Vertriebsprognosen erstellenVorgehensweise und Methoden für Vertriebsprognosen

Um zukünftige Produktverkäufe, Umsätze und andere Vertriebskennzahlen zu ermitteln, müssen Experten regelmäßig Schätzungen vornehmen und auf der Basis von Istwerten Prognoserechnungen erstellen. Dafür gibt es unterschiedliche Methoden. Erfahren Sie, wie Sie bei der Vertriebsprognose vorgehen und welche Prognosemethoden Sie kombinieren sollten.

Vorgehensweise bei der Vertriebsprognose

Um Zahlen für den zukünftigen Absatz und Umsatz von Produkten und Dienstleistungen zu ermitteln, lassen sich unterschiedliche Methoden oder Rechenverfahren einsetzen. Die Ergebnisse werden in Form von Zahlenwerten für die betrachtete Messgröße angegeben und in einer Tabelle oder in einem Diagramm dargestellt. Zunächst müssen folgende Parameter der Vertriebsprognose festgelegt werden:

Betrachtungseinheit

Die Betrachtungseinheit, für die eine Vertriebsprognose erstellt werden soll, muss festgelegt werden: das können eine Business Unit, eine Produktkategorie, eine Produktgruppe oder einzelne Produkte und Produktvarianten sein (entsprechendes gilt auch für Dienstleistungen).

Messgröße

Die Messgröße, die geschätzt oder berechnet wird und die wichtig für die Vertriebsplanung und weitere Fachpläne im Unternehmen ist, muss festgelegt werden: Absatz, Umsatz, Marktanteil etc.

Zeitraster

Die Vertriebsprognose folgt einem Zeitraster: das können Tage, Wochen, Monate oder Quartale sein.

Um die zukünftigen Werte der Messgröße zu ermitteln, werden unterschiedliche Verfahren eingesetzt. Zunächst lassen sich Top-down- und Bottom-up-Methoden unterscheiden.

Top-down-Methoden zur Vertriebsprognose

Mit den Top-down-Methoden werden die Ergebnisse der Vergangenheit betrachtet und daraus Vorgaben und Erwartungen für die Zukunft abgeleitet. Meist in der Form, dass es heißt: Was die Prognose sagt, muss auch erreicht werden. Grundlage für die Vertriebsprognose sind dann Marktanalysen und Analysen zum Produktlebenszyklus. Diese lassen sich modellieren anhand von Prognosewerten für:

  • Absatz
  • Umsatz
  • Marktanteil
  • Zielgruppenanteil
  • Penetrationsraten

Tipp: So wird der Produktlebenszyklus modelliert

Wie ein Produktlebenszyklus modelliert wird und wovon seine Entwicklung abhängt, erfahren Sie im Handbuch-Kapitel zum Thema Produktlebenszyklus. Dort sind die Einflussfaktoren erläutert, die auch für Vertriebsprognosen nach der Top-down-Methode relevant sind.

Grundlage des Produktlebenszyklus sind Informationen, die im Rahmen einer Marktanalyse ermittelt und ausgewertet werden. Wie Sie dazu vorgehen, ist im Handbuch-Kapitel zu Marktanalysen erläutert.

Bei der Top-down-Planung werden dann für die Messgröße, für die eine Prognose erstellt wird, die bisher erreichten Istwerte in einem Diagramm visualisiert. Für den Prognosezeitraum wird dann vorgegeben, dass sich diese Istwerte um X Prozent verändern werden oder sollen. Das Diagramm wird entsprechend fortgeschrieben. Abbildung 1 ist ein Beispiel, wie dies visualisiert werden kann.

Abbildung 1: Vertriebsprognose für den Absatz mit der Top-down-Methode

Bottom-up-Methoden zur Vertriebsprognose

Mit den Bottom-up-Methoden wird die Entwicklung in der Zukunft nicht von der Unternehmensleitung – als Zielvorgabe – festgelegt und erwartet. Vielmehr ermittelt und berechnet das Vertriebsteam anhand unterschiedlicher Einflussfaktoren, Indikatoren, Kennzahlen und Entwicklungen in der Vergangenheit, welche zukünftigen Entwicklungen bei Absatz, Umsatz etc. möglich sind. Dafür gibt es zahlreiche Methoden und Vorgehensweisen. Im Folgenden werden einige vorgestellt.

Trendextrapolation

Die Vertriebsergebnisse der Vergangenheit werden über einer Zeitskala aufgetragen und in die Zukunft extrapoliert, also fortgeschrieben. Dazu wird eine Trendlinie eingezeichnet. Dies ist die lineare Funktion, für die gilt, dass die Summe der Abweichungen der Istwerte von der Trendlinie minimal ist. Dies entspricht der Methode der kleinsten Quadrate. Aus den Werten der Vergangenheit ergeben sich dann die Parameter für eine lineare Funktion oder Trendlinie wie in Abbildung 2. Der betrachtete Zeitraum in der Vergangenheit sollte dabei so gewählt werden, dass er „typisch“ ist für den Prognosezeitraum und keine Besonderheiten oder Ausreißer beinhaltet.

Abbildung 2: Einfache Trendextrapolation mit linearer Trendlinie

Gleitender Durchschnitt

Die Entwicklung der Verkäufe wie sie in Abbildung 2 dargestellt ist, sollte im Diagramm immer genau angeschaut werden. Der Trend für den betrachteten Zeitraum zeigt zwar nach oben. Wird aber ein Ausschnitt gewählt, dann zeigt sich ein anderer Verlauf. Das Diagramm deutet an, dass in den letzten Monaten des Jahres 2020 eher mit einer konstanten Entwicklung zu rechnen ist.

Um sichtbar zu machen, wie sich der Trend in einzelnen Zeiträumen entwickelt, kann die Methode des gleitenden Durchschnitts helfen. Dabei wird ein Ausschnitt aus dem Gesamtzeitraum gewählt und für diesen wird der Durchschnitt der Messgröße berechnet. Dieser Durchschnitt ist der Prognosewert für den unmittelbar anschließenden Zeitpunkt. Entscheidend ist, welcher Ausschnitt gewählt wird. In Abbildung 2 ergibt sich aus dem gesamten Zeitraum vom 01.01.2019 bis zum 01.09.2020 ein linearer Verlauf (rote Linie) und ein Trend, der eine positive Entwicklung zeigt. Wird dagegen nur ein Zeitraum von sechs Monaten gewählt und der gleitende Durchschnitt berechnet, ergibt sich das Diagramm in Abbildung 3. Damit wird deutlich, dass der Absatz in den vergangenen Monaten stagnierte oder sogar leicht rückläufig war.

Abbildung 3: Trend der Absatzzahlen mithilfe der Methode des gleitenden Durchschnitts (für 6 Perioden)

Rollierender Forecast auf Basis der Schätzung durch Experten

Wenn es keine Ergebnisse aus der Vergangenheit gibt oder diese nicht als Basis für eine Prognose geeignet sind, dann braucht es Schätzungen. Meist können die betroffenen Mitarbeiterinnen und Mitarbeiter im Vertrieb am besten einschätzen, wie sich Absatz oder Auftragsvolumen in Zukunft entwickeln. Sie sind die Experten, auf deren Erfahrung und Überlegungen die Vertriebsprognosen basieren. Dabei ist allerdings zu beachten, dass Experten bewusst oder unbewusst auch falsche Schätzungen abgeben können. Manche schätzen mutig optimistisch, andere schätzen sehr konservativ (damit beispielsweise die Vertriebsziele nicht so hoch gesteckt werden).

Damit diese Schätzung nachvollziehbar wird und mit guten Gründen belegt werden kann, werden messbare Indikatoren hergenommen, die für die Prognose der Messgröße hilfreich sind, und mit einem Wahrscheinlichkeitsfaktor oder Unsicherheitswert multipliziert. Dabei muss geklärt werden, mit welchem Ereignis ein möglicher Auftrag in die Prognose mit einbezogen wird. Beispiel:

  • Das Vertriebsteam prüft, wie viele Projektausschreibungen von potenziellen Kunden es im laufenden Quartal gibt.
  • Es weiß, dass die Hälfte der Ausschreibungen für das Unternehmen interessant ist, sodass ein Angebot abgegeben wird.
  • Von allen Angeboten führt etwa ein Drittel zum Auftrag.

Als Prognosewert wird deshalb berechnet:

  • Angebotsvolumen = Summe der ausgeschriebenen Projektvolumen x 0,5
  • Prognose- oder Forecast-Wert = Angebotsvolumen x 0,33

Diese Berechnung mit den entsprechenden Erwartungswerten und Wahrscheinlichkeiten kann für einzelne Produkte oder Kunden verfeinert und genauer gefasst werden. Das ist in einem vereinfachten Beispiel in Abbildung 4 dargestellt.

Um diese Schätzung laufend zu verbessern, werden die Eingangsgrößen Projektausschreibungen mit Projektvolumen, Faktor für Angebotsschreibung und Wahrscheinlichkeit der Auftragserteilung laufend aktualisiert. Erteilte Aufträge oder Absagen werden aus der Liste entfernt, neue Angebote kommen hinzu. Die Prognose erfolgt also rollierend.

Abbildung 4: Rollierende Vertriebsprognose mit Auftragswahrscheinlichkeit

Diese Form der rollierenden Vertriebsprognose kann auch automatisiert werden. Dann werden die Parameter, die in die Berechnung der Prognosewerte eingehen, aus vorhandenen Datenquellen extrahiert und die Wahrscheinlichkeiten werden berechnet. Das funktioniert allerdings nur dann, wenn ausreichend viele Daten (aus der Vergangenheit) vorliegen, sodass ein statistischer Algorithmus Wahrscheinlichkeiten berechnen kann. Grundlage sind Daten, wie sie mit Big Data Analysemethoden ermittelt werden. Beispiele:

  • Der Absatz im Online-Shop lässt sich über Besucherzahlen, Seitenzugriffe und Conversion Rates ermitteln.
  • Zukünftige Bestellungen ergeben sich aus den aktuellen Verkaufszahlen am Point of Sale der Kunden (Kassenumsatz mit einzelnen Produkten).

Regressionsanalyse

Die multivariate Regressionsanalyse basiert auf der Annahme, dass ein heute messbarer Indikator eine zuverlässige Aussage darüber zulässt, wie viel zu einem zukünftigen Zeitpunkt verkauft wird. Um zu ermitteln, wie der zukünftige Wert von dem heutigen Wert abhängt und wie er sich daraus berechnen lässt, wird eine Regressionsanalyse durchgeführt.

Im einfachen Fall ergibt sich ein linearer Zusammenhang, sodass eine lineare Funktion ermittelt wird, mit deren Hilfe sich aus dem messbaren Indikator (X-Wert) der Wert für die Vertriebsprognose (Y-Wert) berechnen lässt.

Beispiel: Ein Unternehmen schaltet Werbeanzeigen in Tageszeitungen, um den Verkauf anzukurbeln. Jede Anzeige erreicht eine bestimmte Zahl von Leserinnen und Lesern, die sich aus den Mediadaten des Zeitungsverlags ermitteln lässt. Die Regressionsanalyse auf der Basis von vergangenen Daten zeigt, dass der Umsatz mit den beworbenen Produkten in den vier Wochen nach Erscheinen der Anzeige von der Zahl der erreichten Leserinnen und Leser abhängt. Es besteht ein funktionaler Zusammenhang, der für die Vertriebsprognosen im kommenden Monat genutzt werden kann. Der Zusammenhang kann in einem Korrelationsdiagramm visualisiert werden wie in Abbildung 5.

Abbildung 5: Zusammenhang zwischen Einflussgröße (Werbung) und Vertriebsprognose für Umsatz

Sondereffekte behandeln

Was diese Methoden nicht berücksichtigen können, sind unvorhersehbare oder unerwartete Ereignisse. Diese können jederzeit eintreten und alle Vertriebspläne über den Haufen werfen. Sie lassen sich kaum oder gar nicht in den Berechnungen berücksichtigen, müssen aber durchaus bedacht und ins Kalkül gezogen werden. Um sich auf solche Ereignisse vorzubereiten, ist es hilfreich, wenn Sie mit folgenden Methoden arbeiten:

  • Szenarien mit Best-Case und Worst-Case-Berechnungen
  • Notfallpläne

Sobald Signale das Eintreten eines solchen Ereignisses andeuten, prüfen Sie mithilfe der Szenarien, was Sie tun können. Wenn es schnell gehen muss, greifen Sie auf Ihre Notfallpläne zurück. In jedem Fall muss die Vertriebsprognose überarbeitet und angepasst werden.

Wie Sie mit den Prognosemethoden arbeiten

Wenn Sie in Ihrem Vertrieb mit Vertriebs- und Verkaufsprognosen arbeiten wollen, ist folgende Vorgehensweise hilfreich. Dabei nutzen Sie einen Mix aus den vorgestellten Methoden:

  1. Aus den Ergebnissen der vergangenen 24 Monate wird mithilfe der Trendextrapolation eine Prognoserechnung für die kommenden 12 Monate erstellt. Diese Berechnung wird einmal im halben Jahr aktualisiert.
  2. Diese Prognose geht halbjährlich an die Fachbereiche Produktion, Logistik, Marketing und Finanzplanung für deren Vorschau und grobe Jahresplanung.
  3. Ein Expertengremium aus sechs erfahrenen Vertriebsmitarbeitern, einem Marktanalysten aus dem Marketing und zwei Vertretern von Vertriebspartnern bespricht alle zwei Monate, ob der 12-Monats-Trend für die kommenden 6 Monate realistisch ist.
  4. Mithilfe von Auftragslage, der Anzahl abgegebener Angebote, Auswertungen von Messeauftritten, Kundenbesuchen, Kundenanfragen, Webseitenzugriffen etc. erstellt das Gremium eine Liste mit potenziellen Absatzzahlen und Wahrscheinlichkeiten, dass diese realisiert werden.
  5. So entsteht eine rollierende Vertriebsprognose für die jeweils nächsten 6 Monate.
  6. Falls es unabhängige Einflussgrößen auf die Messgröße der Prognose gibt, wird deren Effekt mithilfe einer Regressionsanalyse ermittelt. Das Ergebnis geht ebenfalls in die 6-Monats-Prognose ein.
  7. Das Ergebnis der Prognose wird alle zwei Monate an die Fachbereiche weitergeleitet, die daraus Informationen für ihre Feinplanung ziehen. Zum Beispiel: Schichtpläne für Mitarbeiter, Beschaffung von Maschinen, Bestellungen bei Lieferanten, Einrichten von Lagerplatz oder Umschichtungen beim liquiden Vermögen des Unternehmens.
  8. Das Expertengremium prüft bei seinen zweimonatlichen Besprechungen auch, welche Abweichungen zwischen Prognose und Istwerten eingetreten sind und was die Gründe dafür waren. Diese Erkenntnisse fließen in die langfristige 12-Monats-Prognose und die kurzfristige 6-Monats-Prognose ein.
  9. Grundlegende Veränderungen, neue Trends, Effekte durch andere Rahmenbedingungen, die dabei sichtbar werden, werden mit der Geschäftsleitung halbjährlich besprochen, um Unternehmensziele, Geschäftsplanung und Strategien anzupassen.

Je nach Branche und Marktentwicklung können der Vorhersagezeitraum und das Zeitraster angepasst werden. Entscheidend ist, welchen Vorlauf die einzelnen Unternehmens- und Fachbereiche für ihre Planungen benötigen.

Die Qualität der Prognosemethoden betrachten

Wenn mit einer der genannten Methoden der zukünftige Absatz und Umsatz im Vertrieb berechnet werden, dann zeigt sich die Qualität der Methode leider erst im Nachhinein. Nämlich dann, wenn der für den Zeitpunkt X prognostizierte Wert mit dem zu diesem Zeitpunkt tatsächlich erzielten Wert verglichen werden kann. Wenn es keine Abweichungen gibt, war die Prognose perfekt. Je geringer die Abweichungen im Zeitverlauf sind, desto besser ist die Prognosemethode.

Deshalb sollten Sie ihre Prognosemethoden regelmäßig auf den Prüfstand stellen und bewerten:

  • Wie präzise sind die Prognosewerte der nahen Zukunft, wenn Prognosewert und Istwert miteinander verglichen werden?
  • Für welchen Zeitraum liefert die Methode gute Prognosewerte, die dann nur gering vom Istwert abweichen?

Je weiter die Prognose in die Zukunft reicht, desto größer dürfte die Abweichung zwischen Prognosewert und Istwert ausfallen. Deshalb ist es wichtig, dass die Prognose rollierend erfolgt und die zeitlich näher liegenden Prognosen immer wieder verfeinert und angepasst werden, sodass später beim Vergleich mit den Istwerten die Differenz möglichst minimal ist.

Wenn Sie eine Prognosemethode anwenden, sollten Sie die Ergebnisse regelmäßig prüfen. Dazu vergleichen Sie:

  • Welche Prognosewerte hat die Methode erzeugt?
  • Was ist dann wirklich eingetreten?

Messen Sie die Abweichungen und vergleichen Sie das Ergebnis mit der Methode: „Die Vertriebsleitung gibt eine Schätzung aus dem Bauch heraus ab.“ Wenn diese Bauchschätzung regelmäßig genauso gut oder sogar besser als die mit der Methode berechneten Ergebnisse ist, dann taugt die Methode für Ihren Fall nicht. Es genügt die Bauchschätzung – bis eine bessere Methode gefunden wird.

Praxis

Vertriebsprognose als Prozess etablieren

Wenn die Anforderungen geklärt sind, entwickeln Sie einen Plan, welche Vertriebsprognosen Sie erstellen wollen und wie Sie diese regelmäßig fortschreiben und an die Fachbereiche weiterleiten. Sie können sich dafür an die oben erläuterte Vorgehensweise (mit Vertriebsprognosen arbeiten) orientieren. Legen Sie fest, welche Prognosemethoden dabei eingesetzt werden sollen. Etablieren Sie dazu folgenden Prozess (grobe Beschreibung):

  1. Langfristige Trends beschreiben und regelmäßig prüfen für den Zeitraum …
  2. Weiterleitung der Trendentwicklung in die Fachbereiche.
  3. Expertengremium einbinden, um Trendentwicklung zu prüfen.
  4. Einflussfaktoren für die Entwicklung in Vertrieb und Verkauf identifizieren und entsprechende Indikatoren verfolgen.
  5. Kurzfristige, rollierende Vertriebsprognose erstellen und Wirkung der Einflussfaktoren einbeziehen.
  6. Regelmäßige Informationen an die Fachbereiche mit dem Stand der kurzfristigen Vertriebsprognose.
  7. Qualität der Prognoseergebnisse regelmäßig prüfen.
  8. Prognoseergebnisse regelmäßig mit der Geschäftsleitung besprechen.

Methoden und Tools für die Vertriebsprognose anwenden

Nutzen Sie die folgenden Excel-Vorlagen, um entsprechende Vertriebsprognosen zu erstellen und die Prognosedaten aufzubereiten – zum Beispiel für Ihre Reports an die Fachbereiche.

Die einfachste Form der Vertriebsprognose ist es, den zukünftigen Absatz oder Umsatz als Zielvorgabe zu planen. Ausgangspunkt sind die zuletzt erzielten Istwerte, die dann mit einem vorgegebenen Prozentwert, X Prozent mehr oder Y Prozent weniger, fortgeschrieben werden (siehe Abbildung 1). Für diese Top-down-Planung können Sie die folgende Excel-Vorlage nutzen.

Nutzen Sie die Methode der Trendextrapolation, wenn Ihre Vertriebsprognose auf den Erfolgen der Vergangenheit basieren soll (Bottom-up-Methode). Nutzen Sie dafür die folgende Excel-Vorlage:

  • Wählen Sie das Produkt, die Produktgruppe oder Dienstleistung, für die Sie eine Prognose erstellen wollen.
  • Klären Sie, welche Messgröße prognostiziert werden soll (Absatz, Umsatz etc.).
  • Bestimmen Sie die Zeiträume, für die Sie entsprechende Istwerte in der Vergangenheit ermitteln können; das Zeitraster für die Zeitachse.
  • Tragen Sie für die vergangenen X Zeiträume die Istwerte für die Messgröße ein.
  • Im Diagramm der Vorlage können Sie dann den bisherigen Verlauf und den zukünftigen Trend erkennen (siehe auch Abbildung 2).

Eine Variante dieser Trendfortschreibung ist die Methode des gleitenden Durchschnitts. Hier gehen Sie genauso vor. Die folgende Excel-Vorlage stellt das Prognoseergebnis allerdings als gleitenden Durchschnitt dar (siehe Abbildung 3).

Je nachdem, welche Art von Produkten Sie planen, welche Märkte Sie bedienen und wie der Vertriebs- oder Verkaufsprozess abläuft, können Sie eine rollierende Planung und Vertriebsprognose etablieren.

Mit der folgenden Excel-Vorlage können beispielsweise einzelne Vertriebsmitarbeiter zusammenstellen,

  • bei welchen Kunden und
  • mit welchen Produkten sie
  • in der nächsten Zeit mit Aufträgen rechnen.
  • Grundlage dafür können die bereits erstellten Angebote
  • und das darin jeweils angebotene Angebotsvolumen (Netto-Preise im Angebot) sein.
  • Die Verkäufer müssen dann noch einschätzen, mit welcher Wahrscheinlichkeit der Kunden die entsprechenden Aufträge tatsächlich erteilt.
  • Daraus ergibt sich der Forecast oder Prognosewert.

Diese Tabelle wird laufend aktualisiert. Die Wahrscheinlichkeit drückt aus, welcher Anteil der Angebote wahrscheinlich zum Auftrag führt. Wurden vier Angebote abgegeben und wird daraufhin ein Auftrag erteilt, entspricht dies einer Wahrscheinlichkeit von 25 Prozent. Damit dies schlüssig ist, sollten ausreichend viele Angebote in der Pipeline sein. Eine entsprechende Prognose ergibt erst dann Sinn, wenn 30 oder mehr Angebote in der Angebotsphase sind.

Prüfen Sie, ob die Entwicklung von Verkaufszahlen von besonderen Einflussfaktoren abhängt oder durch diese gesteuert werden kann. Ob es tatsächlich einen Einfluss gibt – und wie stark dieser ausfällt – kann mit der Regressionsanalyse ermittelt werden. Nutzen Sie dafür die folgende Excel-Vorlage und gehen Sie folgendermaßen vor:

  • Klären Sie, für welches Produkt Sie eine Vertriebsprognose erstellen wollen.
  • Bestimmen Sie, welche Prognose Sie berechnen wollen; die Messgröße wie Umsatz etc.
  • Überlegen Sie, durch welchen Einflussfaktor die Messgröße beeinflusst werden könnte; zum Beispiel durch Werbung (Anzahl der Mediakontakte).
  • Um zu ermitteln, ob es zwischen dem Einflussfaktor und dem beeinflussten Wert (Messgröße für die Prognose) einen Zusammenhang gibt, erfassen Sie die Istwerte für beide Größen in der Vergangenheit.
  • Dann planen Sie den Prognosezeitraum; Sie legen fest, für welche Zeiträume in der Zukunft Sie Prognosewerte berechnen wollen (Datum).
  • Für diese Zeiträume tragen Sie jeweils den Wert der Einflussgröße ein; zum Beispiel die Anzahl der Mediakontakte, die Sie mit der Werbung erreichen wollen.
  • Die Spalte für den beeinflussten Wert (Umsatz) wird dann automatisch auf Grundlage der Regressionsgeraden berechnet.
  • Im Diagramm der Excel-Vorlage wird der gemeinsame Verlauf beider Größen dargestellt.
  • Im Tabellenblatt Korrelationsdiagramm können Sie erkennen, wie stark die Korrelation zwischen Einflussfaktor und beeinflusstem Wert ist und welchen kausalen Zusammenhang Sie vermuten und begründen können (siehe Abbildung 5).

Wenn Sie einzelne Prognosewerte angeben, dann erscheint eine solche Zahl, als würde genau dieser Wert eintreten. Das ist beim Blick in die Zukunft mit einer Prognoserechnung aber nicht der Fall. Sehr wahrscheinlich wird der Istwert später immer vom Prognosewert abweichen. Ziel der guten Prognose ist es, diese Abweichungen zu minimieren.

Gleichwohl kann es besser sein, statt eines einzelnen Prognosewerts einen Prognosebereich anzugeben und darzustellen. Dann ist besser zu erkennen, dass die Prognose immer ungenau und unsicher ist. Mit der folgenden Excel-Vorlage können Sie solche Prognosebereiche selbst generieren und visualisieren.

  • Legen Sie wiederum fest, für welches Produkt, für welche Messgröße und welchen Zeitraum Sie eine Vertriebsprognose erstellen wollen.
  • Tragen Sie auf der Zeitachse die Zeiträume der Vergangenheit ein und ergänzen Sie die Zeiträume für den gewünschten Prognosezeitraum.
  • Legen Sie ein Konfidenzintervall fest (zwischen 0 und 1). Mit diesem Wert drücken Sie aus, wie sicher Sie mit der Prognose vermutlich sein können. Ein niedriger Wert schränkt den Korridor ein, ein hoher Wert macht ihn breiter.
  • Das Diagramm in der Excel-Vorlage zeigt den Verlauf der bisher gemessenen Istwerte (blaue Linie) und den Korridor, in dem die Messgröße vermutlich liegen wird (orange Linien).

Hinweis: Das Konfidenzintervall gibt an, mit welcher Wahrscheinlichkeit die später gemessenen Istwerte innerhalb des Korridors liegen werden. Hohe Wahrscheinlichkeit setzt einen breiten Korridor voraus – und umgekehrt.

Sondereffekte ins Kalkül ziehen

Bei allen Vertriebsprognosen, die Sie entwickeln – beachten Sie immer, dass es auch ganz anders kommen kann. Im Unternehmen, am Markt, beim Wettbewerb, bei den gesetzlichen Rahmenbedingungen oder aufgrund von gesellschaftlichen, politischen und technischen Entwicklungen kann es zu überraschenden Ereignissen kommen. Diese können Sie nicht in Ihre Vertriebsprognose und Prognosezahlen einberechnen. Sie können sich darauf nur vorbereiten.

Um zu wissen, auf was Sie sich im Ausnahmefall vorbereiten müssen, ist es hilfreich, wenn Sie Szenarien entwerfen. Überprüfen Sie dazu:

  • Was kann im schlimmsten Fall passieren?
  • Was würde dies für das Unternehmen bedeuten?
  • Was kann im besten Fall passieren?
  • Was bedeutet dies für das Unternehmen?
  • Welche besonderen Effekte gab es in der Vergangenheit?
  • Inwiefern war das Unternehmen davon betroffen?
  • Welche Ereignisse sind für die Zukunft denkbar (und undenkbar)?
  • Was würde das für das Unternehmen bedeuten?

Ein hilfreiches Werkzeug, um die Folgen von unterschiedlichen Entwicklungen zu analysieren, ist der Entscheidungsbaum. Mit der folgenden Excel-Vorlage können Sie unterschiedliche Szenarien benennen und ermitteln, welche Folgen dies auf die Prognosewerte haben könnte.

Tipp: Wie Sie Szenarien erstellen

Im Handbuch-Kapitel zur Szenario-Technik ist erläutert, wie Sie Schritt für Schritt Szenarien erstellen und beschreiben können.

Weitere Kapitel zum Thema