Vertriebsanalyse Kurs

Lektion 1 • Datenquellen und -arten im Vertrieb

Bietet eine Übersicht über die Landschaft der Datenquellen, die in die Vertriebsanalyse einfließen. Unterscheidet strukturierte von unstrukturierten Daten sowie primäre von sekundären Quellen.

Lektion 2 • Was Vertriebsanalyse bedeutet

Definiert Vertriebsanalyse und ihre Rolle bei betriebswirtschaftlichen Entscheidungen. Etabliert ein gemeinsames Vokabular für den gesamten Kurs.

Lektion 3 • Der Workflow der Vertriebsanalyse

Beschreibt den End-to-End-Prozess von der Fragestellung bis zur Bereitstellung von Erkenntnissen. Bietet einen wiederholbaren Rahmen, der in jedem weiteren Kapitel angewendet wird.

Lektion 1 • Datenstrukturierung für die Analyse

Vermittelt Normalisierung, Feldbenennung und Tabellenbeziehungen für Vertriebsdatensätze. Eine korrekte Struktur beschleunigt jede später behandelte Analysetechnik.

Lektion 2 • Grundlagen der Datenbereinigung

Behandelt doppelte Datensätze, fehlende Werte und inkonsistente Formatierung. Legt Qualitätsstandards fest, die nachgelagerte Analysefehler verhindern.

Lektion 3 • Datenvalidierung und Qualitätsprüfungen

Stellt Validierungsregeln und Prüftechniken vor, um die Datenintegrität sicherzustellen. Die Teilnehmer wenden Prüfungen an, bevor eine Kennzahlenberechnung beginnt.

Lektion 1 • Kohorten- und Kreuztabellenanalyse

Gruppiert Kunden nach Akquisitionszeitraum und kreuztabelliert Variablen, um Muster zu finden. Erweitert die deskriptive Analyse um mehrdimensionale Vergleiche.

Lektion 2 • Zusammenfassung der Vertriebsleistung

Verwendet Summen, Durchschnittswerte, Mediane und Verteilungen, um Vertriebsergebnisse zu beschreiben. Baut die Basisansicht der Leistung auf, die in allen vergleichenden Analysen verwendet wird.

Lektion 3 • Zeitbasierte Vertriebsanalyse

Analysiert Vertriebsdaten über tägliche, wöchentliche, monatliche und jährliche Zeiträume. Etabliert Fähigkeiten für Periodenvergleiche, die in der Trendanalyse verwendet werden.

Lektion 4 • Segmentierung und Gruppierung

Zerlegt Vertriebsdaten in aussagekräftige Segmente nach Produkt, Region, Kanal und Vertriebsmitarbeiter. Die Segmentierung deckt Leistungsunterschiede auf, die in aggregierten Zahlen verborgen bleiben.

Lektion 1 • Prognosegenauigkeit und Fehlermetriken

Stellt MAE, MAPE und RMSE vor, um die Prognosequalität zu messen und zu verbessern. Eine genaue Fehlermessung ist unerlässlich, bevor Prognosen in Geschäftspläne einfließen.

Lektion 2 • Saisonalität und Zyklizität

Zerlegt Vertriebszeitreihen in saisonale und zyklische Komponenten. Ermöglicht genaue Periodenvergleiche durch Entfernung saisonaler Verzerrungen.

Lektion 3 • Prognosegrundlagen

Behandelt naive, gleitende Durchschnitts- und exponentielle Glättungs-Prognosemodelle. Die Teilnehmer wählen das geeignete Modell basierend auf den Datencharakteristika aus.

Lektion 4 • Szenario- und annahmenbasierte Prognose

Erstellt Best-Case-, Base-Case- und Worst-Case-Prognoseszenarien unter Verwendung variabler Annahmen. Bereitet die Teilnehmer darauf vor, Prognoseunsicherheit an Entscheidungsträger zu kommunizieren.

Lektion 1 • Struktur und Phasen des Verkaufstrichters

Definiert Standard-Trichterphasen vom Lead bis zum abgeschlossenen Abschluss und ordnet jeder Phase Daten zu. Bietet die strukturelle Grundlage für alle Pipeline-Kennzahlen.

Lektion 2 • Gewinn-Verlust-Analyse

Untersucht gewonnene und verlorene Abschlüsse, um Wettbewerbs- und Prozessmuster aufzudecken. Die Ergebnisse fließen direkt in die Vertriebsstrategie und Coaching-Prioritäten ein.

Lektion 3 • Pipeline-Geschwindigkeit und Alterung von Abschlüssen

Misst, wie schnell sich Abschlüsse durch die Pipeline bewegen, und kennzeichnet stagnierende Opportunities. Geschwindigkeitskennzahlen verbinden den Pipeline-Zustand mit dem Umsatzzeitpunkt.

Lektion 4 • Analyse der Konversionsrate nach Phase

Berechnet die Konversionsraten von Phase zu Phase und identifiziert, wo Abschlüsse stecken bleiben. Zeigt die Verbesserungsmöglichkeiten mit der größten Hebelwirkung in der Pipeline auf.

Lektion 1 • Customer Lifetime Value Analyse

Berechnet den historischen und prädiktiven Customer Lifetime Value (CLV) anhand von Kaufdaten. Der CLV leitet Entscheidungen zur Investition in die Kundengewinnung und Priorisierung der Kundenbindung.

Lektion 2 • Kundenumsatzsegmentierung

Segmentiert Kunden nach Umsatz, Kaufhäufigkeit und Aktualität mithilfe von RFM- und Tiering-Methoden. Ermöglicht gezielte Bindungs- und Wachstumsstrategien für jedes Segment.

Lektion 3 • Abwanderungs- und Bindungsanalyse

Misst die Kundenabwanderungsrate, die Bindungsrate und Überlebenskurven im Zeitverlauf. Identifiziert Frühwarnsignale, die der Kundenabwanderung vorausgehen.

Lektion 4 • Produkt- und SKU-Leistungsanalyse

Ordnet Produkte nach Umsatz, Marge und Wachstumsrate, um Portfolioentscheidungen zu leiten. Verbindet die Produktleistung mit den Präferenzen der Kundensegmente.

Lektion 1 • Aufbau eines Vertriebsleistungs-Dashboards

Fügt KPIs in einem strukturierten Dashboard-Layout zusammen, das für die Überprüfung durch das Management optimiert ist. Wendet Prinzipien der Datenvisualisierung an, um die Geschwindigkeit der Erkenntnisvermittlung zu maximieren.

Lektion 2 • Leistungsvarianzanalyse

Zerlegt Lücken zwischen Ist- und Ziel-Leistung in Volumen-, Preis- und Mixeffekte. Die Varianzanalyse lenkt Korrekturmaßnahmen auf die richtige Ursache.

Lektion 3 • Benchmarking und Zielsetzung

Verwendet historische Daten und Branchenreferenzen, um realistische, motivierende Leistungsziele zu setzen. Richtiges Benchmarking verhindert sowohl Untertreibung als auch unerreichbare Ziele.

Lektion 4 • Scorecards für Einzelpersonen und Teams

Erstellt Scorecards auf Vertriebsmitarbeiter- und Teamebene unter Verwendung von Kennzahlen zu Quotenerfüllung, Aktivität und Pipeline. Scorecards schaffen Verantwortlichkeit und Coaching-Fokus.

Lektion 1 • Erstellung von Empfehlungen für die Führungsebene

Strukturiert Analyseergebnisse zu prägnanten, evidenzbasierten Empfehlungen für Führungskräfte. Wendet das Pyramidenprinzip und Data Storytelling an, um die Wirkung zu maximieren.

Lektion 2 • Markt- und Wettbewerbsanalyse

Integriert externe Marktdaten mit internen Vertriebsdaten, um die Wettbewerbsposition zu bewerten. Liefert den Kontext, der interne Kennzahlen in strategische Intelligenz verwandelt.

Lektion 3 • Verkaufsgebiets- und Quotenanalyse

Bewertet die Ausgewogenheit von Verkaufsgebieten anhand von Marktpotenzial, Arbeitsbelastung und historischen Leistungsdaten. Analytisches Gebietsdesign verbessert Fairness und Umsatzabdeckung.

Lektion 4 • Analyse der Go-to-Market-Effektivität

Misst den ROI von Kanälen, Segmenten und Kampagnen, um die Leistung der Go-to-Market-Strategie zu bewerten. Verbindet Vertriebsanalyse mit Marketing- und Produktinvestitionsentscheidungen.