Metody prognozowania sprzedaży: od Excela po AI – jak trafnie przewidywać wyniki?

Cześć, nazywam się Szymon Negacz i swoją karierę zawodową skupiłem na rozwoju firm B2B. W ostatnich latach założyłem Wise Group, grupę 5 firm, która przez doradztwo, szkolenia, usługi marketingowe, rekrutacyjne i technologiczne pomaga w rozwoju sprzedaży i marketingu w polskich firmach. Na co dzień jestem pasjonatem procesowego podejścia, technologii i zwinnego zarządzania, a swoją wiedzę przekazuję, bazując na prawdziwych przykładach. Jeżeli w swoim życiu zawodowym rozwijasz sprzedaż i marketing B2B, ten podcast nie pozwoli ci się nudzić.

Tytuł odcinka to metody prognozowania sprzedaży od Excela po AI, jak trafnie przewidywać wyniki.

Cześć, witajcie, witam was gorąco i serdecznie w kolejnym odcinku podcastu „Nowoczesna sprzedaż i marketing”. W tym odcinku kontynuuję trend narzucony niejako przez ostatnie odcinki podcastu NSM, w którym to te odcinki zaczęły być nieco bardziej eksperckie, nieco bardziej sprofesjonalizowane, traktujące takie niszowe i trudne tematy wobec tego, co mówię na kanale YouTube, gdzie te tematy są nieco szersze, nieco bardziej dostępne, trochę bardziej zabawne. I powiem wam, że bardzo podoba mi się to rozróżnienie. To znaczy to, że mogę się merytorycznie wyżyć w podcaście, a wy tego słuchacie i to tłumnie, to jest bardzo dobra informacja. Więc w tym odcinku rzeczywiście kontynuujęten trend i biorę na warsztat metody prognozowania sprzedaży. I na sam początek będę chciał wam wykazać, dlaczego moim zdaniem dobra metoda prognozowania sprzedaży, szczególnie w nieskalowalnych modelach biznesowych, jest cholernie istotna dla skutecznego wzrostu. I na pewno nasz wzrost jako organizacji w bardzo dużej mierze zawdzięczamy temu, że potrafimy dobrze prognozować sprzedaż i dobrze prognozować to, gdzie ta nasza firma się znajdzie. I wykażę wam w tym odcinku dlaczego. Opowiem o tym trochę, jak robi się to typowo, jak typowo polskie firmy prognozują, jakie najczęstsze metody widzimy. Opowiem, jak to się moim zdaniem oczywiście robi nieco bardziej nowocześnie. Powiem wam też, jak zapiąć takie prognozowanie w kilku procesach filmowych i pobawić się tym w taki sposób, żeby na przykład sprawdzić różne scenariusze swojego biznesu. I ostatecznie też opowiem o kilku błędach związanych z tym prognozowaniem. Więc jeżeliuważacie czy ktoś z was uważa, że prognozowanie w waszej firmie jest niepotrzebne, serdecznie zachęcam do przesłuchania tego odcinka. Jeżeli uważacie, że jest potrzebne, ale robicie to tylko w Excelu, jeszcze bardziej zachęcam do przesłuchania tego odcinka. I w sumie, nie przedłużając, zachęcam do przesłuchania tego odcinka.

Dobrze, na sam początek musimy roztrząsnąć, dlaczego ten temat dzisiejszy jest taki ważny, dlaczego prognozowanie sprzedaży jest tak istotne. W Polsce przyjęło się na wzrost biznesu mówić skalowanie biznesu. Nasz biznes to się skaluje, my to chcielibyśmy skalować nasz biznes, my tutaj się skalujemy. I rzeczywiście my, eksperci, trochę nie mamy wyjścia i często musimy mówić o skalowaniu, nawet kiedy nie ma o nim mowy. I dobrym przykładem takiej sytuacji jest większość modeli biznesowych na rynku, bo skalowalny model biznesowy to taki, w którym koszty rosną nieproporcjonalnie, nieliniowo, nie są zależne od wzrostu przychodu. To znaczy na przykład skalowalnym modelem biznesowym są na przykład nasze szkolenia online. Ponosząc koszt jakiś tam 1, jesteśmy w stanie dowolnie skalować przychód na górze i jednocześnie te koszty nie wzrastają. Kiedy oczywiście mówimy o naszym doradztwie na przykład, to każdy wzrost przychodu oznacza wzrost kosztów, bo ja muszę zatrudnić ludzi, którzy to dowiozą. Na przykład firmy produkcyjne też nie są skalowalnymi modelami biznesowymi, ponieważ oczywiście wraz ze wzrostem przychodu muszą zwiększać zatrudnienie i infrastrukturę. Większość skalowalnych modeli biznesowych to modele, które są na przykład startupami, SaaS-ami. Tam jest koszt wytworzenia oprogramowania, który na początku jest potężny, wytworzenia product market fitu, i potem już nie. I z tego powodu w ogóle te fundusze wszystkie się zakładają, który startup urośnie, który nie. Jest to, mówiąc wprost, gra inwestycyjna. Iteraz nie wszystkie modele biznesowe są właśnie skalowalne. Większość moich firm, większość biznesów, którymi się zajmuję, nie jest skalowalna. Mogę mówić o wzroście tych firm, ale nie o skalowaniu. I teraz uwaga, metody prognozowania sprzedaży są właśnie najbardziej istotne dla wszystkich firm, które są nieskalowalne, dla wszystkich tych modeli, w których wzrost przychodu oznacza istotny wzrost kosztów. Kropka. I teraz dlaczego jest to cholernie istotne we wzroście? Bo w momencie, kiedy firmy usługowe często przechodzą takie fazy, na przykład jest pół roku, mamy za dużo projektów, ale kolejne pół roku mamy za dużo ludzi, a kolejne pół roku mamy za dużo projektów, a kolejne pół roku mamy za dużo ludzi, ta dodatkowa marża, którą robimy w te pierwsze pół roku, kiedy mamy za dużo projektów, zostaje wydana na te za dużo ludzi w kolejnym pół roku. Niekiedy te cykle nie trwają pół roku, tylko na przykład 3 miesiące, krócej, dłużej, ciężko powiedzieć. Więc generalnie w firmach, w których koszty powinny rosnąć proporcjonalnie do przychodu, zawsze jest więcej czegoś. Trudno zadbać o tą równowagę. I ten model prognozowania sprzedaży, który jest sensowny, daje szansę na to, jeżeli jest sensowny, żeby rzeczywiście 1 szło liniowo z 2. Jeżeli jesteśmy w stanie zapiąć model prognozowania sprzedaży ze świadomym zwiększaniem kosztów liniowo i ten model prognozowania sprzedaży się sprawdza, to otrzymujemy pięknie i zdrowo rosnącą firmę, czy to usługową, czy to produkcyjną, czy to jakąkolwiek inną. W związku z tym tak naprawdę, bo to jest ciekawe, dobre prognozowanie sprzedaży to jest ogromnie opłacalna marżowa zabawa, która ma bardzo duży sens, i zrobienie tego dobrze jest po prostu istotne. I teraz oczywiście ja często do tego nawiązuję, że wiele osób sądzi, że na przykład nasza organizacja się skaluje, bo ja siadam co niedzielę nagrać odcinek podcastu i poniekąd jest to pewnie prawda, natomiast w praktyce 1 z istotnych czynników tego, że my rośniemy zdrowo, jest właśnie to, że potrafimy dobrze vel bardzo dobrze prognozować sprzedaż. I nagrywam ten odcinek, bo właśnie jesteśmy po rocznym zarządzie i w sumie nasza prognoza sprzedaży na rok zeszły, którą mieliśmy przygotowaną, się zapięła praktycznie idealnie, na rok wcześniejszy również i ten wcześniejszy też. Mamy teraz przygotowaną prognozę na rok 2025 i za rok zobaczymy, czy tym razem nasz model również zadziała. I teraz podsumowując, dlaczego to ważne, ważne jest to dlatego, żeby mądrze zwiększać koszty w czasie zwiększania przychodu. Kropka. A nie zwiększać kosztów, widząc, że przychód się zwiększył i odwrotnie zmniejszać koszty, widząc, że przychód nie goni aż tak szybko. Kropka. Więc gra jest ekstremalnie istotna, ekstremalnie opłacalna i ci, którzy potrafią to dobrze robić, dużo wygrywają. Jednocześnie ten odcinek słuchają firmy pewnie niektóre, których właściciel sprzedaje, jak coś przyjdzie, to sprzeda, albo mają 10 zapytań w roku i oczywiście tam trudno mówić o prognozowaniu sprzedaży, bo naturalnie Excel wszystko przyjmie, tam możemy sobie jakieś założenia przygotować, ale jeżeli wszystko w roku zależy od jednostkowo 8–10 tematów, to te firmy będą miały trudno z tym, żeby zrobić sensowną prognozę. A paradoksalnie to właśnie takie firmy potrzebują jej pewnie najbardziej. Ale idąc do meritum, jeżeli macie więcej tematów w ciągu roku i tam się więcej dzieje, macie dużo stałych klientów, to warto się w tą zabawę zabawić.

Klasyczne prognozowanie w Excelu

I teraz jak to się robi typowo? Klasyczne prognozy, które widujemy, bazują na przeszłych danych. To znaczy widzimy, że firmy badają przeszłość, przekładają ją na przyszłość, często robią to w Excelu, ujmują w ten sposób jakąś tam sezonowość tego biznesu i tyle. Taki Excel powstaje i wszyscy na niego patrzą z jakimś tam elementem naszych założeń. Zalety tego Excela są takie, że to jest tanie i proste. A wady tego Excela? Wszystko inne jest wadą, bo bazujemy tylko na przeszłości, nie bazujemy na tym, jakie jest nasze otoczenie biznesowe, nie bazujemy na tym, co aktualnie mamy w lejku i co aktualnie planują zrobić nasi stali klienci, i tak dalej. To jest najczęstsze, często projektowane przez finansistów, w zeszłym roku nosiliśmy o 32%, więc w tym roku załóżmy też tam 30 albo 28, będzie fajnie, powinniśmy tyle dowieść, pyk, powstaje Excel, zajęło to 3 godziny, wszyscy zadowoleni. I oczywiście nie ma to większej wartości. Taki Excel może stanowić dla nas wartość w kontekście porównania tego, co nam wychodzi z pozostałych metod prognozowania.

Uzupełnianie z palca szans sprzedażowych

2 metodą, którą często spotykamy, to jest hicior, handlowcy uzupełniają z palca, jaka jest szansa na to, że dany temat się sprzeda. Albo ten procent na szansę sprzedaży to jest w ogóle połączony zetapem procesu sprzedaży w CRM. I jak handlowiec przerzuci z etapu oferta na etap negocjacji, to procent prawdopodobieństwa sprzedania wynosi nie 30, tylko na przykład 45. To się gdzieś tam sumuje i oczywiście jest to nic nie warte. Zaleta tej metody jest taka, że ona brzmi mądrze, a wada jest taka, że nie działa. Po prostu to jest nieżyciowe, to nie funkcjonuje w ten sposób i tyle, zamknięty temat. Handlowcy uzupełniający z palca szansę na sprzedaż, bo ja czuję, Szymon, że to się zamknie na 80%, a to na 60, to jest oczywiste szaleństwo. Połączenie tego procentu z etapem w naszym procesie sprzedaży w ogóle, a nie w procesie zakupu klienta, to też jest szaleństwo. Jakby to nie działa. Często niestety to spotykamy, bo rzeczywiście to brzmi mądrze, ale jak, szczególnie w payplainie, jest 4–5 bardzo dużych tematów, to rezultat, który z tego dostajemy, jest zakłamany, bezsensowny i nic z tym nie można zrobić. Kropka.

Osobne prognozy dla zespołów

3 metodą, którą często spotykamy, jest to, że handlowcy robią swoje prognozy sami albo kierownicyrobią swoje prognozy dla swoich zespołów. To znaczy ktoś bardzo ważny w firmie odpytuje ich, mówiprzygotuj mi prognozy na ten kwartał albo na ten rok i oni coś tam przygotowują. Bardzo często każdy przygotowuje to trochę inaczej. Zarząd bierze te prognozy z poszczególnych zespołów, sumuje je i na przykład mnoży razy współczynnik fuck up, jak to nazywa 1 z naszych klientów, na przykład razy 0.9 albo razy 0.8. I zalety są takie, że to jest dalej proste, paradoksalnie bywa znacznie bardziej dokładne niż poprzednie 2 metody, natomiast wady są znowuż oczywiste, subiektywność ocen, przebarwieniewyników albo przez optymizm, albo przez ostrożność. To są wady. Kropka. Połączenie tej metody, to znaczy, że handlowcy coś tam zaprognozują albo kierownicy, z tą metodą Excelową, zestawienie ich 2 ze sobą i pozastanawianie się, co nam z tego wynika, już jest trochę ciekawsze, bo te prognozy handlowców w sobie zawierają już jakąś jakiś tam element spoglądania w przyszłość, oczywiście w pełni subiektywny i trudny do uchwycenia, ale jednak jakiś.

Wykorzystanie zaawansowanych modeli prognozowania

I w tych największych firmach, takich już dużych, świadomych, które de facto żyją trochę z tego prognozowania sprzedaży, nie mają wyjścia, widujemy duże, zaawansowane modele statystyczne, ekonometryczne. I takie firmy z większymi zasobami, szczególnie w FMCG na przykład albo w logistyce, analizują dane w BI, budują modele statystyczne, uwzględniające zmienne zewnętrzne, jak PKB, kursy walut, ceny surowców. Coraz więcej firm korzysta z narzędzi typu Power BI albo Tablo i jest to coraz bardziej popularne, ale w większości firm, które słuchają pewnie tego podcastu, jest to pewnie nierealne we wdrożeniu, bardzo trudne, wymagające dużych zasobów wewnętrznych wiedzy i doświadczenia.

Nowoczesne prognozowanie sprzedaży

I teraz, jak w związku z tym robić to nowocześnie, w cudzysłowie oczywiście. Ja bardzo lubię na początek zastanawiać się, jakie są strumienie złotówek przypływających do naszego biznesu. I te strumienie moglibyśmy nazwać procesami hipotetycznie. Czy na przykład jest tak, że duża część klientów jest u nas w procesie regularnej obsługi i ona po prostu kupuje co miesiąc, to jest proces 1. Proces 2 to jest rozwój tych firm. To znaczy proponowanie im nowych rzeczy, szukanie u nich nowych szans, nazwijmy go account management. Proces 3, który nam przynosi, to jest przychód z nowych klientów, którzy do nas dołączą w tym okresie. Na przykład nowa sprzedaż rzeczywiście. Do tego jest jakiś tam strumień 4, którym są jakieś abonamenty na obsługę na przykład. 1 rzecz, którą z mojej perspektywy trzeba zrobić, żeby w ogóle mówić o prognozowaniu sprzedaży, to jest wycięcie tych głównych strumieni, które na koniec składają się na złotówki w naszym biznesie. I powiem wam, że czasami jest ich 2, ale w sumie u nas, jak sumujemy te strumienie, to my ich mamy kilkanaście. Bo tu jest jakiś strumień dotyczący narzędzi i wdrażania narzędzi IT, tu jest jakiś strumień dotyczący naszego doradztwa, które jest najbardziej stabilne, akurat w prognozowaniu najlepiej je znamy, tu jest jakiś strumień rekrutacji, tu jest jeszcze inny i w ramach tych rzeczy, wchodząc w głąb, jest tam jeszcze więcej różnorodności, bo na przykład na przykład w HireWise możemy mówić o obsłudze klientów, których już mamy, i powracaniu ich na kolejne projekty rekrutacyjne oraz generowaniu kompletnie nowych. Generalnie nie da się mówić o prognozowaniu sprzedaży moim zdaniem, nie wydzielając tych kilku strumieni, i uwaga, nie traktując ich jako osobne i nie budując dla nich często osobnych metod czy modeli prognozowania. Bo na przykład może się okazać, że któryś strumień, to jest w ogóle bardzo przewidywalne, bazuje na szansach sprzedaży w lejku szczególnie albo najbardziej, a któryś jeszcze inaczej. I próba podejścia do tego tematu moim zdaniem powinna się zaczynać właśnie od wydzielenia tych głównych procesów. I teraz na przykład dla procesu obsługi głównych klientów możemy zastosować model account based forecastingu. Szczególnie w B2B, w którym mamy 50 klientów tworzących 80% przychodu w naszym biznesie, możemy spróbować dlatego strumienia zaprojektować model, który patrzy dosłownie indywidualnie na każdego z tych klientów, a nawet przydziela forecast pojedynczo na każdego z nich. Możemy wtedy spojrzeć na to, jak nam się układają relacje z każdym z tych accountów. Możemy spojrzeć na to, czy te firmy rosną, czy ich potrzeby rosną, zabawić się też w prognozowanie tego, jak te poszczególne firmy w swoich niszach w ogóle mogą się zachować, i wziąć pod uwagę na przykład notatki handlowców, plany związane z każdym z tych klientów i dla tego strumienia obsługi naszego obecnego biznesu zastosować taki account based forecasting, który będzie pewnie najbardziej dokładny, bo uwzględni specyfikę każdego z tych dużych klientów. Potem może się okazać, że dla tej pozostałej części obsługi, dla tych wszystkich innych klientów, których obsługujemy, którzy stanowią już zaledwie 20% tego strumienia, można się nawet pokusić o tą klasyczną prognozę na Excelu i zsumować 1 z 2, i po prostu iść dalej. Nie chodzi tu czasami o apteczną precyzję, tylko o to, żeby uchwycić najważniejsze. Kiedy natomiast wejdziemy już w strumień pod tytułem generowanie nowych klientów, to tutaj musimy się oprzeć na tym, co wisi w naszym systemie CRM i w jaki sposób tam wisi, jaka jest skuteczność naszej sprzedaży i jak zachowują się nasze leady kwalifikowane, czego się spodziewamy w kolejnych miesiącach, jak jesteśmy w stanie zaprognozować przyszłość tego, co do tego lejka wpadnie, jaką będziemy mieli skuteczność sprzedaży w tym lejku, jaka będzie średnia statystyczna, statystyczny rozmiar tej szansy w lejku i ile potrwa ta sprzedaż. I na przykład pobawić się prognozą na poziomie metryki, która nazywa się sales velocity. To jest tak zwana prędkość sprzedaży i można próbować metodycznie prognozować tą nową sprzedaż właśnie na poziomie sales velocity. I w CRM, jeżeli mamy wszystkie te 4 dane pomierzone, czyli liczba szans sprzedaży, następnie średnia ich wielkość, następnie średnia skuteczność i czas trwania, to mamy piękną metrykę, bo mnożymy średnią wielkość szansy razy skuteczność, razy liczbę szans i dzielimy to przez czas w okresie, w którym chcemy taką prędkość dostać, czas trwania tych szans sprzedaży. Czyli na przykład jeżeli chcemy dostać prognozęczy tam sales velocity na miesiąc, to dzielimy to przez czas w formie liczby miesięcy. Czyli na przykład jeżeli coś trwa pół miesiąca, to dajemy tam 0.5, jeżeli trwa 5 miesięcy, to dajemy 5. I w ten sposób dostajemy na przykład metrykę sales velocity. Dla procesów, w których tych szans jest dużo i zapytań jest dużo, potrafi to być bardzo dokładny model prognozowania tego, co nam się może w najbliższych miesiącach przytrafić, jeżeli oczywiście nasz zespół pracuje na systemie CRM. I teraz okazuje się w ogóle, że to, co my też mówimy od wielu lat, że praca na systemie CRM daje nam wiedzę o tym, co w procesie sprzedaży nie działa, to jest tylko część prawdy, bo tak naprawdę praca na systemie CRMdaje nam, firmom usługowym, niesłychaną korzyść polegającą właśnie na trafnym prognozowaniu sprzedaży, a ta niesłychana korzyść umożliwia mądrzejszy wzrost naszego biznesu i próbę zbalansowania tej wagi, którą w nim mamy. I to jest absolutnie genialne. Później tak naprawdę każdy z tych procesów można robić innym modelem prognozowania. Nasz ulubiony to jest MRR forecasting, czyli prognozowanie bazujące na wysokości abonamentów, czyli mount recurring revenue. I powiem wam, że ja dzisiaj jako przedsiębiorca jestem skłonny zbudować biznes na abonamentach, nawet jeżeli mi wyjdzie, że w sumie on może być za 2 lata trochę mniejszy niż jeżeli budowałbym to na jednorazowej sprzedaży, a nie na abonamentach, bo model prognozowania abonamentów jestcudowny, niesłychanie wspaniały. Kropka. Bo jesteśmy w stanie z dużo większą łatwością prognozować, ile dokładnie złotówek w tym naszym biznesie się znajdzie. Znamy dane dotyczące churnu, ilu klientów rezygnuje co miesiąc. Znamy dane dotyczące napływu tego abonamentu, a prognozowanie z lejków sprzedaży na napływ abonamentów w naszym biznesie jest ekstremalnie prostszy i to właśnie to, że te nasze prognozy są na tyle sprawdzające się w poprzednich latach zawdzięczamy głównie temu czynnikowi, że nie gramy tam projekty doradcze za 1.5 miliona sztuka i jak się 1 nie sprzeda, to się palnęliśmy o 1.5 miliona, tylko gramy o jakieś niewielkie kwoty abonamentów co miesiąc, które jesteśmy w stanie znacznie bardziej dokładnie prognozować. I teraz podsumowując, podejście do prognozowania sprzedaży to jest właśnie pocięcie tych naszych strumieni złotówek, które kończą się fakturą, na wszystkie duże grupy, które mogą się charakteryzować różnym zachowaniem, i dopiero wtedy wybieranie jakiegoś modelu prognozowania, czy to nawet tych handlowców robiących prognozy, czy to nawet tych Exceli, czy to właśnie accountbased forecastingu, czy to właśnie MRR forecastingu. Dobieramy do tych poszczególnych strumieni, które na tych złotówkach się kończą. Absolutnie genialne.

Prognozowanie z wykorzystaniem AI

I teraz uwaga, bo do gry wchodzi nowa metoda prognozowania, która wydaje się być, co najmniej rzecz ujmując, ciekawa. Bo przecież możemy zapiąć sobie AI. I wielu nie wie, jak to zrobić, ale na przykład HubSpot ma już HubSpot predictive lead scoring. I ten model pokazuje prawdopodobieństwo zamknięcia klienta w ciągu kolejnych 90 dni, bazując na konkretnych właściwościach kontaktu i aktywnościach. To znaczy może się okazać, że ten model AI-owy, HubSpotowy, przydziela na przykład 22, bo na 22% ocenia on prawdopodobieństwo zamknięcia w najbliższych 90 dniach. I ten model bierze pod uwagę wszystko, bo on bierze pod uwagę na przykład, ile razy ten customer, tenaccount odwiedzał naszą stronę, jaka jest średnia liczba wizyt, ile razy klikał gdzieś tam na Facebooku, LinkedIn’ie czy X, ile maili otworzył, czy zbounsował, to znaczy czy wypisał się z subskrypcji, czy się nie wypisał, bierze pod uwagę wszystkie działania handlowców, czyli liczbę notatek, dni, kiedy jest zaplanowane spotkanie, maile, które pisze ten klient, czy ma numer telefonu, czy ma stacjonarny podłączony, ile czasu temu ten kontakt powstał, kiedy został zupdatowany ostatnio. Następnie na przykład może z HubSpot inside brać przychód tej firmy, technologie, z których korzysta, wszystkie inne rzeczy i na koniec przydzielić prognozę. I teraz oczywiście to jest taki typowy blackbox. To znaczy wiemy, jaki jest input do tego modelu, wiemy, jaki jest output, ale tak naprawdę model się rozwija i ciężko powiedzieć, w jaki sposób on ten scoring przydziela. Natomiast zadaniem modelu jest to, żeby przydzielał go jak najbardziej trafnie. I to jest nowe podejście do prognozowania sprzedaży, które mamy przyjemność teraz w różnych firmach testować czy obserwować. I to jest kolejna korzyść dla firm, które pracują w CRM w sposób taki przewidywalny, że mogą budować na tym niesłychanie precyzyjne modele właśnie prognozowania przychodu. To jest przyszłość. Poczytajcie,zachęcam do HubSpot predictive lead scrolling, co wam z tego wyjdzie. I naprawdę warto.

Proces sprawdzania sensu prognozy

I teraz kolejna rzecz. W momencie, kiedy te nasze pocięte strumienie przychodu dostaną swoje osobne modele prognozowania, które może i nie są idealne, ale do sumy patrząc coś nam wychodzi i z czegoś to wynika więcej niż tylko z analizowania wielkiego 1 strumienia zwanego przychodem za rok zeszły, do tego warto jest dodać w waszej firmie proces sprawdzania sensu tej prognozy. To znaczy ja bardzo lubię dodawać taki etap weryfikacji subiektywnej, patrzenia na to, co taki dojrzały menedżer,dyrektor powie, patrząc na wyniki tej prognozy albo nawet wyniki poszczególnych tych strumieni, odpowiadając na pytanie, czy według niego, czy według niej ma to sens przy aktualnych warunkach. Ibardzo często okazuje się, że ci ludzie znajdują rzeczy, których w modelu w ogóle nie uwzględniliśmy i które warto byłoby poprawić. Kropka. Do tego sprawdzanie sensu ma ogromny cel. To jest zderzenie tej prognozy ze zdolnością albo do dostarczania towarów, albo do dostarczania usług. To znaczy my na przykład wiemy dzisiaj, w styczniu, ile osób musimy zatrudnić w AdWise, żeby dowieść prognozę sprzedaży na rok 2025. I jak my to wiemy w styczniu, to to jest znacznie bardziej sensowne niż kiedy dowiedzielibyśmy się o tym albo dowiadywaliśmy się o tym gdzieś tam po drodze, bo zwyczajnie nie ma o czym mówić. I kolejna rzecz nad sprawdzaniem sensu to nawet może nie sprawdzanie sensu, ale prognoza jako element pracy nad taktykami, a potem nad strategią w waszej firmie. Na przykładustalenie, kiedy reagujecie na odchylenia, ile musi wynieść odchylenie od prognozy i jak reagujecie na to. To znaczy my na przykład rzeczywiście przeglądamy prognozę na wszystkich spotkaniach zarządowych, które się odbywają co miesiąc. Patrzymy, jak ona się odchyla w poszczególnych firmach i reagujemy na bieżąco albo na poziomie taktyki, dostosowania jej albo jakiejś taktyki ratunkowej, albo na poziomie nawet zmieniania strategii, tak jak w zeszłym roku, kompletnie odwróciliśmy strategię HireWise na przykład i ją rozszerzyliśmy. To, co jest też ciekawe, to warto,mając forecast, prognozę, która z czegoś wynika, pobawić się w takie testowanie skrajnych wariantów. Na przykład co by się stało z naszym biznesem, jeżeli zrealizowalibyśmy te prognozy na –30%, jak wtedy zachowałby się nasz biznes, co byśmy zrobili. Nawet odpowiedzenie sobie na sucho, kiedy do tej sytuacji jeszcze nie doszło, jest znacznie lepsze. Albo co by się stało, kiedy okazałoby się, że popyt jest znacznie większy niż przewidywany. I na przykład na styczeń w naszym biznesie popytokazał się być znacznie większy niż przewidywany. Jeżeli ktoś z was trafił do naszego działu sprzedaży i dostał odpowiedź później albo dostał odpowiedź zdawkową, to jest to nasza wina. Kompletnie nie przewidzieliśmy tak dużego popytu, a popyt był przekosmiczny, ponieważ nasza rekordowa liczba leadów w tej części centralnej biznesu, nie w całym, czyli SellWise, AdWise i HireWise, to jest około 160 leadów kwalifikowanych w miesiącu, 155 chyba czy 157, już teraz nie pamiętam, a w styczniu mieliśmy 240 i dział sprzedaży przeładowany, pilnie rekrutujemy handlowców. I teraz już sobie zadaję pytania dotyczące stress testów, co by się wydarzyło, jeżeli jakieś tam założenie się zepnie na mniej albo znacznie więcej niż przewidujemy, bo nikt nie mógł przewidzieć, że coś takiego się wydarzy. My przynajmniej nie byliśmy w stanie. Oczywiście super, że w tę stronę, natomiast siłą rzeczy taki wzrost skrajny zapytań kończy się w naszym biznesie stratami, bo w momencie kiedy mielibyśmy tych 2–3 handlowców więcej, z pewnością bylibyśmy w stanie dowieść sprzedaż do większej liczby klientów. Kropka. Wtedy powstaje pytanie o dowiezienie tego w praktyce, czy będziemy mieli zasoby, ale nawet jeśli, to może bylibyśmy w stanie przesunąć ten start projektu na za 3 miesiące na przykład i w jakiś sposób się tym zająć. Więc fajnie się pobawić, zanim do tego dojdzie, serdecznie wam polecam, myślowo nad testowaniem skrajnych wariantów w waszych prognozach.

Błędy prognozowania

I ostatecznie najczęstsze błędy w związku z tym prognozowania to jest przede wszystkim zbyt duże skupienie na przeszłości, na tym, co kiedyś biznes robił, i przekładanie tego na przyszłość. To jest bezapelacyjnie największy błąd i najczęściej spotykany błąd. 2 błędem jest już mądrzejsze podejście, ale na błędnych danych w systemie CRM. To znaczy w firmie, w której nie ma kultury pracy na CRM,takiej naprawdę z krwi i kości, bazowanie na tych danych niewiele dobrego daje. Kolejnym błędem częstym jest prognozowanie całości 1 metodą. To, co nam wyniknęło z tego odcinka, absolutne szaleństwo. I ostatecznie nawet jeżeli złapiecie metodę, która wam działa, podzielicie sobie te strumienie, przydzielicie do każdej z nich metodę, która ma sens, to brak aktualizacji tej metody, bo bardzo często się okazuje, że firma rok, 2–3 temu wymyśliła sobie metodę prognozowania, którapóźniej przestaje działać, bo biznes się zmienił, bo otoczenie biznesowe się zmieniło i wiele innych rzeczy razem z tym.

Więc liczę, że ten odcinek daje wam do myślenia, szczególnie jeżeli macie 1 wielki strumień złotówek pokazany w miesiącach i ustalacie sobie matematycznie, ile będzie tych złotówek w przyszłych miesiącach na tej podstawie, to 1 rzecz, albo jak macie to prognozowanie oparte na tym, że handlowiec wyklikuje szanse sprzedaży i to wam się gdzieś tam mnoży, i wychodzi wam wynik, to liczę, że wszyscy ci, którzy tak mają i słuchali tego odcinka, podzielą sobie to na te strumienie, zastanowią się, jak mądrze przewidywać każdy strumień, patrząc w przyszłość, a nie tylko w przeszłość. I ostatecznie ciekawy jestem, czy ktoś z was zdecyduje się na zabawę z prognozowaniem przy użyciu AI. Jeżeli ktoś by się zdecydował, miałby jakieś obserwacje, to komentarze czy tam wiadomości na LinkedIn’ie, czy gdziekolwiek indziej przyjmę z otwartym sercem, z ciekawością i chętnie o tym pogadam, jak wam to wyszło i jakie macie z tego wnioski.