes Unternehmen mit Retainern, Abonnements oder verlässlichen Wiederholungsaufträgen beantwortet die Run-Rate die eine Frage, die ein nervöses Gremium tatsächlich hat: Was passiert, wenn wir in diesem Quartal keinen einzigen Neugut-Abschluss tätigen? Diese Zahl ist der Boden. Sie ist zudem die am besten verteidigbare Kennzahl im gesamten Modell, da sie auf bereits existierenden Umsätzen statt auf potenziellen Geschäften beruht.
Die Disziplin besteht darin, die Run-Rate als Untergrenze und niemals als Obergrenze zu verwenden. Naiv angewendet schmeichelt sie einer schrumpfenden Basis, da sie für den Vertrag, der ausläuft, oder den Nachfrageschock, der alles verändert, blind bleibt; daher muss sie bekannten Schwund und Saisonalität explizit einbeziehen. Ein Schweizer KMU, das nur seine Run-Rate ausweist, wirkt stabil, bis ein Großkunde abspringt. Gekoppelt mit den beiden anderen Methoden leistet die Run-Rate jedoch etwas, was keine der beiden anderen kann: Sie verankert die Prognose in der verbindlichen Realität und verwandelt die Frage “Werden wir die Zahl erreichen?” in “Wie viel von der Lücke zwischen der Untergrenze und dem Ziel muss Neugeschäft füllen, und gibt es genügend Pipeline, um sie zu füllen?” Das ist eine Frage, die ein Verwaltungsrat tatsächlich steuern kann.
Eine vertretbare Kennzahl wird trianguliert, dokumentiert und verantwortet
Das Ergebnis eines guten Modells ist eine abgeglichene Spanne mit einem wahrscheinlichsten Punkt darin. Die Run-Rate bildet den Boden. Die stichtsgewichtete Pipeline setzt die Arbeitserwartung. Das Commitment des Vertriebsmitarbeiters überprüft dies aus der Praxis. Wo alle drei konvergieren, ist die Zahl stark; wo sie divergieren, wird die Divergenz dokumentiert und erklärt, anstatt sie glattzubügeln. Aus diesem Grund liegt die triangulierte Prognose in der Weltklasse-Genauigkeitskategorie, während das Ratgen nach einer einzigen Methode laut veröffentlichten Angaben in der Nachzügler-Kategorie unter 50 Prozent liegt Reifegrad-Benchmarks. Die Methode ist die Genauigkeit.
Drei operative Disziplinen sorgen dafür, dass die Triangulation Bestand hat. Erstens: Ein namentlich genannter Verantwortlicher. Eine Prognose, die dem “Vertrieb” gehört, gehört niemandem; eine belastbare Zahl hat eine einzelne Person – eine Leitung des Revenue Operations oder einen kommerziell versierten Finanzverantwortlichen –, die für die Methode und die Abweichung zu den Ist-Werten in jeder Periode verantwortlich ist. Zweitens: Dokumentation. Jachphasengewichtung lässt sich auf eine historische Gewinnrate zurückführen, jede manuelle Anpassung wird samt Begründung schriftlich festgehalten, und das Ganze wird mit dem CRM abgeglichen, sodass ein CFO oder Investor es ohne Übersetzer nachvollziehen kann. Drittens: Saubere und konforme Daten. Die phasen-gewichtete Mathematik ist nur so ehrlich wie die Datensätze, die sie speisen, und in der Schweiz müssen diese Datensätze zudem das nDSG erfüllen: ein Kontakt pro Mensch, definierte Phasen, disziplinierte Datenpflege und eine rechtliche Grundlage für die gespeicherten Daten. Prognosegenauigkeit und Data-Governance sind dasselbe Projekt. Bringen Sie das Fundament in Ordnung, und die Zahl wird belastbar; überspringen Sie das, und selbst die eleganteste Methode liefert eine Kennzahl, der der Verwaltungsrat zu Recht misstraut.
Fragen, die Schweizer Vertriebsleiter zu Prognosemodellen stellen
Mit welcher Prognosemethode sollte ein Schweizer KMU beginnen? Beginne mit einer phasenweighted Pipeline, wenn das Unternehmen über einen definierten Verkaufsprozess und mindestens ein Jahr Historie abgeschlossener Geschäfte verfügt, um realistische Gewinnraten zu berechnen. Wenn das Geschäftsvolumen sehr gering ist oder sich der Prozess noch im Aufbau befindet, stütze dich als Mindestwert auf die Run-Rate und nutze die Zusage des Vertriebsmitarbeiters als dokumentierte Kreuzprüfung, bis sich genügend Historie angesammelt hat, um den Gewichtungen zu vertrauen. Das Ziel ist immer, alle drei Methoden zu triangulieren, anstatt eine zu verteidigen.
Wie viele Deals benötigt man, bevor ein stufen-gewichtetes Modell zuverlässig ist? Es gibt keine magische Zahl, obwohl sich die Gewichtungen stabilisieren, sobald jede Phase genügend geschlossene Ergebnisse – gewonnene und verlorene – enthält, als dass ein einzelner Abschluss den Prozentsatz nicht mehr stark schwanken lässt. Bei lückenhaften Schweizer B2B-Pipelines bedeutet das oft, dass man einen gleitenden Zeitraum von zwölf bis achtzehn Monaten zusammenlegt, anstatt nur ein einzelnes Quartal zu betrachten. Bis dahin sind die Gewichtungen als vorläufig zu betrachten und die abgeglichene Spanne entsprechend zu verbreitern.
Beeinflusst das nLPD, wie Sie prognostizieren? Indirekt, aber erheblich. Das revidierte Bundesgesetz über den Datenschutz regelt, welche Interessenten- und Kontaktdaten ein KMU rechtmässig speichern und bearbeiten darf, was wiederum bestimmt, wie vollständig und aktuell das CRM hinter der Prognose sein kann. Ein Modell, das auf Datensätzen basiert, die einer datenschutzrechtlichen Prüfung nicht standhalten würden, ist fragil. Daher sind rechtmässige, gut verwaltete Daten eine Voraussetzung für eine genaue Prognose und keine separate Compliance-Aufgabe.
Das Bilden der Zahl ist ein Methodenproblem, und Methoden können installiert werden
Die unbequeme Wahrheit in den Benchmark-Daten ist, dass die Prognosegenauigkeit ein Methodenproblem ist, bevor sie ein Talent- oder Disziplinproblem ist, und Methoden können implementiert werden. Ein Schweizer KMU, das von einem einzigen optimistischen Commitment zu einem triangulierten, dokumentierten und verantworteten Modell wechselt, verbessert seine Prognose, ohne einen einzigen neuen Vertriebsmitarbeiter einzustellen; es muss das Modell einmal korrekt auf sauberen Daten aufbauen und es dann in jeder Periode ausführen. Das ist die Arbeit Pupsic, eine Schweizer Agentur für Revenue Operations, arbeitet mit KMUs und Post-Seed-Gründern in Genf, Zürich und darüber hinaus zusammen: Er definiert die Phasen, berechnet die tatsächlichen Gewichtungen aus der Unternehmensgeschichte, bringt die drei Methoden in Einklang und liefert eine Umsatzzahl, die ein Vorstand tatsächlich vertreten kann. Wenn die Prognose derzeit allein auf Basis des Selbstbewusstseins einer Person in den Sitzungssaal getragen wird, sprich mit dem Pupsic-Team über den Bau des Modells, das es ersetzt.
Referenzen
- Gartner. Laut Gartner haben weniger als 50% der Vertriebsleiter und Verkäufer großes Vertrauen in die Genauigkeit der Prognosen (Umfrage zum Stand der Vertriebsabläufe). https://www.gartner.com/en/newsroom/press-releases/2020-02-12-gartner-says-less-than-50–of-sales-leaders-and-selle
- XANT / InsideSales. Ungenaue prognostizierte Deals: Die Lücke zwischen Prognose und Realität (Analyse von 270.912 gewonnenen Deals). https://resources.insidesales.com/blog/sales-forecasting-research/
- Forecastio. Leitfaden zur Genauigkeit von Absatzprognosen: Methoden, Benchmarks und Best Practices. https://forecastio.ai/blog/sales-forecasting-accuracy-and-analysis
