D-CAT Group ↗ Kontakt ENTRDEESAZ
12 Fragen 4-Wochen-Pilot starten
4-Wochen-Pilot starten

Lösungen · nach Abteilung · Vertrieb & Revenue Operations

Vertrieb: Auftragseingang, Pipeline, Zyklus und Rabatt, vor dem Forecast-Call gelesen

Chief Sales Officer und regionale Vertriebsdirektoren (Zielerreichung, Gewinnrate, Abdeckung) · Leitung Revenue Operations (Pipeline-Hygiene, Stufenkonversion, Verschiebung) · Pricing-Manager und CFO (Preisrealisierung, Rabatttiefe) · CIO (der CRM-Extrakt ist oft das am wenigsten regulierte Modell im Warehouse; Row-Level-Bereich nach Team zählt). Der Käufer ist der CSO mit der Leitung RevOps; der wöchentliche Leser ist der Vertriebsleiter, der den Forecast-Call vorbereitet.

Wie die drei Agents auf dieser Seite ein semantisches Modell lesenLinks ein semantisches Modell; in der Mitte drei geplante Agents - Vertriebsleiter-Agent, Pipeline-Performance-Agent, Preis-und-Rabatt-Agent; jeder veröffentlicht rechts Findings, Recommendations und einen Brief.semantisches Modellimportiert aus Axoria Data Studiobookings_wonquotawon_countlost_countdecided_countVertriebsleiter-Agentwöchentlich · Montag 06:00FFindingRRecomm.BBriefPipeline-Performance-Agenttäglich · 06:30FFindingRRecomm.BBriefPreis-und-Rabatt-Agentwöchentlich · Montag 07:00FFindingRRecomm.BBriefjede Zahl in einer Aufzeichnung trägt eine Nachweisadresse

Fragen

Die Fragen, die die Vertriebsleitung jeden Monat stellt

  • Sind wir auf Kurs für das Quartal — Commit gegen Quote nach Region — und welche Deals sind verrutscht?
  • Reicht die Abdeckung für das nächste Quartal, und wo fehlt Pipeline-Erzeugung nach Quelle?
  • Welche Teams liegen unter der Zielerreichung — Aktivität, Konversion oder Dealgröße?
  • Wo verschlechtern sich Gewinnrate oder Zykluslänge, und in welchem Segment?

In der Unterhaltung

Beispielfragen, die Menschen in die Unterhaltung eingeben

Vertiefungspfad — der Nachweis des Findings wird eingefroren mitgeführt; eine neue Zahl braucht eine neue Abfrage, und der Agent sagt das

  • "Die Gewinnrate im Mid-market nach Verlustgrund aufschlüsseln."
  • "Welche Teams haben die meisten August-Abschlusstermine verschoben?"
  • "Preisrealisierung nach Produktfamilie für den Distributorkanal zeigen."
  • "Wie viele offene Opportunities haben einen Abschlusstermin in der Vergangenheit?"
  • "Wie aktuell ist der CRM-Auszug?"

Personas

Drei Beispiel-Agenten

Die Agenten unten sind Beispiele für diese Abteilung, kein festes Set: Vertriebsleiter-Agent · Pipeline-Performance-Agent · Preis-und-Rabatt-Agent. Der geplante Lauf jedes einzelnen wird in den folgenden Beispielsets gezeigt.

Set 1

Vertriebsleiter-Agent

Zielgruppe: Vertriebsleiter, Regionaldirektoren, CFO.

Set 2

Pipeline-Performance-Agent

Zielgruppe: Leiter Revenue Operations, Vertriebsmanager.

Set 3

Preis-und-Rabatt-Agent

Zielgruppe: Pricing-Manager, CFO, Kanaldirektor.

Der Name eines Agenten sagt, welche Kennzahlen er liest und für wen. Er besitzt nichts von der Autorität der Rolle: Er entscheidet nicht, genehmigt nicht und handelt nicht.

Agenten für die Themen, die Sie wählen

Ein Agent ist eine Aufgabenbeschreibung, ein gebundenes semantisches Modell und ein Zeitplan — kein Code —, also legen Sie die Themen fest, die er beobachtet: einen Kostenträger, einen Leistungsbereich, eine Kampagne, einen Lieferanten. Die ersten schreiben wir gemeinsam mit Ihnen.

Bauen Sie Ihre Agenten mit uns →

Beispielsets

Drei Beispielsets, je ein Lauf

Jedes Set ist eine Agent-Persona und die Ausgabe eines geplanten Laufs — der Brief, die Recommendations und die Findings, auf denen sie beruhen — im eigenen Aufzeichnungsumschlag des Produkts. Das erste Set ist geöffnet; die anderen beiden sind eingeklappt. Das Modell und die Kennzahlen, die die Sets voraussetzen, sind am Fuß der Seite aufgeführt.

VeranschaulichendSet 1Vertriebsleiter-Agent
Persona
Erstellt das Briefing für das laufende Quartal für den Vertriebsleiter eines B2B-Herstellers von Industrieausrüstung — sechs Regionalteams, ein Direkt- und ein Distributorkanal, drei Kundensegmente, Auftragseingang in €; trennt "mehr Auftragseingang" von "mehr Abschlüssen" und "weniger Gewinne" von "langsameren Gewinnen". · Zielgruppe: Vertriebsleiter, Regionaldirektoren, CFO. · Tonfall: direkt, zahlengeführt; benennt die Lücken des CRM dort, wo sie eine Zahl berühren. · Ausgabesprache: en
Signale, die er beobachtet
(1) Auftragseingang–Abschlusszahl-Schere — der Auftragseingang steigt, während die Zahl der gewonnenen Abschlüsse fällt. (2) Gewinnquote je Segment gegen dasselbe Fenster des Vorjahres, mit der entschiedenen Basis. (3) Drift der Zykluslänge bei Opportunities mit vollständigen Phasendaten, mit Angabe des ausgeschlossenen Anteils. (4) Deckung für das nächste Quartal, mit gesondert ausgewiesener Pipeline mit überholtem Datum. (5) Regionale Divergenz — eine Region, die sich allein bewegt, ist eine regionale Geschichte; mehrere, die sich gemeinsam bewegen, sind eine Netzwerkgeschichte.
Schwellen, die ihm vorgegeben wurden
Finding 10 % · critical 30 % · Verhältniskennzahlen (Gewinnquote) 3 Punkte · Deckung 0.3× · Mindestanteil 5 % des Auftragseingangs · überholt = offen mit einem Abschlussdatum in der Vergangenheit · Schweregrad-Regel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde · Ausnahmeregel: eine Bewegung in die günstige Richtung hebt den Schweregrad eines Findings nie über den seiner eigenen überschreitenden Kennzahl

Laufkopf

  • Geplant wöchentlich, Montag 06:00, Europe/Berlin
  • Zeitraum: Q3 2026 bis dato (1. Juli – 20. September, 58 Arbeitstage) vs. dasselbe Fenster von 2025 (59 Arbeitstage) — Summen werden als Summen verglichen und, wo angegeben, je Arbeitstag
  • Daten vollständig bis 2026-09-20, gemessen über max(STAGE_CHANGE_DATE), vor 7 Stunden (der CRM-Auszug hinkt eine Nacht hinterher)
  • Geltungsbereich: dieses Datenmodell hat Row-Level-Regeln je Team; der Agent läuft unter dem Geltungsbereich "alle Teams"
  • Modell: das freigegebene Modell des Arbeitsbereichs, auf den Lauf geschrieben
  • Kosten: auf dem Lauf festgehalten
Brief

Q3 2026 bis 20. September: Auftragseingang +9.87 % bei 12.62 % weniger Abschlüssen — Mid-Market-Gewinnquote 24.09 % → 19.61 % bei einem 88-Tage-Zyklus, Q4-Deckung 2.54× bei 8.20 % der Pipeline mit überholtem Datum

Annahmenstreifen

Sie haben keinen Zeitraum angegeben; das laufende Quartal bis dato (1. Juli – 20. September 2026) wurde angenommen, verglichen mit denselben Tagen von 2025. Die beiden Fenster unterscheiden sich um einen Arbeitstag; Werte je Tag werden angegeben, wo sie die Lesart verändern. Opportunities ohne Phasendaten sind aus der Messgröße Zykluslänge ausgeschlossen und werden gezählt.

Der Auftragseingang liegt 9.87 % über dem Vorjahr, aber bei 12.62 % weniger gewonnenen Abschlüssen: Der durchschnittliche Abschluss wuchs um 25.73 %, South wuchs um 30.77 %, während North um 8.41 % fiel, und ob die größeren Abschlüsse größere Kunden oder gebündelte Verträge sind, kann das CRM nicht sagen. Im Mid-market fiel die Gewinnquote von 24.09 % auf 19.61 % auf einer größeren entschiedenen Basis, während sich der Zyklus von 71 auf 88 Tage verlängerte; die beiden bewegen sich gemeinsam, und das Verlustgrund-Feld ist nur bei 60.98 % der Verluste gefüllt. Die Q4-Deckung steht bei 2.54× gegenüber 3.21× ein Jahr zuvor, und 8.20 % der Pipeline, auf der sie gelesen wird, tragen ein Abschlussdatum in der Vergangenheit. Ein Satzentwurf, der die "gefährdete" Pipeline schätzte, wurde zurückgehalten.

covers: Finding 1, Finding 2, Finding 3

— Lauf: wöchentlich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-20. Guard Ledger: held 1 — Kandidat f-04 (gefährdete Pipeline), Grund numeric_provenance: Token about a quarter hat keine Adresse und keine deklarierte Operation; duplicate 1 — Kandidat f-05 (Auftragseingang nach Kanal neu dargestellt) bei Fingerabdruck-Übereinstimmung in Finding 1 zusammengeführt (Kennzahl bookings + Zeitraum + Zelle); not_selected 0.

Recommendation 1

Die in Q3 entschiedenen Mid-market-Opportunities nach Verlustgrund und nach dem Kennzeichen "Wettbewerber beteiligt" aufschlüsseln und die 176 Verluste (39.02 %) ohne Grund als zu schließende Datenlücke festhalten

based_on: Finding 2 · Verantwortlich: Leiter Revenue Operations, mit dem Mid-market-Vertriebsdirektor

Eine fallende Gewinnquote bei sich verlängerndem Zyklus kann ein härterer Markt, ein schwächeres Angebot oder ein langsamerer interner Prozess sein, und das CRM kann die ersten beiden nur trennen, wenn der Verlustgrund gefüllt ist. Die Schnitte nach Verlustgrund und Wettbewerber sind in diesem Modell; der ungefüllte Anteil von 39.02 % ist das Erste, was der Schnitt zeigen wird. Bis er gefüllt ist, sagt die Aufzeichnung, was sich bewegt hat, nicht warum.

Die Findings, auf denen das beruht

Finding 2

Mid-Market-Gewinnquote 24.09 % → 19.61 % (−4.48 Punkte) bei 494 → 561 entschiedenen Opportunities, während Zykluslänge 71 → 88 Tage (+23.94 %) — 12.30 % der entschiedenen Opportunities fehlen Phasendaten und sind aus der Messgröße Zykluslänge ausgeschlossen

severity highdirection downnovelty newtrust AAufschlüsselung SEGMENT = Mid-market

Im Segment Mid-market wurden bis dato 110 von 561 entschiedenen Opportunities gewonnen (19.61 %) gegenüber 119 von 494 (24.09 %) ein Jahr zuvor — ein Rückgang um 4.48 Punkte, 1.49× der 3-Punkte-Verhältnisschwelle (severity high). Im selben Fenster verlängerte sich der mittlere Zyklus von der Anlage bis zur Entscheidung von 71 auf 88 Tage (+23.94 %, 2.39× der Finding-Schwelle), gemessen an den 492 Opportunities, die vollständige Phasendaten tragen; 69 von 561 (12.30 %) haben im CRM keine Phaseneintrittsdaten und sind aus dem Zykluswert ausgeschlossen, was genannt und nicht verborgen wird. Die beiden Linien bewegen sich in diesem Fenster gemeinsam; diese Daten zeigen nicht, dass die eine die andere treibt, und das Verlustgrund-Feld ist bei 275 der 451 verlorenen Opportunities gefüllt (60.98 %), sodass der Schnitt nach Grund unvollständig ist.

Recommendation 2

Offene Opportunities mit überholtem Datum je Team auf eine wöchentliche Beobachtung setzen und jedes Team bitten, sie vor dem Forecast-Call neu zu datieren oder zu schließen

based_on: Finding 3 · Verantwortlich: regionale Vertriebsdirektoren

Eine Deckung, die auf einer Pipeline mit Opportunities mit vergangenem Abschlussdatum gelesen wird, überzeichnet sich selbst. Der Team-Schnitt ist in diesem Modell; die Beobachtung wird zeigen, welche Teams den überholten Anteil tragen, und der Agent wird das Thema ongoing stempeln, statt wöchentlich zu alarmieren.

Die Findings, auf denen das beruht

Finding 3

Q4-Deckung 2.54× gegenüber 3.21× ein Jahr zuvor (96.4 M € offene qualifizierte Pipeline gegenüber 38.0 M € verbleibender Zielvorgabe) — 8.20 % der Pipeline tragen ein Abschlussdatum in der Vergangenheit

severity highdirection downnovelty newtrust AAufschlüsselung QUARTER = Q4 2026

Die für Q4 2026 datierte offene qualifizierte Pipeline steht bei 96.4 M € gegenüber einer verbleibenden Q4-Zielvorgabe von 38.0 M €, eine Deckung von 2.54×; ein Jahr zuvor las dieselbe Messgröße 3.21× (102.0 M € gegenüber 31.8 M €). Der Rückgang um 0.67× ist 2.23× der 0.3×-Deckungsschwelle (severity high). Von den 96.4 M € sitzen 7.9 M € (8.20 %) in elf Opportunities, deren Abschlussdatum bereits verstrichen ist und die noch offen sind — sie werden gesondert ausgewiesen, nicht ausgeschlossen, weil sie im CRM noch als Pipeline stehen. Ob sie verspätet oder tot sind, lässt sich aus diesen Daten nicht lesen; das können nur die Teams ihrer Verantwortlichen sagen.

Ebenfalls in diesem Lauf veröffentlicht, ohne dass eine Recommendation darauf beruht

Finding 1

Auftragseingang–Abschlusszahl-Schere: Auftragseingang +9.87 % (41.2 vs 37.5 M €), während gewonnene Abschlüsse 214 → 187 (−12.62 %) — durchschnittlicher Abschluss 175.2 → 220.3 k€ (+25.73 %); South +30.77 %, North −8.41 %

severity highdirection upnovelty newtrust AAufschlüsselung REGION = South

Bis dato erreichte der Auftragseingang aus gewonnenen Abschlüssen 41.2 M € gegenüber 37.5 M € im selben Fenster von 2025 (+9.87 %; +11.76 % je Arbeitstag, 58 Tage gegenüber 59). Die Zahl der gewonnenen Abschlüsse fiel von 214 auf 187 (−12.62 %, 1.26× der 10 %-Schwelle), sodass der durchschnittliche gewonnene Abschluss von 175.2 k€ auf 220.3 k€ stieg (+25.73 %, 2.57× der Schwelle — die überschreitende Kennzahl und der Schweregrad, high). Die Regionen bewegen sich nicht gemeinsam: South buchte 11.9 M € gegenüber 9.1 (+30.77 %, eine günstige Bewegung über der kritischen 30 %-Linie, die den Schweregrad nach der Ausnahmeregel nicht anhebt) und hält jetzt 28.88 % des Auftragseingangs (11.9 von 41.2 M €); North buchte 9.8 gegenüber 10.7 (−8.41 %, 23.79 % des Auftragseingangs); die anderen vier Regionen liegen innerhalb der Schwelle. Diese Daten können eine reale Verschiebung hin zu größeren Kunden nicht von einer Änderung in der Erfassung der Abschlüsse trennen: Das CRM führt eine Opportunity je Vertrag, und ein gebündelter Vertrag erscheint als ein größerer Abschluss.

Was dieser Lauf nicht sehen konnte.

Der Verlustgrund ist zu 60.98 % gefüllt und die Phasendaten sind zu 87.70 % vollständig; beide Anteile stehen in der Aufzeichnung. Aktivitätsdaten (Anrufe, Termine) sind nicht in diesem Modell. Ob ein gebündelter Vertrag ein Abschluss oder mehrere ist, ist eine CRM-Konvention, die das Modell nicht aufheben kann.

VeranschaulichendSet 2Pipeline-Performance-Agent
Persona
Liest Zufluss und Bewegung der Pipeline für das Revenue-Operations-Team desselben Ausrüstungsherstellers: erzeugte Pipeline nach Quelle, Verschiebungen des Abschlussdatums, Phasenalterung und die Feeds, die das CRM füllen. · Zielgruppe: Leiter Revenue Operations, Vertriebsmanager. · Tonfall: operativ, schlicht; trennt einen realen Rückgang von einer Feed-Lücke. · Ausgabesprache: en
Signale, die er beobachtet
(1) Erzeugte Pipeline, Monat über Monat, nach Quelle, mit einer Lesart je Arbeitstag, wenn sich die Monate in der Zahl der Tage unterscheiden. (2) Verschiebung des Abschlussdatums — der Anteil der im Monat fälligen Opportunities, die verschoben wurden, und der verschobene Wert je Team. (3) Phasenalterung — Opportunities über den erwarteten Tagen der Phase. (4) Feed-Vollständigkeit — eine Quelle, die für einen Teil des Monats keine Zeilen liefert, ist ein data state, bevor sie ein Rückgang ist. (5) Bewegung der Forecast-Kategorie in der letzten Woche des Monats.
Schwellen, die ihm vorgegeben wurden
Finding 10 % · critical 30 % · Verhältniskennzahlen (Verschiebungsanteil) 5 Punkte · Mindestanteil 5 % der erzeugten Pipeline · Schweregrad-Regel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde · Ausnahmeregel: unterscheiden sich die verglichenen Monate in den Arbeitstagen, ist der Wert je Arbeitstag der beurteilte

Laufkopf

  • Geplant täglich, 06:30, Europe/Berlin
  • Zeitraum: August 2026 (21 Arbeitstage) vs. Juli 2026 (23 Arbeitstage) — Werte je Arbeitstag neben den Summen angegeben
  • Daten vollständig bis 2026-09-01, gemessen über max(STAGE_CHANGE_DATE), vor 6 Stunden
  • Geltungsbereich: der Geltungsbereich "alle Teams"
  • Modell: das freigegebene Modell des Arbeitsbereichs
  • Kosten: auf dem Lauf festgehalten
Brief

August 2026: Erzeugte Pipeline −18.55 % (−10.79 % je Arbeitstag), der Rückgang ist Outbound und Partner — 38.44 % der auf August datierten Opportunities verschoben, zwei Teams halten 52.31 % des verschobenen Werts

Annahmenstreifen

Der Vergleich Monat über Monat (August vs. Juli 2026) wurde verwendet; die Monate unterscheiden sich um zwei Arbeitstage, und Werte je Tag werden angegeben. Der Partnerportal-Feed lieferte für die letzten sechs Tage des August keine Zeilen; dies ist als data state festgehalten, und der Partner-Rückgang wird mit diesem Vorbehalt gelesen.

Weniger Pipeline kam herein und mehr davon bewegte sich hinaus: Die im August erzeugte Pipeline von 10.1 M € lag 18.55 % unter der des Juli, 10.79 % darunter auf Basis je Arbeitstag, mit Outbound 32.76 % niedriger, Partner 22.58 % niedriger und Inbound 8.57 % höher — die Partner-Linie gelesen mit einer sechstägigen Feed-Lücke. Von den 372 im August fälligen Opportunities wurden 38.44 % in einen späteren Monat verschoben, gegenüber 27.12 % im Juli, und zwei der sechs Teams halten 52.31 % des verschobenen Werts von 21.6 M €. Ob der Outbound-Rückgang Aufwand oder Konversion ist, und ob die Verschiebungen von den Kunden oder den Verkäufern ausgehen, steht nicht im CRM.

covers: Finding 1, Finding 2

— Lauf: täglich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-01. Guard Ledger: held 0; data state 1 — pipeline_created nach SOURCE = Partner lieferte 0 Zeilen für 2026-08-26 bis 2026-08-31 (Feed-Unterbrechung); struktureller Ausschluss 1 — Kandidat r-02 (eine Partner-Recommendation, die allein auf dem data state ruht) an Gate 0 verworfen; duplicate 0; not_selected 0.

Recommendation 1

Die im August verschobenen Opportunities nach Phase und nach Verschiebungszahl (erste Verschiebung gegenüber wiederholter) für die beiden Teams aufschlüsseln, die 52.31 % des verschobenen Werts halten

based_on: Finding 2 · Verantwortlich: Leiter Revenue Operations, mit den beiden Teamleitern

Eine erste Verschiebung aus einer frühen Phase ist normale Neudatierung; eine wiederholte Verschiebung aus einer späten Phase ist ein Abschluss, der nicht zustande kommt. Beide Schnitte sind in diesem Modell. Der Verschiebungsgrund ist es nicht — die Teamleiter lesen ihre eigenen Notizen neben der Aufzeichnung.

Die Findings, auf denen das beruht

Finding 2

Verschiebung des Abschlussdatums: 38.44 % der im August fälligen Opportunities wurden verschoben (143 von 372) gegenüber 27.12 % im Juli (96 von 354), +11.32 Punkte — verschobener Wert 21.6 M €, zwei von sechs Teams halten 52.31 %

severity highdirection upnovelty newtrust AAufschlüsselung TEAM = Team North-2

Von 372 offenen Opportunities, die zu Monatsbeginn ein August-Abschlussdatum trugen, wurde bei 143 (38.44 %) das Abschlussdatum bis Monatsende in einen späteren Monat verschoben, gegenüber 96 von 354 (27.12 %) im Juli — ein Anstieg um 11.32 Punkte, 2.26× der 5-Punkte-Verhältnisschwelle (severity high). Der verschobene Wert beträgt 21.6 M €, und zwei Teams halten 11.3 M € davon (52.31 %); die anderen vier Teams liegen jeweils innerhalb der Schwelle. Wiederholte Verschiebungen — eine Opportunity, die zum zweiten oder dritten Mal verschoben wurde — sind 41 der 143 (28.67 %); das CRM erfasst die Verschiebung, nicht ihren Grund, sodass sich aus diesen Daten nicht lesen lässt, ob der Kunde oder der Verkäufer das Datum verschoben hat.

Ebenfalls in diesem Lauf veröffentlicht, ohne dass eine Recommendation darauf beruht

Finding 1

Erzeugte Pipeline 12.4 → 10.1 M € (−18.55 %; −10.79 % je Arbeitstag) bei 312 → 249 Opportunities — der Rückgang ist Outbound (−32.76 %) und Partner (−22.58 %), während Inbound +8.57 %

severity highdirection downnovelty newtrust AAufschlüsselung SOURCE = Outbound

Die im August erzeugte Pipeline betrug 10.1 M € über 249 neue Opportunities gegenüber 12.4 M € über 312 im Juli (−18.55 % im Wert, −20.19 % in der Anzahl); bei 21 Arbeitstagen gegenüber 23, fiel der Wert je Tag von 0.539 auf 0.481 M € (−10.79 %, 1.08× der 10 %-Schwelle). Nach Quelle ist die Bewegung nicht einheitlich: Outbound-Pipeline fiel von 5.8 auf 3.9 M € (−32.76 % insgesamt, −26.35 % je Arbeitstag — 2.64× der Schwelle, die Zelle des Findings und sein Schweregrad, high), Partner-Pipeline von 3.1 auf 2.4 (−22.58 %; −15.21 % je Tag), und Inbound stieg von 3.5 auf 3.8 (+8.57 %). Aktivitätsdaten — Anrufe und E-Mails je Team — sind nicht in diesem Modell; ob der Outbound-Aufwand fiel oder seine Konversion, lässt sich hier nicht lesen.

Data state

Data state (kein Finding): Die Partnerportal-Quelle lieferte für 26–31. August keine Zeilen (eine Feed-Unterbrechung auf Partnerseite). Der Partner-Rückgang in Finding 1 kann zum Teil eine Feed-Lücke sein; das Finding sagt das, der Modellverantwortliche ist benachrichtigt, und der Agent wird die Partner-Linie neu lesen, wenn die Zeilen eintreffen.

Was dieser Lauf nicht sehen konnte.

Der Partner-Feed für 26–31. August. Aktivitätsvolumen. Der Grund hinter einer Verschiebung des Abschlussdatums. Vertriebsmitarbeiter erscheinen nie; der nächste Schnitt ist das Team.

VeranschaulichendSet 3Preis-und-Rabatt-Agent
Persona
Liest, was das Unternehmen tatsächlich berechnet, gegen das, was es listet, für den Pricing-Manager und den CFO desselben Ausrüstungsherstellers: Preisrealisierung nach Kanal und Produktfamilie, Rabatte über der Genehmigungsgrenze und die Gewinnquote rabattierter Abschlüsse neben die Gewinnquote der übrigen gestellt — ohne kausale Behauptung. · Zielgruppe: Pricing-Manager, CFO, Kanaldirektor. · Tonfall: formell, exakt; sagt nie "verschenkt". · Ausgabesprache: en
Signale, die er beobachtet
(1) Preisrealisierung — netto gebuchter Wert über Listenwert, nach Kanal und Produktfamilie. (2) Rabatte über der Grenze — der Anteil gewonnener Abschlüsse, die über die Genehmigungsgrenze hinaus rabattiert wurden. (3) Rabatt und Gewinnquote nebeneinander, nur als Zusammenhang. (4) Distributor-Realisierung gegen die Preisuntergrenze der Vereinbarung, sobald die Untergrenze eine Kennzahl ist. (5) Realisierung bei Verlängerungen gegenüber Neuabschlüssen.
Schwellen, die ihm vorgegeben wurden
Finding 5 % · critical 15 % · Verhältniskennzahlen (Realisierung, Anteile) 1.5 Punkte, critical 5 Punkte · Mindestanteil 5 % des Auftragseingangs · Genehmigungsgrenze 15 % Rabatt · Schweregrad-Regel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde

Laufkopf

  • Geplant wöchentlich, Montag 07:00, Europe/Berlin
  • Zeitraum: Q3 2026 bis dato (1. Juli – 20. September) vs. Q2 2026 (volles Quartal) — ein Teilquartal gegen ein volles; Realisierung und Anteile sind Verhältnisse und werden durch die Zahl der Tage nicht verzerrt
  • Daten vollständig bis 2026-09-20, gemessen über max(QUOTE_DATE), vor 7 Stunden
  • Geltungsbereich: der Geltungsbereich "alle Teams"; Herstellkosten liegen außerhalb des Geltungsbereichs dieses Agenten
  • Modell: das freigegebene Modell des Arbeitsbereichs
  • Kosten: auf dem Lauf festgehalten
Brief

Q3 2026 bis 20. September: Preisrealisierung 91.61 % → 89.62 % des Listenpreises, Distributorkanal bei 84.19 % — Rabatte über der Grenze bei 21.39 % der gewonnenen Abschlüsse, gegenüber 13.08 % zuvor, gewonnen zu 34.78 % gegenüber 21.18 % innerhalb der Grenze

Annahmenstreifen

Sie haben keinen Zeitraum angegeben; das laufende Quartal bis dato wurde mit dem letzten vollen Quartal verglichen. Nur Verhältnisse; keine Summe wird über die ungleichen Fenster verglichen. Herstellkosten liegen außerhalb des Geltungsbereichs dieses Agenten; der Margeneffekt der Rabattierung ist nicht in dieser Aufzeichnung. Ein Margenwert-Entwurf wurde zurückgehalten.

Das Unternehmen verkaufte in Q2 näher an seinem Listenpreis als jetzt: Die Realisierung fiel von 91.61 % auf 89.62 % des Listenpreises, und der Distributorkanal, 33.98 % des Auftragseingangs, verkauft zu 84.19 % gegenüber 92.71 % direkt — ob das innerhalb der Distributorvereinbarung liegt, lässt sich nicht lesen, bis die Untergrenze eine Kennzahl ist. Mehr Abschlüsse werden über die Genehmigungsgrenze hinaus rabattiert — 21.39 % der Gewinne gegenüber 13.08 % — und diese Abschlüsse werden zu einer höheren Quote gewonnen als die übrigen (34.78 % gegenüber 21.18 %), eine Paarung, die diese Daten zeigen, aber nicht erklären können. Der Satz, den der Agent zu "verschenkter Marge" entwarf, wurde zurückgehalten: In diesem Lauf wurde kein Kostenwert abgefragt.

covers: Finding 1, Finding 2

— Lauf: wöchentlich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-20. Guard Ledger: held 1 — Kandidat f-03 (verschenkte Marge), Grund numeric_provenance: Token 1.1 M € braucht einen Herstellkosten-Operanden, der außerhalb des Geltungsbereichs dieses Agenten liegt; Aussagenprüfung 1 — "der Rabatt kauft den Gewinn" von Kandidat f-02 als interpretive gekennzeichnet, nicht zurückgehalten; duplicate 0; not_selected 0.

Recommendation 1

Rabatte über der Grenze nach Produktfamilie und nach Abschlussgrößenband aufschlüsseln und den Genehmigungszeitstempel neben das Abschlussdatum stellen

based_on: Finding 2 · Verantwortlich: Pricing-Manager

Konzentriert sich der Anteil über der Grenze in einer Produktfamilie oder einem Abschlussgrößenband, ist die Genehmigungsgrenze für dieses Band möglicherweise auf der falschen Höhe gesetzt; verteilt er sich gleichmäßig, liegt die Änderung in der Verkaufspraxis. Beide Schnitte sind in diesem Modell. Der Genehmigungszeitstempel wird zeigen, ob Rabatte genehmigt werden, bevor oder nachdem der Kunde sich festgelegt hat — ein Prozessfakt, den der Agent messen kann, sobald der Zeitstempel im Modell ist; heute ist er es nicht.

Die Findings, auf denen das beruht

Finding 2

Rabatte über der Grenze bei 21.39 % der gewonnenen Abschlüsse (40 von 187) gegenüber 13.08 % in Q2 (28 von 214), +8.31 Punkte — die Gewinnquote der Abschlüsse über der Grenze liegt bei 34.78 % (40 von 115 entschiedenen) gegenüber 21.18 % innerhalb der Grenze (147 von 694)

severity criticaldirection upnovelty newtrust AinterpretiveAufschlüsselung APPROVAL_LINE = Above

Vierzig der 187 bis dato gewonnenen Abschlüsse trugen einen Rabatt über der Genehmigungsgrenze von 15 % (21.39 %), gegenüber 28 von 214 in Q2 (13.08 %) — ein Anstieg um 8.31 Punkte, über der kritischen 5-Punkte-Linie für einen Anteil (severity critical). Neben die Gewinnquote gestellt: Abschlüsse über der Grenze wurden zu 34.78 % gewonnen (40 von 115 entschiedenen) und Abschlüsse innerhalb der Grenze zu 21.18 % (147 von 694). Die beiden Fakten stehen nebeneinander; der Satz "der Rabatt kauft den Gewinn" ist interpretive und wird so gekennzeichnet, weil diese Daten einen Rabatt, der einen Abschluss gewonnen hat, nicht von einem Abschluss unterscheiden können, der ohnehin gewonnen worden wäre. Herstellkosten liegen außerhalb des Geltungsbereichs dieses Agenten, sodass der Margeneffekt der Rabatte hier nicht berechnet wird.

Recommendation 2

Die Preisuntergrenze der Distributorvereinbarung als Kennzahl laden und die Distributor-Realisierung monatlich nach Produktfamilie dagegen beobachten

based_on: Finding 1 · Verantwortlich: Kanaldirektor, mit dem Verantwortlichen für das Datenmodell

Realisierung ohne die Untergrenze daneben sagt, wie weit vom Listenpreis entfernt der Kanal verkauft, nicht, ob er innerhalb seiner Vereinbarung verkauft. Die Untergrenze hinzuzufügen ist eine Änderung am importierten Modell, nicht am Agenten.

Die Findings, auf denen das beruht

Finding 1

Preisrealisierung 91.61 % → 89.62 % des Listenpreises (−1.99 Punkte) bei 41.2 M € gebucht gegenüber 45.97 M € Listenwert — Distributorkanal bei 84.19 % gegenüber direkt 92.71 %, bei 33.98 % des Auftragseingangs

severity highdirection downnovelty newtrust AAufschlüsselung CHANNEL = Distributor

Bis dato trugen 41.2 M € Auftragseingang einen Listenwert von 45.97 M €, eine Realisierung von 89.62 %; in Q2 lauteten die Werte 40.4 M € gegenüber 44.10 (91.61 %) — ein Rückgang um 1.99 Punkte, 1.33× der 1.5-Punkte-Verhältnisschwelle (severity high). Die Kanäle unterscheiden sich: Der Distributorkanal buchte 14.0 M € gegenüber 16.63 Listenwert (84.19 %) und hält 33.98 % des Auftragseingangs; der Direktkanal buchte 27.2 gegenüber 29.34 (92.71 %). Die Preisuntergrenze der Distributorvereinbarung ist in diesem Modell nicht als Kennzahl geladen, sodass sich hier nicht lesen lässt, ob 84.19 % innerhalb oder unterhalb der Vereinbarung liegen — der Kanaldirektor liest die Vereinbarung neben der Aufzeichnung.

Was dieser Lauf nicht sehen konnte.

Die Preisuntergrenze des Distributors, der Genehmigungszeitstempel und die Herstellkosten sind nicht im Modell oder Geltungsbereich dieses Agenten. Ob ein Rabatt einen Gewinn verursacht hat, ist keine Frage, die diese Daten beantworten können.

Jede Zahl trägt eine Adresse

Im Produkt bindet sich jede Zahl an eine Nachweisadresse — Umschlag, Zeile, Zelle, Prüfziffer —, und eine Zahl ohne eine solche wird zurückgehalten, nicht veröffentlicht. Die Anatomie einer Aufzeichnung →

Abgeleitete Zahlen zeigen ihre Operation

Eine Änderung, ein Anteil oder eine Lücke wird von der Engine berechnet und trägt ihre Operanden; das Modell dividiert nie. Wie jede Zahl bewiesen wird →

KI-Governance ist die Publikationsschicht

Acht deterministische Gates, die Trust-Stufe, gekennzeichnete Interpretation, ein Annahmenstreifen, der sich nicht abschalten lässt, und das Guard Ledger. Wohin das Modell reichen kann und wohin nicht →

FAQ

Vier Fragen, die dieser Seite üblicherweise gestellt werden

01Unsere CRM-Daten sind nicht sauber. Bricht das den Agenten?

Nein, aber die Lücken erscheinen in der Aufzeichnung: Opportunities ohne Phasendaten werden aus der Messgröße Zykluslänge ausgeschlossen und gezählt, ein Feed, der keine Zeilen liefert, ist ein data state, und ein Verlustgrund-Feld, das zu 61 % gefüllt ist, wird als zu 61 % gefüllt bezeichnet. Nichts wird stillschweigend fallengelassen.

02Kann er das CRM direkt lesen?

Er liest das importierte semantische Modell auf dem Warehouse-Auszug; die Auszugsverzögerung wird von der Engine gemessen und in jedem Laufkopf genannt.

03Erstellt er Rangfolgen von Vertriebsmitarbeitern?

Nein. Der Name des Vertriebsmitarbeiters ist als personenbezogen markiert; Aufschlüsselungen enden beim Team. Eine Rangfolge von Personen ist keine Aufzeichnung, die das Produkt erzeugt.

04Kann er uns sagen, welche Abschlüsse wir im Forecast-Call vorantreiben sollen?

Er kann zeigen, welche Opportunities überholt, verschoben oder gealtert sind, mit ihren Teams und Werten. Welche zu committen sind, ist das Urteil des Vertriebsdirektors; die Aufzeichnung endet davor.

Kostenlose Data-Discovery-Studie

Sehen Sie, welche dieser Signale Ihr eigenes Warehouse tragen kann.

Senden Sie uns den Namen Ihrer Datenplattform und den Bereich, über den Sie am meisten streiten. Wir lesen Ihr semantisches Modell gemeinsam mit Ihnen und antworten schriftlich: welche der Signale auf dieser Seite Ihr Modell heute trägt, welche eine Änderung in Axoria Data Studio brauchen und was ein vierwöchiger Pilot messen würde. Keine Kosten, keine Sequenz — ein Mensch antwortet innerhalb von zwei Werktagen.

Kostenlose Data-Discovery-Studie anfragen → 4-Wochen-Pilot starten

Was die Beispiele voraussetzen

Die Daten, das Modell und die Kennzahlen hinter den drei Sets

Nichts in einem Set beruht auf einer Quelle außerhalb des hier beschriebenen Modells. Öffnen Sie, was Sie abgleichen möchten.

01Angenommene Datenquellen — Daten, die der Vertrieb bereits hat

CRM (Opportunities mit Phasenhistorie, Leads, Accounts, Aktivitäten, Zielvorgaben, Forecast-Kategorien), Configure-Price-Quote (Angebote und Angebotspositionen mit Listen- und Nettopreis), ERP (Kundenaufträge, Rechnungen), für den Einzelhandelsvertrieb die Point-of-Sale-Transaktionen und Frequenzzähler, die Mitarbeiter mit Zielvorgabe und ihre Einarbeitungsdaten aus dem HR-System, Sequenzen und Anrufe aus Sales-Engagement-Tools, soweit sie das Warehouse erreichen. Typische Warehouse-Granularität: eine Zeile je Opportunity je Phasenwechsel, täglich; eine Zeile je Angebotsposition.

02Angenommenes semantisches Modell — das Minimum für die drei Personas
Kennzahlen
bookings_won · quota · won_count · lost_count · decided_count · win_rate (von der Engine abgeleitet) · average_deal_size (von der Engine abgeleitet) · pipeline_open_qualified · pipeline_created · pipeline_pushed · cycle_days (Durchschnitt, bei Opportunities mit vollständigen Phasendaten) · list_value · net_value · price_realisation (von der Engine abgeleitet) · discount_pct · above_line_count · opportunities_without_stage_dates · closed_won_without_invoice.
Dimensionen
Abschlussdatum · Anlagedatum · Phase · Region · Team · Segment (enterprise / mid-market / small) · Kanal (direct / distributor) · Quelle (inbound / outbound / partner) · Produktfamilie · Abschlussgrößenband · Forecast-Kategorie · Verlustgrund · Kennzeichen "Wettbewerber beteiligt" · Genehmigungsgrenzen-Kennzeichen. Als personenbezogen markiert und nie aufgeschlüsselt nach: Name des Vertriebsmitarbeiters (der nächste zulässige Schnitt ist das Team), Kontaktname.
Datenrand
von der Engine gemessen über max(stage_change_date) auf dem CRM-Auszug; das Modell deklariert seine Auszugsverzögerung.
03Angenommene KPIs — was Vertriebsleiter verfolgen
KPIDefinitionEinheitTypische BandbreiteÜbliche Aufschlüsselung
Auftragseingang vs. Zielvorgabe (Zielerreichung)Wert gewonnener Abschlüsse ÷ Zielvorgabe%≈ 43 % der Vertriebsmitarbeiter erreichen die Zielvorgabe (Umfrage 2025) [S202][S203]Team · Gebiet
Gewinnquotegewonnen ÷ (gewonnen + verloren)%20 % branchenübergreifend; Software 22 %, Finanzen 19 % [S201]; 19–21 % B2B 2025 [S202]Segment · Abschlussgrößenband
Pipeline-Deckungoffene qualifizierte Pipeline ÷ verbleibende Zielvorgabe×3–4× Faustregel [S204]Team · Quartal
Erzeugte PipelineWert neuer Opportunities im ZeitraumWährungkein öffentlicher Benchmark gefundenQuelle · Segment
Länge des VerkaufszyklusOpportunity-Anlage → AbschlussTage~84 Tage B2B SaaS; Enterprise 6–9+ Monate [S202][S203]Segment · Abschlussgrößenband
Durchschnittliche Abschlussgrößegewonnener Wert ÷ AbschlüsseWährungkein öffentlicher Benchmark gefundenProduktlinie · Segment
Phasenkonversionweitergerückt ÷ eingetreten je Phase%Lead→Opportunity ~15–25 %, Angebot→Abschluss ~25–40 % (ungeprüft) [S204b]Phase · Team
Forecast-Genauigkeit|Commit − Ist| ÷ Ist%kein öffentlicher Benchmark gefundenTeam · Forecast-Kategorie
AktivitätsvolumenAnrufe / E-Mails / Termine je VertriebsmitarbeiterAnzahlkein öffentlicher Benchmark gefundenTeam · Aktivitätstyp
Preisrealisierung / Rabattrealisierter Preis ÷ Listenpreis%kein öffentlicher Benchmark gefundenProdukt · Kanal
CAC inklusive VertriebskostenVertriebs- & Marketingausgaben ÷ NeukundenWährung~$239 gemischt B2B SaaS [S205]Kanal · Segment
Umsatzwachstum vergleichbarer Filialen (Einzelhandel)Umsatz vergleichbarer Filialen vs. Vorjahr%kein öffentlicher Benchmark gefundenFiliale · Region
Umsatz je Quadratfuß (Einzelhandel)Nettoumsatz ÷ VerkaufsflächeWährung/ft²~$325 US-Durchschnitt (sekundär) [S206]Filiale · Kategorie
Konversion und Stück je Transaktion (Einzelhandel)Transaktionen ÷ Frequenz; Stück ÷ Transaktionen%, Stückkein öffentlicher Benchmark gefundenFiliale · Tageszeit

Verwandt

Wohin diese Seiten führen

Branchen, deren Sets diese Messgrößen verwenden

Auf dieser Website