So verbessern Sie die Genauigkeit Ihrer Umsatzprognose – neue Forschungsergebnisse

Was ist Umsatzprognose und warum ist sie wichtig?

Umsatzprognose ist der Prozess der Vorhersage des Umsatzes Ihres Unternehmens über einen bestimmten Zeitraum, der von Jahresprognosen bis hin zu wöchentlichen Umsatzprognosen reicht. Der Prozess verwendet historische Daten und Erkenntnisse aus mehreren Abteilungen, um Erwartungen für zukünftige Einnahmen festzulegen.

Umsatzprognosen sind wichtig, da Führungskräfte damit planen können, wie ihr Unternehmen im Laufe der Zeit wachsen wird. Anstatt strategische Entscheidungen allein auf der Grundlage der Intuition zu treffen, ermöglichen Umsatzprognosen Führungskräften, auf der Grundlage von Daten zu handeln. Dies führt zu genaueren Vorhersagen, höherer Rentabilität und nachhaltigerem langfristigem Wachstum.

Die Herausforderung: Verlässliche Umsatzprognosen erstellen

Gartner hat festgestellt, dass nur 45 % der Vertriebsleiter und Verkäufer Vertrauen in ihre Prognosegenauigkeit haben, während Forrester berichtete, dass 93,6 % der B2B-Unternehmen ihre Quartalsprognose für den ersten Tag im Jahr 2021 um 10 % oder mehr verfehlt haben. Diese Probleme werden durch wirtschaftliche Volatilität verstärkt : Der Harvard Business Review geht davon aus, dass eine Prognose, die normalerweise um 8 % überhöht wäre, in einer Phase der Instabilität am Ende um bis zu 50 % abweichen könnte.

Die Behebung dieser Probleme hat Priorität. Aber was kann Ihr Unternehmen tun, um seinen Prognoseprozess zu verbessern? Und was steht wahrscheinlich im Weg?

Unsere aktuelle Forschung beantwortet diese Fragen. Basierend auf einer Umfrage unter 261 Unternehmen auf der ganzen Welt bieten wir einen Maßstab für die Bemühungen zur Umsatzprognose. Dies zeigt nicht nur die allgemeinen Probleme auf, mit denen Unternehmen konfrontiert sind, sondern ermöglicht es uns, einen produktiven Weg nach vorne zu finden.

Wichtige Erkenntnisse

• Die Umsatzprognose ist ein kritischer funktionsübergreifender Prozess...
• …Aber die Genauigkeit von Umsatzprognosen ist immer noch eine große Herausforderung.
• Schlechte Datenqualität ist schuld an ungenauen Umsatzprognosen…
• …während manuelle Prozesse und veraltete Technologie den Datenzugriff einschränken und Silos schaffen.

Empfehlungen

1. Unternehmen sollten manuelle Prozesse und andere Prognoseaktivitäten automatisieren, um die Datenqualität zu verbessern, fragmentierte Datenquellen zu konsolidieren, Fehler zu reduzieren und effizientere Methoden für funktionsübergreifendes Arbeiten zu schaffen.
2. Die funktionsübergreifende Zusammenarbeit zwischen aufeinander abgestimmten Teams ist entscheidend, um das bestehende Umsatzwachstum genau vorherzusagen, was 1,5- bis 3-mal kosteneffektiver ist als die Gewinnung neuer Kunden.
3. Organisationen sollten danach streben, die Häufigkeit ihrer Umsatzprognosen zu erhöhen, mit dem Ziel, eine wöchentliche Prognosefrequenz zu erreichen.

Wie effektiv sind Unternehmen bei der Umsatzprognose?

Umsatzprognosen sind (fast) universell

Regelmäßige Umsatzprognosen sind für Unternehmen von entscheidender Bedeutung, damit sie fundierte Entscheidungen über alles treffen können, von der Höhe der Marketingausgaben bis hin zur Verwaltung ihrer Vertriebsteams und ihres Inventars. Unsere Umfrage zeigt, dass die überwiegende Mehrheit der Unternehmen dies versteht, wobei nur 2 % angeben, dass sie keine Umsatzprognosen praktizieren.

Der Umsatz durch Neukunden ist jedoch der häufigste Faktor, den Unternehmen prognostizieren, was darauf hindeutet, dass viele Organisationen Gelegenheiten für einfacheres Wachstum verpassen.

Nur 76 % unserer Befragten prognostizieren Einnahmen aus der Erweiterung bestehender Kunden, obwohl solche Einnahmen oft 1,5- bis 3-mal effizienter zu akquirieren sind.

Eine einfache Erhöhung ihrer Prognosebemühungen in diesem Bereich könnte daher ein einfacher Gewinn für Unternehmen sein, die in diesen wirtschaftlichen Zeiten ihren Umsatz steigern möchten.

…Aber nur wenige Unternehmen prognostizieren genau

Umsatzprognosen schaffen nur dann Wert, wenn sie korrekt sind. Andernfalls kann es zu falschem Vertrauen, verpassten Verkaufschancen und verschwendeten Ressourcen kommen.

Dies ist besonders problematisch, wenn Unternehmen skalieren und die Zahl der Stakeholder steigt, die sich auf Prognosen verlassen, um Entscheidungen zu treffen. Ein Unternehmen nutzt möglicherweise Umsatzprognosen, wenn es sich auf ein Finanzierungsereignis vorbereitet, und wird einen Reputationsschaden erleiden, wenn Investoren feststellen, dass sie ihre Entscheidungen auf ungenauen Daten beruhen.

Doch trotz ihrer Bemühungen stellt unsere Umfrage fest, dass die Mehrheit der Unternehmen derzeit sehr ungenaue Umsatzprognosen erstellt. Nur 9 % der Unternehmen geben eine Prognose innerhalb von 5 % ihrer tatsächlichen Umsatzergebnisse ab, was bedeutet, dass 91 % der Unternehmen die Marke verfehlen:

Dieses Problem hat seine Wurzel in der schlechten Qualität und Unzugänglichkeit der Daten. Die drei größten Herausforderungen, die unsere Befragten bei der Erstellung von Prognosen nannten, waren „Datenqualität“, „manuelle Prozesse“ und „fragmentierte Datenquellen“.

Letztendlich sind viele dieser Probleme die eigentlichen Probleme bei der Einführung von Technologien. Unternehmen verlassen sich hauptsächlich auf Excel (66 %) und/oder Google Sheets (32 %), um Prognosen zu erstellen, was erklärt, warum die Genauigkeit so schlecht ist. Nur wenige Unternehmen nutzen Forecast-Management-Software (12 %) oder ganzheitlichere, funktionsübergreifende Tools wie Business- oder Revenue-Intelligence-Plattformen (13 % bzw. 5 %). Dies erklärt die Herausforderung der schlechten Datenqualität, die von 52 % der Umsatzführer in unserer Umfrage angegeben wird.

Manuelle Prozesse schränken die Häufigkeit der Umsatzprognosen ein

Spezialisierte Forecast-Management-Software und Business Intelligence (BI)-Plattformen werden von einer kleinen Anzahl von Unternehmen verwendet. Diese Lösungen bieten jedoch in der Regel Einblick in die Umsatzprognosen selbst, anstatt es Unternehmen zu ermöglichen, Eingangssignale über Prozesse oder Plattformen hinweg zu akzeptieren. Infolgedessen können diese Unternehmen den Modellierungs- oder Planungsprozess immer noch nicht automatisieren.

Diese Probleme erschweren nicht nur genaue Umsatzprognosen, sondern hemmen auch die Häufigkeit von Prognosen. Da sie mit manuellen Prozessen durchgeführt werden, muss sich die Mehrheit der Unternehmen entweder mit monatlichen oder vierteljährlichen Umsatzprognosen zufrieden geben, wobei nur 10 % der Organisationen in der Lage sind, eine wöchentliche Prognosefrequenz zu erreichen:

In unsicheren Zeiten ist dies möglicherweise nicht häufig genug, um einen echten Mehrwert zu bieten. Monatliche oder vierteljährliche Umsatzprognosen berücksichtigen schnelle Marktveränderungen oder kurzfristige Trends nicht, was bedeutet, dass die Umsatzteams keine aktuellen Erkenntnisse gewinnen können, die ihnen helfen könnten, bessere strategische Manöver durchzuführen.

Die funktionsübergreifende Zusammenarbeit ist entscheidend für genaue Umsatzprognosen

Angesichts der Anzahl von Faktoren, die zur Leistung eines Unternehmens beitragen, ist die Umsatzprognose ein von Natur aus funktionsübergreifender Prozess. Ohne den Input von abgestimmten Teams ist es fast unmöglich, sich ein klares Bild der aktuellen Landschaft zu machen, auf das Sie Ihre Umsatzprognosen stützen können.

Unsere Untersuchungen haben ergeben, dass bei Neukundenakquise, Bestandskundenerweiterung und Bestandskundenbindung mindestens zwei Abteilungen für die Umsatzprognose verantwortlich waren. Aber in Wirklichkeit spielen Vertrieb, Finanzen und Kundenerfolg alle eine Schlüsselrolle bei der Erstellung zuverlässiger und genauer Umsatzprognosen.

Diese Diagramme spiegeln den Kampf der Organisationen wider, wirklich funktionsübergreifende Prognoseprozesse zu erstellen. Es ist verständlich, dass Vertrieb und Finanzen Schlüsselrollen bei der Umsatzprognose für Neukunden spielen. Aber die relative mangelnde Beteiligung von Marketing und Kundenerfolg deutet darauf hin, dass Unternehmen möglicherweise wichtige Teile des Puzzles übersehen – insbesondere angesichts der ungenauen Prognosen der meisten Unternehmen.

Wir sehen ein ähnliches Muster bei der Ertragsprognose für die Expansion bestehender Kunden: Account Management und Marketing sind beide in diesem Prozess unterrepräsentiert. Diese Ergebnisse können erklären, warum Umsatzprognosen so sehr mit Datensilos, Ungenauigkeiten und Schwierigkeiten bei der Zusammenarbeit zu kämpfen haben.

Verbesserung Ihrer Umsatzprognosen

Diese Ergebnisse weisen einen klaren Weg nach vorn. Unternehmen müssen der Datenqualität und -zugänglichkeit Priorität einräumen, um eine Sales-to-Revenue-Pipeline zu schaffen, die Teams über den gesamten Kundenzyklus hinweg einbezieht. Dies erleichtert eine stärkere funktionsübergreifende Zusammenarbeit und stellt sicher, dass Umsatzprognosen alle relevanten Informationen berücksichtigen.

Der erste Schritt besteht darin, fragmentierte Datenquellen zu reparieren und fehleranfällige manuelle Prozesse zu entfernen. Führungskräfte sollten Automatisierung und Datenintegration anwenden, um sicherzustellen, dass die Daten korrekt und in Echtzeit verfügbar sind. Dies erfordert jedoch einen kohärenten Ansatz für Revenue Intelligence.

Um weitere Umfrageergebnisse zu sehen und zu erfahren, wie Sie die Daten und die funktionsübergreifende Zusammenarbeit für zuverlässigere Umsatzprognosen verbessern können, lesen Sie unseren vollständigen Bericht über den Status von Revenue Intelligence .