Verbesserung der Verwendung des Forecast-Ergebnisses
Ein Forecast erfüllt nicht seinen Zweck, wenn er von den Prognosedatenverwendern ignoriert oder nicht als Grundlage für deren Planungsoder Steuerungsaufgaben verwendet wird. Sind die Forecast-Daten in einem akzeptablen Bereich korrekt, werden sie aber dennoch nicht verwendet und ist willentliches Ignorieren aus reiner Boshaftigkeit (ja, auch das gehört zum unternehmerischen Alltag, bleibt hier aber unerörtert) ausgeschlossen, so könnte der Fehler in der Art und Weise der Datenbereitstellung zu finden sein. Die typischen Fehlerquellen, die der Vertriebscontroller nacheinander ausschließen kann, sind nachfolgend aufgelistet.
• Adressierung der Daten: Erreichen die Daten die planenden Stellen der jeweiligen betrieblichen Funktionalbereiche? Ist bekannt, dass ein Vertriebs-Forecast existiert und dieser mehr Nutzen bietet, als lediglich dabei zu helfen, die Verkaufsinstanzen zu steuern?
• Frist und Zeitpunkt der Datenbereitstellung: Werden die Prognosedaten rechtzeitig geliefert, damit sie als Planungsgrundlage anderer betrieblicher Funktionalbereiche dienen können?
• Synchronität der Planungsperiode: Sind die im Vertriebs-Forecast abgebildeten Prognoseintervalle ausreichend eng terminiert und entsprechen sie den Planungsintervallen der Funktionalbereiche? Ist der Prognosezeitraum langfristig genug?
• Ratifizierung der Daten durch das Management: Hat die Unternehmensführung, meist vertreten durch die für die Unternehmensplanung verantwortliche Stelle bzw. Person, die Nutzung des Vertriebs-Forecasts als Planungsgrundlage angeordnet? Werden statt dessen alternative Planungen, etwa die Daten der Planungsrechnung/Budgetierung, als verbindliche Grundlage verwendet, so dass der jeweilige betriebliche Funktionalbereich eines Fehlers bezichtigt werden könnte, wenn er die vom Vertriebscontrolling bereit gestellten Daten verwenden würde?
• Bedarfsgerechte Verdichtung oder Dekonstruktion der Daten: Werden die Daten des Vertriebs-Forecasts bedarfsgerecht aufbereitet, z. B. so, wie es in Tab. 4.5 und den nachfolgenden Tabellen beschrieben wird?
Verbesserung der Input-Daten
Der Hauptgrund, warum Forecasts suboptimal sind, liegt jedoch weder in der Methode noch in der Präsentation der errechneten Prognosewerte, sondern in der Qualität der Inputdaten. Die meisten Forecasts, zumindest jene des b2b-Sektors, sind rollierend und verarbeiten die Inputdaten, welche die Verkäufer liefern. Jedoch ist zu befürchten, dass diese bei subjektiv einzuschätzenden Inputinformationen (Datum des Auftragseingangs, Wahrscheinlichkeit des Abschlusses und vor der Angebotserstellung auch des Auftragswerts) wie dargestellt derart daneben liegen, dass eine noch so ausgefuchste Methode zu erratischen Daten führen muss.
Ideal wäre, die Inputdaten von Computern liefern zu lassen. Das ist allerdings nur bei kurzfristigen Prognosen auf Basis sehr detaillierter Vergangenheitswerte möglich, z. B. im Lebensmitteleinzelhandel, in dem Kassen- und Dispositionssysteme auf Basis von Abverkaufsdaten automatisch die Bestellung für Waren, deren Bestand zu Neige geht, initiieren. Ansonsten hilft nur, kontinuierlich zu verbessern, zu schulen, zu sensibilisieren und, wenn möglich, die Unterstützung von verkaufsprozessbegleitender Software (Vertriebsunterstützungssysteme, CRM-Systeme, ERP-Systeme usw.) zu nutzen.
