Absatzzahlen für die Beschaffung aufbereiten

Die Bestellfrist platzt am Montag

Die Bestellfrist für die Winterkollektion platzt am Montag. Dein Azubi-Kollege Bao dreht seinen Bildschirm zu dir. Samstagnachmittag, 12:30 Uhr im Datenanalyse-Raum. Auf seinem Monitor: ein CSV-Export aus dem Shopsystem. 9.400 Zeilen, gemischte Produktkategorien, Retouren noch drin, Datumsformate durcheinander. Die Teamleiterin braucht die Abverkaufsquoten der Sommerkollektion, damit der Einkauf das Winterbudget beim Lieferanten bestätigen kann.

Erinnerst du dich an die Auswertungstabellen mit Datum, Kennzahlenwert und Datenquelle aus der Nachfragebeobachtung? Genau hier setzt die nächste Stufe an: Statt Nachfrage-Indikatoren zu dokumentieren, bereitest du jetzt echte Transaktionsdaten so auf, dass das Controlling damit arbeiten kann.

Vom Rohdatenexport zur sauberen Tabelle

Der Weg vom Export zur fertigen Vorlage hat vier Schritte:

1. CSV-Export aus dem Shopsystem ziehen: Transaktionsdaten für den gewünschten Zeitraum (hier: Sommerkollektion, April bis September) auswählen und als CSV oder Excel exportieren.
2. Daten bereinigen: Retouren herausfiltern (Spalte "Status" auf "abgeschlossen" setzen), Datumsformate vereinheitlichen (TT.MM.JJJJ), Duplikate entfernen, fehlende Werte prüfen.
3. Die bereinigten Daten per Pivot-Auswertung gruppieren: nach Artikel, Zeitraum (Monat) und Kategorie. So siehst du auf einen Blick, welche Kategorie wie viel verkauft hat.
4. Ergebnis als Controlling-Vorlage formatieren: Spaltenüberschriften benennen, Summenzeilen einfügen, Datei mit Datum und Versionsnummer speichern.

🔮 Bevor du weiterliest: Bao hat die Retouren nicht herausgefiltert. Was passiert mit der Abverkaufsquote, wenn Retouren in den Verkaufszahlen bleiben?

Retouren verzerren alles

Bleiben Retouren in den Verkaufszahlen, zählt jede zurückgeschickte Bestellung als Verkauf mit. Die Abverkaufsquote fällt zu hoch aus. Der Einkauf bestellt auf dieser Basis zu viel Winterware, und der Betrieb bleibt auf Restbeständen sitzen.

Baos Export enthält 9.400 Zeilen. Davon tragen 1.200 den Status "retourniert". Erst nach dem Filtern bleiben 8.200 tatsächlich abgeschlossene Transaktionen übrig. Das ist die Datenbasis, mit der ihr weiterrechnet.

Die Sell-through-Rate Schritt für Schritt

Die Sell-through-Rate (Abverkaufsquote) zeigt dir, welcher Anteil einer eingekauften Menge tatsächlich verkauft wurde. Die Formel:

Sell-through-Rate = Verkaufte Menge / Eingekaufte Menge × 100

Beispiel aus Baos Daten: Die Kategorie "Sommerkleider" wurde mit 500 Stück eingekauft. Nach Abzug der Retouren sind 375 Stück verkauft. Die Rechnung: 375 / 500 × 100 = 75 %.

Zur Einordnung: Ab etwa 70 % gilt der Abverkauf als gut. Zwischen 40 und 69 % ist er mittelmäßig. Unter 40 % sprechen Einkäufer:innen von Ladenhütern.

🤔 Frage dich: Was ist der Unterschied zwischen einer Sell-through-Rate von 75 % bei Sommerkleidern und 75 % bei Basics wie weißen T-Shirts? Welche Zahl ist aussagekräftiger für die Budgetplanung der Folgesaison?

Von der Zahl zur Entscheidung

So hätte Baos fertige Vorlage aussehen können: eine Tabelle, die pro Kategorie Einkaufsmenge, Netto-Verkäufe, Sell-through-Rate und eine begründete Empfehlung enthält.

Drei Kategorien aus der Sommerkollektion im Vergleich:

• Sommerkleider mit 75 % Sell-through-Rate: Guter Abverkauf. Empfehlung an den Einkauf: Budget für die Winterkollektion mindestens halten, bei steigender Nachfrage leicht erhöhen.
• Sandalen mit 60 %: Mittelmäßig. Budget beibehalten, aber das Sortiment straffen. Weniger Varianten, dafür die Bestseller gezielt nachbestellen.
• Strandtücher mit 30 %: Ladenhüter. Budget deutlich kürzen. Restbestände per Rabattaktion abverkaufen, bevor die Winterware Lagerplatz braucht.

Die Sell-through-Rate allein entscheidet nicht. Aber sie liefert dem Einkauf die Zahlengrundlage, um das Winterbudget gegenüber der Geschäftsleitung zu begründen.

Baos Samstag hat sich gelohnt

Vom Rohdatenexport bis zur Budgetempfehlung: Export ziehen, bereinigen, per Pivot gruppieren, Sell-through-Rate berechnen, Empfehlung ableiten. Fünf Schritte, die aus 9.400 unbrauchbaren Zeilen eine Entscheidungsvorlage gemacht haben. Ohne die bereinigte Tabelle hätte der Einkauf am Montag keine Grundlage für die Bestellfreigabe gehabt.

🧑‍🏫 Erkläre es im Kopf: Eine neue Auszubildende fragt dich: "Warum kann ich nicht einfach die Gesamtverkaufszahlen aus dem Dashboard nehmen, statt den ganzen Export zu bereinigen?" Wie würdest du ihr in zwei Sätzen erklären, warum der Umweg über den bereinigten Export nötig ist?