Power BI-Vertriebs-Dashboard: KPIs, Metriken und Vorlagen

Laut dem State of Sales-Bericht von Salesforce schließen Vertriebsteams, die die richtigen KPIs in Echtzeit verfolgen, 28 % mehr Geschäfte ab. Dennoch fallen die meisten Vertriebs-Dashboards in zwei Fehlermodi: Entweder verfolgen sie oberflächliche Kennzahlen, die sich gut anfühlen, aber nicht zu Entscheidungen führen, oder sie überfordern die Vertriebsmitarbeiter mit mehr als 40 Zahlen, was zu einer Lähmung der Analyse führt. Ein gut gestaltetes Power BI-Vertriebs-Dashboard zeigt die richtigen 15–20 Metriken mit der richtigen Detailebene an, mit Drill-Through zur Untersuchung von Anomalien.

Dieser Leitfaden erstellt eine vollständige Power BI-Vertriebs-Dashboard-Architektur vom Datenmodell bis zum veröffentlichten Bericht – und deckt jeden KPI mit seiner DAX-Formel, der Layoutlogik hinter dem Design und Drill-Through-Mustern ab, die es Managern ermöglichen, sie zu erkunden, ohne die Tools wechseln zu müssen.

Wichtige Erkenntnisse

• 15 wesentliche Vertriebs-KPIs mit vollständigen DAX-Formeln, bereit zur Implementierung – Eine 4-seitige Dashboard-Architektur, die Executive Summary, Pipeline, Rep-Performance und Trendanalyse abdeckt
• Drill-Through-Entwurfsmuster zur Navigation von aggregierten KPIs zu einzelnen Geschäftsdetails
• Dynamische Ziele: Laden Sie Quotendaten aus einer separaten Tabelle und vergleichen Sie sie mit den tatsächlichen Werten in DAX – Regeln zur bedingten Formatierung, um gefährdete Geschäfte, leistungsschwache Mitarbeiter und Pipeline-Lücken zu kennzeichnen
• Lesezeichenbasierte Navigation für eine übersichtliche Benutzererfahrung ohne Unordnung in den Kopfzeilen – Das Star-Schema-Datenmodell, das vor dem Erstellen eines der oben genannten Elemente erforderlich ist
• Zeitintelligenzmuster: rollierende 30-Tage-, MTD-, QTD-, YTD- und Vergleiche früherer Perioden

---

Datenmodelldesign

Bevor eine einzelne DAX-Kennzahl geschrieben wird, muss das Datenmodell korrekt sein. Für Vertriebs-Dashboards sind in der Regel die folgenden Tabellen erforderlich:

Faktentabellen

Fact_Opportunities (eine Zeile pro Deal):

• OpportunityID, AccountID, OwnerID, StageID, CloseDate, Amount, Probability, Created Date, Type

Fact_Activities (eine Zeile pro Aktivität):

• ActivityID, OpportunityID, OwnerID, ActivityDate, ActivityType, Duration

Fact_Quotas (eine Zeile pro Wiederholung und Periode):

• OwnerID, PeriodID, QuotaAmount

Dimensionstabellen

Beziehungen

Fact_Opportunities → Dim_Account (AccountID)
Fact_Opportunities → Dim_Owner (OwnerID)
Fact_Opportunities → Dim_Stage (StageID)
Fact_Opportunities → Dim_Date (CloseDate) [active]
Fact_Opportunities → Dim_Date (CreatedDate) [inactive, use USERELATIONSHIP]
Fact_Activities → Fact_Opportunities (OpportunityID)
Fact_Activities → Dim_Owner (OwnerID)
Fact_Quotas → Dim_Owner (OwnerID)
Fact_Quotas → Dim_Date (PeriodID)

---

15 wesentliche Vertriebs-KPIs mit DAX-Formeln

1. Gesamtumsatz (gewonnene Deals)

Total Revenue =
CALCULATE(
    SUM(Fact_Opportunities[Amount]),
    Dim_Stage[IsClosedWon] = TRUE
)

2. Umsatz vs. Quote

Quota Attainment % =
DIVIDE(
    [Total Revenue],
    SUM(Fact_Quotas[QuotaAmount]),
    0
)

3. Pipeline-Wert (offene Deals)

Pipeline Value =
CALCULATE(
    SUM(Fact_Opportunities[Amount]),
    Dim_Stage[IsClosedWon] = FALSE,
    Dim_Stage[IsClosedLost] = FALSE
)

4. Gewichtete Pipeline (wahrscheinlichkeitsbereinigt)

Weighted Pipeline =
CALCULATE(
    SUMX(
        Fact_Opportunities,
        Fact_Opportunities[Amount] * Fact_Opportunities[Probability] / 100
    ),
    Dim_Stage[IsClosedWon] = FALSE,
    Dim_Stage[IsClosedLost] = FALSE
)

5. Gewinnrate

Win Rate =
DIVIDE(
    CALCULATE(COUNTROWS(Fact_Opportunities), Dim_Stage[IsClosedWon] = TRUE),
    CALCULATE(
        COUNTROWS(Fact_Opportunities),
        Dim_Stage[IsClosedWon] = TRUE || Dim_Stage[IsClosedLost] = TRUE
    ),
    0
)

6. Durchschnittliche Dealgröße

Avg Deal Size =
CALCULATE(
    AVERAGEX(
        FILTER(Fact_Opportunities, Dim_Stage[IsClosedWon] = TRUE),
        Fact_Opportunities[Amount]
    )
)

7. Länge des Verkaufszyklus (Tage)

Avg Sales Cycle Days =
AVERAGEX(
    FILTER(Fact_Opportunities, Dim_Stage[IsClosedWon] = TRUE),
    DATEDIFF(
        Fact_Opportunities[CreatedDate],
        Fact_Opportunities[CloseDate],
        DAY
    )
)

8. Umsatzwachstum im Jahresvergleich

Revenue YoY Growth =
VAR CurrentPeriod = [Total Revenue]
VAR PriorPeriod = CALCULATE([Total Revenue], SAMEPERIODLASTYEAR(Dim_Date[Date]))
RETURN
DIVIDE(CurrentPeriod - PriorPeriod, PriorPeriod, 0)

9. Umsatz seit Monatsbeginn

MTD Revenue = CALCULATE([Total Revenue], DATESMTD(Dim_Date[Date]))

10. Quartalsumsatz

QTD Revenue = CALCULATE([Total Revenue], DATESQTD(Dim_Date[Date]))

11. Rollierender 30-Tage-Umsatz

Rolling 30D Revenue =
CALCULATE(
    [Total Revenue],
    DATESINPERIOD(Dim_Date[Date], LASTDATE(Dim_Date[Date]), -30, DAY)
)

12. Pipeline-Abdeckungsverhältnis

Pipeline Coverage =
DIVIDE(
    [Pipeline Value],
    CALCULATE(
        SUM(Fact_Quotas[QuotaAmount]),
        DATESINPERIOD(Dim_Date[Date], LASTDATE(Dim_Date[Date]), 90, DAY)
    ),
    0
)

13. Deal Velocity (Umsatz pro Tag)

Deal Velocity =
DIVIDE([Total Revenue], COUNTROWS(VALUES(Dim_Date[Date])), 0)

14. Durchschnittliche Aktivitäten pro gewonnenem Geschäft

Avg Activities per Won Deal =
AVERAGEX(
    FILTER(Fact_Opportunities, Dim_Stage[IsClosedWon] = TRUE),
    CALCULATE(COUNTROWS(Fact_Activities))
)

15. Prognosegenauigkeit

Forecast Accuracy % =
1 - ABS(
    DIVIDE(
        [Total Revenue] - [Weighted Pipeline At Period Start],
        [Weighted Pipeline At Period Start],
        0
    )
)

---

4-seitige Dashboard-Architektur

Seite 1: Zusammenfassung

Layout (von oben nach unten):

Reihe 1 – KPI-Karten (5 Karten quer):

• Umsatz MTD vs. Quote (mit Quotenerreichung % und Trend-Sparkline)
• Umsatz YTD (mit Indikator für %-Änderung im Jahresvergleich)
• Pipeline-Wert (mit Pipeline-Abdeckungsverhältnis)
• Gewinnrate (mit Vormonatsvergleich)
• Durchschnittliche Dealgröße (mit Trendindikator)

Zeile 2 – Primäre Visuals (2 nebeneinander):

• Links: Monatlicher Umsatz vs. Quote (gruppiertes Balkendiagramm, letzte 12 Monate)
• Rechts: Umsatz nach Region (ausgefüllte Karte oder Balkendiagramm)

Reihe 3 – Sekundäre Visuals (3 nebeneinander):

• Pipeline nach Stufe (Trichterdiagramm)
• Top 10 Deals nach Betrag (Tabelle mit Wahrscheinlichkeitsindikator)
• Umsatz nach Produktkategorie (Baumkarte)

Slicer (rechter Bereich oder oben): Datumsbereich, Region, Vertriebsmitarbeiter (Mehrfachauswahl)

Seite 2: Pipeline-Analyse

Layout:

Trichterdiagramm (Anzahl und Wert der einzelnen Deals):

• Prospektion → Qualifiziert → Angebot → Verhandlung → Abgeschlossen und gewonnen

Risiko-Heatmap (Tabelle zur bedingten Formatierung):

• Zeilen: Deals, die in den nächsten 30 Tagen abgeschlossen werden
• Spalten: Deal-Name, Konto, Betrag, Phase, Tage in der Phase, Eigentümer
• Rote Markierung: Tage in der Phase > 30 (Störungsgefahr)
• Bernstein: Tage in Phase 15–30
• Grün: Tage in der Phase < 15

Pipeline nach Abschlussmonat (gestapelte Leiste):

• Bars nach Etappe; Zeigt an, wie viel Pipeline wann schließt

Seite 3: Leistung des Vertriebsmitarbeiters

Matrix Visual (Repräsentanten-Bestenliste):

• Zeilen: Namen der Vertriebsmitarbeiter
• Spalten: Umsatz, Quote, Erreichung %, Pipeline, Gewinnrate, durchschnittliche Geschäftsgröße, gewonnene Geschäfte
• Bedingte Formatierung: Rot/Gelb/Grün bei Erreichen %
• Sortierung nach Erreichen % absteigend

Streudiagramm – Deal-Größe vs. Gewinnrate pro Wiederholung (identifiziert Stärken):

• X-Achse: Durchschnittliche Dealgröße
• Y-Achse: Gewinnrate
• Größe: Gesamtumsatz
• Farbe: Quotenerreichung

Aktivitätsanalyse – Balkendiagramm der Anrufe/E-Mails/Besprechungen pro Mitarbeiter

Seite 4: Trends und Prognose

Liniendiagramm – Rollierender 12-Monats-Umsatz mit:

• Tatsächlicher Umsatz (durchgezogene Linie)
• Prognoselinie (gestrichelt, aus gewichteter Pipeline)
• Ziellinie (flach, aus Quote)

Wasserfalldiagramm – Einnahmenbrücke aus der Vorperiode:

• Beginn: Umsatz des letzten Monats
• Neue Deals gewonnen
• Erweiterungen/Upsells
• Verluste
• Ende: Umsatz des laufenden Monats

Kohortenanalysetabelle – Neukunden im Vergleich zu Expansionserlösen

---

Drill-Through-Design

Durch Drillthrough können Manager auf Zusammenfassungsseiten auf einen Vertreter, eine Region oder eine Geschäftsphase klicken und zu einer Detailseite für diese Auswahl navigieren.

Drill-Through konfigurieren

1. Erstellen Sie eine Detailseite in Ihrem Bericht (z. B. „Deal-Detail“).
2. Fügen Sie im Drill-Through-Bereich der Seite (Bereich „Visualisierungen“) Fact_Opportunities[OpportunityID] als Drill-Through-Feld hinzu
3. Erstellen Sie die Detailseite: Dealname, Konto, Eigentümer, Phasenverlauf, Aktivitätsprotokoll, Notizen

Benutzer klicken mit der rechten Maustaste auf einen beliebigen Datenpunkt auf den Übersichtsseiten und wählen „Drillthrough → Deal-Details“, um den vollständigen Verlauf des jeweiligen Deals anzuzeigen.

Drill-Through für die Mitarbeiterleistung

Erstellen Sie eine Seite „Vertreterdetails“ mit dem Vertreternamen als Drill-Through-Feld. Beinhaltet:

• Die Pipeline dieses Vertreters nach Stufen
• Ihre Geschäfte schließen dieses Quartal ab (Tabelle)
• Aktivitätstrend der letzten 90 Tage
• Siegquote im Vergleich zum Teamdurchschnitt

---

Bedingte Formatierung für gefährdete Geschäfte

Wenden Sie bedingte Formatierung an, um Deals zu kennzeichnen, die Ihrer Aufmerksamkeit bedürfen:

// Days in Current Stage (for conditional formatting)
Days in Stage =
DATEDIFF(
    CALCULATE(
        MAX(Stage_History[EnteredDate]),
        Stage_History[StageID] = MAX(Fact_Opportunities[StageID])
    ),
    TODAY(),
    DAY
)

// Deal Risk Color (background color measure)
Deal Risk Color =
SWITCH(TRUE(),
    [Days in Stage] > 30, "#FF4444",  -- Red: stalled
    [Days in Stage] > 15, "#FFA500",  -- Amber: warning
    "#00B050"                          -- Green: on track
)

Wenden Sie das Farbmaß als Hintergrundfarbe in Regeln für die bedingte Tabellenformatierung an.

---

Dynamische Ziele und Quotenvergleich

Durch das Laden von Kontingentdaten aus einer separaten Tabelle (statt durch Hardcodierung) können Ziele ohne erneute Veröffentlichung des Berichts aktualisiert werden:

Kontingenttabellenstruktur:

Quotenvarianzmaß:

Revenue vs Quota =
[Total Revenue] -
CALCULATE(
    SUM(Fact_Quotas[QuotaAmount]),
    TREATAS(VALUES(Dim_Date[Year]), Fact_Quotas[Year]),
    TREATAS(VALUES(Dim_Date[MonthNum]), Fact_Quotas[Month])
)

---

Häufig gestellte Fragen

Welche Datenquellen eignen sich am besten für Power BI-Vertriebsdashboards?

CRM-Systeme (Salesforce, Dynamics 365, HubSpot, Pipedrive) sind die primären Datenquellen für Vertriebs-Dashboards. Power BI verbindet sich nativ mit Dynamics 365 (über Dataverse) und Salesforce (über den Salesforce-Connector). Verwenden Sie für HubSpot und Pipedrive die jeweiligen Power BI-Konnektoren oder extrahieren Sie sie über die API. Kombinieren Sie CRM-Daten mit ERP-Auftragsdaten, um ein vollständiges Bild von der Verkaufschance bis zur Rechnung zu erhalten.

Wie gehe ich mit mehreren Währungen in einem Vertriebs-Dashboard um?

Erstellen Sie eine Wechselkurstabelle mit Tageskursen für jedes Währungspaar. Fügen Sie dem Bericht einen Währungsauswahl-Slicer hinzu. Erstellen Sie eine normalisierte Kennzahl, die alle Beträge mithilfe von LOOKUPVALUE anhand der Wechselkurstabelle in eine Basiswährung umrechnet. Für Berichte mit historischer Genauigkeit verwenden Sie anstelle des aktuellen Kassakurses durchschnittliche Periodenkurse (Kurse zum Monatsende oder zum Transaktionsdatum).

Können Manager automatisch nur die Daten ihres Teams sehen?

Ja – Konfigurieren Sie die Sicherheit auf Zeilenebene mit einer Hierarchierolle. Erstellen Sie eine Rolle, die USERPRINCIPALNAME() verwendet, um den aktuellen Benutzer in der Dim_Owner-Tabelle zu suchen, und filtern Sie dann mithilfe der Funktionen PATH und PATHCONTAINS, um nur ihre eigenen Deals und die Deals ihrer direkten/indirekten Berichte anzuzeigen. Weisen Sie dieser Rolle in den Arbeitsbereichseinstellungen des Power BI-Diensts Manager zu.

Wie oft sollte das Vertriebs-Dashboard aktualisiert werden?

Für aktive Vertriebsteams sorgt die stündliche Aktualisierung (Power BI Premium oder PPU) dafür, dass die Daten für den täglichen Betrieb aktuell genug bleiben. Für Executive Summary-Dashboards sind in der Regel 4–8 Aktualisierungen pro Tag (Pro-Stufe) ausreichend. Wenn Ihr CRM in Echtzeit aktualisiert wird und Sie echte Echtzeittransparenz benötigen, konfigurieren Sie Streaming-Datensätze für bestimmte KPIs (heute abgeschlossene Geschäfte, Pipeline-Änderungen) zusätzlich zum Standard-Importdatensatz.

Welcher Diagrammtyp eignet sich am besten zur Darstellung der Aufschlüsselung der Pipeline-Stufen?

Ein Trichterdiagramm ist für die Aufschlüsselung der Pipeline-Stufen am intuitivsten – es kommuniziert den Conversion-Verlust von Stufe zu Stufe visuell. Kombinieren Sie den Trichter mit einer Tabelle darunter, die die Anzahl und den Wert in jeder Phase sowie die durchschnittliche Zeit in der Phase zeigt. Für die Analyse der Geschäftsgeschwindigkeit (wie schnell sich Geschäfte durch die Phasen bewegen) verwenden Sie ein Balkendiagramm, das die durchschnittlichen Tage pro Phase anzeigt.

---

Nächste Schritte

Ein Power BI-Vertriebsdashboard, das auf einem soliden Datenmodell mit den richtigen KPIs basiert, verändert die Art und Weise, wie die Vertriebsleitung die Leistung verwaltet – von reaktiv (Überprüfung der Daten des letzten Monats in Excel) zu proaktiv (Erkennung gefährdeter Geschäfte und Coaching-Möglichkeiten in Echtzeit).

Das Power BI-Dashboard-Entwicklungsteam von ECOSIRE erstellt benutzerdefinierte Vertriebs-Dashboards, die mit Ihren CRM- und ERP-Systemen verbunden sind. Wir entwerfen das Datenmodell, schreiben optimierte DAX-Kennzahlen und erstellen interaktive Berichte, die Ihr Vertriebsteam tatsächlich verwenden wird.

Entdecken Sie unsere Entwicklungsdienste für Power BI-Dashboards oder kontaktieren Sie unser Team, um Ihre Anforderungen an die Vertriebsanalyse zu besprechen und einen Kostenvoranschlag zu erhalten.