Plan sprzedaży a prognoza popytu — skąd biorą się różnice i jak nad nimi zapanować?

01Plan i prognoza nie muszą mówić tego samego

Pod nazwą plan sprzedaży może kryć się zatwierdzony cel, budżet albo aktualne przewidywanie sprzedaży. Prognoza popytu może natomiast opisywać oczekiwane zapotrzebowanie rynku, niezależnie od tego, czy firma będzie w stanie je w pełni zaspokoić. To różne perspektywy.

Cel sprzedażowy może zakładać pozyskanie nowych klientów. Prognoza może jeszcze nie uwzględniać tych zamówień, ponieważ ich prawdopodobieństwo jest zbyt niskie. Z kolei oczekiwany popyt może przewyższać możliwą sprzedaż z powodu ograniczonej dostępności towaru.

Dlatego uzgodnienie powinno zaczynać się od pytania: co dokładnie oznacza każda z porównywanych liczb?

W procesach zintegrowanego planowania uzgadnianie perspektyw sprzedaży, finansów i planowania jest osobnym etapem współpracy, zakończonym decyzją o przyjętych założeniach. Nie sprowadza się do technicznego połączenia tabel. Takie rozdzielenie uzgodnień i decyzji opisuje również proces planowania SAP.

Celem nie jest więc wymuszenie identycznych wartości. Celem jest różnica, którą rozumiemy i potrafimy wyjaśnić.

02Najpierw wspólna podstawa porównania

Nawet prawidłowe pliki mogą dawać mylący wynik, jeżeli obejmują inne zakresy. Przed obliczeniem odchyleń warto uzgodnić poniższe elementy.

Różnica wartości sprzedaży nie musi oznaczać różnicy wolumenu. Może wynikać z ceny lub struktury sprzedawanych produktów. Takiej rozbieżności nie wyjaśnimy samym odejmowaniem dwóch sum.

Praktycznym rozwiązaniem jest krótka, wspólna definicja porównania: zakres, wersje źródeł, jednostki oraz sposób liczenia odchylenia. Dzięki temu kolejne odświeżenie raportu nie zmienia znaczenia prezentowanych liczb.

• Okres: czy oba zestawienia dotyczą tych samych miesięcy? Czy porównujemy cały rok, czy tylko jego pozostałą część?
• Wersja i scenariusz: czy zestawiamy zatwierdzony plan z aktualną prognozą, czy przypadkowo łączymy dwa różne cykle planowania albo scenariusz bazowy z optymistycznym?
• Moment zdarzenia: czy miesiąc oznacza zamówienie, dostawę, fakturę czy inną datę?
• Produkt i rynek: czy kody, opakowania, kraje i kanały sprzedaży odpowiadają sobie?
• Jednostka: czy wartości oznaczają sztuki, opakowania, kartony lub jednostki przeliczeniowe?
• Zasady wyceny: jeśli porównujemy kwoty, czy stosujemy zgodne ceny, rabaty, waluty i kursy? Czy obie wartości są netto albo obie brutto, według tej samej definicji?

03Zgodna suma może ukrywać problem

Rozważmy przykład demonstracyjny, który nie przedstawia danych żadnego klienta. Porównujemy jeden miesiąc, jeden rynek i tę samą jednostkę: sztuki produktu. Lukę definiujemy jako plan sprzedaży minus prognoza popytu.

Dla produktów A i B suma planu wynosi 200, a suma prognozy również 200. Na poziomie podsumowania wszystko wygląda na uzgodnione. Jednak dla produktu A plan przewyższa prognozę o 20 sztuk. Dla produktu B sytuacja jest odwrotna. Te różnice mogą wymagać odrębnych decyzji dotyczących działań handlowych, zapasu lub założeń planistycznych.

Pozostaje jeszcze produkt C. Pełny plan obejmuje 260 sztuk, ale nie mamy kompletnej prognozy dla całego portfela. Suma 200 = 200 dotyczy wyłącznie porównywalnych produktów A i B, a nie całego planu. Produkt C jest wyłączony z obu sum porównywalnego zakresu i jawnie pokazany jako brak prognozy.

Nie należy przedstawiać różnicy 60 jako potwierdzonej luki popytu. Najpierw trzeba wyjaśnić brak danych. Raport powinien pokazywać osobno wynik dla porównywalnych pozycji oraz zakres, którego nie udało się porównać.

04Brak danych to nie zero

Pusta pozycja może oznaczać, że prognozy jeszcze nie przygotowano, produkt nie został dopasowany albo wczytano niepełny eksport. Może też oznaczać, że dana pozycja nie powinna należeć do porównania. Żadna z tych sytuacji nie jest automatycznie równoznaczna z zerowym popytem.

Dla produktu C potwierdzona prognoza równa zero pozwala policzyć lukę +60. Brak prognozy powinien natomiast skutkować statusem do wyjaśnienia, bez wyliczonej luki. Zastąpienie wszystkich pustych pól zerami tworzy pozornie kompletny raport, ale usuwa informację o problemie.

Podobna pułapka pojawia się podczas łączenia tabel. Jeśli zachowamy wyłącznie pozycje występujące w obu źródłach, produkty bez odpowiednika mogą całkowicie zniknąć z analizy. Rodzaj połączenia musi odpowiadać celowi kontroli. Power Query pozwala zarówno zachować wszystkie pozycje, jak i osobno wyodrębnić niedopasowania.

05Zamiast kolejnego zestawienia — lista spraw do rozstrzygnięcia

Raport odchyleń powinien pomagać w działaniu, a nie kończyć się na czerwonej komórce. Dla każdej istotnej różnicy warto zapisać kontekst, odpowiedzialność i następny krok.

Warto rozdzielić dwa rodzaje spraw. Problemy danych obejmują na przykład brak pliku, niezgodne jednostki, nieaktualne mapowanie produktu lub zwielokrotnienie wierszy po połączeniu tabel. Różnice biznesowe mogą wynikać z nowej promocji, przesunięcia zamówienia, zmiany założeń handlowych czy ograniczeń dostępności.

Pierwsza grupa wymaga poprawienia danych lub reguł ich przetwarzania. Druga — uzgodnienia decyzji między odpowiedzialnymi zespołami. Automatyczne nadpisanie prognozy wartością planu zaciera tę różnicę.

• Produkt, rynek i okres.
• Porównywane wartości oraz wersje źródeł.
• Status kompletności danych.
• Przyczyna różnicy albo informacja, że wymaga ustalenia.
• Osoba odpowiedzialna za wyjaśnienie.
• Proponowane działanie, termin i status zatwierdzenia.

06Ustal priorytety, nie kieruj się wyłącznie procentem

Priorytety można ustalić przez uzgodnione progi ilościowe, wartościowe lub procentowe. Sam procent nie wystarczy: duże odchylenie dla niewielkiej pozycji może mieć mniejsze znaczenie niż mała procentowo różnica dla kluczowego produktu.

Przy zerowej podstawie procent wymaga osobnego sposobu prezentacji. Nie zastępuj błędu dzielenia przez zero wynikiem sugerującym brak odchylenia. Pokaż wartość bezwzględną i opis sytuacji. Braki danych powinny pozostać osobną kategorią, a nie trafiać do pozycji uznanych za zgodne.

07Co automatyzować, a co pozostawić do zatwierdzenia?

Powtarzalne kroki warto zapisać jako jeden proces. Ogranicza to ręczne przenoszenie wyników między plikami, ale nie zwalnia z kontroli reguł porównania.

Narzędzia mogą wykrywać puste wartości, błędy i rozkład danych. W Power Query trzeba pamiętać, że domyślne profilowanie obejmuje pierwsze 1000 wierszy — kontrola całego zestawu wymaga odpowiedniego ustawienia.

• Wczytanie właściwych plików lub danych z zatwierdzonych źródeł.
• Ujednolicenie struktury, kodów, dat i jednostek.
• Sprawdzenie kompletności oraz jednoznaczności danych.
• Połączenie zestawień z zachowaniem niedopasowanych pozycji.
• Obliczenie różnic dla porównywalnego zakresu.
• Przygotowanie listy wyjątków do przeglądu.

08Oddziel propozycję zmiany od zatwierdzonej korekty

Automatyzacja nie powinna samodzielnie rozstrzygać, czy prognozę należy podnieść, obniżyć albo dopasować do celu sprzedażowego. To decyzja biznesowa wymagająca uzasadnienia i wskazania osoby zatwierdzającej.

Warto zachować wersje wejściowe oraz oddzielić propozycję zmiany od zatwierdzonej korekty. Wtedy można odtworzyć, co zmieniono, dlaczego i na podstawie jakiej decyzji. Zapis powinien obejmować także moment zatwierdzenia i wersję, której dotyczy.

Zatwierdzenie oznacza przyjęcie określonej wersji i założeń do dalszej pracy. Nie sprawia, że prognoza staje się pewna, ani nie uzasadnia usunięcia pierwotnej wersji z historii.

09Sprawdź treść raportu, nie tylko datę odświeżenia

Przed spotkaniem uzgodnieniowym warto sprawdzić, czy raport rzeczywiście odpowiada na pytania o porównywalność, kompletność i odpowiedzialność. Pomaga w tym checklista zamieszczona pod artykułem.

Poprawne odświeżenie pliku nie daje jeszcze odpowiedzi na te pytania. Potwierdza jedynie, że proces wykonał zapisane kroki. Nie potwierdza, że źródła były kompletne, a założenia biznesowe właściwe.

10Dobra prognoza nie musi potwierdzać planu

Prognoza wskazująca ryzyko niezrealizowania celu nie musi być błędna. Może dostarczać informacji potrzebnej do odpowiednio wczesnej reakcji.

Jej trafność ocenia się później względem wykonania, z uwzględnieniem konkretnej wersji i horyzontu prognozy — nie wyłącznie na podstawie zgodności z planem.

Dlatego warto zacząć nie od kolejnego dashboardu, lecz od uporządkowania definicji, kontroli kompletności i odpowiedzialności za wyjątki. Wiarygodne uzgodnienie nie polega na tym, że wszystkie liczby stają się takie same. Polega na tym, że wiadomo, dlaczego się różnią i co należy z tym zrobić.

Materiały do pobrania

Szablon rejestru różnic plan–prognoza

Pola do opisania jednej rozbieżności, jej przyczyny, właściciela i decyzji. Edytowalny plik TXT.

Pobierz plik TXT ↓