Salgsanalyse: hvor kommer væksten egentlig fra?

Salgsanalyse: hvor kommer væksten egentlig fra?

Resumé og konklusion

• Vækstprocenten er et facit, ikke en analyse. En salgsanalyse begynder først, når de 4,6 mio. kr. i vækst er delt op i nye kunder, mersalg, pris, mix, nedsalg og churn.
• Netto skjuler brutto. En nettovækst på 4,6 mio. kr. kan dække over 8,2 mio. kr. vundet og 3,6 mio. kr. tabt. Kun nedbrydningen skiller de to tal ad, og de kræver hver sin handling.
• Koncentration er både risiko og forhandlingsposition. Er top 5 kunder 48 % af omsætningen, koster tabet af den største kunde 9,4 mio. kr. i omsætning og 2,9 mio. kr. i dækningsbidrag. Enhver vurdering af væksten bør starte med det tal.
• Kohorter afslører falsk vækst. En virksomhed, der vinder mange og mister mange, ser ud som en vækstvirksomhed i regnskabet og er det ikke. Kohorteanalysen er den analyse, der viser forskellen.
• Omsætning er lagging, pipeline er leading. Hitrate, gennemsnitlig ordrestørrelse og ordrebeholdning giver 1-3 måneders forvarsel — det fremadrettede signal, hvis de åbne salgsordrer er rene.

Otte procent er et facit — vækstens fire kilder er analysen

En dansk produktionsvirksomhed gik fra 58,0 mio. kr. i 2025 til 62,6 mio. kr. i 2026. Det er 4,6 mio. kr. mere, altså knap 8 %. På bestyrelsesmødet står der “vækst 7,9 %” på slide 4, og alle nikker. Ingen ved, hvad de skal gøre anderledes næste år, for tallet indeholder ingen instruks.

Her begynder salgsanalysen. Al omsætningsvækst kommer fra præcis fire kilder: nye kunder, mersalg til eksisterende kunder, prisændringer og mixforskydning (at kundekurven flytter sig mod dyrere eller billigere varer). Modsat trækker to ting fra: nedsalg hos kunder, der køber mindre, og churn — kunder, der er holdt op med at købe. Nedbrydningen er den samme disciplin som i artiklen om analysemetodernes værktøjskasse, bare lagt ned over salget.

Nedbrydningen for de 4,6 mio. kr. ser sådan ud: nye kunder +3,4, mersalg +3,1, pris +1,2, mix +0,5. Det er 8,2 mio. kr. vundet. Og så nedsalg −1,3 og churn −2,3, altså 3,6 mio. kr. tabt. Netto +4,6. Grafikken herunder viser hele broen fra 58,0 til 62,6 mio. kr.

Det er en helt anden virksomhed end den, slide 4 beskrev, og det er hele pointen med at nedbryde væksten. Otte procent vækst er her reelt 14 % brutto vækst med 6 % lækage. Prisbidraget på 1,2 mio. kr. svarer til godt 2 % gennemsnitlig prisstigning — hvis inflationen var højere, faldt de reelle priser. Og churn på 2,3 mio. kr. er den største enkeltpost at gøre noget ved, fordi den kunde allerede havde sagt ja én gang. Nedbrydningen laves på debitorposter (customer ledger entries) og fakturalinjer med kundenummer, år og varegruppe. Den kræver ingen BI-platform.

Kundekoncentration: den salgsanalyse, der måler risiko

Næste spørgsmål er, hvor bredt væksten står. Læg kunderne i faldende omsætning og læg tallene sammen. I eksemplet er den største kunde 15 % af omsætningen, nummer to 12 %, og top 5 tilsammen 48 %. Top 10 er 63 %. Det er den samme øvelse som i Pareto-analysen, blot brugt som risikomål i stedet for prioriteringsværktøj.

Det tal skal oversættes til kroner, før det betyder noget. Mister virksomheden den største kunde, forsvinder 9,4 mio. kr. omsætning. Til sammenligning var hele årets omsætningsvækst 4,6 mio. kr. — tabet af den ene kunde er altså over det dobbelte af hele årets vækst. Med en dækningsgrad på 31 % på den kunde svarer de 9,4 mio. kr. samtidig til 2,9 mio. kr. dækningsbidrag, som skal findes et andet sted — eller skæres væk i omkostninger.

Koncentration er ikke i sig selv dårligt. Store kunder giver planlægbar produktion, lavere salgsomkostning pr. krone og ofte bedre indkøbspriser. Men det er en forhandlingsposition, der virker begge veje. En kunde, der ved, at han er 15 % af jeres omsætning, forhandler anderledes end en kunde, der tror han er 3 %. Derfor hører denne del hjemme hos ejerlederen og CFO’en, ikke kun hos salgschefen. Den praktiske brug: sæt en grænse — for eksempel at ingen enkeltkunde må overstige 12 % af dækningsbidraget — og gør det til et fast punkt i kvartalsopfølgningen.

Kohorteanalyse: holder de kunder, vi vandt?

Nye kunder er let at fejre og svært at følge. En kohorteanalyse grupperer kunderne efter det år, de blev vundet, og følger hver gruppe fremad. Kunder vundet i 2024 omsatte for 5,1 mio. kr. det første år. Året efter var 74 % af dem stadig aktive og omsatte for 3,9 mio. kr. I 2026 er 66 % tilbage med 3,5 mio. kr. Kohorten fra 2023 er nede på 64 % efter tre år, mens 2025-kohorten holder 77 % efter det første år.

Det er den analyse, der afslører falsk vækst. En virksomhed, der vinder 34 kunder om året og mister 30, ligner i regnskabet en vækstvirksomhed. Den er i virkeligheden en tragt med hul i bunden, og hver ny kunde koster salgstid, opstart og kreditrisiko. Harvard Business Review gør pointen enkel: værdien ligger ikke i at holde på alle kunder, men i at holde på de rigtige — og det kræver, at man kan se forskel. Det er også derfor, vækst pr. kunde siger mere om forretningen end den samlede vækstprocent.

Kohortetabellen er ikke svær at lave, og den er den billigste analyse på listen. Du skal bruge kundenummer, første fakturadato og omsætning pr. år. Det er tre felter fra debitorposterne. Læs den vandret for fastholdelse og lodret for, om nye årgange bliver bedre. Bliver de ikke det, er det ikke marketing, der skal skrues på — det er onboarding.

Lønsom vækst: dækningsgrad pr. kunde og vare

Salget måles på omsætning. Virksomheden lever af dækningsbidrag. Derfor skal enhver salgsanalyse køres to gange: én gang på omsætning og én gang på dækningsbidrag. Rækkefølgen af kunder ændrer sig som regel. Det er samme logik som i artiklen om finansiel analyse fra resultat til drivere, hvor dækningsbidragsbroen skiller pris, mix og kostpris ad.

I eksemplet er den største kunde 9,4 mio. kr. med 31 % i dækningsgrad, altså 2,9 mio. kr. i bidrag. Kunde nummer fire er 4,4 mio. kr. med 42 % i dækningsgrad, altså 1,8 mio. kr. Den største kunde er 2,1 gange større i omsætning, men kun 1,6 gange større i bidrag. Bruger salgschefen sin tid proportionalt med omsætning, bruger han for lidt tid på nummer fire.

Business Central har en detalje, der er en analyse i sig selv. På salgsordrestatistikken vises både oprindelig og reguleret dækningsgrad — den oprindelige er beregnet på den forventede kostpris, den regulerede på den faktiske kostpris efter kostregulering. Er der systematisk forskel på de to, sælger I til en margin, I ikke har. På en ordremasse på 60 mio. kr. er 1,5 procentpoint forskel 900.000 kr. Gør afvigelsen mellem oprindelig og reguleret dækningsgrad til et fast månedstal.

Pipeline og leading indicators: analyse, der ser fremad

Omsætning er et lagging indicator. Den fortæller, hvad der allerede er sket. Ordreindgang, tilbudsmasse og hitrate er leading indicators — de bevæger sig 1-3 måneder før omsætningen, og de er dem, man kan nå at reagere på. Klipfolio beskriver forskellen kort: lagging måler resultat, leading måler adfærd. Det er præcis pointen i at se væksten før den står i regnskabet.

Tre tal er nok til at starte en fremadrettet salgsanalyse. Hitrate: 210 sendte tilbud, 63 vundne ordrer, altså 30 %. Gennemsnitlig ordrestørrelse: 74.000 kr. Ordrebeholdning: 9,2 mio. kr. i åbne, ikke-leverede ordrer. Falder hitraten fra 30 til 24 % ved samme tilbudsmængde, er det 12,6 ordrer færre og godt 930.000 kr. mindre omsætning — synligt i tilbudstallene måneder før det rammer resultatopgørelsen. De samme tal går igen i salgschefens ugentlige nøgletal for pipeline og hitrate.

Én forudsætning: åbne salgsordrer og restordrer skal holdes rene. Ordrer, der er leveret men aldrig lukket, og gamle restordrer, der aldrig bliver til noget, oppuster ordrebeholdningen. Så lyver forvarslet, og det lyver i den optimistiske retning. Sæt en fast oprydning på ordrer ældre end 90 dage, før I begynder at styre efter tallet.

Værktøjet: salgsanalyse uden BI-projekt

Du kan starte gratis. Analysetilstand (analysis mode) på salgsdata lader dig pivotere direkte på debitorposter, salgsordrer og fakturalinjer i browseren — gruppér på kunde, år og varegruppe, og du har både nedbrydningen og Pareto-listen på en formiddag. Det kræver permission set DATA ANALYSIS – EXEC og ikke andet. Artiklen om analyse uden BI-projekt gennemgår opskrifterne trin for trin.

Næste trin er Sales Power BI-appen, der leverer 21 færdige rapporter oven på BC-data, blandt andet Daily Sales, Period-Over-Period Growth, Actual vs. Budget, Sales Forecasting og Customer Retention. Den kræver Power BI Pro og BC online. Microsofts oversigt over salgsanalyse samler mønstrene. Værd at bemærke: funktionen “Analyze customer loyalty” kom 1. april 2026 og gør netop kohorte- og fastholdelsesvinklen tilgængelig uden egen modellering.

Uanset værktøj står og falder resultatet med, om kunder, varegrupper og dimensioner er sat op ensartet. Er de ikke det, bliver nedbrydningen til gætteri — det er hele emnet for artiklen om datagrundlaget med dimensioner og datamodel.

Sådan understøtter oneBC365 det

oneBC365 er færdige Power BI-rapporter oven på Business Central-data. På salgsområdet betyder det, at hele denne salgsanalyse ligger klar: vækstbroen, Pareto-listen på kunder, kohortematricen og dækningsgrad pr. kunde og vare er bygget på forhånd, koblet til jeres dimensioner (dimensions) og opdateret automatisk. I skal ikke bygge datamodellen, og I skal ikke vedligeholde den, når kontoplanen eller varegrupperne ændrer sig.

Forskellen mod at bygge selv er tid: nedbrydningen af de 4,6 mio. kr. er et par timers arbejde i analysetilstand én gang og et vedvarende vedligehold i Power BI. I oneBC365 er den et faneblad. Det gør det realistisk at køre analysen hver måned i stedet for én gang om året, når budgettet skal lægges. Et samlet overblik over artiklerne viser, hvordan salgsrapporterne hænger sammen med finans, indkøb og lager.

Sådan kommer du i gang

1. Lav vækstbroen for sidste år — det er kernen i en salgsanalyse. Træk fakturalinjer med kundenummer, år og varegruppe. Del væksten op i nye kunder, mersalg, pris, mix, nedsalg og churn. Regn brutto vundet og brutto tabt hver for sig.
2. Sæt Pareto på kunderne — to gange. Én gang på omsætning, én gang på dækningsbidrag. Noter top 5-andelen og oversæt tabet af den største kunde til kroner i dækningsbidrag.
3. Byg kohortetabellen på tre årgange. Kundenummer, første fakturadato, omsætning pr. år. Læs fastholdelsen vandret. Er den under 70 % efter år to, er onboarding det næste projekt.
4. Ryd op i åbne salgsordrer, og start på tre leading indicators. Hitrate, gennemsnitlig ordrestørrelse og ordrebeholdning, målt hver måned. Sammenlign med omsætningen tre måneder senere — så ved I, hvor godt jeres eget forvarsel virker.

Hele serien: fra rapportering til analyse

Serien er tolv artikler i fire blokke — fundament, domæner, praksis og AI. Hver artikel kan læses alene; læst i rækkefølge er de en plan for et år.

1. Fra rapportering til analyse: de fire trin
2. Analyse-landkortet
3. Analysemetodernes værktøjskasse
4. Finansiel analyse
5. Salgsanalyse — du læser den nu
6. Indkøbsanalyse
7. Lageranalyse
8. Datagrundlaget
9. Analysens årshjul
10. Analyse uden BI-projekt
11. AI i analysen (1): Copilot i Business Central
12. AI i analysen (2): Copilot i Power BI og Fabric

Vil du se, hvordan analyserne ser ud på jeres egne tal? Book en demo af oneBC365.