Forecast confidence uitgelegd

Forecast confidence is de mate van zekerheid rond een omzetforecast, meestal uitgedrukt als een bandbreedte: "we verwachten EUR 2,0 miljoen, en met 80 procent zekerheid ligt het tussen EUR 1,9 en 2,15 miljoen." Je berekent die bandbreedte uit hoe ver je eerdere forecasts ernaast zaten, of door de onzekerheid per deal en per klant op te tellen. Een bandbreedte is alleen iets waard als hij klopt: bij 80 procent zekerheid moet de werkelijkheid ongeveer acht van de tien keer binnen de marge vallen.

Waarom één getal niet genoeg is

Een forecast van EUR 2.000.000 zegt niets over hoe zeker dat is. Het kan een getal zijn dat al vier kwartalen binnen twee procent klopt, of een getal dat afhangt van één deal van EUR 400.000 die volgende week wel of niet wordt getekend. Voor de directie, de bank of de aandeelhouder is dat verschil belangrijker dan het getal zelf.

Een bandbreedte dwingt ook een eerlijker gesprek af. In plaats van "halen we het?" wordt de vraag: "wat moet er gebeuren om aan de onderkant uit te komen, en wat zijn we dan van plan?" Dat is een vraag waar je op kunt sturen.

Drie manieren om een bandbreedte te bepalen

1. Uit je eigen historische fouten

De eenvoudigste en vaak eerlijkste methode. Je kijkt hoe ver je forecasts in het verleden ernaast zaten, en gebruikt die spreiding als marge.

Rekenvoorbeeld: stel je hebt de afgelopen acht kwartalen elke keer aan het begin van het kwartaal een forecast gemaakt. De afwijkingen van de werkelijkheid waren, van laag naar hoog: -9, -4, -2, +1, +3, +5, +6 en +12 procent. De middelste zes van de acht liggen tussen -4 en +6 procent. Voor je nieuwe forecast van EUR 2.000.000 is een bandbreedte van ongeveer 75 procent dan EUR 1.920.000 tot EUR 2.120.000.

Deze methode vraagt geen model en werkt voor elke forecastmethode, ook een spreadsheet. De voorwaarde is dat je je forecasts bewaart. Wie dat nooit heeft gedaan, begint nu.

Dezelfde aanpak werkt ook voor de basisforecast uit facturen, zoals beschreven in forecasting op basis van historische omzet.

2. Van onderaf, per deal en per klant

Elke open deal heeft een kans. Elke terugkerende klant heeft een kans om te blijven, te groeien of te krimpen. Als je die kansen hebt, kun je uitrekenen hoe de totale uitkomst verdeeld is.

Het belangrijkste inzicht daarbij: de verwachte waarde is vaak een uitkomst die niet kan voorkomen.

Rekenvoorbeeld: stel je hebt een vrij zekere basis van EUR 1.200.000 en drie grote deals van elk EUR 300.000, elk met 50 procent kans en onafhankelijk van elkaar. De gewogen forecast is EUR 1.200.000 + 3 x EUR 150.000 = EUR 1.650.000. Maar de mogelijke uitkomsten zijn:

EUR 1.650.000 komt niet voor. De realistische uitkomst ligt tussen EUR 1.500.000 en EUR 1.800.000, met een kans van een op acht op EUR 1.200.000. Die kans op de onderkant is precies wat een directie wil weten, en wat een gewogen totaal verbergt.

Bij veel deals rekenen systemen dit uit met een simulatie: duizenden keren loten welke deals worden gewonnen, en kijken hoe de totalen verdeeld zijn. Dat heet een Monte Carlo-simulatie. Het resultaat is een bandbreedte die rekening houdt met concentratie: een pipeline met drie grote deals geeft een veel bredere marge dan een pipeline met dertig kleine van dezelfde totale waarde.

Deze methode is zo goed als de kansen per deal. Kloppen die niet, bijvoorbeeld omdat oude deals nog op 50 procent staan, dan is de bandbreedte net zo vals als het getal. Filter eerst, zoals in hoe herken je een onbetrouwbare pipeline.

3. Met scenario's

In plaats van een statistische marge kies je expliciete scenario's: wat als de grootste klant opzegt, wat als de twee grote deals een kwartaal schuiven, wat als de indexatie lager uitvalt. Dat geeft geen percentage, maar wel een onderkant en een bovenkant waar een verhaal bij hoort. Die aanpak staat uitgewerkt in scenario forecasting voor B2B.

In de praktijk combineer je ze: een statistische bandbreedte voor de normale spreiding, en een paar scenario's voor de gebeurtenissen die buiten die spreiding vallen.

Controleren of je bandbreedte klopt

Een bandbreedte is een belofte. Een 80-procentsmarge belooft dat de werkelijkheid in ongeveer acht van de tien perioden binnen de marge valt. Dat kun je controleren. Dit heet kalibratie.

1. Bewaar elke forecast met zijn bandbreedte.
2. Noteer na elke periode of de werkelijkheid binnen de marge viel.
3. Tel na acht tot twaalf perioden hoe vaak dat zo was.

Valt de werkelijkheid bijna altijd binnen je 80-procentsmarge, dan is je marge te breed en daarmee weinig informatief. Valt hij maar in de helft van de gevallen erbinnen, dan is je marge te smal en wek je meer zekerheid dan je hebt. Het tweede komt veel vaker voor.

Kijk ook naar de richting. Valt de werkelijkheid steeds onder de marge, dan heb je geen spreidingsprobleem maar een biasprobleem: je forecast is structureel te optimistisch.

Zekerheid per deal, per signaal, per forecast

Het woord confidence komt op drie niveaus voor, en ze worden vaak door elkaar gehaald.

• Per deal: de kans dat deze deal wordt gewonnen. Een getal tussen 0 en 100 procent.
• Per signaal of aanbeveling: hoe zeker een systeem is dat een bevinding klopt, bijvoorbeeld dat een klant te weinig betaalt of dat een deal gaat schuiven. Hoe je die beoordeelt, lees je in hoe weet je of een AI-aanbeveling betrouwbaar is.
• Per forecast: de bandbreedte rond het totaal.

Een systeem kan per deal heel zeker zijn en toch een brede totaalmarge geven, omdat een paar grote deals de uitkomst bepalen. Andersom kan een forecast met veel onzekere kleine deals een smalle totaalmarge hebben, omdat de fouten tegen elkaar wegvallen.

Wat de bandbreedte breder maakt

• Concentratie: een paar grote deals of klanten die veel van de omzet bepalen.
• Korte historie: minder perioden om je fouten uit te meten.
• Veranderingen: een nieuw product, een nieuwe markt, een prijswijziging. Het verleden zegt dan minder.
• Slechte data: onvolledige velden, datums die niet worden bijgehouden.
• Lange forecasthorizon: een forecast voor over drie kwartalen is altijd onzekerder dan voor het lopende kwartaal.

Een goede forecast wordt niet smaller door beter te rekenen, maar door minder onzekerheid in de input: schonere pipeline, meer terugkerende omzet in beeld, grote deals beter gekwalificeerd.

Hoe je het aan de directie uitlegt

Drie regels die in de praktijk werken.

1. Noem altijd drie getallen: onderkant, verwachting, bovenkant. En zeg bij welke zekerheid.
2. Vertel wat de onderkant veroorzaakt. "Als de twee grootste deals schuiven, komen we op EUR 1.850.000." Dat is een zin waar iemand op kan handelen.
3. Laat zien hoe goed je vorige marges klopten. Eén regel, zoals "de afgelopen acht kwartalen viel de werkelijkheid zes keer binnen de marge", geeft meer vertrouwen dan elke uitleg over het model.

Hoe AI-modellen per deal een kans schatten, en waarom je dan juist een bandbreedte wilt zien, staat in AI revenue forecasting uitgelegd. Voor het totaalbeeld van forecasting, zie wat is revenue forecasting.

Veelgestelde vragen

Welke zekerheid moet je kiezen, 80 of 95 procent?

Voor de dagelijkse sturing is 80 procent het meest bruikbaar: breed genoeg om eerlijk te zijn, smal genoeg om iets te zeggen. Een 95-procentsmarge is vaak zo breed dat er weinig mee te beslissen valt, maar nuttig voor kasplanning en bankgesprekken.

Wat als ik geen historische forecasts heb bewaard?

Begin nu met bewaren. Tot je genoeg perioden hebt, kun je een grove marge schatten door de afgelopen perioden achteraf te forecasten met de data van toen, voor zover je die nog hebt, of met scenario's werken.

Is een smalle bandbreedte altijd beter?

Alleen als hij klopt. Een smalle marge die vaak wordt gemist, is erger dan een brede marge die klopt, omdat hij tot beslissingen leidt op zekerheid die er niet is.

Kan een bandbreedte asymmetrisch zijn?

Ja, en vaak is hij dat. Als de basis vrij zeker is en de onzekerheid vooral in een paar grote deals zit, is de bovenkant verder van de verwachting dan de onderkant, of andersom. Een systeem dat altijd plus en min hetzelfde percentage toont, rekent te simpel.