Power BI Sales Dashboard: Design, DAX und Best Practices

Vertriebsleiter treffen jede Woche Dutzende von Entscheidungen auf der Grundlage von Pipeline-Daten: welche Geschäfte priorisiert werden sollen, wo Ressourcen zugewiesen werden sollen, ob Prognosen angepasst werden müssen und welche Vertriebsmitarbeiter Coaching benötigen. Wenn diese Daten in Tabellenkalkulationen gespeichert sind, die zwischen CRM-Exporten und E-Mail-Threads ausgetauscht werden, werden Entscheidungen verzögert, sind ungenau oder beides. Ein gut aufgebautes Power BI-Vertriebs-Dashboard beseitigt diese Verzögerung, indem es den Zustand der Pipeline, Leistungstrends und Prognosegenauigkeit in einer einzigen, interaktiven Ansicht darstellt.

Aber Vertriebs-Dashboards stellen eine einzigartige Herausforderung dar. Im Gegensatz zur Finanzberichterstattung, bei der die Zahlen am Monatsende endgültig sind, sind Verkaufsdaten von Natur aus zukunftsgerichtet und probabilistisch. Eine Pipeline im Wert von 500.000 US-Dollar bedeutet nicht einen Umsatz von 500.000 US-Dollar – sie bedeutet etwas zwischen 0 und 500.000 US-Dollar, abhängig von den stufengewichteten Wahrscheinlichkeiten, der Leistungshistorie der Vertriebsmitarbeiter und dem Geschäftsalter. Das Dashboard muss diese Unsicherheit ehrlich kommunizieren und gleichzeitig umsetzbar sein.

Dieser Leitfaden deckt die gesamte Architektur eines Power BI-Vertriebsdashboards ab, vom Datenmodellentwurf über die Pipeline-Visualisierung, Gewinnratenanalyse, Vertriebsmitarbeiterleistung, Gebietszuordnung, Prognosegenauigkeit bis hin zu den DAX-Kennzahlen, die jede Komponente unterstützen.

---

Datenmodell für Vertriebsanalysen

Kerntabellen

Das Vertriebsdatenmodell erweitert das Standard-Sternschema um vertriebsspezifische Dimensionen.

Opportunity-Faktentabelle (FactOpportunity). Jede Zeile stellt eine Verkaufschance in ihrem aktuellen Zustand dar. Zu den wichtigsten Spalten gehören OpportunityID, AccountID, RepID, CurrentStageID, CreateDate, CloseDate (tatsächlich oder erwartet), Amount, WeightedAmount (Betrag multipliziert mit der Phasenwahrscheinlichkeit), ProductCategory, LeadSource, IsWon (boolean), IsLost (boolean) und IsClosed (boolean).

Faktentabelle zum Phasenverlauf (FactStageHistory). Jede Zeile stellt einen Phasenübergang für eine Opportunity dar. Zu den Spalten gehören OpportunityID, FromStageID, ToStageID, TransitionDate und DaysInPreviousStage. Diese Tabelle ermöglicht die Analyse der Conversion-Rate und die Berechnung der Bühnengeschwindigkeit.

Phasendimension (DimStage). Definiert die Phasen Ihrer Vertriebspipeline. Zu den Spalten gehören StageID, StageName, StageOrder, Probability (die Gewinnwahrscheinlichkeit in dieser Phase, z. B. 10 % für Prospect, 25 % für Qualified, 50 % für Proposal, 75 % für Negotiation, 100 % für Closed Won, 0 % für Closed Lost) und IsOpen (boolean).

Rep-Dimension (DimRep). Details zum Vertriebsmitarbeiter, einschließlich RepID, RepName, Team, Manager, Region, HireDate und Quote.

Kontodimension (DimAccount). Kunden- oder Interessentendetails, einschließlich Konto-ID, Kontoname, Branche, Größe (KMU, Mittelstand, Unternehmen), Region, Land, Stadt und Breiten-/Längengrad (für geografische Zuordnung).

Datumsdimension (DimDate). Standarddatumstabelle, die von allen Faktentabellen gemeinsam genutzt wird.

Beziehungen

Konfigurieren Sie Beziehungen wie folgt. FactOpportunity zu DimDate verbindet sich über CreateDate (aktiv) und CloseDate (inaktiv --- mit USERELATIONSHIP in DAX aktivieren). Die Verbindung zwischen FactOpportunity und DimStage erfolgt über CurrentStageID. FactOpportunity stellt über RepID eine Verbindung zu DimRep her. Die Verbindung von FactOpportunity zu DimAccount erfolgt über AccountID. FactStageHistory und DimStage stellen eine Verbindung über FromStageID und ToStageID her (beide erfordern USERELATIONSHIP).

---

Pipeline-Visualisierung

Pipeline-Zusammenfassungs-KPIs

Oben in Ihrem Vertriebs-Dashboard sollten die Zahlen angezeigt werden, die Vertriebsleiter zuerst überprüfen.

Total Pipeline =
CALCULATE(
    SUM(FactOpportunity[Amount]),
    FactOpportunity[IsClosed] = FALSE()
)

Weighted Pipeline =
CALCULATE(
    SUM(FactOpportunity[WeightedAmount]),
    FactOpportunity[IsClosed] = FALSE()
)

Open Deals =
CALCULATE(
    COUNTROWS(FactOpportunity),
    FactOpportunity[IsClosed] = FALSE()
)

Average Deal Size =
DIVIDE([Total Pipeline], [Open Deals], 0)

Revenue Closed MTD =
CALCULATE(
    SUM(FactOpportunity[Amount]),
    FactOpportunity[IsWon] = TRUE(),
    DATESMTD(DimDate[Date])
)

Revenue Closed QTD =
CALCULATE(
    SUM(FactOpportunity[Amount]),
    FactOpportunity[IsWon] = TRUE(),
    DATESQTD(DimDate[Date])
)

Zeigen Sie diese als Kartenvisualisierungen mit bedingter Formatierung an. Färben Sie die Karte „Gewichtete Pipeline“ grün, wenn sie das Dreifache des verbleibenden Kontingents für den Zeitraum überschreitet (gesunde Abdeckung), gelb, wenn sie 2-3x (ausreichend) oder rot, wenn sie weniger als das Zweifache (unzureichend) beträgt.

Pipeline nach Stufe

Ein horizontal gestapeltes Balkendiagramm oder Trichterdiagramm, das den Wert in jeder Pipeline-Stufe anzeigt, bietet sofortigen Einblick in die Pipeline-Form. Eine gesunde Pipeline ist oben breiter (frühe Stadien) und unten schmaler (späte Stadien). Eine umgekehrte Form (mehr Wert in den späten Phasen als in den frühen Phasen) weist auf eine zukünftige Pipeline-Lücke hin.

Pipeline by Stage =
CALCULATE(
    SUM(FactOpportunity[Amount]),
    FactOpportunity[IsClosed] = FALSE()
)

Platzieren Sie DimStage[StageName] auf der Achse und sortieren Sie nach StageOrder, um eine korrekte sequentielle Anzeige sicherzustellen.

Alterung der Pipeline

Deals, die in der Pipeline-Phase verweilen, ohne voranzukommen, werden mit geringerer Wahrscheinlichkeit zum Abschluss gebracht. Verfolgen Sie die Vertragsalterung mit einem DAX-Maß, das die Tage seit dem letzten Phasenübergang berechnet.

Days in Current Stage =
VAR LastTransition =
    MAXX(
        FILTER(
            FactStageHistory,
            FactStageHistory[OpportunityID] = MAX(FactOpportunity[OpportunityID])
        ),
        FactStageHistory[TransitionDate]
    )
RETURN
    DATEDIFF(LastTransition, TODAY(), DAY)

Aging Category =
SWITCH(
    TRUE(),
    [Days in Current Stage] <= 14, "On Track",
    [Days in Current Stage] <= 30, "Slowing",
    [Days in Current Stage] <= 60, "At Risk",
    "Stale"
)

Visualisieren Sie die Alterung als Streudiagramm mit dem Geschäftswert auf der Y-Achse und den Tagen in der aktuellen Phase auf der X-Achse. Quadranten unterscheiden hochwertige neue Deals (oben links, aggressiv verfolgen) von hochwertigen, veralteten Deals (oben rechts, Eingreifen der Geschäftsleitung erforderlich) und geringwertigen veralteten Deals (unten rechts, Abschluss als verloren erwägen).

---

Gewinnratenanalyse

Gesamtgewinnrate

Win Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactOpportunity), FactOpportunity[IsWon] = TRUE()),
    CALCULATE(COUNTROWS(FactOpportunity), FactOpportunity[IsClosed] = TRUE()),
    0
)

Win Rate by Value =
DIVIDE(
    CALCULATE(SUM(FactOpportunity[Amount]), FactOpportunity[IsWon] = TRUE()),
    CALCULATE(SUM(FactOpportunity[Amount]), FactOpportunity[IsClosed] = TRUE()),
    0
)

Verfolgen Sie immer sowohl anzahlbasierte als auch wertbasierte Gewinnraten. Ein Vertreter, der 50 % der Geschäfte nach Anzahl, aber nur 30 % nach Wert abschließt, gewinnt kleine Geschäfte und verliert große, was ein anderes Coaching erfordert als das umgekehrte Muster.

Gewinnrate nach Segment

Unterteilen Sie die Gewinnrate nach Dimensionen, die umsetzbare Muster aufdecken. Die Gewinnrate nach Deal-Größenbereich (unter 10.000 $, 10.000 $ bis 50.000 $, 50.000 $ bis 200.000 $, über 200.000 $) zeigt, wo Ihr Team überragt und Probleme hat. Die Gewinnrate nach Lead-Quelle zeigt, welche Kanäle die meisten Chancen zum Abschluss bringen. Die Erfolgsquote nach Branche zeigt die vertikale Markttauglichkeit. Die Erfolgsrate nach Verkaufszykluslänge zeigt den optimalen Zeitrahmen für das Engagement.

Win Rate by Size Bucket =
VAR DealBucket =
    SWITCH(
        TRUE(),
        MAX(FactOpportunity[Amount]) < 10000, "Under $10K",
        MAX(FactOpportunity[Amount]) < 50000, "$10K-$50K",
        MAX(FactOpportunity[Amount]) < 200000, "$50K-$200K",
        "$200K+"
    )
RETURN
    [Win Rate]

Stufen-Conversion-Raten

Verfolgen Sie die Wahrscheinlichkeit, mit der ein Deal von einer Phase zur nächsten übergeht. Dies validiert die Wahrscheinlichkeiten Ihrer Pipeline-Stufen und identifiziert stufenspezifische Engpässe.

Stage Conversion Rate =
VAR CurrentStage = SELECTEDVALUE(DimStage[StageName])
VAR NextStageOrder = SELECTEDVALUE(DimStage[StageOrder]) + 1
VAR EnteredStage =
    CALCULATE(
        COUNTROWS(FactStageHistory),
        FactStageHistory[ToStageID] = SELECTEDVALUE(DimStage[StageID])
    )
VAR AdvancedToNext =
    CALCULATE(
        COUNTROWS(FactStageHistory),
        FactStageHistory[FromStageID] = SELECTEDVALUE(DimStage[StageID]),
        FILTER(DimStage, DimStage[StageOrder] = NextStageOrder)
    )
RETURN
    DIVIDE(AdvancedToNext, EnteredStage, 0)

Eine Trichtervisualisierung, die die Conversion-Raten zwischen den Phasen zeigt, zeigt sofort, wo Geschäfte scheitern. Wenn 40 % der Deals von „Qualifiziert“ in „Angebot“ umgewandelt werden, aber nur 15 % von „Angebot“ in „Verhandlung“ umgewandelt werden, müssen Ihre Vorschläge verbessert werden.

---

Leistung des Vertriebsmitarbeiters

Rep-Scorecard

Erstellen Sie eine Vertriebsmitarbeiter-Leistungsmatrix, in der die wichtigsten Kennzahlen jedes Verkäufers nebeneinander angezeigt werden.

Quota Attainment =
DIVIDE(
    CALCULATE(
        SUM(FactOpportunity[Amount]),
        FactOpportunity[IsWon] = TRUE()
    ),
    MAX(DimRep[Quota]),
    0
)

Average Sales Cycle (Days) =
CALCULATE(
    AVERAGEX(
        FILTER(FactOpportunity, FactOpportunity[IsWon] = TRUE()),
        DATEDIFF(FactOpportunity[CreateDate], FactOpportunity[CloseDate], DAY)
    )
)

Average Deal Size Won =
CALCULATE(
    AVERAGE(FactOpportunity[Amount]),
    FactOpportunity[IsWon] = TRUE()
)

Activity Score =
-- Combine multiple activity metrics into a composite score
-- Customize based on your CRM's activity tracking
CALCULATE(COUNTROWS(FactActivities)) /
CALCULATE(COUNTROWS(FactOpportunity), FactOpportunity[IsClosed] = FALSE())

Zeigen Sie dies als Tabelle mit bedingter Formatierung für jede Metrik an. Sortieren Sie nach Quotenerreichung, um schnell die Leistungsträger und diejenigen zu identifizieren, die Unterstützung benötigen. Fügen Sie in jeder Zeile Sparklines (kleine Trenddiagramme) hinzu, die den monatlichen Umsatztrend des Vertriebsmitarbeiters zeigen.

Rep-Vergleichstabelle

Ein Punktdiagramm oder ein Lollipop-Diagramm, das die Quotenerreichung jedes Mitarbeiters als Prozentsatz anzeigt, sorgt für einen gesunden Wettbewerb und identifiziert Ausreißer. Platzieren Sie die 100 %-Erreichungslinie prominent. Gruppieren Sie die Vertreter nach Team oder Region, um einen überschaubaren Vergleich zu ermöglichen.

Coaching-Indikatoren

Erstellen Sie Maßnahmen, die spezifische Coaching-Möglichkeiten identifizieren, anstatt nur zu zeigen, wer unterdurchschnittliche Leistungen erbringt.

Geringe Aktivität, hohe Pipeline: Der Mitarbeiter hat Geschäfte, führt diese aber nicht aus. Coaching-Schwerpunkt: Interessentendisziplin und Deal-Engagement.

Hohe Aktivität, geringe Konvertierung: Der Mitarbeiter ist beschäftigt, schließt aber nicht. Coaching-Schwerpunkt: Qualifikationsfähigkeiten und Einhaltung der Vertriebsmethodik.

Kurze Verkaufszyklen, kleine Geschäfte: Der Vertreter schließt schnell ab, bietet aber zu wenig an. Coaching-Schwerpunkt: Value Selling und Upsell-Techniken.

Lange Verkaufszyklen, hohe Erfolgsquote: Der Vertreter ist gründlich, aber langsam. Coaching-Schwerpunkt: Dringlichkeitserstellung und Prozesseffizienz.

---

Gebiets- und geografische Analyse

Kartenvisualisierung

Die Kartenvisualisierungen von Power BI zeichnen Geschäfte geografisch anhand von Breiten-/Längengraden oder geografischen Feldern (Land, Bundesland, Stadt) auf. Konfigurieren Sie eine gefüllte Karte oder Blasenkarte, die den Wert oder die Anzahl der Deals nach Region anzeigt.

Verwenden Sie die geografischen Felder der Kontodimension, um die Pipeline-Konzentration nach Gebiet zu visualisieren, Regionen mit hoher Pipeline, aber niedrigen Gewinnraten zu identifizieren, geografische Gebiete ohne Pipeline-Abdeckung (Leerraum) zu erkennen und die regionale Leistung mit Gebietsquoten zu vergleichen.

Gebietsleistungstabelle

Territory Coverage =
DIVIDE(
    CALCULATE(
        SUM(FactOpportunity[Amount]),
        FactOpportunity[IsWon] = TRUE()
    ),
    CALCULATE(MAX(DimRep[Quota])),
    0
)

Pipeline Coverage Ratio =
DIVIDE(
    [Total Pipeline],
    MAX(DimRep[Quota]) - [Revenue Closed QTD],
    0
)

Eine Gebietsleistungstabelle, die den geschlossenen Umsatz, die offene Pipeline, die Quote, das Abdeckungsverhältnis und die Gewinnrate jeder Region zeigt, ermöglicht es Vertriebsleitern, Ressourcen auf Gebiete mit hohem Potenzial und unzureichender Abdeckung umzuverteilen.

---

Prognosegenauigkeit

Erstellen eines Prognosemodells

Die Umsatzprognose in Power BI kombiniert quantitative Analysen mit qualitativen Eingaben. Die zuverlässigsten Prognosen nutzen mehrere Methoden und vergleichen die Ergebnisse.

Gewichtete Pipeline-Methode: Summieren Sie die gewichteten Beträge (Dealwert multipliziert mit der Phasenwahrscheinlichkeit) für alle offenen Deals, deren Abschluss im Prognosezeitraum erwartet wird. Dies ist die einfachste Methode, beruht jedoch auf genauen Stufenwahrscheinlichkeiten.

Historische Run-Rate-Methode: Berechnen Sie den durchschnittlichen monatlichen Abschlussumsatz der letzten 6 bis 12 Monate und projizieren Sie ihn in die Zukunft. Passen Sie bekannte saisonale Muster an.

Historical Run Rate =
AVERAGEX(
    DATESINPERIOD(DimDate[Date], MAX(DimDate[Date]), -6, MONTH),
    [Revenue Closed MTD]
)

Forecast (Run Rate Method) =
[Historical Run Rate] *
COUNTROWS(
    FILTER(DimDate, DimDate[YearMonth] = MAX(DimDate[YearMonth]) && DimDate[IsCurrentMonth] = FALSE())
)

Von Vertriebsmitarbeitern übermittelte Prognose: Ermöglichen Sie Vertriebsmitarbeitern, für jedes Geschäft ihre eigene Prognose einzureichen. Vergleichen Sie ihre Vorhersagen mit der gewichteten Pipeline und den historischen Methoden. Verfolgen Sie im Laufe der Zeit, welche Methode für Ihr Unternehmen am genauesten ist.

Prognose vs. tatsächliche Nachverfolgung

Der Schlüssel zur Verbesserung der Prognosegenauigkeit liegt in der konsistenten Messung.

Forecast Accuracy =
1 - ABS(
    DIVIDE(
        [Actual Closed Revenue] - [Forecasted Revenue],
        [Forecasted Revenue],
        0
    )
)

Forecast Bias =
DIVIDE(
    [Forecasted Revenue] - [Actual Closed Revenue],
    [Actual Closed Revenue],
    0
)

Positive Voreingenommenheit bedeutet, dass das Team durchweg überprognostiziert (optimistisch) ist. Negativer Bias bedeutet Unterprognose (Sandbagging). Verfolgen Sie die Prognosegenauigkeit im Zeitverlauf als Liniendiagramm, wobei die Zielgenauigkeitslinie bei 85–90 % liegt.

Eine monatliche Vergleichstabelle, die den prognostizierten mit dem tatsächlichen Umsatz mit Angabe des Genauigkeitsprozentsatzes und der Ausrichtungsrichtung zeigt, stärkt die organisatorische Disziplin rund um die Prognose. Wenn das Vertriebsteam weiß, dass die Genauigkeit seiner Prognosen verfolgt und sichtbar ist, verbessern sich die Prognosen.

---

Verkaufsgeschwindigkeitsmetriken

Pipeline-Geschwindigkeitsformel

Die Verkaufsgeschwindigkeit misst, wie schnell Ihre Pipeline Umsatz generiert. Es kombiniert vier Faktoren in einer einzigen Metrik.

Sales Velocity =
DIVIDE(
    [Open Deals] * [Average Deal Size Won] * [Win Rate],
    [Average Sales Cycle (Days)],
    0
)

Daraus ergibt sich eine tägliche Umsatzgeschwindigkeit. Für die monatliche Geschwindigkeit mit 30 multiplizieren. Das Maß sagt Ihnen, dass die Verbesserung einer der vier Eingaben die Geschwindigkeit erhöht, und quantifiziert die relative Auswirkung jeder Verbesserung.

Geschwindigkeitstrend

Verfolgen Sie die Verkaufsgeschwindigkeit monatlich über die letzten 12 Monate. Ein zunehmender Trend weist auf eine Verbesserung der Vertriebseffizienz hin. Ein rückläufiger Trend weist auf Probleme hin, auch wenn der aktuelle Umsatz gesund erscheint, da die Geschwindigkeit ein Frühindikator ist.

Zersetzungsanalyse

Wenn sich die Geschwindigkeit ändert, bestimmen Sie, welcher Eingabefaktor die Änderung verursacht hat. Erstellen Sie eine Varianzzerlegung, die den Beitrag jedes Faktors (Anzahl der Geschäfte, Größe der Geschäfte, Gewinnrate, Zykluslänge) zur Gesamtgeschwindigkeitsänderung zeigt. Dies ist die umsetzbarste Analyse in einem Vertriebs-Dashboard, da sie dem Vertriebsleiter genau sagt, worauf er sich konzentrieren muss.

---

Best Practices für das Dashboard-Design

Seitenlayout

Executive-Zusammenfassungsseite. 4–6 KPI-Karten (geschlossener Umsatz, Pipeline-Wert, gewichtete Pipeline, Quotenerreichung, Gewinnrate, Geschwindigkeit), ein Trichter nach Pipeline-Stufe und ein monatlicher Umsatztrend. Diese Seite beantwortet die Frage „Wie geht es uns?“ in weniger als 10 Sekunden.

Pipeline-Analyseseite. Detaillierte Pipeline-Ansichten einschließlich Alterung, Phasenkonvertierung und Deal-Liste mit Sortierung und Filterung. Diese Seite beantwortet die Frage „Wie ist der Zustand unserer Pipeline?“

Seite „Vertreterleistung“. Scorecard-Matrix, Diagramm zur Quotenerreichung und Coaching-Indikatoren. Auf dieser Seite wird die Frage beantwortet: „Wie schneidet jede einzelne Person ab?“

Prognoseseite. Prognose vs. tatsächliches Tracking, Methodenvergleich und Genauigkeitstrends. Diese Seite beantwortet die Frage „Können wir unseren Prognosen vertrauen?“

Gebietsseite. Geografische Karte, Gebietsleistungstabelle und Abdeckungsanalyse. Diese Seite beantwortet die Frage „Wo sind wir stark und wo sind wir exponiert?“

Interaktivität

Verwenden Sie Slicer für den Zeitraum (aktuelles Quartal, aktueller Monat, rollierende 12 Monate), Team oder Manager (für gefilterte Ansichten), Produktkategorie und Geschäftsgrößenbereich. Durch die Kreuzfilterung zwischen Visuals können Benutzer auf eine Pipeline-Phase klicken, um die spezifischen Deals anzuzeigen, oder auf den Namen eines Vertreters klicken, um alle Visuals nach den Daten dieser Person zu filtern.

---

Häufig gestellte Fragen

Welche CRM-Systeme eignen sich am besten als Datenquellen für Power BI-Vertriebs-Dashboards?

Salesforce, HubSpot, Microsoft Dynamics 365 und Pipedrive verfügen alle über Power BI-Konnektoren oder gut dokumentierte APIs. Salesforce verfügt über ein spezielles Power BI-Inhaltspaket. Dynamics 365 lässt sich nativ über Dataverse integrieren. Verwenden Sie für Odoo, GoHighLevel oder benutzerdefinierte CRMs REST-API-Konnektoren oder exportieren Sie sie in eine Staging-Datenbank. Die CRM-Auswahl ist weniger wichtig als die Datenqualität – stellen Sie sicher, dass die Opportunity-Phasen, -Beträge und -Daten in dem von Ihnen verwendeten CRM konsistent gepflegt werden.

Wie oft sollte ein Vertriebs-Dashboard aktualisiert werden?

Die tägliche Aktualisierung ist für die meisten Vertriebsorganisationen Standard. Einige Hochgeschwindigkeits-Vertriebsteams (SaaS, E-Commerce) profitieren von 4–6 Aktualisierungen pro Tag. Echtzeit-Dashboards mit DirectQuery sind für Verkaufsdaten selten erforderlich, da CRM-Aktualisierungen nicht wirklich in Echtzeit erfolgen – Vertriebsmitarbeiter aktualisieren ihre Geschäfte stapelweise. Planen Sie Ihre Aktualisierung so ein, dass sie vor dem morgendlichen Standup-Meeting des Vertriebsteams abgeschlossen ist, um maximale Relevanz zu erzielen.

Wie gehe ich mit Deals mit mehreren Produkten oder Werbebuchungen um?

Erstellen Sie eine separate Einzelposten-Faktentabelle, die jede Verkaufschance in ihre Produktkomponenten aufschlüsselt. Die Opportunity-Faktentabelle verwaltet den gesamten Deal-Betrag für Pipeline-Berichte, während die Einzelpostentabelle eine Analyse auf Produktebene ermöglicht. Verbinden Sie beides mit der Opportunity-ID und der Produktdimension. Erstellen Sie separate Kennzahlen für die Analyse auf Pipeline-Ebene (mit FactOpportunity) und die Analyse auf Produktebene (mit FactLineItem).

Was ist ein gesundes Pipeline-zu-Kontingent-Abdeckungsverhältnis?

Die meisten Vertriebsorganisationen streben eine dreifache Pipeline-Abdeckung an, was bedeutet, dass der gewichtete Gesamtwert der Pipeline das Dreifache der verbleibenden Quote für den Zeitraum betragen sollte. Das genaue Verhältnis hängt von Ihrer bisherigen Gewinnrate und Deal-Velocity ab. Wenn Ihre Gesamtgewinnquote 33 % beträgt, benötigen Sie eine dreifache Deckung. Wenn es 25 % sind, benötigen Sie 4x. Verfolgen Sie Ihr tatsächliches Abdeckungs-zu-Erreichungs-Verhältnis über mehrere Quartale, um das richtige Ziel für Ihr Team zu kalibrieren.

Wie verhindere ich Gaming, wenn die Mitarbeiter das Dashboard sehen können?

Transparenz reduziert das Spielen tatsächlich, wenn sie mit den richtigen Kennzahlen kombiniert wird. Verfolgen Sie sowohl die Pipeline-Erstellung als auch den Pipeline-Fortschritt, nicht nur den geschlossenen Umsatz. Überwachen Sie die Regression der Deal-Phase (Deals rückwärts verschieben). Flag befasst sich mit Beträgen, die sich nach der ersten Eingabe um mehr als 20 % ändern. Vergleichen Sie selbst gemeldete Prognosen mit tatsächlichen Ergebnissen. Das Dashboard sollte ein Werkzeug zur ehrlichen Bewertung sein und nicht nur eine Bestenliste.

Kann Power BI vorhersagen, welche Geschäfte abgeschlossen werden?

Die in Power BI integrierten KI-Visuals (Key Influencers, Decomposition Tree) können Faktoren identifizieren, die mit erfolgreichen Geschäften zusammenhängen. Integrieren Sie für die prädiktive Geschäftsbewertung ein maschinelles Lernmodell (erstellt in Azure ML, Python oder R), das jede Gelegenheit basierend auf historischen Mustern bewertet. Die Modellausgabe wird zu einer Spalte in Ihrem Datenmodell, die in Dashboard-Visualisierungen eingespeist wird. Dieser Ansatz ist zuverlässiger als die stufenbasierte Wahrscheinlichkeit, da er mehrere Faktoren gleichzeitig berücksichtigt.

---

Expert Sales Dashboard-Entwicklung

Ein Vertriebs-Dashboard, das Entscheidungen vorantreibt, erfordert mehr als nur technische Fähigkeiten – es erfordert ein Verständnis der Vertriebsmethodik, der CRM-Datenstrukturen und der spezifischen Fragen, die Ihre Vertriebsleitung beantworten muss. Standardvorlagen erfassen selten die Nuancen Ihres Verkaufsprozesses.

Die Power BI-Dienste von ECOSIRE bieten benutzerdefinierte Dashboard-Entwicklung für Vertriebsanalysen, Datenmodellierung für die CRM-Integration und Schulung für Vertriebsteams, die Self-Service-Analysefunktionen aufbauen möchten.

---

Die besten Vertriebs-Dashboards berichten nicht nur darüber, was passiert ist. Sie verraten, warum es passiert ist und was man dagegen tun kann. Erstellen Sie Ihr Dashboard, um die Fragen zu beantworten, die Ihre Vertriebsleiter täglich stellen, machen Sie die Antworten sofort sichtbar und beobachten Sie, wie sich die Entscheidungsqualität – und der Umsatz – verbessern.