Planlægning af omsætning og margin

En kommerciel plan der ved hvad der flytter den.

Byg omsætnings- og marginplanen på dine egne faktiske tal, lav prognoser for efterspørgslen, sammenlign prisscenarier med et udgangspunkt, og følg derefter planen mod de faktiske tal, hver gang dine data opdateres.

Planning & Forecasting / Beslutningsmodeller / Marginsimulering fittings
Udgangspunktet
De faktiske tal for fittings fra april til september 2026 sætter udgangspunktet: omkring 325.000 € i bruttomargin om måneden på 248.000 enheder til 4,19. €
Presset
En stigning på 12 % i prisen på plastråvare løfter enhedsomkostningen fra 2,88 € til 3,05 € og trækker marginen ned til omkring 283.000 € om måneden i marts.
Planen
En prisstigning på 4 % giver en prognose på 2,4 % færre enheder og bringer marginen tilbage til omkring 317.000. € Det scenarie bliver den plan teamet følger fra oktober.
01 · Start fra de faktiske tal

Start planen fra det der faktisk blev solgt.

Modellen læser seks måneders salg af fittings, beholder dem som faktiske perioder og planlægger de næste seks. Udgangspunktet er dagens pris og omkostning, uden ændringer.

Data & Time

Peg modellen mod din historik, og sæt horisonten.

Vælg kilden, en månedlig granularitet og den dato, prognosen starter. Enheder, omsætning og omkostning summeres fra dine egne salgsdata, så planen starter fra det forretningen faktisk gjorde.

Inputs

Navngiv de løftestænger, planen afhænger af.

Prisændring, enhedsomkostning og priselasticitet er input med en standardværdi. Udgangspunktet bruger standardværdierne, så hvert andet tilfælde er en ændring i forhold til det.

Sådan virker det: kilder, perioder og udgangspunkt
Kilder
En beslutningsmodel læser et datasæt, en prisliste eller et view. Et view kan først kombinere salgshistorik med omkostninger og andre data i Data & Context Studio.
Faktiske og prognoseperioder
En datokolonne og en startdato for prognosen deler horisonten. Tidligere perioder er faktiske tal; modellen beregner resten ud fra sine variabler.
Opdelinger
Resultaterne kan opdeles efter kildens dimensioner, for eksempel region eller produktgruppe. Dette eksempel holder linjen af fittings som én total.
Intet separat budgetobjekt
Revomo har intet budget-, mål- eller kvoteobjekt. Planen er modellens udgangspunkt og dens scenarier, bygget på dine data.
02 · Lav en prognose for efterspørgslen

Forudsig hvad fittings vil sælge fremover.

En efterspørgselsprognose for hvert fittingsprodukt giver de enheder planen bygger på, med et sandsynligt interval og et spor af hvordan hver kørsel scorede.

Prognoseresultater

Omkring 50.800 muffer i oktober, sandsynligvis 46.900 til 54.700.

Historikrækker viser den faktiske efterspørgsel. Prognoserækker viser den forventede værdi og den nedre og øvre grænse for det interval som 8 ud af 10 udfald bør falde inden for.

ResultaterEfterspørgselsprognose fittings
Versioner

Se hvad hver kørsel prøvede, og hvad den beholdt.

Hver kørsel scorer flere metoder på tidligere perioder og beholder den bedste. Version 4 beholdt gradient boosting med en vægtet fejl på 7,9 %.

Sådan virker det: metoder, nøjagtighed og planen
Metoder
Simpel, dæmpet trend- og sæsonudjævning, ARIMA og sæson-ARIMA, Prophet og gradient boosting pr. serie eller samlet på tværs af alle serier. Kørslen beholder den bedste metode eller et gennemsnit af metoder hvis du vælger det.
Nøjagtighed
Metoderne scores på rullende test over tidligere perioder, som vægtet fejl (WAPE) eller skaleret fejl (MASE). Lavere er bedre. Intervallet kalibreres på de samme test.
I planen
Et view kan læse prognoseresultater som kilde (Predictive Model Results), så de forudsagte enheder står ved siden af dine faktiske tal i det view, beslutningsmodellen læser.
Opdateringer
En prognose kører efter behov eller ved hver opdatering af kilden hvis du slår det til. Det er ikke en livestream.
03 · Sammenlign scenarier

Sammenlign tilfældene før du forpligter dig til ét.

Beslutningsmodellen øverst på siden viser tre tilfælde i ét diagram: udgangspunktet, en stigning på 12 % i prisen på plastråvare og den samme stigning med en prisstigning på 4 %. Her er hvordan hvert tilfælde er defineret, og hvor bredt udfaldet kan blive.

Scenarier

Navngiv hvert tilfælde, og ændr kun det der er anderledes.

Et scenarie starter fra udgangspunktets input. Det ene hæver enhedsomkostningen via en formel; det andet hæver den og sætter en prisændring på 4 %.

Usikkerhed

Se hvor bredt udfaldet kan blive.

Giv et usikkert input et interval, så kører hvert scenarie mange forsøg. Med stigningen lander marginen i marts mellem omkring 285.000 € og 349.000 € i 90 % af dem.

Sådan virker det: udgangspunkt, elasticitet og beregning
Udgangspunkt
Hver beslutningsmodel har ét udgangsscenarie. Optimistiske, pessimistiske, omkostningschok- og toldtilfælde er scenarier du navngiver; Revomo leverer ikke forudindstillede.
Elasticitet
Elasticiteten på -0,6 er et input. Estimér den ud fra dine egne data med en priselasticitetsmodel i Predictive Modeling, og indtast den derefter som inputtets værdi.
Sammenligning
Sammenlign det valgte scenarie med udgangspunktet, eller alle scenarier på én gang, som serier i ét diagram, med hvert outputs forskel fra udgangspunktet ved siden af.
Beregning
Resultaterne genberegnes når du beregner modellen. Når et input ændres, viser modellen at en ny beregning er nødvendig, i stedet for at opdatere af sig selv.
04 · Forpligt og følg op

Bliv enige om planen, og hold de faktiske tal op mod den.

Publicer det valgte scenarie, behold den prognoseversion det bygger på, og sammenlign hver måneds faktiske tal med planen i et view. Efter tre måneder ligger marginen på fittings 14.170 € under den kumulerede plan på 937.510 € (1,5 %), og december er måneden der skal undersøges.

Data / Views / Plan vs. faktisk fittings

Planen kommer fra det valgte scenarie, de faktiske tal fra salgshistorikken og afvigelsen fra formelkolonner. December ligger 3,5 % under planen, stadig inden for det interval forsøgene viste. Illustrative data.

  • Planen koblet til de faktiske talViewet læser beslutningsmodellens resultater for det valgte scenarie og joiner de månedlige faktiske tal på perioden.
  • En afvigelse, du definererVariance og Variance % er formelkolonner, og en formateringsregel markerer enhver måned der ligger mere end 2 % under planen.
  • Aktuel når dataene erOpdatér viewet efter at de nye faktiske tal er indlæst, så opdateres hver måned. Det er ikke en livestream.
Publicer

Publicer den plan, alle arbejder ud fra.

Publicering giver modellens resultater en skrivebeskyttet side med det valgte scenarie mod udgangspunktet, klar til udskrift.

Version i brug

Behold den prognose, planen bygger på.

En opdatering i januar gav en version 5 der scorede dårligere, så version 4 forbliver i brug. Du skifter kun version hvis du beslutter det.

Sådan virker det: planer, registreringer og alarmer
Ingen planlås
Revomo har hverken et planobjekt eller en planlås. En beslutningsmodels resultater forbliver som beregnet indtil nogen beregner den igen, og rollerettigheder afgør, hvem der kan ændre den.
En fast registrering
Vil du beholde en kopi af den aftalte plan der ikke kan ændre sig, så download planens view, indlæs den som et datasæt, og join de faktiske tal med den kopi.
Prognoseversioner
En gentræning ved opdatering af kilden erstatter kun versionen i brug hvis den nye er mindst lige så nøjagtig. Enhver gemt version kan tages i brug igen.
Alarmer og faktorer
Revomo giver ikke selv besked når de faktiske tal ikke når planen, og deler ikke selv en afvigelse op i pris, volumen og mix. Tilføj formelkolonner for de faktorer du følger, og vis dem i Analytics & Insights.
05 · Hvad driver det

Hvad driver det.

Funktionerne der gør arbejdet, hvad hvert abonnement tilføjer, og hvor du starter.

Funktioner i brug

I hvert abonnement

Hvor du starter

Relaterede løsninger: Styring af prisstigninger, Genindvinding af omkostninger, told og fragt, Kunde- og produktrentabilitet.

FAQ

Ofte stillede spørgsmål

Erstatter det vores FP&A-værktøj eller planlægningsmodulet i vores ERP-system?

Nej. Revomo rummer den kommercielle plan: omsætning, pris og margin bygget på dine egne salgsdata, med scenarier. Konsolidering, valutaomregning og koncernbudgettering bliver i dit FP&A-værktøj eller ERP-system. Revomo læser fra og publicerer tilbage til de systemer der driver forretningen; det erstatter dem ikke.

Hvordan laves prognosen? Er den en sort boks?

Nej. En efterspørgselsprognose prøver flere metoder på hver serie, scorer hver af dem på tidligere perioder og beholder den bedste, og hver version viser hvad den prøvede, og dens fejl. I selve planen er hver løftestang et navngivet input, og hvert scenarie viser hvilke input det ændrer i forhold til udgangspunktet.

Hvordan adskiller det sig fra planlægning i regneark?

Udgangspunktet, prognosen og de faktiske tal læser de samme data ét sted. Et scenarie ændrer kun de input der afviger fra udgangspunktet, prognoserne beholder deres versioner, og plan mod faktisk er et view der opdateres når dataene opdateres, i stedet for en fil der bygges om hver måned.

Kan vi låse planen når den er aftalt?

Ikke med en separat lås. En beslutningsmodels resultater forbliver som beregnet indtil nogen beregner den igen, og rollerettigheder afgør, hvem der kan. Publicering giver alle en skrivebeskyttet side med resultaterne. Vil du have en fast kopi, så download planens view, og gem den som et datasæt.

Giver Revomo os besked når de faktiske tal ikke når planen?

Ikke af sig selv. Viewet med plan mod faktisk opdateres når dens data opdateres, og en formateringsregel kan markere enhver måned under din grænse. Rapporter og dashboards i Analytics & Insights kan vise det samme view til de personer der har brug for den.

Hvilke data skal vi bruge for at komme i gang?

Salgshistorik pr. måned med produkt, kunde og mængde, plus pris og omkostning til omsætning og margin. Indlæs den som filer, eller tilslut en understøttet kilde i Data & Context Studio. Hvilken plan, hvilke prognoser og hvilke scenarier der bygges først, aftales i Activation and Success Plan.

Planlæg ud fra faktorer, ikke mavefornemmelse.

Tag årets plan og sidste kvartals afvigelse med. Vi gennemgår et udgangspunkt, scenarier og planen mod de faktiske tal på eksempeldata.

Plate B2 · Series 2026