Kurs Sales Analytics

Lektion 1 • Vertriebsdatenquellen und -typen

Kartiert die Landschaft der internen und externen Datenquellen, die Vertriebsteams zur Verfügung stehen. Erläutert die Relevanz strukturierter vs. unstrukturierter Daten.

Lektion 2 • Der Sales-Analytics-Workflow

Skizziert den End-to-End-Prozess von der Fragestellung bis zur Erkenntnislieferung. Bietet ein wiederholbares Rahmenwerk, das in späteren Kapiteln angewendet wird.

Lektion 3 • Was Sales Analytics bedeutet

Definiert Sales Analytics und grenzt es von allgemeiner Business Intelligence ab. Etabliert das im gesamten Kurs verwendete Vokabular.

Lektion 1 • CRM-Datenarchitektur-Grundlagen

Erklärt, wie CRM-Systeme Vertriebsdaten speichern und wie Datensätze miteinander in Beziehung stehen. Bietet Kontext für das Extrahieren sauberer, nutzbarer Datensätze.

Lektion 2 • Identifizieren und Beheben von Datenproblemen

Lehrt die Erkennung und Korrektur von Duplikaten, fehlenden Werten und Ausreißern. Verbessert direkt die Genauigkeit aller Analysen, die auf diesen Daten aufbauen.

Lektion 3 • Data Governance für Vertriebsteams

Etabliert Verantwortlichkeiten, Zugriffskontrollen und Prüfprozesse für Vertriebsdaten. Stellt sicher, dass die Datenintegrität im Laufe der Zeit im gesamten Unternehmen erhalten bleibt.

Lektion 4 • Bewährte Methoden zur Datenerfassung

Behandelt Methoden zur Erfassung vollständiger und konsistenter Vertriebsdaten an der Datenquelle. Reduziert den nachgelagerten Bereinigungsaufwand durch Disziplin im Vorfeld.

Lektion 1 • Deskriptive Statistik für den Vertrieb

Wendet Maße der zentralen Tendenz und Streuung auf Vertriebskennzahlen an. Bietet eine statistische Baseline für den Leistungsvergleich zwischen Segmenten.

Lektion 2 • Trend- und Saisonalitätsanalyse

Identifiziert gerichtete Trends und wiederkehrende saisonale Muster in Vertriebszeitreihen. Unterstützt eine genaue Zielsetzung und Ressourcenplanung.

Lektion 3 • Korrelations- und Beziehungserkundung

Misst statistische Beziehungen zwischen Vertriebsaktivitäten und -ergebnissen. Leitet die Hypothesenbildung für die prädiktive Modellierung in späteren Kapiteln an.

Lektion 4 • Explorative Visualisierungstechniken

Verwendet Diagramme und Grafiken, um während der Explorationsphase schnell Muster zu erkennen. Baut visuelle Intuition auf, bevor die formale Modellierung beginnt.

Lektion 1 • Trichteroptimierungsstrategien

Übersetzt Trichterdiagnosen in priorisierte Maßnahmen für Vertriebsleiter. Verbindet analytische Erkenntnisse mit Coaching- und Prozessverbesserungsentscheidungen.

Lektion 2 • Pipeline-Struktur und Terminologie

Definiert Pipeline-Stufen, Opportunity-Attribute und Konzepte des gewichteten Werts. Etabliert die gemeinsame Sprache, die in allen Pipeline-Analysen verwendet wird.

Lektion 3 • Pipeline-Zustandsdiagnostik

Bewertet Pipeline-Balance, alternde Deals und Stufenverteilung auf Risikosignale. Ermöglicht proaktives Management, bevor Umsatzausfälle eintreten.

Lektion 4 • Konversionsratenanalyse

Berechnet Stufen-zu-Stufen-Konversionsraten und identifiziert, wo Deals steckenbleiben. Zeigt die Verbesserungsmöglichkeiten mit der größten Hebelwirkung im Trichter auf.

Lektion 1 • Regressionsbasierte Prognose

Verwendet lineare und multiple Regression, um Beziehungen zwischen Frühindikatoren und Umsatz zu modellieren. Führt statistische Prognosen ein, ohne fortgeschrittene Mathematik vorauszusetzen.

Lektion 2 • Prognosegrundlagen

Erklärt Prognosetypen, Genauigkeitsmetriken und die Kosten von Prognosefehlern. Setzt Erwartungen, wie gute Prognosen in der Praxis aussehen.

Lektion 3 • Prognosegenauigkeit und -verbesserung

Misst die Prognoseleistung im Zeitverlauf und diagnostiziert systematische Fehler. Baut einen kontinuierlichen Verbesserungskreislauf für Prognoseprozesse auf.

Lektion 4 • Pipeline-basierte Prognose

Leitet Umsatzprognosen direkt aus Pipeline-Stufenwahrscheinlichkeiten und -werten ab. Integriert die Pipeline-Analysefähigkeiten aus dem vorherigen Kapitel.

Lektion 1 • Quotenfestlegung und Zielerreichungsanalyse

Erklärt Methoden zur Quotenzuteilung und analysiert die Zielerreichungsverteilungen über Vertriebsmitarbeiter. Stellt fest, ob Quoten fair und realistisch kalibriert sind.

Lektion 2 • Leistungsdiagnostik auf Vertriebsmitarbeiterebene

Zerlegt die individuelle Vertriebsmitarbeiterleistung in Aktivitäts-, Pipeline- und Ergebnisebenen. Ermöglicht gezieltes Coaching, indem die Grundursache von Minderleistung isoliert wird.

Lektion 3 • Team- und Gebietsleistung

Vergleicht die Leistung über Teams, Regionen und Gebiete, um strukturelle Vorteile oder Lücken aufzudecken. Informiert die Ressourcenzuteilung und Gebietsgestaltungsentscheidungen.

Lektion 4 • KPI-Framework-Design

Leitet die Auswahl von Früh- und Spätindikatoren an, die auf die Vertriebsstrategie abgestimmt sind. Verhindert Metrik-Überlastung durch Priorisierung der prädiktivsten Measures.

Lektion 1 • Upsell- und Cross-Sell-Analyse

Identifiziert Umsatzsteigerungsmöglichkeiten innerhalb des bestehenden Kundenstamms. Quantifiziert die Umsatzauswirkungen von Produkterweiterungen und Upgrade-Aktivitäten.

Lektion 2 • Customer Lifetime Value Analyse

Berechnet und interpretiert den CLV, um Akquisitions- und Bindungsinvestitionen zu priorisieren. Verknüpft CLV mit Vertriebsstrategie und Ressourcenzuteilungsentscheidungen.

Lektion 3 • Umsatzmix und Konzentrationsrisiko

Analysiert die Umsatzverteilung über Kunden, Produkte und Kanäle auf Konzentrationsrisiken. Unterstützt strategische Entscheidungen zur Diversifikation und Abhängigkeitsreduktion.

Lektion 4 • Kundensegmentierung nach Umsatz

Wendet RFM- und wertbasierte Segmentierung an, um Kunden nach Umsatzpotenzial zu ordnen. Lenkt den Vertriebsaufwand auf die Segmente mit der höchsten Rendite.

Lektion 1 • Abwanderungsvorhersagemodellierung

Erstellt Modelle, die gefährdete Kunden anhand von Verhaltenssignalen identifizieren, bevor sie abwandern. Erweitert die Bindungsanalyse aus Kapitel 7 um prädiktive Fähigkeiten.

Lektion 2 • Modellbereitstellung und -überwachung

Behandelt den Prozess der Produktivsetzung von Modellen und die Verfolgung ihrer fortlaufenden Genauigkeit. Stellt sicher, dass prädiktive Werkzeuge zuverlässig bleiben, wenn sich die Marktbedingungen ändern.

Lektion 3 • Grundlagen der prädiktiven Modellierung

Führt Konzepte des überwachten Lernens ein, angewendet auf Anwendungsfälle im Vertrieb. Schlägt eine Brücke von statistischem Wissen aus früheren Kapiteln zu Machine-Learning-Methoden.

Lektion 4 • Deal-Ergebnisvorhersage

Prognostiziert die Gewinn- oder Verlustwahrscheinlichkeit für offene Opportunities anhand von Pipeline-Attributen. Verbessert die Prognosegenauigkeit und leitet Coaching-Entscheidungen auf Deal-Ebene an.