Revenue Intelligence vs Forecasting Software

Forecasting software voorspelt hoeveel omzet er de komende maanden binnenkomt, op basis van de pipeline, historische omzet en contracten. Revenue Intelligence kijkt ook terug en opzij: komt de omzet die al is verkocht en afgesproken ook werkelijk binnen, tegen de juiste prijs? Een forecast vertelt je waar je naartoe gaat. Revenue Intelligence vertelt je of het vertrekpunt klopt. Een forecast gebouwd op data met lekken, voorspelt die lekken gewoon mee.

Wat forecasting software doet

Forecasting software maakt een verwachting van toekomstige omzet. Afhankelijk van het bedrijf en het pakket gebruikt het verschillende bronnen:

• De pipeline. Open deals in het CRM, met een bedrag, een verwachte sluitdatum en een kans op winnen per fase.
• Historische omzet. Seizoenspatronen, groei, gemiddelde omzet per klant.
• Terugkerende omzet. Lopende contracten en abonnementen die naar verwachting doorlopen.
• Oordeel van sales. Commit, best case, pipeline: de inschatting van verkopers en managers.

Moderne forecasting tools, soms als deel van het CRM, soms los, gebruiken statistische modellen of AI om die bronnen te wegen. Ze laten niet één getal zien, maar een bandbreedte met een waarschijnlijkheid. Een uitgebreide uitleg staat in Wat is Revenue Forecasting?.

Wat Revenue Intelligence doet

Revenue Intelligence legt de systemen in de omzetketen naast elkaar en zoekt verschillen. Het vraagt niet "hoeveel komt er", maar "klopt wat er is". Is elke gewonnen deal gefactureerd? Klopt de prijs met het contract? Is de indexatie toegepast? Neemt een klant minder af dan zijn contract of zijn historie doet verwachten?

Revenue Intelligence kan ook een forecast bevatten, maar die is dan gebaseerd op data die eerst is gecontroleerd. Dat is het wezenlijke verschil.

Het verschil

Waarom een forecast lekken meevoorspelt

Een forecast op basis van historische omzet neemt aan dat het verleden een goede basis is. Als de afgelopen twee jaar elk jaar 3 procent van de omzet niet is gefactureerd door vergeten meerwerk en gemiste indexaties, dan zit dat lek in de historie. Het model leert dat dit de normale omzet is en voorspelt de komende periode met hetzelfde lek erin.

Bij een forecast op basis van de pipeline speelt iets anders. De pipeline voorspelt wat sales gaat winnen. Maar gewonnen is niet gefactureerd. Als een deel van de gewonnen deals nooit of niet volledig wordt gefactureerd, zit de forecast structureel te hoog. Waarom dat zo vaak gebeurt, staat in Waarom zijn sales forecasts vaak verkeerd?.

In beide gevallen doet de forecasting software wat hij moet doen. Het probleem zit in de data die erin gaat.

Drie manieren waarop lekken een forecast vertekenen

Te hoog door gewonnen maar niet gefactureerd. De forecast telt gewonnen deals mee als omzet. Een deel wordt nooit gefactureerd. Elke maand wordt het gat tussen forecast en werkelijkheid verklaard als "timing", terwijl het structureel is.

Te laag door stille groei. Klanten gebruiken meer dan ze betalen. De forecast op basis van facturatie ziet die groei niet. De werkelijke vraag is hoger dan het model denkt, maar de omzet volgt niet.

Verkeerde basis door ontbrekende indexatie. Het model rekent met de huidige prijzen als basis. Als die prijzen te laag zijn door vergeten indexaties, is elke verwachting te laag. En het model heeft geen manier om dat te zien.

Hoe ze samenwerken

De logische volgorde is: eerst controleren, dan voorspellen.

1. Revenue Intelligence vindt de lekken tussen afspraak en factuur, en de verschillen tussen CRM en boekhouding.
2. De lekken worden gedicht, of in ieder geval gekwantificeerd.
3. De forecast wordt gemaakt op basis van data waarvan je weet wat erin zit.
4. Revenue Intelligence meet achteraf waar de forecast afweek van de werkelijkheid, en of dat aan het model lag of aan een nieuw lek.

Wie beide in één systeem heeft, kan een forecast laten zien met en zonder de openstaande bevindingen. Dan is zichtbaar hoeveel omzet er binnenkomt als alles blijft zoals het is, en hoeveel als de lekken dicht zijn. Hoe je een forecast opbouwt die je kunt vertrouwen, staat in Hoe maak je een betrouwbare revenue forecast?.

Rekenvoorbeeld: een forecast die elk kwartaal mist

Rekenvoorbeeld: stel, een projectbedrijf met EUR 9M omzet forecast per kwartaal op basis van gewonnen deals en de planning. De forecast voor Q3 is EUR 2,4M. De werkelijke facturatie is EUR 2,25M. Het verschil van EUR 150.000 wordt verklaard als vertraging.

Bij nader onderzoek:

• EUR 50.000 is echte vertraging: projecten die in Q4 worden opgeleverd.
• EUR 60.000 is meerwerk dat in de forecast als omzet was meegenomen, maar nooit als factuurregel is aangemaakt.
• EUR 40.000 zijn deals die op gewonnen staan, maar waarvoor nooit een project in het ERP is aangemaakt.

Als dat patroon elk kwartaal terugkomt, mist de forecast structureel EUR 100.000 per kwartaal die niets met timing te maken heeft. Een beter forecastmodel lost dat niet op. Het dichten van de lekken wel. De getallen zijn bedacht om het mechanisme te laten zien.

Wat je van forecasting software wel mag verwachten

Dit is geen pleidooi tegen forecasting software. Een goede forecast is onmisbaar voor planning: personeel, inkoop, cashflow, investeringen. Wat je ervan mag verwachten:

• Een bandbreedte, geen enkel getal. Een forecast die EUR 2,4M zegt zonder marge, suggereert een zekerheid die er niet is. Zie Forecast confidence uitgelegd.
• Inzicht in de opbouw. Welk deel komt uit lopende contracten, welk deel uit de pipeline, welk deel is aanname?
• Terugkoppeling. Hoe groot was het verschil tussen forecast en werkelijkheid in de vorige periodes, en welke kant op?

Wat je er niet van mag verwachten, is dat hij controleert of de data waarop hij rekent volledig en juist is. Dat is niet zijn taak. Een forecastpakket dat een structurele afwijking ziet, kan hooguit zijn model bijstellen, zodat de misser volgend kwartaal kleiner lijkt. Het lek zelf blijft bestaan, alleen de voorspelling past zich eraan aan. Juist daarom hoort de vraag "waarom missen we steeds" niet alleen bij het forecastmodel te worden neergelegd, maar ook bij de keten van deal tot factuur.

Controlelijst: klopt de basis van je forecast?

• Is het verschil tussen forecast en werkelijke facturatie de afgelopen vier kwartalen steeds dezelfde kant op? Dan is het waarschijnlijk structureel, niet toeval.
• Wordt dat verschil uitgesplitst in timing en echte misser?
• Is de historische omzet die je model gebruikt gecorrigeerd voor bekende lekken?
• Tel je gewonnen deals mee als omzet, of pas gefactureerde?
• Weet je of je prijzen actueel zijn, inclusief indexaties?
• Worden forecast en facturatie per klant of per deal vergeleken, of alleen in totaal?

De bredere vergelijking met BI, CRM, ERP en andere software staat in Revenue Intelligence vs Business Intelligence.

Veelgestelde vragen

Heeft Revenue Intelligence ook een forecast?

Dat kan. Het verschil is dat de forecast dan werkt met data waarvan de verschillen tussen systemen al in beeld zijn. Maar de kern van Revenue Intelligence is controle, niet voorspelling.

Wordt mijn forecast beter met AI?

AI kan patronen beter wegen en een realistischere bandbreedte geven. Het lost niet op dat de onderliggende data een lek bevat. Een slim model op scheve data voorspelt precies de scheefheid.

Waarom zit onze forecast altijd te hoog?

Een veelvoorkomende oorzaak is dat gewonnen deals als omzet worden meegeteld, terwijl een deel nooit volledig wordt gefactureerd. Vergelijk forecast en facturatie per deal om te zien of dat bij jou speelt.

Wat moet ik eerst doen: forecast verbeteren of lekken vinden?

Lekken vinden. Een forecast bouwt voort op de data die er is. Zolang die data lekken bevat, verbetert een beter model vooral de precisie waarmee je het verkeerde voorspelt.