Ad 6: Multivariate Regressionsanalysen (Bottom-up-Forecast)

Mit Hilfe der Regressionsanalyse wird versucht, den Zusammenhang zwischen Variablen zu ermitteln. Die Frage ist, ob eine Auftragseingangswertprognose als abhängige Variable von anderen Daten (unabhängigen Variablen) beschrieben werden kann. Dann wird von einem funktionalen Zusammenhang gesprochen. So einer könnte z. B. bestehen, wenn erkannt wird, dass die Höhe der Auftragseingänge von der Anzahl der Besuchstermine abhängt. Wäre dies so, dann ließe sich der Auftragseingang zum Zeitpunkt t + m als eine Funktion der Besuchstermine beschreiben, z. B.

Diese Formel beschreibt, dass sich der Auftragseingang in fünf Perioden (Monaten) aus einer durchschnittlichen Auftragsgröße von 25.000 € sowie einer bestimmten Umwandlungsquote von Besuchsterminen zu Aufträgen ergibt, hier ein Auftrag je 15 Besuchsterminen. Es liegt also eine Korrelation vor. Hier besteht sogar ein kausaler Zusammenhang, denn Auftragseingänge resultieren aus den Besuchsterminen. Dieser ist aber nicht erforderlich: Die Auftragseingänge in der Zukunft könnten auch eine Funktion der Anzahl ausgegebener Essen in der Betriebskantine sein. Doch um dies zu erkennen, bedarf es der Regressionsanalyse.

„Multivariat“ bedeutet in diesem Zusammenhang, dass es mehrere unabhängige Variablen sind, die – mathematisch miteinander verknüpft – den Verlauf der abhängigen Variable beschreiben.

Die Frage ist nun: Welche Variablen beschreiben den zukünftigen Auftragseingang und wie hängen diese Variablen zusammen? Für die Zwecke des VertriebsForecasts könnte der Vertriebscontroller folgende Variablen berücksichtigen:

• Exponentiell geglättete Erfahrungswerte für Umwandlungsquoten von Tätigkeit zu Tätigkeit bzw. Prozessschritt zu Prozessschritt

• Verkaufsressourcen zum Zeitpunkt der Schätzung, insb. Verkaufsinstanzenkapazitäten

• Stand im Produktlebenszyklus

• Saisonale Schwankungen

Ist der Vertriebscontroller dazu in der Lage, empfiehlt es sich, bei vorliegenden Vergangenheitswerten mittels Regressionsanalysen zu ermitteln, welche unabhängige Variablen am besten dazu geeignet sind, die Zukunft zu prognostizieren. Auch hier ist der Nutzen die Objektivierung von Vorhersagewerten.

Den Regressionsanalysen ähnlich sind Analogiemodelle. Hier versucht der Vertriebscontroller, Zeitreihen zu finden, die bereits in der Vergangenheit gezeigt haben, dass sie die Prognosewerte recht genau repräsentieren, allerdings zeitlich verzögert. Es wird in der Regel ein kausaler Zusammenhang erwartet. Typisch sind folgende Analogien:

• Verlauf des Absatzes eines Produktes in anderen Ländern oder Regionen, in denen das Produkt schon früher eingeführt wurde.

• Verlauf des Absatzes nutzengleicher Produkte, die sich schon länger im Markt befinden.

• Verlauf des Absatzes von Produkten, die um die gleichen Ressourcen beim Kunden konkurrieren (z. B. konkurrieren Videospiele und Blueray-DVDs, beides

„Time-Killer“, um die Freizeit der Konsumenten und benötigen eine ähnliche Medienausstattung als Nutzungsvoraussetzung).

Analogien, die sich für Prognosen eignen, finden sich in der betrieblichen Praxis jedoch recht selten und wenn, dann meist nur für einzelne Projekte oder andere außergewöhnliche Situationen. Laufende Vertriebs-Forecasts lassen sich damit nur selten pflegen.