Forecast accuracy

Forecast accuracy is hoe dicht je sales forecast in de buurt kwam van wat je echt hebt gesloten, meestal uitgedrukt als percentage: 100% min de grootte van de misser. Voorspel je €1.000.000 voor het kwartaal en sluit je €900.000, dan was je volgens de gangbaarste conventie in sales 90% nauwkeurig.

De rekensom past op één regel. Wat het glibberig maakt, is dat "de forecast" meerdere getallen kan betekenen. Het hangt ervan af in welke week je hem bevroor, welke dealcategorieën je meetelde en of renewals in hetzelfde totaal zaten. Een team dat zichzelf beoordeelt op de vriendelijkste versie, ziet er nauwkeurig uit tot precies het kwartaal waarin het er mijlenver naast zit.

Het telt ook buiten sales, omdat de meeste plannen van het bedrijf op dat ene getal rusten. Finance stemt werving, uitgaven en cash erop af. Een misser in welke richting dan ook wordt dus mensen die te vroeg zijn aangenomen, budgetten die te laat zijn bevroren of geld dat is opgehaald terwijl niemand het nodig had.

TL;DR

• De gebruikelijke formule is 100% min |forecast − realisatie| ÷ realisatie × 100. Statistiekhandboeken delen door de realisatie. Veel salesteams delen door de forecast, en dan wordt een call van €1,0 miljoen met een close van €900.000 90% in plaats van 88,9%. Beide werken, zolang je er één kiest en die opschrijft.

• Beoordeel een bevroren snapshot, zoals het commit-getal aan het eind van week drie. De versie die op de laatste vrijdag van het kwartaal nog is bijgesteld, telt niet. Een forecast die tot het einde mag bewegen, ziet er altijd nauwkeurig uit.

• Houd naast accuracy ook bias bij. De afwijking met plus- of minteken over vier kwartalen laat zien of het team steeds te hoog inschat of aan sandbagging doet. Een check op dealniveau vangt totalen die alleen klopten omdat twee foute calls elkaar ophieven.

• Missen komt veel voor. In de enquête van Xactly uit 2024 onder 405 sales- en financeleiders had 4 op de 5 het afgelopen jaar een kwartaalforecast gemist, en 52% van de salesleiders zei dat hun missers meestal 10% of meer bedroegen.

• Een roll-up op inschatting, een per fase gewogen pipeline, forecastcategorieën en voorspellende modellen vermenigvuldigen allemaal je pipeline met een factor. Exitcriteria per fase, echte closedatums en schone CRM-records verbeteren de accuracy meer dan een andere methode kiezen.

• Een pipeline van accounts die bij je ICP passen, converteert in stabielere percentages. Daardoor wordt elke forecastmethode nauwkeuriger, nog voordat iemand de spreadsheet opent.

De formule voor forecast accuracy

De meeste revenueteams gebruiken een versie hiervan:

Forecast accuracy = 100% − (|forecast − realisatie| ÷ realisatie × 100)

De verticale strepen betekenen dat je het plus- of minteken weglaat. €100.000 te hoog en €100.000 te laag tellen dus als een even grote misser. Dat is met opzet. Te hoog inschatten laat het bedrijf geld uitgeven dat nooit binnenkomt, en te laag inschatten laat het mensen niet aannemen die het zich had kunnen veroorloven. Het zijn allebei planningsfouten, ook al krijgt een salesleider maar van één ervan problemen.

Waar mensen over discussiëren, is de noemer. In hun handboek Forecasting: Principles and Practice definiëren Rob Hyndman en George Athanasopoulos de procentuele fout ten opzichte van de werkelijke waarde. Dat is de conventie achter MAPE (mean absolute percentage error). Veel salesteams delen in plaats daarvan door de forecast, met als redenering dat de forecast de belofte was die beoordeeld wordt.

Bij een call van €1.000.000 en €900.000 gesloten geven de twee conventies een net iets ander antwoord. Deel je door de realisatie, dan is de misser 11,1% en de accuracy 88,9%. Deel je door de forecast, dan is de misser 10% en de accuracy 90%. Geen van beide is fout. Ze allebei gebruiken is dat wel, want dan nemen finance en sales twee verschillende scores voor hetzelfde kwartaal mee naar dezelfde meeting.

Het handboek wijst ook op een praktische valkuil. Een procentuele fout ten opzichte van de realisatie schiet door het dak als de realisatie nul is of daar dicht bij zit. Een klein segment waarin een rep €40.000 voorspelde en niets sloot, levert dan een betekenisloos percentage op. Rapporteer de misser voor dunne segmenten en individuele reps daarom ook in euro's.

Welke forecast beoordeel je?

Een forecast is niet één getal. Hij verandert elke week van het kwartaal, en hij bestaat uit lagen. De forecasttool van HubSpot verdeelt deals in categorieën (Not forecasted, Pipeline, Best case, Commit en Closed won), en omschrijft Commit als deals met een grote kans om te sluiten die aan de forecast zijn toegezegd. Salesforce gebruikt een vergelijkbare ladder. Bepaal voordat je iets berekent aan welke laag en welke week je het team houdt.

Onze standaard is het commit-getal op een vast moment vroeg in het kwartaal te bevriezen, bijvoorbeeld aan het eind van week drie, en dat te vergelijken met wat er gesloten is. Dat is het getal waar finance echt op heeft gepland. De call van week negen beoordelen we ook, als aparte score, omdat die laat zien hoe goed het team deals leest die dicht bij de streep zitten. Rapporteer je ze samen, dan laat de late call de vroege beter lijken dan hij was.

De scope vraagt dezelfde zorg. Zitten new business, renewals en expansion allemaal in één totaal, dan kan een sterk renewalkwartaal een slecht voorspeld new-businesskwartaal verbergen. Forecast bij een abonnementsbedrijf de bestaande klantbasis apart, op basis van je historische net revenue retention, en beoordeel new business los daarvan.

Bepaal ook wat er gebeurt met een deal uit de pipeline van volgend kwartaal die eerder sluit. Meetellen mag, maar noteer het. Een kwartaal dat gered wordt door naar voren gehaalde deals, leent van het volgende, en de forecast voor dat volgende kwartaal hoort dan ook kleiner te worden.

Accuracy en bias zijn twee verschillende getallen

Een accuracyscore zonder plus- of minteken vertelt je hoe groot de missers waren. Over welke kant ze op gingen, zegt hij niets, en juist die richting is vaak de nuttigste helft. Dit is de commit-call van een team over vier kwartalen, in duizenden euro's:

Vier kwartalen op 90% of beter ziet eruit als een team dat het onder controle heeft. De laatste kolom vertelt een ander verhaal. Het team schatte elk kwartaal te laag in, gemiddeld met bijna 9%, en dat is sandbagging: een getal toezeggen waarvan je zeker weet dat je het haalt, zodat het kwartaal eindigt met een meevaller. Finance plande het hele jaar op minder omzet dan het bedrijf binnenhaalde, en stelde waarschijnlijk werving uit die in Q2 al had gekund.

Het omgekeerde patroon, een constante positieve afwijking, betekent meestal dat reps deals op hoop in commit zetten en dat niemand ze daarop aanspreekt. Hoe dan ook: een bias die drie of vier kwartalen standhoudt, is een procesprobleem dat je kunt oplossen. Willekeurige missers in beide richtingen liggen dichter bij de ruis waarmee je moet leren leven.

Totalen kunnen ook om de verkeerde redenen kloppen. Schuift een deal van €150.000 uit commit door naar volgend kwartaal en landt er een deal van €140.000 die niet in de forecast stond, dan lijkt het kwartaal 99% nauwkeurig. Toch waren beide calls op dealniveau fout. Daarom voegen we een tweede check toe: hoeveel van de deals die bij de snapshot in commit stonden, sloten in het kwartaal voor ongeveer het genoemde bedrag? Dat cijfer vertelt je of het team deals kan lezen of gewoon geluk had met de optelsom.

Hoeveel afwijking is normaal, en wat kost een misser?

Gepubliceerde benchmarks voor forecast accuracy zijn dun gezaaid, en de meeste komen van vendors die forecastingsoftware verkopen. Een van de transparantere is het 2024 Sales Forecasting Benchmark Report van Xactly, een enquête onder 405 sales- en financeleiders in Noord-Amerika. Vier op de vijf zeiden dat ze het afgelopen jaar een kwartaalforecast hadden gemist, en meer dan de helft had twee keer of vaker gemist.

Wat wij veelzeggender vinden, is de uitsplitsing per functie. Twee derde van de financeleiders zei dat hun missers meestal onder de 9% bleven, terwijl 52% van de salesleiders zei dat die van hen doorgaans 10% of meer waren. Mensen uit hetzelfde soort bedrijf, die naar dezelfde forecasts keken, hadden een heel andere indruk van hoe goed die waren. Nog een reden om het eens te worden over één formule en één snapshot voordat iemand een accuracycijfer noemt.

Zie de enquête als een teken dat missen gewoon voorkomt. Een target is het niet. Je eigen trend, elk kwartaal op dezelfde manier gemeten, is een betere maatstaf dan welk gemiddelde van anderen ook.

De kosten van een misser landen buiten het salesteam. De bezetting wordt op het getal afgestemd, budgetten worden ertegen vastgelegd en investeringen worden getimed op het moment dat de omzet binnen zou moeten komen. Blijkt de forecast te hoog, dan is dat allemaal ingericht op omzet die niet bestaat. Het volgende getal dat de salesleider aan de board voorlegt, krijgt dan al korting voordat iemand het heeft gelezen.

Waar het forecastgetal vandaan komt

Er zijn vier gangbare manieren om het getal te maken, en ze verschillen vooral in hoeveel ervan op iemands mening rust.

Een roll-up op inschatting is de oudste. Elke rep doet een call over zijn deals, de manager stelt bij op basis van hoeveel hij elke rep vertrouwt, en de totalen gaan de keten op. Het is snel en het gebruikt context die geen systeem heeft, zoals een mondeling ja van een koper tijdens een call. Het is ook de plek waar optimisme en sandbagging binnenkomen.

Een per fase gewogen pipeline vermenigvuldigt elke deal met een kans die aan zijn fase hangt. In de pipelinesettings van HubSpot krijgt elke dealfase een kans, en HubSpot berekent een gewogen bedrag door het totaal in elke fase met die kans te vermenigvuldigen. De zwakte zit in de kansen zelf. Standaardwaarden die 60% zeggen bij de offertefase betekenen niets tot je ze vervangt door je eigen conversieratio's van fase naar close. En je moet ze opnieuw checken zodra je win rate verschuift.

Een categorieforecast neemt alles in commit, telt daar een deel van best case bij op, afhankelijk van hoeveel daarvan historisch sloot, en laat de rest buiten beschouwing. De meeste forecastcalls draaien hierop, en het werkt goed als reps de categorieën op dezelfde manier gebruiken.

Een forecast op basis van een model scoort elke open deal tegen je historie van gewonnen en verloren deals, met signalen als de betrokkenheid van stakeholders, hoe lang een deal al in een fase staat en recente reacties van de koper. Dat is het terrein van platforms voor revenue intelligence, en van dezelfde familie modellen achter predictive lead scoring. Modellen halen veel menselijke bias weg. Ze leren ook van wat je CRM heeft vastgelegd, dus een historie vol overgeslagen fases en verzonnen closedatums levert zelfverzekerde onzin op.

Welke methode je ook kiest, twee snelle checks vangen veel problemen. Vergelijk de leeftijd van een deal met je normale salescyclus, want een deal die twee keer zo lang openstaat als gebruikelijk, sluit zelden op de datum die erbij staat. En volg pipeline velocity van week tot week, want een vertraging zie je daar ruim voordat je hem terugziet in het resultaat van het kwartaal.

Wat het gat echt kleiner maakt

Teams die goed forecasten, hebben zelden een slimmere methode. Ze hebben beter ruw materiaal. In onze ervaring bepalen vier inputs het grootste deel.

De eerste is fases met uitgeschreven exitcriteria. Betekent "Proposal" voor de ene rep een verstuurde offerte en voor de andere een veelbelovend gesprek, dan vermenigvuldigt elke methode hierboven ruis. Leg vast wat waar moet zijn om een fase in en uit te gaan, en laat het CRM afdwingen wat het kan afdwingen.

De tweede is closedatums die iets betekenen. Een datum die elke maand naar het eind van de maand opschuift, vertelt de forecast niets. Vraag om een reden als hij verschuift, en rapporteer per rep hoe vaak dat gebeurt.

De derde is de staat van de records. Dubbele deals, verkeerde bedragen en opportunities die al maanden niemand heeft aangeraakt, blazen de pipeline op voordat er een forecast is gemaakt. Daarom hoort CRM-hygiëne ook op de checklist voor forecasting thuis, naast die van het datateam.

De vierde zit het verst stroomopwaarts: wie er überhaupt in de pipeline komt. Deals bij accounts die passen bij je ideal customer profile gaan meestal in een stabiel, herhaalbaar tempo door de fases. Deals buiten het profiel lopen vast, vallen stil en sluiten af en toe uit het niets, en dat kan geen enkele methode inprijzen. Eerder filteren, met lead scoring die fit goed laat meewegen, maakt de forecast nauwkeuriger voordat er ook maar één deal is gewogen.

Voor de forecast van volgend kwartaal, voordat de deals bestaan, wordt de vraag welke bronnen betrouwbaar pipeline opleveren die sluit. Multi-touch attribution helpt hierbij, omdat het laat zien welke kanalen deals aanleveren die het tot closed won halen, in plaats van alleen welke kanalen de top van de funnel vullen.

Kort gezegd

Forecast accuracy is simpel om te berekenen en makkelijk te flatteren. De formule kost een minuut. Het eens worden over de noemer, de snapshotweek, de categorieën die meetellen en hoe je renewals behandelt, kost een gesprek tussen sales en finance, en dat gesprek is het grootste deel van de waarde.

Zodra de definitie vastligt, wordt het getal bruikbaar. Bias laat zien of het team gewoonlijk te hoog inschat of aan sandbagging doet, de check op dealniveau laat zien of reps individuele deals kunnen lezen, en de trend over meerdere kwartalen laat zien of er iets verbetert. Die metingen horen bij revenue operations, dat de definities beheert. De reps zijn verantwoordelijk voor de eerlijkheid van wat erin gaat.

Betere accuracy komt zelden uit een slimmer model. Ze komt uit faseregels, echte closedatums, schone records en een pipeline vol deals die passen. Dat zijn dezelfde dingen die de rest van de revenue engine voorspelbaar maken. Het is ook een eerlijke test van een go-to-market-systeem als geheel, want in de forecast komt alles wat ontstaat als je sales prospecting automatiseert uiteindelijk terug als een getal waar iemand voor moet gaan staan.

Wil je er een tweede paar handen bij? Nebor zet de fasecriteria, forecastcategorieën en accuracyrapporten op in het CRM waar je reps elke dag in werken. Daarna dragen we de hele set-up over met de definities op papier, zodat de cijfers van volgend jaar op dezelfde manier worden gemeten als die van dit jaar.

Veelgestelde vragen