Forecast-Genauigkeit: Warum sie so schlecht ist und wie man sie behebt

Fragen Sie eine Runde von Umsatzverantwortlichen, wie sicher sie sich bei der Zahl für das nächste Quartal sind, und Sie ernten nervöses Lachen. Der Forecast ist die am meisten geprüfte Kennzahl im Unternehmen und oft die am wenigsten vertraute. Der Vorstand stellt danach ein und gibt danach aus. Börsennotierte Unternehmen werden abgestraft, wenn sie ihn verfehlen. Und ein großer Teil der B2B-Teams verfehlt den eigenen Commit quartalsweise zweistellig, ohne je zu beheben, was darunterliegt.

Der Großteil dieser Ungenauigkeit ist kein Pech. Sie ist strukturell. Sie entsteht daraus, wie Forecasts gebaut werden, wer sie baut und was absichtlich weggelassen wird. Die gute Nachricht: strukturelle Ursachen lassen sich beheben, und Sie brauchen dafür kein Data-Science-Team.

Warum Forecasts so beständig danebenliegen

Dieselbe Handvoll Grundursachen taucht in fast jeder Organisation auf, die wir uns angesehen haben.

Jede Ebene der Vertriebshierarchie schönt die Zahl im eigenen Interesse. Vertriebsmitarbeiter sandbaggen, um die Quote zu übertreffen. Manager blähen auf, um ambitioniert zu wirken. Die Führung sichert sich in Richtung dessen ab, was der Vorstand erwartet. Bis die Zahl oben ankommt, ist sie ein politischer Kompromiss, keine Schätzung.

Stage-Mathematik lügt. Pipeline mit festen Stage-Conversion-Prozentsätzen zu multiplizieren geht davon aus, dass jeder Deal in "Stage 3" gleich wahrscheinlich abschließt. Ein Deal mit eingebundenem wirtschaftlichem Entscheider und unterschriebenem gemeinsamem Aktionsplan hat nichts mit einem Deal gemeinsam, der seit sechs Wochen in derselben Stage geparkt ist, aber die Tabellenkalkulation behandelt beide identisch.

Die aussagekräftigsten Prädiktoren dafür, ob ein Deal abschließt (E-Mail-Reaktionsfreude, Multi-Threading, Trial-Nutzung, Meeting-Frequenz) schaffen es meist nie in den Forecast. Und Deals gewinnen oder verlieren nicht nur. Sie rutschen. Ein Forecast ohne Modell für Timing-Risiko sagt jedes Quartal zu viel zu, was das Deal-Slippage-Problem ist, das wir anderswo vertiefen.

Einfach gesagt: Klassisches Forecasting stützt sich auf menschliches Urteil und statische Stage-Mathematik, während es die Verhaltensevidenz ignoriert, die bereits in den Systemen liegt.

Was chronische Ungenauigkeit kostet

Ein Forecast, der um fünfzehn Punkte danebenliegt, ist in beide Richtungen teuer. Überforecasten Sie, stellen Sie zu viel ein, geben Sie zu viel aus und nehmen eine schmerzhafte Korrektur zur Jahresmitte vor. Unterforecasten Sie, lassen Sie Kapazität liegen und untergraben Ihre Glaubwürdigkeit genauso schnell, weil eine Führungskraft, die immer sandbaggt, nicht mehr geglaubt wird, selbst wenn sie recht hat.

Es gibt auch einen kumulativen Preis. Sobald allen klar ist, dass der Forecast unzuverlässig ist, hört die Organisation auf, ihn für Entscheidungen zu nutzen, und kehrt zum Bauchgefühl zurück. Ab diesem Punkt existiert der Forecast nur, um eine Folie zu füllen. Vertrauen zurückzugewinnen ist Voraussetzung dafür, Kapital mit irgendeiner Disziplin zu allokieren.

Wie man es tatsächlich behebt

Genauigkeit entsteht weit mehr durch bessere Inputs und einen besseren Prozess als durch einen klügeren Algorithmus.

1. Ersetzen Sie feste Stage-Prozentsätze durch signalgewichtete Wahrscheinlichkeiten. Statt "Stage 3 gleich 40 Prozent" gewichten Sie jeden Deal nach dem Verhalten, das er tatsächlich zeigt. Die Mechanik steht in wie man einen gewichteten, signalgesteuerten Forecast baut.
2. Trennen Sie Commit, Forecast und Pipeline. Was wir definitiv abschließen werden, was wir erwarten abzuschließen, und was abschließen könnte, sind drei verschiedene Fragen. Geben Sie ihnen drei verschiedene Zahlen.
3. Instrumentieren Sie den Funnel, damit die Signale existieren. Sie können nicht nach Engagement-Daten gewichten, die Sie nie erfasst haben. Rohsignale ins System zu bekommen kommt zuerst, und wir behandeln das in Ihren Funnel für echte Entscheidungsfindung instrumentieren.
4. Verfolgen Sie Ihren eigenen Forecast-Fehler als Kennzahl. Messen Sie die Lücke zwischen Commit und tatsächlichem Ergebnis jedes Quartal, nach Team und nach Vertriebsmitarbeiter. Forecast-Zuverlässigkeit ist ein Input für Ihren gesamten Revenue-Health-Score, und dort gehört sie hin.
5. Backtesten Sie, bevor Sie irgendetwas vertrauen. Spielen Sie eine neue Methode gegen mehrere vergangene Quartale durch. Wenn sie die letzten vier nicht richtig vorhergesagt hätte, wird sie das nächste auch nicht tun.

Ein praktischer Ausgangspunkt

Sie müssen nicht alles neu bauen. Der erste Schritt, der sich am schnellsten auszahlt, ist meist, Verhaltensmarkierungen zu dem Pipeline-Review hinzuzufügen, das Sie bereits durchführen. Markieren Sie Deals, bei denen der wirtschaftliche Entscheider still geworden ist, bei denen der Deal spät im Zyklus noch Single-Threaded ist, oder bei denen sich das Abschlussdatum bereits einmal verschoben hat. Diese drei Markierungen allein decken meist einen guten Teil "zugesagter" Pipeline auf, die dieses Quartal nie gelandet wäre. Unangenehm, aber besser, es in Woche zwei zu wissen als in Woche zwölf.

Von dort aus geht es schrittweise weiter. Erfassen Sie mehr Signal, gewichten Sie nach Evidenz statt nach Stage, und halten Sie den Prozess rechenschaftspflichtig, indem Sie Ihren eigenen Fehler im Zeitverlauf messen. Genauigkeit verstärkt sich auf dieselbe Weise wie Vertrauen.

Die wichtigsten Erkenntnisse

• Forecasts verfehlen aus strukturellen Gründen: Optimismus auf jeder Ebene, Stage-Mathematik, die alle Deals gleich behandelt, ignorierte Verhaltenssignale und kein Modell für Slippage.
• Über- und Unterforecasting kosten beide, und sobald der Forecast als unzuverlässig gilt, nutzt ihn ohnehin niemand mehr für Entscheidungen.
• Gewichten Sie Deals nach dem Verhalten, das sie zeigen, nicht nach der Stage, in der sie geparkt sind, und trennen Sie Commit, Forecast und Pipeline in eigene Zahlen.
• Behandeln Sie Ihren eigenen Forecast-Fehler als verfolgte Kennzahl, und backtesten Sie jede neue Methode, bevor Sie darauf setzen.

Bessere Forecasts entstehen, indem man dem Prozess bessere Signale zuführt. Diese signalorientierte Sicht auf die Pipeline ist es, wofür Revenue-Orchestrierung gebaut ist.