Forecastnauwkeurigheid: waarom hij zo slecht is en hoe je hem repareert

Vraag een kamer vol revenue-leiders hoe zeker ze zijn over het cijfer van volgend kwartaal en je krijgt nerveus gelach. De forecast is het meest onder de loep genomen cijfer in het bedrijf en vaak het minst vertrouwde. Het bestuur huurt aan en geeft uit tegen dit cijfer. Beursgenoteerde bedrijven worden gestraft wanneer ze het missen. En een groot deel van de B2B-teams mist hun eigen commit met dubbele cijfers, kwartaal na kwartaal, zonder ooit te repareren wat eronder zit.

Het grootste deel van die onnauwkeurigheid is geen pech. Het is structureel. Het komt voort uit hoe forecasts gebouwd worden, wie ze bouwt, en wat er opzettelijk wordt weggelaten. Het goede nieuws is dat structurele oorzaken te repareren zijn, en je hebt er geen data science-team voor nodig.

Waarom forecasts zo consistent missen

Dezelfde handvol grondoorzaken duikt op in vrijwel elke organisatie die we hebben bekeken.

Elke laag van de saleshiërarchie kleurt het cijfer in eigen belang. Reps sandbaggen zodat ze quota kunnen verslaan. Managers overdrijven om ambitieus te lijken. Leiderschap hedget richting wat het bestuur ook verwacht. Tegen de tijd dat het cijfer de top bereikt, is het een politiek compromis, geen schatting.

Fasewiskunde liegt. Pipeline vermenigvuldigen met vaste faseconversiepercentages gaat ervan uit dat elke deal in "fase 3" even waarschijnlijk sluit. Een deal met een betrokken economic buyer en een ondertekend mutual action plan lijkt in niets op een deal die al zes weken in dezelfde fase geparkeerd staat, maar de spreadsheet behandelt ze identiek.

De rijkste voorspellers van of een deal sluit (e-mailresponsiviteit, multi-threading, trialgebruik, meetingcadans) halen meestal nooit de forecast. En deals winnen of verliezen niet alleen. Ze schuiven op. Een forecast zonder model voor timingrisico overcommit elk kwartaal, wat het deal-slippage-probleem is dat we elders uitdiepen.

Simpel gezegd: traditionele forecasting leunt op menselijk oordeel en statische fasewiskunde terwijl het het gedragsmatige bewijs negeert dat al in de systemen van record zit.

Wat chronische onnauwkeurigheid kost

Een forecast die vijftien punten mis zit, is duur in beide richtingen. Overforecast en je overaanwerft, overbesteedt, en neemt een pijnlijke correctie halverwege het jaar. Underforecast en je laat capaciteit liggen terwijl je even snel geloofwaardigheid erodeert, omdat een leider die altijd sandbagt niet meer geloofd wordt, zelfs wanneer die gelijk heeft.

Er is ook een samengesteld kostenpunt. Zodra iedereen weet dat de forecast onbetrouwbaar is, stopt de organisatie ermee om beslissingen te nemen op basis ervan en valt terug op onderbuikgevoel. Op dat punt bestaat de forecast om een slide te vullen. Vertrouwen terugwinnen is een vereiste om kapitaal met enige discipline toe te wijzen.

Hoe je het daadwerkelijk repareert

Nauwkeurigheid komt veel meer voort uit betere inputs en een beter proces dan uit een slimmer algoritme.

1. Vervang vaste fasepercentages door signaalgewogen waarschijnlijkheden. In plaats van "fase 3 is gelijk aan 40 procent," weeg elke deal op basis van het gedrag dat hij daadwerkelijk toont. De mechaniek staat in hoe je een gewogen, signaalgedreven forecast bouwt.
2. Scheid de commit, de forecast en de pipeline. Wat we zeker gaan sluiten, wat we verwachten te sluiten, en wat zou kunnen sluiten zijn drie verschillende vragen. Geef ze drie verschillende cijfers.
3. Instrumenteer de funnel zodat de signalen bestaan. Je kunt niet wegen op engagementdata die je nooit hebt vastgelegd. Ruw signaal in het systeem krijgen komt eerst, en we behandelen het in je funnel instrumenteren voor echte besluitvorming.
4. Volg je eigen forecastfout als metric. Meet de kloof tussen commit en werkelijkheid elk kwartaal, per team en per rep. Forecastbetrouwbaarheid is een input voor je algehele revenue health score, en hoort daar thuis.
5. Back-test voordat je iets vertrouwt. Speel een nieuwe methode af tegen meerdere afgelopen kwartalen. Als hij de laatste vier niet goed had voorspeld, voorspelt hij de volgende ook niet.

Een praktisch startpunt

Je hoeft niet alles opnieuw te bouwen. De eerste zet die het snelst loont, is meestal om gedragsvlaggen toe te voegen aan de pipelinereview die je al draait. Markeer deals waar de economic buyer stil is geworden, waar de deal laat in de cyclus nog steeds single-threaded is, of waar de sluitingsdatum al eens is verschoven. Die drie vlaggen alleen al brengen doorgaans een stuk "gecommitte" pipeline aan het licht dat dit kwartaal nooit zou landen. Ongemakkelijk, maar beter om het in week twee te weten dan in week twaalf.

Van daaruit is het incrementeel. Vang meer signaal, weeg op bewijs in plaats van fase, en houd het proces verantwoordelijk door je eigen fout in de loop van de tijd te meten. Nauwkeurigheid stapelt op dezelfde manier als vertrouwen.

Belangrijkste inzichten

• Forecasts missen om structurele redenen: optimisme op elke laag, fasewiskunde die alle deals gelijk behandelt, genegeerde gedragssignalen, en geen model voor slippage.
• Zowel over- als underforecasting kosten je, en zodra de forecast bekendstaat als onbetrouwbaar gebruikt niemand hem meer voor beslissingen.
• Weeg deals op het gedrag dat ze tonen, niet de fase waarin ze geparkeerd staan, en splits commit, forecast en pipeline in aparte cijfers.
• Behandel je eigen forecastfout als een gevolgde metric en back-test elke nieuwe methode voordat je erop wedt.

Betere forecasts komen voort uit betere signalen in het proces stoppen. Dat signaal-eerst-beeld van de pipeline is waarvoor revenue orchestration gebouwd is.