The impact of sales and demand data on financial sales forecasting accuracy

Abstract

Sales forecasting plays a critical role in business decision-making, helping companies anticipate demand and allocate resources effectively. This study examines how to improve the accuracy of sales forecasts using existing sales and demand data and processes within a Finnish technology company. The primary research question addressed is: How can the accuracy of financial sales forecasts be improved? The scope of the study is limited to one business area, with a focus on product sales.

The research was conducted as a multi-method study, beginning with a qualitative phase. This phase involved interviews with key personnel responsible for the company’s sales and demand forecasting, as well as for sales itself and its related processes. The purpose of these interviews was to identify the most critical processes and factors influencing the sales forecast, as well as to determine the types of data collected and their sources. Based on the insights gathered, the study then proceeded to the quantitative phase, where the most suitable sales forecasting method was selected based on the nature and amount of data collected. A model was developed using this method in an aim to improve the accuracy of future sales predictions.

The implementation of the new forecasting model did not result in a significant improvement in accuracy. However, it highlighted several crucial areas for development such as the importance of data quality and quantity in sales forecasting. The findings underscore the importance of accurate forecasting in and provide actionable recommendations for refining forecasting processes to better support strategic planning, decision making and resource allocation within the company.

Myynnin ennustaminen on tärkeässä asemassa organisaatioiden päätöksenteossa, sillä sen avulla yritykset voivat ennakoida kysyntää ja kohdentaa resurssejaan tehokkaammin. Tämä tutkimus tarkastelee, miten myyntiennusteiden tarkkuutta voidaan parantaa hyödyntämällä olemassa olevaa myynti- ja kysyntädataa sekä prosesseja eräässä suomalaisessa teknologiayrityksessä. Tutkimuksen päätutkimuskysymys on: Kuinka myyntiennusteiden taloudellista tarkkuutta voidaan parantaa? Tutkimus rajattiin kohdeyrityksen yhteen liiketoiminta-alueeseen, ja se keskittyy yksinomaan kyseisen alueen tuotemyyntiin.

Tutkimus toteutettiin monimenetelmätutkimuksena, joka käynnistyi kvalitatiivisella osuudella. Kvalitatiivisessa vaiheessa haastateltiin yrityksen keskeisiä henkilöitä, jotka vastaavat myynnistä, kysyntäennusteista ja niihin liittyvistä prosesseista. Haastattelujen tarkoituksena oli tunnistaa keskeiset prosessit ja tekijät, jotka vaikuttavat myyntiennusteisiin, sekä selvittää, millaista dataa prosesseissa kertyy ja mihin se tallentuu. Haastattelujen pohjalta siirryttiin kvantitatiiviseen vaiheeseen, jossa valittiin sopivimmat myyntiennustemenetelmät kerätyn datan luonteen ja määrän perusteella. Näiden menetelmien avulla kehitettiin malli, jonka tavoitteena oli parantaa tulevien myyntiennusteiden tarkkuutta.

Tutkimuksessa luotu ennustemalli ei tuottanut merkittävää parannusta tarkkuudessa. Kuitenkin se nosti esiin useita keskeisiä kehitysalueita, kuten datan laadun ja määrän merkityksen myyntiennustamisessa. Tulokset korostavat tarkan ennustamisen tärkeyttä ja tarjoavat käytännön suosituksia ennustamisprosessien hienosäätämiseksi, jotta ne tukisivat paremmin strategista suunnittelua, päätöksentekoa ja resurssien kohdentamista yrityksessä.