Waarom klopt uw forecast nooit?

De signalen dat uw forecast niet klopt

Een forecast die niet klopt, valt niet altijd meteen op. Vaak zit het in een patroon: dezelfde deals staan maand na maand op "closing dit kwartaal", terwijl ze nooit sluiten. Of de forecast wijkt structureel dezelfde kant op af, altijd te optimistisch of juist te voorzichtig.

Een ander signaal is dat de forecast per verkoper wisselt in betrouwbaarheid. De ene verkoper zit er steeds dicht bij, de ander structureel naast. Dat wijst niet op toeval, maar op een verschil in hoe cijfers tot stand komen. Dit artikel gaat over het opsporen van die oorzaken, niet over hoe een goede forecast eruitziet (dat leest u in wat een goede forecast kenmerkt).

Oorzaak 1: een pipeline vol deals die nooit gaan winnen

De meest voorkomende oorzaak is een vervuilde pipeline. Deals blijven in het CRM staan omdat niemand ze actief sluit of verwijdert. Een prospect die drie maanden geleden voor het laatst reageerde, telt nog gewoon mee in de forecast alsof er beweging in zit.

Dit gebeurt vaak omdat verkopers liever een volle pipeline laten zien dan een eerlijke. Een deal verwijderen voelt als verlies erkennen, dus blijft hij staan. Het resultaat: de forecast telt kansen mee die feitelijk al dood zijn. Beheert u uw pipeline structureel, zoals beschreven bij pipeline beheren, dan houdt u dit probleem klein voordat het de forecast vervuilt.

Oorzaak 2: fasering die optimisme uitdrukt, geen realiteit

Sales stages horen een objectief stadium in het koopproces weer te geven: is er budget bevestigd, is er een besluitvormer gesproken, ligt er een voorstel. In de praktijk schuiven deals vaak sneller door de fasen dan het koopgedrag rechtvaardigt.

Een verkoper die enthousiast is over een gesprek, zet een deal een fase hoger, ook zonder dat de klant daadwerkelijk een stap heeft gezet. Doe dit bij tien deals tegelijk en de forecast telt kansen mee die in werkelijkheid nog vroeg in het traject zitten. Dit lost u niet op met discipline alleen, maar met heldere criteria per fase. Hoe u dat inricht, leest u bij hoe u sales stages definieert.

Oorzaak 3: ontbrekende of onvergelijkbare historische data

Een forecast is een voorspelling gebaseerd op patronen uit het verleden: hoeveel deals in fase X sluiten meestal, hoe lang duurt een traject gemiddeld, welk deel van de pipeline valt af. Zonder betrouwbare historie is elke voorspelling een gok met een schijn van precisie.

Dit probleem ontstaat vaak na een nieuw CRM-systeem, een reorganisatie van het salesteam, of een periode waarin niemand consequent registreerde. De data die er wel is, is dan niet vergelijkbaar: andere fasedefinities, andere verkopers, ander soort klanten. Wilt u weten of dit bij u speelt, analyseer dan eerst hoe u verloren deals analyseert over een langere periode, om te zien of er überhaupt een bruikbaar patroon zit.

Oorzaak 4: inconsistente definities tussen verkopers

De vierde oorzaak is subtieler maar minstens zo hardnekkig: verkopers hanteren eigen interpretaties van dezelfde begrippen. Wat de ene verkoper een "gekwalificeerde lead" noemt, is voor de ander nog een koud contact. Wat de één "closing deze maand" noemt, betekent voor de ander "er is interesse getoond".

Zonder gedeelde definities is een pipeline-overzicht een optelsom van vijf verschillende werkelijkheden, niet één betrouwbaar geheel. Dit valt meestal pas op als u de forecast per verkoper naast de werkelijke resultaten legt en grote verschillen ziet die niet door marktomstandigheden te verklaren zijn.

Welke oorzaak weegt het zwaarst en waar u begint

Deze vier oorzaken komen zelden alleen voor, en ze versterken elkaar. Een vervuilde pipeline met inconsistente definities levert een dubbel vertekend beeld op. Toch is de volgorde waarin u ze aanpakt belangrijk.

Begin met de pipeline opschonen. Dit is de snelste winst: verwijder of herwaardeer deals die feitelijk dood zijn. Dit alleen al verbetert de forecast meetbaar, omdat u ruis wegneemt zonder iets aan het proces te veranderen.

Pak daarna definities en fasering samen aan, want die twee hangen nauw samen. Leg per fase vast welk concreet klantgedrag hoort bij die stap, en zorg dat elke verkoper dezelfde criteria hanteert. Pas als de pipeline schoon is en de fasering eenduidig, heeft historische data waarde: u vergelijkt dan appels met appels.

Rekenvoorbeeld

Een fictief voorbeeld ter illustratie: een pipeline toont twintig deals in de fase "voorstel verstuurd", samen goed voor een verwachte omzet van vierhonderdduizend euro. Bij nader inzien zijn acht van die deals langer dan zestig dagen niet bijgewerkt en feitelijk stil gevallen. De resterende twaalf deals vertegenwoordigen een realistischer beeld van tweehonderdveertigduizend euro. Zonder opschoning had de forecast dus bijna het dubbele getoond van wat werkelijk haalbaar was.

Wat u morgen anders doet

Ga niet meteen op zoek naar een nieuwe methode of een uitgebreider dashboard. Begin met een eerlijke inventarisatie: welke deals in de pipeline zijn de afgelopen maand niet vooruitgegaan, en waarom staan ze er nog. Dat gesprek, per verkoper, legt vaak al drie van de vier oorzaken tegelijk bloot.

Leg vervolgens per fase vast wat een deal daar objectief maakt, en toets die criteria in het eerstvolgende salesoverleg. Zodra de pipeline en de fasering kloppen, wordt het zinvol om te toetsen hoe betrouwbaar uw forecast is en structureel bij te sturen. Loopt u hierbij vast omdat het probleem dieper in de commerciële structuur zit dan de losse cijfers, dan kan een Commerciële Groeiscan u laten vaststellen waar de daadwerkelijke bron van de afwijking zit.