Cara Meningkatkan Akurasi Prakiraan Pendapatan Anda - Riset Baru

Apa Itu Peramalan Pendapatan dan Mengapa Itu Penting?

Peramalan pendapatan adalah proses memprediksi pendapatan perusahaan Anda selama periode waktu tertentu, mulai dari perkiraan tahunan hingga prediksi pendapatan mingguan. Prosesnya menggunakan data historis dan wawasan dari berbagai departemen untuk menetapkan ekspektasi pendapatan di masa mendatang.

Peramalan pendapatan penting karena memungkinkan para pemimpin untuk merencanakan bagaimana bisnis mereka akan tumbuh seiring waktu. Daripada membuat keputusan strategis hanya berdasarkan intuisi, perkiraan pendapatan memungkinkan para pemimpin untuk bertindak berdasarkan data. Ini mengarah pada prediksi yang lebih akurat, profitabilitas yang lebih besar, dan pertumbuhan jangka panjang yang lebih berkelanjutan.

Tantangan: Membuat Prakiraan Pendapatan yang Andal

Gartner telah menemukan bahwa hanya 45% pemimpin penjualan dan penjual yang percaya pada keakuratan peramalan mereka, sementara Forrester melaporkan bahwa 93,6% organisasi B2B melewatkan perkiraan triwulanan hari pertama mereka sebesar 10% atau lebih pada tahun 2021. Masalah ini diperparah oleh volatilitas ekonomi : Tinjauan Bisnis Harvard menyarankan perkiraan yang biasanya meningkat sebesar 8% dapat berakhir sebanyak 50% selama periode ketidakstabilan.

Memperbaiki masalah ini adalah prioritas. Namun, apa yang dapat dilakukan organisasi Anda untuk meningkatkan proses peramalannya? Dan apa yang mungkin menghalangi?

Penelitian terbaru kami menjawab pertanyaan-pertanyaan ini. Berdasarkan survei terhadap 261 perusahaan di seluruh dunia, kami memberikan tolok ukur untuk upaya perkiraan pendapatan. Hal ini tidak hanya mengungkapkan masalah umum yang dihadapi organisasi—tetapi juga memungkinkan kami untuk mengukir jalur produktif ke depan.

Temuan Utama

• Peramalan pendapatan adalah proses lintas fungsi yang kritis...
• …Namun akurasi perkiraan pendapatan masih menjadi tantangan utama.
• Data berkualitas buruk menjadi penyebab perkiraan pendapatan yang tidak akurat…
• …Sementara proses manual dan teknologi usang membatasi aksesibilitas data dan membuat silo.

Rekomendasi

1. Organisasi harus mengotomatiskan proses manual dan aktivitas peramalan lainnya untuk meningkatkan kualitas data, mengkonsolidasikan sumber data yang terfragmentasi, mengurangi kesalahan, dan menciptakan cara kerja lintas fungsi yang lebih efisien.
2. Kolaborasi lintas fungsi antara tim yang selaras sangat penting untuk memprediksi secara akurat pertumbuhan pendapatan yang ada, yang 1,5-3x lebih hemat biaya daripada memperoleh pelanggan baru.
3. Organisasi harus berusaha untuk meningkatkan frekuensi prakiraan pendapatan mereka, dengan tujuan mencapai irama prakiraan mingguan.

Seberapa efektifkah perusahaan dalam memperkirakan pendapatan?

Peramalan pendapatan (hampir) bersifat universal

Prakiraan pendapatan reguler sangat penting bagi organisasi, memungkinkan mereka membuat keputusan berdasarkan informasi tentang segala hal mulai dari berapa banyak yang harus dibelanjakan untuk pemasaran hingga cara mengelola tim penjualan dan inventaris mereka. Survei kami menunjukkan bahwa sebagian besar organisasi memahami hal ini, dengan hanya 2% yang menyatakan bahwa mereka tidak melakukan prakiraan pendapatan.

Namun, Pendapatan Pelanggan Baru adalah faktor paling umum yang diramalkan perusahaan, menunjukkan bahwa banyak organisasi kehilangan peluang untuk pertumbuhan yang lebih mudah.

Hanya 76% responden kami memperkirakan Pendapatan Ekspansi Pelanggan yang Ada, meskipun pendapatan tersebut seringkali 1,5-3x lebih efisien untuk diperoleh.

Oleh karena itu, meningkatkan upaya perkiraan mereka di area ini dapat menjadi kemenangan mudah bagi perusahaan yang ingin meningkatkan pendapatan selama masa ekonomi ini.

…Tetapi hanya sedikit perusahaan yang memperkirakan secara akurat

Memperkirakan pendapatan hanya menciptakan nilai jika akurat. Jika tidak, hal itu dapat menyebabkan kepercayaan palsu, peluang penjualan yang terlewatkan, dan sumber daya yang terbuang percuma.

Hal ini sangat bermasalah karena skala perusahaan dan peningkatan jumlah pemangku kepentingan yang mengandalkan prakiraan untuk membuat keputusan. Sebuah perusahaan mungkin menggunakan prakiraan pendapatan saat mempersiapkan acara pembiayaan, dan akan terkena pukulan reputasi jika investor menemukan bahwa mereka mendasarkan keputusan mereka pada data yang tidak akurat.

Namun, terlepas dari upaya mereka, survei kami menemukan bahwa sebagian besar perusahaan saat ini menghasilkan perkiraan pendapatan yang sangat tidak akurat. Hanya 9% perusahaan memberikan perkiraan dalam 5% dari hasil pendapatan aktual mereka, yang berarti 91% perusahaan tidak memenuhi sasaran:

Masalah ini berakar pada kualitas yang buruk dan tidak dapat diaksesnya data. Tiga tantangan teratas yang dikutip responden kami saat membuat perkiraan adalah "kualitas data", "proses manual", dan "sumber data yang terfragmentasi".

Pada akhirnya, banyak dari masalah ini merupakan akar masalah adopsi teknologi. Perusahaan terutama mengandalkan Excel (66%) dan/atau Google Spreadsheet (32%) untuk menghasilkan prakiraan, yang membantu menjelaskan mengapa akurasi sangat buruk. Beberapa perusahaan menggunakan perangkat lunak manajemen prakiraan (12%) atau alat lintas fungsi yang lebih holistik seperti platform intelijen bisnis atau pendapatan (masing-masing 13% dan 5%). Hal ini membantu menjelaskan tantangan kualitas data yang buruk yang dilaporkan oleh 52% pemimpin pendapatan dalam survei kami.

Proses manual membatasi frekuensi perkiraan pendapatan

Perangkat Lunak Manajemen Prakiraan Khusus dan platform Business Intelligence (BI) digunakan oleh sejumlah kecil bisnis. Namun solusi ini cenderung memberikan visibilitas ke perkiraan pendapatan itu sendiri, daripada memungkinkan perusahaan menerima sinyal input di seluruh proses atau platform. Akibatnya, perusahaan-perusahaan ini masih belum dapat mengotomatiskan proses pemodelan atau perencanaan.

Masalah ini tidak hanya mempersulit perkiraan pendapatan yang akurat, tetapi juga menghambat frekuensi perkiraan. Karena dilakukan dengan menggunakan proses manual, sebagian besar perusahaan harus puas dengan prakiraan pendapatan bulanan atau kuartalan, dengan hanya 10% organisasi yang mampu mencapai irama prakiraan mingguan:

Pada saat ketidakpastian, ini mungkin tidak cukup sering untuk memberikan nilai nyata. Prakiraan pendapatan bulanan atau triwulanan gagal memperhitungkan perubahan pasar yang cepat atau tren jangka pendek, yang berarti tim pendapatan tidak dapat memperoleh wawasan terkini yang dapat membantu mereka membuat manuver strategis yang lebih baik.

Kolaborasi lintas fungsi sangat penting untuk perkiraan pendapatan yang akurat

Mengingat banyaknya faktor yang berkontribusi terhadap kinerja organisasi, peramalan pendapatan merupakan proses lintas fungsional yang inheren. Tanpa masukan dari tim yang selaras, hampir tidak mungkin untuk mendapatkan gambaran yang jelas tentang lanskap saat ini yang menjadi dasar prediksi pendapatan Anda.

Riset kami menemukan bahwa di seluruh Akuisisi Pelanggan Baru, Ekspansi Pelanggan Lama, dan Retensi Pelanggan Lama, setidaknya dua departemen bertanggung jawab atas Peramalan pendapatan. Namun pada kenyataannya, Penjualan, Keuangan, dan Kesuksesan Pelanggan semuanya memainkan peran kunci dalam menghasilkan prakiraan pendapatan yang andal dan akurat.

Grafik ini mencerminkan perjuangan organisasi untuk menciptakan proses peramalan yang benar-benar lintas fungsi. Dapat dipahami bahwa Penjualan dan Keuangan memainkan peran kunci dalam Peramalan Pendapatan Pelanggan Baru. Tetapi relatif kurangnya keterlibatan Pemasaran dan Kesuksesan Pelanggan menyarankan organisasi mungkin kehilangan bagian kunci dari teka-teki — terutama mengingat betapa tidak akuratnya peramalan sebagian besar organisasi.

Kami melihat pola serupa dalam Peramalan Pendapatan Ekspansi Pelanggan yang Ada: Manajemen Akun dan Pemasaran keduanya kurang terwakili dalam prosesnya. Temuan ini dapat membantu menjelaskan mengapa upaya peramalan pendapatan sangat bergumul dengan silo data, ketidakakuratan, dan kesulitan kolaboratif.

Meningkatkan Prakiraan Pendapatan Anda

Temuan ini memberikan jalan yang jelas ke depan. Organisasi harus memprioritaskan kualitas dan aksesibilitas data untuk menciptakan jalur penjualan hingga pendapatan yang melibatkan tim di seluruh siklus pelanggan. Ini akan memfasilitasi kolaborasi lintas fungsi yang lebih besar dan memastikan prakiraan pendapatan memperhitungkan semua informasi yang relevan.

Langkah pertama adalah memperbaiki sumber data yang terfragmentasi dan menghapus proses manual yang rawan kesalahan. Pemimpin harus menerapkan otomatisasi dan integrasi data untuk memastikan data akurat dan tersedia secara real-time. Tapi ini akan membutuhkan pendekatan kohesif untuk intelijen pendapatan.

Untuk melihat hasil survei lebih lanjut dan mengetahui cara meningkatkan data dan kolaborasi lintas fungsi untuk perkiraan pendapatan yang lebih andal, baca laporan lengkap kami tentang State of Revenue Intelligence .