Visuelle Ursachenanalyse
für Finanzcontrolling

Wir betreiben also datengetriebene Ursachenforschung – warum sind meine Verkäufe so wie sie sind und an welchen Stellschrauben muss ich arbeiten, um sie zu verbessern? Der erste Schritt hierbei ist die Berechnung von Preis- und Volumeneffekten.

• Planzahlen: P1 = 20 €/Stück; V1 = 20 Stück → 400€ Umsatzziel
• Verkäufe:    P2 = 30 €/Stück; V2 = 15 Stück → 450€ Tatsächlicher Umsatz

Wir liegen also 50€ über dem eigentlichen Umsatzziel, diese setzen sich aus teureren, aber weniger verkauften Produkten zusammen.

• P_{eff} = (P_2- P_1 )×V_2⇒(30 – 20)×15 = 150€
• V_{eff} = (V_2- V_1 )×P_1⇒(15 – 20)×20 = -100€/li>

→ Wir haben also aufgrund von Preiseffekten 150€ mehr eingenommen als erwartet, aber aufgrund weniger verkauftem Volumen 100€ weniger. In der Summe steht ein zusätzlicher Umsatz von 50€.

Menge und Preis nach „Ist“ und „Plan“ sowie Attribution des Umsatzunterschiedes auf Menge oder Preis.

Durch eine visuelle Darstellung ließ sich hier ein deutlicher Mehrwert schaffen, da so auch Trends ersichtlich werden die sich über den reinen Absatz und Preis nicht ermitteln lassen. In dieser Darstellung wird ersichtlich, dass die Preisentwicklung der maßgebliche Faktor dafür ist, dass Umsatzziele nicht erreicht werden können.

Zeitliche Analyse von Ist und Plan Zahlen, sowie Trennung in Menge- und Preiseffekte.

Durch die Umsetzung einer solchen Analyse lassen sich zielgerichtet Ableitungen treffen, müssen Maßnahmen umgesetzt werden um den Preis zu beeinflussen, oder sind solche die die Menge erhöhen sinnvoller?

Natürlich ist eine Varianzanalyse nicht auf Preis und Menge als Inputgrößen beschränkt. Auch andere Faktoren wie beispielsweise Marketingmaßnahmen oder regionale Effekte könnten hier analysiert werden.