Een verkoopprognose is een geschatte berekening, met behulp van statistische technieken, die het mogelijk maakt de verkoopprognose van een bedrijf in een toekomstige periode te kennen.
Het bestaat er eigenlijk uit te weten hoeveel we kunnen verkopen, rekening houdend met het feit dat de verkoopprognose gerelateerd is aan de rest van de activiteiten.
Het is dan ook een van de essentiële analyses die elk bedrijf moet uitvoeren. Onthoud dat het centrum van elk bedrijf de klant is en dat hun facturering de belangrijkste bron van inkomsten is.
Anderzijds is de verantwoordelijke voor het uitvoeren van deze berekeningen de commercieel directeur.
Hoe maak je een verkoopprognose?
Met een verkoopprognose kunt u informatie verkrijgen over de benodigde aankopen. Deze zullen ons op hun beurt in staat stellen om voor een adequate thesaurie te zorgen en de menselijke hulpbronnen efficiënt te beheren. Daarom is het erg belangrijk om te weten hoe je het moet doen. We kunnen uitgaan van drie situaties, we zullen elke methode in meer detail bekijken in de volgende sectie:
- Ons bedrijf start met zijn activiteiten. In dit geval is het praktisch onmogelijk om gegevens uit het verleden te kennen. We kunnen alleen vergelijken met andere concurrenten die al langer op de markt zijn en deze informatie moet met de nodige voorzichtigheid worden gebruikt. In deze gevallen is het gebruikelijk om kwalitatieve technieken te gebruiken, die het gebruik van kleine steekproeven mogelijk maken en gebaseerd zijn op subjectieve informatie, zoals de Delphi-methode of expertenquêtes.
- Ons bedrijf is sinds kort actief. In dit geval hebben we al wat gegevens, maar niet genoeg om kwantitatieve statistische technieken uit te voeren met grote steekproeven. In dit geval kunnen we tevredenheidsvragenlijsten naar onze klanten sturen en ook hun toekomstige voorkeuren achterhalen. We kunnen statistische verkennende analyses uitvoeren om informatie te verzamelen of methoden gebruiken zoals de Run Rate.
- Ten slotte, als ons bedrijf al enige tijd op de markt is, zijn kwantitatieve technieken de beste en meest effectieve. Hiermee kunt u de verkoopprognose modelleren door middel van wiskunde en statistieken. De meest voorkomende, die we ook in detail zullen zien, zijn onder andere regressies, variatiepercentages of voortschrijdende gemiddelden.
Enkele methoden om te voorspellen
Er zijn veel kwalitatieve en kwantitatieve methoden om prognoses te maken voor de toekomst van een variabele. We richten ons op de meest relevante en die zijn ook eenvoudig toe te passen op een klein of middelgroot bedrijf. Voor de meeste hebben we alleen een spreadsheet nodig.
Kwalitatieve methoden
Deze methoden zijn, zoals gezegd, gebaseerd op kleine steekproeven en subjectiviteit. Ze worden gebruikt om verkennende analyses uit te voeren die kunnen worden aangevuld met andere kwantitatieve. Ze voorkomen ook grotendeels dat we blind worden als we beginnen. Ze laten je niet toe om conclusies te trekken.
- De Delphi-methode. Het is een kwalitatieve techniek die een gegevensverzamelingssysteem ontwikkelt door een panel van experts. Er wordt gezocht naar consensus van de deelnemers via een interactief proces. Een reeks vragenlijsten wordt beantwoord en met deze gegevens worden er opnieuw verschillende ingevuld, totdat die consensus is bereikt.
- Focusgroep. Deze techniek lijkt op de vorige, maar is gebaseerd op persoonlijke of virtuele ontmoetingen. Daarin zitten een moderator en een aantal mensen die bij de te bespreken materie betrokken zijn. In dit geval kan dat bijvoorbeeld de commercieel directeur en de verschillende agenten zijn. Het gaat erom de deelnemers, via processen zoals de "ideeënwolk", te sturen naar het doel om informatie te verkrijgen over mogelijke verkoopprognoses.
Kwantitatieve methoden
Dit zijn de meest voorkomende in bedrijven die al lang actief zijn. Ze hebben grote klantmonsters en lange tijdsperioden. De meest relevante worden hieronder weergegeven:
- Gemiddeld groeipercentage. Wanneer uw bedrijf al lang bestaat, kunt u een gemiddeld jaarlijks groeipercentage berekenen. Hiermee en de gegevens van het voorgaande jaar kun je een basis verkoopprognose maken. De methode is eenvoudig, dit percentage wordt opgeteld bij oude verkopen. Het is vergelijkbaar met het berekenen van veranderingspercentages.
- De Run Rate-methode wordt gebruikt om de verkoop in specifieke perioden binnen het jaar te voorspellen. Voor de berekening gebruikt het de maandelijkse gemiddelden van de verkopen van een periode en hiermee worden die voorspeld die in de volgende periode zullen gebeuren.
- Voortschrijdende gemiddelden, binnen de analyse van tijdreeksen, zijn erg handig voor die bedrijven waarvan de producten een stabiele verkoop hebben en zonder seizoensinvloeden. Er wordt een gemiddelde van een bepaald aantal historische gegevens uitgevoerd en hiermee wordt de voorspelling gedaan. Als er een hoge seizoensgevoeligheid is, kan een andere techniek worden gebruikt, namelijk de seizoensindices.
- Eenvoudige regressie, waarover hier in detail is geschreven. In ons geval is de afhankelijke variabele verkoop en de onafhankelijke variabele tijd. Ze kunnen eenvoudig worden berekend met statistische software of een spreadsheet. Deze bieden een grafiek en berekenen ook de determinatiecoëfficiënt (R Squared), met waarden tussen nul en één. Hoe dichter bij één, hoe beter het vermogen om te voorspellen.
Voorbeeld verkoopprojectie
Voor het voorbeeld gebruiken we de eenvoudige regressietechniek.
Laten we ons een bedrijf voorstellen dat de onderstaande gegevens aanbiedt. De maandelijkse verkopen van de laatste 3 jaar verschijnen. We hebben slechts enkele gegevens in de tabel opgenomen zodat deze niet te lang is.De afhankelijke variabele (Y) zou verkoop zijn en de onafhankelijke variabele (X) zou tijd zijn. Het doel is om de bètacoëfficiënten van X en van de onafhankelijke term te berekenen.
We kunnen zien dat de spreadsheet de regressielijn toont. In dit geval is de helling negatief maar matig, zoals blijkt uit de coëfficiënt van X (kleiner dan nul). Helaas zou deze techniek ons echter niet veel goed doen. De R-kwadraat heeft een waarde dicht bij nul en daarom helpt de lijn ons niet om te voorspellen en moeten we een andere statistische methode kiezen.