Revenue Forecast & Scenario Planner

Daten & Prozesse • Arbeitsprobe

Live: forecast.bastian-brand.com

Worum es geht

Ein interaktives FP&A-Werkzeug, das die beiden Arten zusammenbringt, auf die ein Finanzteam den Umsatz vorausschätzt: die statistische Eigenbewegung des Geschäfts und den Bottom-up-Plan, dem die Annahmen der Geschäftsführung zugrunde liegen. Man bewegt drei Regler — jährliche Preisänderung, Neukunden pro Monat, monatliche Abwanderung — und sieht zu, wie sich eine treiberbasierte Planung über dem statistischen Prognoseband neu zeichnet. Die eigentliche Aussage ist der Abstand zwischen beidem: Aus „der Plan sagt X Euro” wird „der Plan liegt N Prozent über dem Trend, und das ist der Treiber, der dafür verantwortlich ist” — genau das Gespräch, das ein FP&A-Partner mit einem CFO führt.

Läuft auf Beispieldaten eines erfundenen B2B-SaaS-Unternehmens, kein echter Kunde.

Wie ich es gebaut habe

Die statistische Prognose ist ein AutoARIMA-Modell (saisonal, Periode zwölf Monate), angepasst an die Umsatzhistorie; es wählt seine ARIMA-Ordnungen selbst über AICc und liefert eine Punktprognose mit 80- und 95-Prozent-Intervallen — ein Verfahren, das ich in meiner Data-Analytics-Ausbildung zum ersten Mal selbst angewandt habe. Das Bottom-up-Szenario ist ein offen nachvollziehbares Treibermodell: Kunden werden als gehaltene plus neue fortgeschrieben, der Durchschnittsumsatz je Kunde wächst über den Preisregler, und der Umsatz ergibt sich als Kunden × Durchschnittsumsatz × Saisonfaktor, wobei der Saisonfaktor aus der Historie selbst stammt. Alles rechnet sich beim Ziehen eines Reglers sofort neu; die aufwendige Modellanpassung wird zwischengespeichert, damit die Bedienung flüssig bleibt.

Besonderheiten

• Zwei Prognosephilosophien (Zeitreihe gegen Treibermodell) in einer Ansicht zusammengeführt
• Ehrliche Unsicherheit: echte Prognoseintervalle statt einer einzelnen, irreführenden Linie
• Sofortige Was-wäre-wenn-Rechnung: jeder Regler ist ein echter Treiber, kein statisches Schaubild

Stack

Python · Streamlit · statsforecast (AutoARIMA) · Plotly · pandas / NumPy