Prognozowanie sprzedaży w SugarAI: jak budować realistyczne prognozy na poziomie zespołu i regionu

Realistyczna prognoza sprzedaży w SugarAI powstaje w module Forecasts z trzech warstw: danych z szans sprzedaży, commitu handlowca i korekty managera, która przechodzi w górę hierarchii aż do zarządu. Moduł liczy poprawnie, jeśli dostaje poprawne dane. Dlatego trafność forecastu zależy głównie od trzech decyzji: konfiguracji okresów i zakresów, struktury raportowania oraz dyscypliny aktualizowania dat zamknięcia.

W skrócie: moduł Forecasts w SugarAI agreguje prognozy po hierarchii użytkowników (pole Reports To), a nie po regionie klienta, więc prognoza regionalna wymaga odwzorowania regionów w hierarchii albo dodatkowej warstwy raportowej. Okresów prognozy nie da się zmienić bez utraty danych, a zakresów – po pierwszym commicie. Funkcje AI, czyli SugarPredict i Enhanced Forecasting, zależą od edycji SugarAI.

Czym jest prognozowanie sprzedaży w SugarAI i czym różni się od raportu pipeline’u?

Prognozowanie sprzedaży w SugarAI to proces, w którym handlowcy i managerowie deklarują w module Forecasts, jaką wartość sprzedaży zamkną w danym okresie, i porównują tę deklarację z przypisaną quotą. Raport pipeline’u pokazuje, co znajduje się w lejku. Forecast pokazuje, ile z tego lejka zespół zobowiązuje się zamknąć. Pipeline jest sumą danych, a commit jest decyzją osoby, która zna kontekst każdej szansy sprzedaży.

Moduł Forecasts w SugarAI posługuje się pięcioma pojęciami, które warto uzgodnić z działem sprzedaży i finansami przed wdrożeniem:

Jak działa moduł Forecasts w SugarAI – od handlowca do zarządu?

Moduł Forecasts w SugarAI działa jak łańcuch zobowiązań. Handlowiec przegląda swoje szanse w zakładce Opportunity Review, ustala commitment w zakładce Commitment i wysyła go przyciskiem Commit. Manager widzi commity zespołu w arkuszu zespołowym, może skorygować wartości poszczególnych osób w kolumnie Adjusted Commitment i ustala Team Commitment, który trafia poziom wyżej. Agregacja działa rekurencyjnie, dopóki ciągnie się hierarchia.

Hierarchię prognoz w SugarAI wyznacza wyłącznie pole Reports To w rekordzie użytkownika. Handlowiec bez wskazanego przełożonego nie trafia do żadnego arkusza zespołowego, a pole Reports To może edytować tylko administrator. Manager oglądający arkusz podwładnego ma go w trybie tylko do odczytu: nie poprawi danych za handlowca, może jedynie skorygować jego wartość we własnym arkuszu zespołu.

Quota w module Forecasts płynie w przeciwną stronę niż commit. Manager najwyższego szczebla wpisuje quoty członkom zespołu i przekazuje je przyciskiem Commit lub akcją Assign Quota. Managerowie średniego szczebla pracują na kolumnie Adjusted Quota, w której mogą rozdzielić cel zespołu z nadwyżką. Dokumentacja SugarAI zaleca, by managerowie pośredni nie zmieniali własnej quoty, tylko pozostawili to przełożonemu.

Dla trafności prognozy kluczowe jest to, że manager widzi zmiany handlowca dopiero po jego commicie. Jeśli handlowiec przesunął trzy szanse na kolejny kwartał, ale nie kliknął Commit, arkusz zespołu nadal pokazuje starą liczbę. Wyjątkiem jest dashlet Pipeline Metrics, który liczy metryki na podstawie bieżącego stanu arkuszy, także nieskomitowanych. Ten dashlet warto mieć na pulpicie managera jako punkt kontrolny.

Jak skonfigurować moduł Forecasts w SugarAI, żeby prognoza miała sens?

Moduł Forecasts w SugarAI konfiguruje administrator w Admin > Forecasts przed pierwszym użyciem modułu. Dwie z decyzji konfiguracyjnych są praktycznie nieodwracalne, dlatego kolejność kroków ma znaczenie:

1. Ustal okresy prognozy (Time Periods) zgodnie z rokiem fiskalnym i rytmem quot: rok z podziałem na kwartały lub kwartał z podziałem na miesiące, a także liczbę okresów przeszłych i przyszłych widocznych dla użytkowników. Okresy blokują się po zakończeniu kreatora konfiguracji.
2. Wybierz zakresy prognozy (Ranges): dwa zakresy (Include, Exclude), trzy zakresy (z kategorią Upside) albo zakresy własne. Zakresy przypisują szansę do kategorii na podstawie prawdopodobieństwa, a handlowiec może ręcznie nadpisać tę kwalifikację. Zakresy blokują się po pierwszym Save Draft lub Commit.
3. Zdecyduj o scenariuszach (Scenarios): tylko Likely czy także Best i Worst. To jedyna część konfiguracji, którą można zmienić w dowolnym momencie.
4. Sprawdź model szans sprzedaży w Admin > Opportunities: same Opportunities albo Opportunities z Revenue Line Items. Model z Revenue Line Items daje dokładniejszą prognozę tam, gdzie jedna szansa obejmuje kilka produktów o różnych terminach realizacji.
5. Uporządkuj pole Reports To dla wszystkich handlowców i managerów, zanim ktokolwiek wykona pierwszy commit.
6. Przypisz quoty z poziomu managera najwyższego szczebla i przekaż je w dół hierarchii.

Zmiana okresów lub zakresów po starcie jest możliwa tylko kosztem danych. Administrator może zresetować moduł Forecasts, ale reset usuwa arkusze prognoz wszystkich okresów: przeszłych, bieżącego i przyszłych. Dlatego warsztat z dyrektorem sprzedaży i działem finansów, na którym zapada decyzja o okresach i o tym, kiedy szansa „liczy się” do prognozy, powinien odbyć się przed konfiguracją, a nie po pierwszym kwartale.

Jak zbudować prognozę na poziomie regionu, skoro Forecasts liczy hierarchię użytkowników?

Moduł Forecasts w SugarAI agreguje prognozy po ludziach, a nie po atrybutach klienta. Selektor w nagłówku arkusza pokazuje osobę lub zespół, nie kraj czy województwo. Prognoza regionalna działa więc natywnie tylko wtedy, gdy region ma swojego managera w hierarchii Reports To. W pozostałych przypadkach potrzebna jest warstwa raportowa obok modułu Forecasts. Do wyboru są trzy podejścia:

Zanim zespół wybierze jedno z podejść, warto odpowiedzieć na pytanie: kto odpowiada za liczbę regionu? Prognoza bez właściciela jest wyliczeniem, a nie prognozą. Jeśli zarząd pyta o regiony, a hierarchia w SugarAI opisuje zespoły produktowe, najczęściej lepiej zachować hierarchię i budować widok regionalny w raportach, niż przebudowywać strukturę Reports To pod jedno pytanie. Integrację z Power BI opisujemy szczegółowo w osobnym artykule.

Po czym poznać, że prognoza sprzedaży w SugarAI jest realistyczna?

Realistyczna prognoza sprzedaży to taka, której trafność jest mierzona w każdym okresie i porównywana z wynikiem. Cztery miary wystarczą, żeby zobaczyć, gdzie forecast w SugarAI się rozjeżdża:

• Trafność prognozy: wartość wygranych szans na koniec okresu podzielona przez commitment złożony w ustalonym momencie okresu (np. na jego początku). Liczona per handlowiec i region pokazuje, kto systematycznie zawyża lub zaniża deklaracje.
• Pokrycie pipeline’u (coverage ratio): wartość pipeline’u z datą zamknięcia w okresie podzielona przez quotę. Wymagane pokrycie wynika z historycznego win rate: przy win rate 25% pokrycie poniżej 4x oznacza, że quota jest zagrożona już na starcie okresu.
• Przesuwanie dat zamknięcia (slippage): odsetek szans, których Expected Close Date przesunięto na kolejny okres. Wysoki slippage przy niezmiennym commicie oznacza, że commit jest deklaracją życzeniową.
• Zmiany commitu w trakcie okresu: historia commitów w zakładce Commitment pokazuje każdą zmianę z datą i kwotą. Duże korekty w ostatnich dwóch tygodniach okresu wskazują, że prognoza nie była aktualizowana na bieżąco.

Przykład hipotetyczny: firma dystrybucyjna ma trzy regiony, 15 handlowców i quotę 2 mln zł na region w kwartale. Region Północ commituje 2,1 mln zł przy pipeline’ie 6 mln zł i historycznym win rate 35%, więc oczekiwana wartość (6 mln × 35%) zgadza się z deklaracją. Region Południe commituje 2,4 mln zł przy pipeline’ie 4 mln zł i win rate 25%, czyli oczekiwanej wartości około 1 mln zł. Luka 1,4 mln zł wymaga rozmowy o konkretnych szansach, a nie akceptacji liczby.

Co dają SugarPredict i Enhanced Forecasting, a czego nie zastąpią?

SugarPredict to silnik AI w SugarAI, który na podstawie danych z bazy i zewnętrznych danych firmograficznych generuje predykcje dla leadów i szans sprzedaży. SugarPredict jest dostępny bez dodatkowych opłat w edycjach Sugar Sell Advanced i Sugar Sell Premier, pod warunkiem że instancja jest hostowana w jednym z obsługiwanych regionów (m.in. Niemcy) i spełnia wymagania dotyczące danych. Aktywację zleca się przez Customer Success Managera.

Enhanced Forecasting to funkcja edycji Sugar Sell Premier: wizualizacje oparte na danych w czasie, powiadomienia i automatyczne alerty o zmianach w prognozie. W module Forecasts edycji Sell Premier dostępny jest też dashlet Forecast Changes, który pokazuje zmiany prognozy od ostatniego raportu. Dashlet Forecast Changes wymaga uruchomienia przez SugarCRM lub partnera wdrożeniowego.

SugarPredict uczy się na historii szans sprzedaży, więc nie naprawi danych, które tę historię zniekształcają. Jeśli etapy sprzedaży są stosowane niespójnie, a daty zamknięcia ustawiane „na koniec roku”, model przejmie ten szum. W instalacjach Sugar Enterprise on-premise, gdzie SugarPredict nie jest dostępny, prognoza opiera się na module Forecasts i własnej analityce, co przy dobrej konfiguracji w zupełności wystarcza do zarządzania kwartałem.

Jakie błędy najczęściej psują forecast w SugarAI?

Większość problemów z prognozą w SugarAI wynika z konfiguracji i nawyków, a nie z ograniczeń modułu Forecasts. Najczęstsze błędy to:

1. Konfiguracja okresów „na próbę” na środowisku produkcyjnym. Późniejsza zmiana kasuje dane prognoz wszystkich okresów, więc testy przeprowadza się na sandboksie.
2. Daty zamknięcia jako parking. Szanse z Expected Close Date ustawioną na koniec roku lub w odległej przyszłości wypadają z bieżącego okresu, zaniżają pipeline i wracają nagle w ostatnim miesiącu.
3. Brak rytmu commitów. Bez stałego terminu commitu, np. w każdy poniedziałek do południa, manager porównuje liczby z różnych tygodni.
4. Quota wpisana tylko na poziomie firmy. Bez rozpisania quoty na osoby nie ma do czego porównać commitów handlowców i managerów pośrednich.
5. Region bez właściciela w hierarchii. Prognoza regionu jest wtedy liczona z danych, a nie deklarowana przez osobę, która za nią odpowiada.
6. Nieskalibrowane prawdopodobieństwa etapów. Jeśli procenty przypisane do etapów sprzedaży nie odpowiadają historycznemu win rate firmy, zakresy Include i Exclude klasyfikują szanse błędnie.
7. Korekty prowadzone w Excelu. Arkusz zespołu można wyeksportować do CSV, ale jeśli poprawki żyją potem w arkuszu kalkulacyjnym, historia commitów w SugarAI przestaje być źródłem prawdy.

Higienę danych, od której zależy kilka z tych punktów, omawiamy w artykule o wykrywaniu duplikatów i audycie bazy SugarAI, a specyfikę długiego cyklu sprzedaży – w tekście o SugarAI w produkcji i dystrybucji B2B.

Od czego zacząć porządkowanie prognoz w SugarAI?

Realistyczny forecast w SugarAI nie wymaga zaawansowanych funkcji AI, tylko trzech warunków: konfiguracji zaprojektowanej przed pierwszym commitem, hierarchii Reports To odpowiadającej temu, kto odpowiada za liczby, oraz mierzenia trafności w każdym okresie. Funkcje Sell Premier i SugarPredict przyspieszają wykrywanie odchyleń, ale nie zastąpią dyscypliny danych. Dobry test na początek: czy po zakończeniu ostatniego kwartału ktoś porównał commit każdego regionu z wynikiem – i wie, skąd wzięła się różnica?

Najczęściej zadawane pytania

Czy w SugarAI można prognozować sprzedaż według regionu?

Moduł Forecasts agreguje prognozy po hierarchii użytkowników (pole Reports To). Prognoza regionalna działa natywnie, gdy region ma managera w tej hierarchii. Przy strukturze macierzowej potrzebne są raporty na module Opportunities lub warstwa BI, np. Power BI.

Czy można zmienić okresy prognozy po konfiguracji modułu Forecasts?

Nie bez utraty danych. Okresy blokują się po zakończeniu kreatora konfiguracji, a zakresy po pierwszym Save Draft lub Commit. Zmiana wymaga resetu modułu Forecasts, który usuwa arkusze prognoz wszystkich okresów.

Czym różni się commitment od forecastu w SugarAI?

Forecast to suma wartości Likely szans wygranych lub zakwalifikowanych do prognozy. Commitment to kwota zadeklarowana przez handlowca lub managera przyciskiem Commit. Nie musi odpowiadać konkretnym szansom i uwzględnia wiedzę, której nie ma w danych.

Kto ustala quotę w module Forecasts?

Manager najwyższego szczebla wpisuje quoty członkom zespołu i przekazuje je w dół przez Commit lub Assign Quota. Managerowie pośredni rozdzielają cel w kolumnie Adjusted Quota; dokumentacja SugarAI zaleca, by nie zmieniali własnej quoty.

Czy SugarPredict działa w instalacji on-premise?

SugarPredict wymaga licencji Sugar Sell Advanced lub Sugar Sell Premier i instancji hostowanej w jednym z obsługiwanych regionów. W instalacjach Sugar Enterprise on-premise prognoza opiera się na module Forecasts i własnej analityce.

Czy trzeba wypełniać wartości Best, Likely i Worst?

Nie. Administrator decyduje w sekcji Scenarios, które scenariusze są widoczne; scenariusz Likely jest wyświetlany zawsze. Best i Worst warto włączyć, gdy zarząd planuje w wariantach, a handlowcy rzetelnie je aktualizują.

Dlaczego manager nie widzi zmian w prognozie handlowca?

Najczęściej dlatego, że handlowiec nie kliknął Commit. Arkusz zespołu pokazuje ostatnio skomitowane wartości. Bieżący stan arkuszy, także nieskomitowany, pokazuje dashlet Pipeline Metrics.

Źródła: SugarAI Support: Forecasts – Application Guide 25.1 ; SugarAI Support: Forecast Configuration – Administration Guide 25.1 ; SugarAI Support: Getting Started with SugarPredict ; SugarAI: Pricing and packaging .