Lesedauer ca. 5 Minuten

In bestehenden Daten Muster erkennen und zukünftige Ereignisse vorhersagen – das ist das Ziel von Predictive Analytics. Bereits bekannt ist dieses Vorgehen aus der Kreditvergabe. Hier wird aufgrund von Mustern in historischen Daten eine Aussage darüber getroffen, wie wahrscheinlich es ist, dass der interessierte Kreditnehmer einen Kredit nicht zurückzahlen könnte. Auf diese Weise unterstützt das sogenannte Kredit-Scoring einen Kreditgeber in seiner Entscheidungsfindung. Auch im Handel werden Predictive Analytics Technologien genutzt: Zum Beispiel liefert das Karlsruher Unternehmen blueyonder seinen Kunden u. a. Prognosen über die künftig zu erwartende Nachfrage. Damit können Handelsunternehmen ihre Verfügbarkeiten sicherstellen und Überbestände im Lager vermeiden.

Predictive Analytics – Auch eine Chance für den Vertrieb?

Diese Prognose-Techniken lassen sich auch auf den Vertrieb anwenden. Lucas Pedretti, Geschäftsführer der Qymatix Solutions GmbH hat sich aufgrund seiner vergangenen Erfahrungen als Vertriebsleiter zum Ziel gesetzt, Vertriebsmitarbeitern ihren Arbeitsalltag zu erleichtern. Er sagt, Vertriebsentscheidungen werden heutzutage auf Basis von drei verschiedenen Informationsquellen getroffen: Den Kundendaten, die in einem Customer Relationship Management (CRM) System verwaltet werden, den Verkaufsdaten, die in einem Enterprise Ressource Management (ERP) System gesammelt sind, sowie dem Bauchgefühl des Vertrieblers, das ihm sagt, welche Kunden die höchsten Erfolgsquoten haben und somit als nächstes besucht oder angerufen werden müssten. Eine Verschwendung von Ressourcen sei es, zu versuchen, diese Informationen in komplexen und fehlerhaften Excel-Dokumenten abzubilden, meint Pedretti.

Gerade im Geschäftskundenbereich, in dem es eine hohe Diversität von Produkten und eine Vielzahl von individuellen Verträgen gebe, könnte die tägliche Arbeit der Vertriebsmannschaft optimiert und höhere Umsätze generiert werden, indem der Fokus auf die Projekte mit den höchsten Verkaufschancen gesetzt wird. Im B2B-Bereich liegen diese bei den Bestandskunden. Auch Predictive Analytics Software wie die von Qymatix basiert auf der Annahme, dass erfolgreiche Unternehmen sich auf die 20 % der Kunden fokussieren, die 80 % des Umsatzes ausmachen.

Kennzahlen statt Bauchgefühl

Welche Kunden dies sind bzw. Prognosen zu erstellen, welche Kunden das Potenzial haben, zu den Umsatztreibern zu gehören, ist Aufgabe der Algorithmen, die in Predictive Analytics Lösungen für den Vertrieb integriert sind.

Neben den Kennzahlen, die den Ist-Zustand (aktuelle Umsätze, Marge, durchschnittliches Auftragsvolumen, Penetration eines Kunden-Accounts, Abschluss-Erfolgsquote etc.) repräsentieren, werden Predictive Analytics Lösungen für den Vertrieb um Prognose-Kennzahlen wie

•    Potenzielle Kundenabwanderung
•    Ungenutztes Preispotenzial
•    Verkaufspläne mit den höchsten Abschlusschancen

ergänzt. Diese Kennzahlen werden aufgrund von Vergleichsdaten aus vorangegangen Verkäufen (kundenübergreifend sowie kundenbezogen) als auch aus externen Datenquellen ermittelt. Durch Techniken des Maschinellen Lernens werden die Algorithmen stetig optimiert und führen zu immer verlässlicheren Aussagen.

Durch Konzentration auf die richtigen Projekte Wettbewerbsvorteile verschaffen

Viele Unternehmen machen den Fehler, dass sie sich ausschließlich auf die Generierung von Neugeschäft konzentrieren. Dabei ist es viel ressourcenschonender, die Beziehungen mit den Bestandskunden zu festigen und diese auf ungenutzte Preispotenziale und höhere Margen zu untersuchen. Dabei kommt die Vermeidung von Kundenabwanderungen ins Spiel: Die Vertriebsmannschaft, die heute schon weiß, welche Kunden dazu neigen, in drei Monaten keine Bestellungen mehr aufzugeben, kann noch heute mit Maßnahmen aktiv gegensteuern und sich so einen Vorteil gegenüber dem Wettbewerb verschaffen.

Im hektischen Alltag eines Vertrieblers kann es schnell passieren, dass er den „Wald vor lauter Bäumen“ nicht mehr sieht und den Überblick verliert, welche der offenen Projekte diejenigen sind, die ihm die höchste Abschlusschance bieten. Im Ergebnis heißt das, er wendet sich möglicherweise den falschen Kunden zu, während ein anderer Kunde viel höhere Erfolgschancen bietet. Intelligente Predictive Analytics Lösungen zeigen auf, welcher der offenen Sales-Pläne derjenige ist, der am meisten Potenzial hat.

Predictive Analytics für den Vertrieb
Predictive Analytics für den Vertrieb unterstützen das ganze Vertriebsteam und sorgen für eine bessere Zielplanung zwischen Vertriebsleiter, Key Account Managern und Vertriebscontrollern. (Bild: michaeljung/iStock/Thinkstock)

Predictive Analytics Lösungen für den Vertrieb können folglich nicht nur helfen, den Umsatz zu steigern und von höheren Margen zu profitieren. Vertriebsmanager werden durch die Prognose-Funktionen darin unterstützt, realistische und motivierende Ziele für das ganze Vertriebsteam zu definieren und ihre Mitarbeiter besser zu führen. Key Account Manager sparen Zeit, indem sie sich nicht mehr durch lästige Excel-Tabellen quälen müssen.

Predictive Analytics im Vertrieb am Wachsen

Es kann erwartet werden, dass immer mehr Unternehmen von Predictive Analytics im Vertrieb Gebrauch machen werden. In der in diesem Jahr vom Business Application Research Center herausgegebenen Anwenderstudie zur zukünftigen Wettbewerbsfähigkeit gaben 94 % der befragten Unternehmen an, dass die vorausschauenden Analysen zukünftig wichtig seien. Eine Salesforce-Studie aus 2015 ergab, dass sich 57 % der erfolgreichsten Vertriebsteams auf Sales Analyse verlassen, während es bei den weniger erfolgreichen Teams nur 16 % seien. High Performance Sales Teams seien zudem viermal mehr dazu geneigt, Predictive Analytics einzusetzen.

Wie bei allen Big Data Anwendungen ist das Ziel, Daten in Wissen umzuwandeln, um darauf basierend bessere Entscheidungen zu treffen. Ähnlich wie bei der anfangs erwähnten Kreditvergabe wird auch bei Predictive Analytics Lösungen für den B2B-Vertrieb ein Scoring vorgenommen. Datensätze von Kunden, die ähnlich zueinander sind, werden zunächst geclustert. Innerhalb dieser Daten werden dann Vergleiche durchgeführt: Welche Kunden kaufen weniger als die anderen? Welche Kunden bezahlen für gleiche Komponenten weniger als die anderen? Bei welchen Projekten besteht die Möglichkeit für Cross- oder Up-Selling? So werden ungenutzte Potenziale aufgedeckt und Vertriebsleiter können ihre Mitarbeiter darauf ausrichten, dass zunächst die Projekte mit dem höchsten Potenzial angegangen werden. Was blueyonder und seinen Kunden im Endkundenbereich gelingt, ist die Aufgabe von Qymatix im Geschäftskundenbereich.

Um von Predictive Analytics zu profitieren, braucht es neben einer innovativen Software-Lösung wie die der beiden innovativen Karlsruher Unternehmen vor allem eine gute Datenqualität und den Fokus auf die Geschäftsziele. Unternehmen müssen die wesentlichen Business-Fragen kennen, die sie mit einer Predictive Analytics Lösung beantworten möchten. Geht es um die Verhinderung von Kundenabwanderung oder um die Erhöhung der Margen? Was die Daten angeht, rät Pedretti, klein anzufangen und zunächst mit den CRM- und ERP-Daten zu arbeiten, die das Unternehmen bereits erhebt. Liegen diese Daten sauber vor und sind die wesentliche Ziele definiert, können diese Informationen zu Wissen führen und damit zu besseren Entscheidungen und Ergebnissen wie Umsatz- und Gewinnwachstum.