Forecasting op basis van CRM-data

Forecasting op basis van CRM-data betekent dat je de verwachte omzet uit nieuwe deals afleidt uit wat er in je CRM staat: de waarde, fase, verwachte sluitdatum en historie van elke openstaande deal. De standaardmethode is de gewogen pipeline, dealwaarde maal winstkans. Die werkt alleen als de winstkansen en de timing gemeten zijn op je eigen afgesloten deals, en als je corrigeert voor deals die stilstaan of steeds verschuiven. Een CRM-forecast voorspelt bovendien alleen nieuwe omzet: lopende contracten en terugkerende klanten moeten er apart bij.

Wat een CRM wel en niet weet

Een CRM is de beste bron voor één vraag: welke nieuwe omzet komt eraan? Het kent de openstaande kansen, hun fase, hun geschiedenis en de activiteiten van verkopers. Geen ander systeem heeft die informatie.

Wat een CRM meestal niet weet:

• Wat bestaande klanten zonder nieuwe deal gaan afnemen. Terugkerende omzet staat vaak niet in het CRM.
• Wat er na het tekenen met een deal gebeurt. Of hij een order werd, wanneer de facturatie start en of alles wordt gefactureerd.
• Hoe de omzet van een gewonnen deal over de tijd wordt verdeeld.

Een forecast op basis van alleen het CRM is dus een forecast van nieuwe omzet, op sluitmoment. Voor een omzetforecast moet hij worden aangevuld met contractuele en terugkerende omzet, en omgezet naar het moment van factureren. Hoe die lagen samenkomen, staat in wat is revenue forecasting.

De velden die je nodig hebt

Voor een bruikbare CRM-forecast heb je per deal minimaal nodig:

De meeste CRM's slaan een deel hiervan automatisch op, zoals Salesforce met veldhistorie en HubSpot en Pipedrive met activiteiten- en fasegeschiedenis. Controleer of de historie van sluitdatum en waarde wordt bewaard. Als een veld wordt overschreven zonder historie, kun je achteraf niet zien hoe vaak een deal is verschoven.

Ontbreken er velden of zijn ze slecht gevuld, dan kun je toch een forecast maken, met meer onzekerheid. Het artikel forecasting met onvolledige CRM-data laat zien hoe.

Stap 1: kalibreer de winstkans

De standaardkansen per fase in je CRM zijn een startpunt, geen meting. Vervang ze door wat je eigen historie laat zien.

1. Neem alle deals die in de afgelopen 12 tot 24 maanden zijn afgesloten, gewonnen of verloren.
2. Bepaal per fase: van alle deals die ooit in deze fase stonden, welk deel werd gewonnen?
3. Doe hetzelfde per segment als je vermoedt dat het verschilt: nieuwe klanten tegenover bestaande, kleine deals tegenover grote, per product of per regio.

Let op een valkuil: tel ook de deals mee die de fase oversloegen of vanuit een fase direct op verloren gingen. Wie alleen kijkt naar deals die netjes door alle fases gingen, overschat de kans.

Stap 2: kalibreer de timing

Een winstkans zegt niets over wanneer een deal sluit. Bepaal uit je historie:

• De gemiddelde en mediane tijd van elke fase tot sluiten.
• Hoe vaak de verwachte sluitdatum werd gehaald, en hoe ver deals gemiddeld uitliepen.

Gebruik dit om de verwachte omzet over periodes te verdelen. Een deal met een sluitdatum volgende maand, in een fase waarvan deals gemiddeld nog vier maanden nodig hebben, hoort niet voor de volle waarde in de forecast van volgende maand. Het begrip pipeline velocity helpt om de snelheid van je pipeline als geheel te beoordelen.

Stap 3: kalibreer de waarde

Vergelijk voor gewonnen deals de waarde in het CRM op het moment dat ze in de fase "offerte" of "onderhandeling" stonden met de uiteindelijk getekende waarde. Het gemiddelde verschil is je waardecorrectie. Is de getekende waarde gemiddeld 8 procent lager, dan verlaag je de waarde van openstaande deals in die fases met 8 procent.

Stap 4: corrigeer voor stilstand en verschuiving

Twee correcties maken een groot verschil:

Stilstaande deals. Deals die langer in hun huidige fase staan dan bijvoorbeeld twee keer de mediane doorlooptijd van die fase, hebben een veel lagere kans dan de fase suggereert. Bepaal uit je historie hoe groot die kans nog is, en pas hem toe.

Schuivende deals. Deals waarvan de sluitdatum al twee of meer keer is verschoven. Kijk in je historie hoeveel van zulke deals uiteindelijk werden gewonnen, en in welke periode.

Deze correcties zijn het verschil tussen een pipeline die op papier gezond lijkt en een forecast die uitkomt.

Stap 5: vul aan en zet om

De CRM-forecast is nu een verwachting van nieuwe omzet op sluitmoment. Zet hem om naar omzet per periode door per deal een facturatieschema aan te nemen: eenmalig, maandelijks over de looptijd, of in termijnen. Tel daar contractuele en terugkerende omzet bij op uit de boekhouding en het contractregister.

De datakwaliteit bewaken

Een CRM-forecast is zo goed als het CRM. De controles die het meest opleveren voor je forecast:

• Deals zonder sluitdatum of met een sluitdatum in het verleden.
• Deals zonder activiteit in een periode langer dan je normale cyclus.
• Deals waarvan de waarde nul of onrealistisch hoog is.
• Gewonnen deals zonder vervolg in de facturatie.
• Grote verschillen tussen de forecastcategorie die de verkoper kiest en de gekalibreerde kans.

Hoe je zulke controles automatisch laat draaien, staat in hoe controleer je CRM-data automatisch.

Rekenvoorbeeld

Rekenvoorbeeld: stel, een B2B-bedrijf heeft EUR 1.500.000 aan open deals met een verwachte sluitdatum in het komende kwartaal. De standaardweging in het CRM geeft een forecast van EUR 620.000.

Na kalibratie op 18 maanden historie:

• De gemeten winstkansen liggen gemiddeld lager dan de standaardkansen. Dat brengt de gewogen waarde naar EUR 480.000.
• Van deze deals staat EUR 400.000 aan waarde al langer dan twee keer de normale doorlooptijd stil. Historie laat zien dat zulke deals zelden sluiten. Na correctie: EUR 410.000.
• Getekende waarde ligt gemiddeld 7 procent onder de CRM-waarde. Na correctie: ongeveer EUR 381.000.
• Een deel van de deals sluit volgens de historie pas een kwartaal later dan verwacht. Na correctie voor timing: ongeveer EUR 320.000 in dit kwartaal, de rest schuift door.

De CRM-forecast voor het kwartaal gaat van EUR 620.000 naar ongeveer EUR 320.000. Dat is geen pessimisme, maar wat de eigen historie van dit bedrijf zegt. De getallen in dit voorbeeld zijn gekozen om de stappen te laten zien, niet als maatstaf.

Waar AI helpt

De stappen hierboven zijn handwerk met vaste regels. Een statistisch model of AI-model kan ze combineren en per deal toepassen, en daarbij meer signalen meewegen: aantal contactmomenten, betrokkenheid van meerdere contactpersonen, reactietijd van de klant, eerdere aankopen. Het voordeel is consistentie en schaal. De beperking is dezelfde als bij handwerk: het model leert van je historie, en als die onvolledig of vertekend is, leert het de verkeerde patronen. Zie AI revenue forecasting uitgelegd.

Veelgestelde vragen

Welk CRM is het beste voor forecasting?

Het CRM dat je team consequent gebruikt en dat de historie van velden bewaart. Salesforce, HubSpot en Pipedrive kunnen alle drie een bruikbare basis leveren. Het verschil zit veel meer in hoe het wordt gevuld dan in welk pakket het is.

Zijn de forecastfuncties in mijn CRM genoeg?

Voor een snelle blik op de pipeline wel. Voor een omzetforecast niet, omdat ze meestal met standaardkansen werken, alleen nieuwe deals zien en rekenen op sluitmoment in plaats van facturatiemoment.

Hoe vaak moet ik de winstkansen opnieuw bepalen?

Elk kwartaal of elk halfjaar. Winstkansen veranderen door nieuwe producten, andere prijzen, andere verkopers en een andere markt. Een kalibratie van twee jaar geleden is al snel achterhaald.

Wat doe ik met deals die de verkoper zeker noemt, maar die het model laag inschat?

Bespreek ze. Soms weet de verkoper iets wat niet in het CRM staat. Leg beide inschattingen vast en meet achteraf wie gelijk had. Dat maakt de volgende forecast beter, en het CRM ook, omdat de ontbrekende informatie alsnog een plek krijgt.