• Frank Custers

Oké, forecasting is belangrijk! En toen…?

Bijgewerkt: feb 26

Forecasting speelt een grote rol in het succes van je onderneming, zoals ik in mijn vorige blog uiteen heb gezet. Maar hoe pak je dat nu aan dan, het maken van een goede forecast? In deze blog introduceer ik hiervoor een framework. Volg de stappen uit dit framework en je zult eindigen met een forecast die je daadwerkelijk ondersteunt bij het nemen van beslissingen en de waarde van je onderneming vergroot. Oh ja, en het begint niet met het openen van een nieuw werkblad in Excel...



Als je een accurate forecast wilt opstellen is het van belang dit systematisch aan te pakken. In mijn vorige blog heb ik enkele succesfactoren benoemd en een gestructureerde aanpak ondersteunt je hierbij.


Wil je bijvoorbeeld alle stakeholders binnen je organisatie betrekken en niet alleen de financiële afdeling, dan helpt het om een plan te hebben met daarin ‘wie, wat & wanneer’.


En voor het succesvol regelmatig herhalen van het forecastingproces om een rolling forecast te maken, is zo’n framework ook een must.

Ik heb in het verleden vaak meegemaakt dat er maar ‘gewoon’ werd begonnen, zonder plan vooraf. Sterker nog, ik heb mezelf er ook schuldig aan gemaakt. Helaas was het resultaat er meestal ook naar.


Het is echt een doodzonde voor iedere organisatie om niet de best mogelijke forecast te maken.

Het is echt doodzonde om zoveel tijd te stoppen in het maken van een forecast, als het resultaat je niet verder helpt. En als ik er nog een schepje bovenop mag doen: het is echt een doodzonde voor iedere organisatie om niet de best mogelijke forecast te maken.


Er zijn zeker varianten mogelijk op onderstaande framework. Je mag de mijne gebruiken als leidraad, maar doe vooral waar je denkt dat je het best mogelijk resultaat voor jouw organisatie mee behaalt. Belangrijk is dat je met een gestructureerd plan van aanpak aan de slag gaat. Het helpt je enorm als communicatiemiddel naar de rest van de organisatie en om routine op te bouwen.


#1 Begrijp de context

Het start allemaal met begrijpen in welke markt je opereert en wat je omzet drijft. Vaak weet je de meeste van dit soort zaken al impliciet, maar het helpt om ze weer eens expliciet te maken. Doe dus research naar deze specifieke kenmerken en betrek key collega's bij de discussie.


Een van de vragen die je voor je organisatie moet beantwoorden is of je in een B2B markt opereert of een B2C markt. Het gedrag van consumenten is heel anders dan dat van bedrijven. De voorkeuren van consumenten veranderen razendsnel, aankopen zijn meestal impulsief, transacties hebben over het algemeen een relatief lage waarde en als ze het bij jou niet kunnen vinden gaan ze naar de volgende.


In de B2B wereld is er vaker sprake van een langere relatie, waarbij stabiliteit en kwaliteit van levering van belang is. Dit kan tot uitdrukking komen in contracten voor langere termijn. Daarnaast wordt er in veel gevallen geleverd op basis van klantspecificaties en zijn producten niet zelden complex.


Seizoenseffecten zijn een volgende belangrijke factor die de forecast sterk kunnen beïnvloeden. Denk hierbij aan weergerelateerde effecten, zoals ijs en badkleding in de zomer en ski-uitrustingen of griepmedicijnen in de winter. Maar ook bijvoorbeeld bepaalde (vakantie-)periodes, zoals de markt voor vakantiehuisjes of de vraag naar eieren rond Pasen.


In veel sectoren kun je een omzetforecast opbouwen met alleen variatie in de hoeveelheden, omdat de prijs gedurende de forecastperiode relatief stabiel is of in ieder geval als stabiel wordt verondersteld.

Er zijn ook sectoren waar dit niet het geval is en prijs bijvoorbeeld sterk fluctueert onder druk van concurrentie of sterke prijsfluctuatie aan de inkoopkant. Dit maakt het complexer om een accurate forecast te genereren.


Daarnaast is het van belang zicht te hebben op disruptieve effecten die plaats kunnen vinden in de markt waarin je opereert. Een disrupter kan in relatief korte tijd een hele markt op zijn kop zetten en kan daarmee dus grote gevolgen hebben voor je forecast.


Denk aan hoe Coolblue in een hoog tempo een aantal grote witgoed- en elektronicaketens van de markt heeft geduwd. Of hoe in de reiswereld de traditionele reisgigant Thomas Cook failliet gaat, mede onder druk van nieuwe toetreders als Airbnb en Booking.com.


Maar vergeet niet dat de huidige tijden ook veel kansen oplevert om zelf een disrupter te worden. Denk aan Netflix, dat begon als een videotheekketen in de VS, tot het in 2007 overging op het streamen van de video’s.


Het is vooral van belang om te herkennen in wat voor een soort markt je actief bent. Is het een gevestigde markt met een stabiele toename van de groei, of opereer je in een relatief nieuwe, sterk volatiele markt vol onvoorspelbaarheid.


Er zijn dus veel factoren die van invloed kunnen zijn op de manier waarop je forecast. Zorg dat deze factoren bekend zijn in je organisatie en dat je hun invloed meeneemt in je forecasts.


#2 Kies het juiste model

Nu we goed zicht hebben op de mechanismes die de forecast beïnvloeden, komen we bij de tweede stap: welk model gaan we gebruiken. We kunnen kiezen tussen kwalitatief versus kwantitatief en tussen top-down of bottom-up.


Met kwalitatieve technieken baseren we onze forecast op de mening van experts. De meest voorkomende toepassing is het gebruiken van de input van je salesteam. Hierbij maken ze inschattingen over de verkoop aan de klanten en prospects die ze verwachten te gaan bedienen. Je ziet dit terug in organisaties waarbij het aantal klanten relatief klein is en de bedragen per klant hoog.


Ook wanneer er nog geen historische data is, is dit een veel toegepaste techniek. Een belangrijk nadeel van deze methode is dat er onder- of overschattingen door de individuele leden van het salesteam.


Bij kwantitatieve forecasting gebruiken we statistische berekeningen om een voorspelling over de toekomstige omzet te doen. Hiervoor is het van belang dat er goede historische data beschikbaar is. Er zijn verschillende technieken, waarbij het van belang is te beoordelen welke in jouw situatie tot het beste resultaat leidt. In een latere blog zal ik hier verder op ingaan op kwantitatieve forecasting.


Een combinatie van beide is ook mogelijk. Ik heb dit zelf toegepast in een organisatie, met een sterk gemengd klantenbestand. Voor een aantal grote klanten, die een breed palet aan diensten afnamen en werden bediend door accountmanagers, gebruikten we een combinatie van kwalitatieve aanpak. En daarnaast een hele grote groep klanten die maar n dienst afnamen, waarbij we alleen een kwantitatieve benadering gebruikten.


De tweede keus is die tussen een top-down benadering versus bottom-up. Bij de top-down benadering kijk je naar de totale markt voor jouw product of dienst en vervolgens bepaal je welk marktaandeel je met je organisatie kan behalen. Je maakt bijvoorbeeld een analyse op basis van historische data of je kijkt naar de ontwikkelingen bij je concurrenten in relatie tot de ontwikkelingen in je eigen organisatie.


Bij een bottom-up benadering bereken je de potentiële omzet van je organisatie door inschattingen van verkoop per product per klant vermenigvuldigd met de prijs. Groot voordeel van deze methode is dat je de input van de rest van de organisatie nodig hebt. Dit komt tegemoet aan een van de succesfactoren voor een geslaagde forecast: betrek de hele organisatie.


Ook hier geldt dat een combinatie van beide methodes prima kan werken. Zo kun je ook de onder- of overschattingen door de individuele leden van het salesteam middelen met een top-down inschatting.


Naast de keuzes voor kwalitatief, kwantitatief of een mengvorm en voor top-down, bottom-up of een mengvorm, moeten we nog keuzes maken ten aanzien de tijd en duur van de forecast.


Het overgrote deel van de organisaties zal kiezen voor een forecast op maandbasis. Voor een enkele is een

vierweekse periode of een kwartaal een betere keuze. Kijk hierbij vooral naar de duur van je salescycle.


De lengte van de forecast is de volgende keuze. In het verleden was een periode van één jaar de standaard. Ik kijk tegenwoordig naar een iets langere periode, afhankelijk van de frequentie waarin ik de forecast herzie.


Stel dat we een 12 maandelijkse forecast ieder kwartaal willen herzien, maar we willen ook de gerealiseerde cijfers over het laatste kwartaal klaar hebben om de laatste trends mee te nemen.


Dat betekent dat je dus al in het eerste kwartaal van je forecast zit en je dus eigenlijk nog maar drie kwartalen aan het forecasten bent. Ik neem dan dus een lengte van vijf kwartalen, om zo in ieder geval een vol jaar = vier volle kwartalen vooruit te kunnen kijken.


#3 Verzamel data (en blijf dit doen!)

De volgende stap is zorgen voor gegevens die zo nauwkeurig en compleet mogelijk zijn. Zonder dit zal zelfs het meest geavanceerde forecastingproces weinig inzicht geven. Het is niet voor niets ook een van de succesfactoren om tot een accurate forecast te komen. Je kunt dit niet in je eentje, betrek dus de rest van je organisatie bij dit proces.


Een goed startpunt is de data uit je CRM systeem. Zoals je ongetwijfeld weet staat CRM voor Customer Relationship Management. Een CRM systeem is een softwaretool die je helpt om je klantcommunicatie en verkoopinspanningen te maximaliseren. Diverse onderzoeken bevestigen de voordelen van het gebruik van CRM, mooi samengevat in deze blog. Dus als je nog geen CRM systeem gebruikt in je organisatie: begin hier vandaag nog mee!


Dus als je nog geen CRM systeem gebruikt in je organisatie: begin hier vandaag nog mee!

Het vullen van het CRM ligt voor een groot deel bij je salesteam, maar ik weet uit ervaring dat dit niet altijd lekker loopt. Zorg er dus voor dat je ze maximaal faciliteert om het CRM te vullen. Dus intuïtief, snel, mobiel en real time. Dit zorgt ervoor dat je het maximale uit deze data kan halen.


Ook de gerealiseerde omzetdata is van belang. In de meeste ideale situatie heb je deze data op het laagste aggregatieniveau beschikbaar. Dus per product/dienst, per klant, per periode. Dit levert soms problemen op, omdat de facturatie niet altijd plaatsvindt in de periode dat ook de omzet valt. En in de meeste bedrijven boekt de financiële afdeling dan omzetten over van de ene maand naar de andere op een geaggregeerd niveau. Hierdoor verdwijnen veel details.


Een alternatief is om met facturatiedata te werken, maar dan moet de omzet wel aan de goede periode kunnen worden toegewezen en moet niet de factuurdatum leidend zijn.


Beoordeel altijd eerst de ruwe data. Als er rare eenmalige uitschieters in de data zitten, is het in de meeste

gevallen het beste deze te verwijderen.


Ook niet direct financiële data kan interessant zijn in het kader van forecasting. Denk hierbij aan marketingdata, bijvoorbeeld over het succes van bepaalde marketingacties of de conversie in het onlinekanaal. Ik zal hier in een latere blog verder op ingaan.


Tenslotte is het van belang om de forecastdata te bewaren. Als je op termijn een goede systematiek hebt om rolling forecasts te maken, wil je ook terug kunnen kijken om te zien of de kwaliteit van je forecasts beter wordt. Hiervoor is deze historische forecastdata dus belangrijk.


#4 Genereer een forecast en test deze

Het opbouwen van de forecast gebeurt bij veel bedrijven nog met een spreadsheet in Excel. Voor een eenvoudige, eenmalige forecastexercitie in een kleine organisatie is een spreadsheet een prima tool. Maar wanneer het iets complexer wordt, loop je al snel tegen de beperkingen van een spreadsheet aan.


Tijdrovend handmatig werk, verkeerde formules of links die stuk gaan, problematische ontsluiting van databronnen, het lastig managen van versies, niet gezamenlijk kunnen werken en gebrek aan beveiliging zijn enkele uitdagingen die het werken met een spreadsheet als primaire tool voor forecasting onaanvaardbaar maken.


Er zijn geavanceerdere systemen op de markt die deze nadelen wegnemen. Dit zijn echter bijna altijd zware en dus dure applicaties die voor een gemiddeld MKB bedrijf onbereikbaar zijn. Ik ben van plan hier verder onderzoek naar te doen en zal daar in een latere blog op terugkomen.


Vergeet bij het opbouwen van je forecast niet om de al gecontracteerde omzet en gewogen waarde van je sales pipeline mee te nemen.


Als je een forecast hebt gemaakt, is het belangrijk om de uitkomsten grondig te testen. Heb je gebruik gemaakt van een kwantitatieve, statistische methode, splits dan je historische data in een trainings- en een testdataset. Met de trainingsdataset genereer je je forecastmodel, om deze vervolgens met je testdataset te testen.


Vervolgens kun je de forecast langs een aantal ratio’s of KPI’s te halen en deze te vergelijken met de ratio’s en KPI’s over reeds gerealiseerde periodes.


Als je bijvoorbeeld het afgelopen jaar een win rate in je sales pipeline van 30%  hebt gerealiseerd, maar je moet op basis van je forecast in combinatie met de huidige vulling van je pipeline een win rate behalen van 60%, dan is verdere analyse noodzakelijk. Beantwoord de vraag of je forecast realistisch is zonder aanvullende maatregelen.


Zo’n maatregel kan zijn om je pipeline in versneld tempo te gaan vullen door het vergroten van de instroom van nieuwe leads en daarbij conversie van je pipeline overeind te houden. Vaak gaan deze extra maatregelen samen met investeren in extra kosten voor marketing of uitbreiding van je salesteam.


Een andere KPI die je kan gebruiken voor het testen van je forecast is klanttevredenheid. Als de klanttevredenheid in de afgelopen periode sterk is gestegen, is dit een goede indicator voor toekomstige groei van je omzet en zou je dit ook terug mogen zien in je forecast. Staat de klanttevredenheid echter onder druk, maar je voorspelt wel een stijging van de omzet dan is ook hier nadere analyse vereist.


Wanneer je in de komende forecastingperiode een nieuw product introduceert en je verwacht daarvan extra inkomsten, dan is het goed om  met een testmarktanalyse een beperkte uitrol van dit product te doen. Je test zo zaken als consumentenbewustzijn en herhaalaankoop-patronen. Met zo'n analyse verzamelen je noodzakelijke gegevens om nauwkeurige forecasts te maken en test je dus op voorhand al de realiseerbaarheid van de forecast van dit nieuwe product.


Een andere testmethode is een vergelijking van de groei van de omzet in jouw forecast met de overall groei van de markt. Als deze sterk afwijken van elkaar, doe dan aanvullend onderzoek. Maar als je bijvoorbeeld een veel hogere klanttevredenheid hebt dan je concurrenten of als je op het punt staat een nieuw product te introduceren, kan je forecast best realistisch zijn.


#5 Herhaal het proces consequent

Vergeet de jaarlijkse begrotingsstress in het najaar! Stap af van dit ritueel en zorg voor inzicht. Het is onmogelijk om met één keer per jaar forecasten zicht te houden op nabije toekomst. En door deze manier van werken lijkt het of je naar het jaareinde kijkt als een soort van muur, waarvan je niet weet wat zich aan de andere kant bevindt. 


Met deze stap zorg je ervoor dat de forecast in je organisatie een levend document wordt dat voortdurend wordt herzien en bijgewerkt om de veranderingen in je bedrijf weer te geven. En als je iedere keer dat je dit doet aan de achterkant een stukje nieuwe forecast toevoegt, dan ben je hard op weg naar een rolling forecastmodel.


Doe dit consequent en je bent altijd in staat om tijdig te reageren op veranderende omstandigheden en daarmee maximaliseer je de waarde van je onderneming. En dat is uiteindelijk het doel van forecasting!


Ik ben benieuwd welke van de bovenstaande stappen jullie expliciet of impliciet al maken bij het opstellen van de forecast. En als je het gevoel hebt dat het er te weinig zijn of wel erg impliciet, bel dan gerust een keer om een afspraak te maken om verder te praten.

33 keer bekeken

©2020 by 2ACC3L, Rotterdam, the Netherlands

  • Black Twitter Icon