Hvorfor dit næste budget bør have tre facit – ikke ét

42 %. Så meget ramte gennemsnitlige CFO-forecasts ved siden af under covid ifølge flere internationale opgørelser. Ikke fordi de var uduelige. Men fordi virkeligheden skiftede hurtigere, end regnearkene gjorde.

Jeg sad selv i et lille mødelokale i en mellemstor virksomhed, da det gik op for mig. Vi kiggede alle sammen på et statisk budget i Excel, som var forældet, allerede da det blev godkendt. Salgsdirektøren sagde stille: “Jeg tror ikke på de tal.” Og han havde ret.

Det var dér, jeg for alvor begyndte at arbejde med scenarie-forecasting i Excel. Ikke som Excel-nørd, men som den, der gerne vil have, at tallene faktisk kan bruges til beslutninger og ikke bare til en årlig ritualdans med bestyrelsen.

I den her artikel får du tre konkrete modeller til scenarie-forecasting i Excel, som du kan bruge uden nye systemer, licenser eller konsulenthær. De er bygget til dig som leder: fokus er ikke på fancy formler, men på beslutninger, signposts og hvornår I skifter plan.

Hvornår scenarie-forecasting slår det klassiske budget

Det klassiske budget er én historie om fremtiden. Én omsætning, én omkostningsbase, ét resultat. Problemet er, at verden sjældent samarbejder med ét tal.

Scenarie-forecasting handler om at sige: “Vi ved ikke præcis, hvad der sker, men vi kender de vigtigste knapper, der kan drejes på.” Og så bygge 2-3 realistiske historier, der dækker et spænd, I faktisk kan styre efter.

Tre typiske situationer hvor scenarier giver mere mening

• Markedet er i bevægelse: nye konkurrenter, nye regler, ændret efterspørgsel.
• Stor afhængighed af få variable: fx råvarepriser, rente, valutakurser eller 2-3 nøglekunder.
• I står foran større beslutninger: ny fabrik, nyt marked, opgradering af it-platform.

Jeg plejer at sige: Hvis du alligevel diskuterer “hvad nu hvis” i hvert eneste ledermøde, så kan du lige så godt få “hvad nu hvis” ind i regnearket også.

Model 1: Driver-baseret forecast i Excel (din base-model)

Den første model er fundamentet: et simpelt driver-baseret forecast. Det lyder flot, men er i praksis bare: du bygger dit forecast op omkring de 3-5 nøgledrivere, der reelt flytter bundlinjen.

Byg modellen fra toppen og ned

Jeg starter næsten altid med fire blokke:

• Volumen: antal kunder, antal ordrer, antal enheder.
• Pris: gennemsnitlig salgspris pr. enhed eller pr. kunde.
• COGS (direkte omkostninger): enhedsomkostning, indkøbspris, produktionspris.
• OPEX (faste/semifaste omkostninger): løn, husleje, it, marketing osv.

I Excel sætter du 12 kolonner for de næste 12 måneder (eller 24, hvis I arbejder længere frem), og rækker for hver driver. Alle tal i P&L skal kunne føres tilbage til en driver. Hvis ikke, så er den for groft aggregeret, og du kan ikke lave ordentlig scenarie-forecasting.

Et konkret eksempel

Forestil dig en B2B-softwarevirksomhed:

• Volumen: antal aktive abonnementer.
• Pris: gennemsnitlig månedspris pr. abonnement.
• COGS: hosting, support pr. kunde.
• OPEX: udvikling, salg, marketing, administration.

Du definerer så 3 centrale antagelser som inputceller:

• Netto-tilgang af kunder pr. måned (fx +30, +50, +80).
• Årlig prisregulering (fx 0 %, 3 %, 5 %).
• COGS pr. kunde (fx 70, 80, 95 kr.).

Alle andre tal beregnes som formler. Det giver dig én ren base-model. Ingen farverige scenarier endnu. Bare et “hvis verden følger planen”.

Hvorfor det her er vigtigt for scenarier

Pointen er, at når du har brudt din forretning ned i drivers, kan du ændre få antagelser og med det samme se, hvad der sker på toplinje, dækningsbidrag og EBITDA. Det er kernen i god scenarie-forecasting.

Du kan i øvrigt hente meget inspiration i de mere makro-orienterede analyser, som typisk findes under fx økonomi og konjunkturer. Det giver en ramme for, hvor aggressive dine antagelser bør være.

Model 2: Sensitivitetsanalyse i Excel (hvor følsom er din bundlinje?)

Når base-modellen står, kommer næste spørgsmål: Hvad sker der, hvis én ting går galt? Eller to ting på én gang?

Her bruger jeg næsten altid Excels data tables, også selv om ingen i lokalet har lyst til at sige “data tables” højt. Du behøver ikke forklare teknikken i detaljer. Bare brug den til at vise billedet.

1-variabel sensitivitetsanalyse

Start simpelt:

• Vælg ét nøgletal, du vil analysere, fx EBITDA eller likviditet ultimo år.
• Vælg én driver, du vil teste, fx volumen-vækst pr. måned.
• Lav en kolonne med mulige værdier, fx vækstrater fra -5 % til +10 %.
• Brug en 1-variabel data table til at vise, hvad EBITDA bliver ved hver vækstrate.

Det kan gøres på 5-10 minutter, når du har prøvet det én gang. Men effekten i ledermødet er stor: du kan pege på talrækken og sige: “Hvis væksten falder fra 5 % til 1 %, ryger 8 mio. af bundlinjen.” Det er scenarie-forecasting i miniature.

2-variabel sensitivitetsanalyse

Når du vil et niveau dybere, sætter du to variable op:

• Fx prisstigning i rækkerne: 0 %, 2 %, 4 %, 6 %.
• Og volumen-vækst i kolonnerne: -2 %, 0 %, 3 %, 5 %.

I midten får du et felt med EBITDA eller likviditet for hver kombination. Det bliver hurtigt til en simpel heatmap-logik: hvor er vi grønne, gule, røde?

Jeg plejer at markere kritiske felter med fed og måske en diskret farve, så det er tydeligt, hvornår I nærmer jer smertegrænsen.

Hvad bruger du det til i praksis?

Det her er ikke akademisk Excel-leg. Det er forarbejdet til klare beslutningsregler:

• Ved hvilke kombinationer af pris og volumen skal vi skære omkostninger?
• Hvornår skal vi stoppe en dyr kampagne, hvis responsen halter?
• Hvor hård en prisstigning kan vi tåle at lade være med at gennemføre?

Hvis du arbejder med forsyningskæder eller komplekse leverandørsamarbejder, minder det meget om logikken i en klassisk stresstest af forsyningskæden: du tester, hvor meget systemet kan tåle, før det for alvor gør ondt.

Model 3: Scenarie-manager med “switches” til antagelser

Nu kommer det værktøj, der typisk ændrer ledermøder mest: en simpel scenarie-manager, hvor du kan skifte mellem fx Baseline, Best case og Worst case med ét valg.

Opskriften i enkel form

Grundideen er:

• Du har én P&L-model (base-modellen fra før).
• Du har en separat tabel med antagelser for hvert scenarie.
• Du fortæller Excel: “Brug række 1 som input, når scenarie = Baseline, række 2 når = Best case osv.”

Det kan laves med simple opslagsfunktioner (VOPSLAG/XOPSLAG/INDEX-MATCH) og et scenarie-navn i en drop-down. Ingen magi, bare struktur.

Eksempel på antagelsestabel

Forestil dig denne tabel over antagelser (her forkortet):

• Scenarie-navn
• Volumen-vækst pr. måned
• Prisændring pr. år
• COGS-inflation
• Marketing spend som % af omsætning

Tre rækker:

• Baseline: 3 % vækst, 2 % prisstigning, 3 % COGS-inflation, 8 % marketing.
• Best case: 6 % vækst, 3 % prisstigning, 2 % COGS-inflation, 10 % marketing.
• Worst case: 0 % vækst, 0 % prisstigning, 6 % COGS-inflation, 6 % marketing.

P&L tager kun input fra én række ad gangen, styret af scenarie-valget. Du kan så hurtigt skifte imellem mulighederne og se effekten på få sekunder i mødet.

Scenarie-switches som beslutningsværktøj

Her begynder det at minde om en praktisk beslutningsskabelon mere end en klassisk økonomimodel. Du kan lave faste “switches” som:

• Omkostningsstop: ansættelsesstop + pause for ikke-kritiske projekter.
• Vækst-mode: ekstra marketing, mere salgs-kapacitet.
• Likviditets-mode: maksimering af cash, udsættelse af investeringer.

Hvert scenarie svarer så ikke kun til andre tal, men til en pakke af handlinger, I på forhånd har aftalt.

Hvor kommer antagelserne fra? Data, erfaring og lidt ydmyghed

En scenarie-model er kun så god som sine antagelser. Du kan have nok så elegant Excel, men hvis du tror på 15 % vækst i et stagnerende marked, så er det stadig en pæn drøm, ikke en plan.

Tre datakilder du bør kombinere

• Interne data: historisk salg, churn, kundeadfærd, konverteringsrater, pipeline.
• Eksterne data: branchetal, konkurrentinformation, prisindeks, makroøkonomi.
• Faglig vurdering: salgsteams input, kundemøder, leverandørdialoger.

Til de eksterne data bruger jeg ofte Danmarks Statistik, Nationalbanken og Eurostat. Ikke for at bygge et makroøkonomisk monsterark, men for at tjekke, om mine antagelser ligner noget, der kan ske i den virkelige verden.

Praktisk måde at fastlægge best og worst case

En måde, der fungerer godt i praksis:

1. Tag 3-5 års historik på dine vigtigste drivers (volumen, pris, COGS, OPEX).
2. Find de værste 12 måneder og de bedste 12 måneder for hver driver.
3. Brug det som pejlemærke for, hvad “realistisk worst” og “realistisk best” kan være.
4. Juster lidt for nutiden: er risikobilledet større eller mindre i dag end dengang?

Det tvinger jer væk fra rene mavefornemmelser og hen imod noget, der har lidt historisk forankring. Samtidig undgår I fantasiscenarier, der aldrig vil blive taget seriøst.

Triggers og signposts: Hvornår skifter I scenarie?

Den største fejl jeg ser er virksomheder, der bygger fine scenarier, men aldrig definerer, hvornår de reelt skifter fra Baseline til Worst case. Så bliver det bare pæne slides til strategiseminaret.

Definér 3-5 klare signposts

Signposts er konkrete datapunkter, I holder øje med måned for måned. Fx:

• Omsætning vs. plan (fx > 5 % bagud i 3 måneder i træk).
• Brutto-margin (falder > 2 procentpoint under baseline).
• Order intake / pipeline (volumen under et vist niveau).
• Makroindikatorer (renten over X %, eller forbrugertillid under Y).

Du kan med fordel bruge noget af den logik, man også ser i mere strukturerede forandringsforløb og governance-setup, som i vores indhold om organisering og governance. Pointen er den samme: Beslut, hvad der udløser et skifte.

Triggers: Hvad gør I, når signpost rammes?

En trigger er: “Hvis A sker, gør vi B.” For eksempel:

• Hvis omsætning ligger 7 % under plan i 3 måneder, går vi til Worst case-scenarie og aktiverer omkostningsstop.
• Hvis brutto-margin falder under 42 %, gennemfører vi prisstigning på produktlinje X senest næste kvartal.
• Hvis pipeline for næste kvartal ligger under 70 % af målet, øger vi marketingspend til niveauet i Best case.

Her bliver scenarie-forecasting konkret. Det er ikke “vi holder det lidt øje”. Det er: “Når det her tal krydser den her grænse, så tager vi den her pakke frem.”

Output til ledelsen: ét scenarie-dashboard på én side

Alt det her er fint, men hvis du kommer til bestyrelsen med 12 faner i Excel, er du tilbage ved start. Du har brug for ét overblik, der kan bruges på 5-10 minutter.

Sådan kan én side se ud

Jeg plejer at bygge én A4-side (eller én slide) med fire felter:

• 1. Resumé: Hvilket scenarie er aktivt nu? Hvad er forskellen til baseline i kroner og procent?
• 2. Nøgletal: Omsætning, EBITDA, likviditet ultimo, brutto-margin for de tre scenarier.
• 3. Grafer: Enkel graf for omsætning og EBITDA for Baseline vs. aktivt scenarie over 12-24 måneder.
• 4. Triggers og handlinger: 3-5 signposts, nuværende niveau og besluttede handlinger ved brud.

Hvis du kan printe den side, lægge den på bordet og bruge den som styringsværktøj på 15 minutter, er du et godt stykke foran mange virksomheder, der stadig kæmper med statiske budgetter.

Typiske fejl (og hvordan du undgår dem)

Jeg har efterhånden set en del scenarie-ark. Mange af fejlene går igen. Heldigvis er de ret nemme at rette, når først du har set dem.

Fejl 1: For mange scenarier

Hvis du har 7-8 scenarier, er der i praksis ingen, der husker, hvad der er hvad. Hold dig til 3 som standard: Baseline, Best case, Worst case. Har du en meget specifik risiko (fx én stor kunde), kan du tilføje ét særligt “key account tabt”-scenarie.

Fejl 2: Ingen klar sammenhæng mellem drivers og P&L

Hvis “salgsomkostninger” i din P&L bare er ét tal, du lægger ind manuelt, mister du forbindelsen til virkeligheden. Gør omkostninger afhængige af drivers, fx antal sælgere, provision pr. salg, marketingprocent af omsætning.

Fejl 3: Dobbeltregning af effekter

Et klassisk eksempel: Du antager både højere pris og bedre margin, men har allerede lagt prisstigningen ind i marginberegningen. Eller du både lægger højere volumen og lavere enhedsomkostning ind, men har indregnet skalafordele to gange.

Løsning: Gå én gang igennem modellen med en kollega og spørg eksplicit: “Hvor kommer denne effekt fra?” for hver større forbedring. Hvis svaret er “både her og her”, er der arbejde at gøre.

Fejl 4: Scenarier uden beslutningsregler

Hvis scenarierne bare er “pæne historier” uden klare triggers og handlinger, ender de ofte som bilag til budgettet. Sørg for, at hvert scenarie har:

• Et sæt definerede signposts.
• En klar pakke af handlinger.
• En ansvarlig ejer.

Fejl 5: Modellen er for teknisk til, at andre tør røre den

Hvis det kun er én person, der tør åbne filen af frygt for at ødelægge noget, har I et problem. Hold strukturen enkel, og dokumentér kort i én fane, hvordan scenarie-switchen fungerer. Det samme princip går igen i andre styringsopgaver som fx arbejdet med forretningsstrategi og ledelse: det skal kunne leve uden ophavsmanden i rummet.

Tre næste skridt hvis du vil i gang i morgen

Hvis du stadig læser med her, er sandsynligheden ret stor for, at du sidder med ansvar for budgetter, forecasts eller strategi. Du behøver ikke bygge det perfekte system fra starten. Men du kan tage de første skridt ret hurtigt.

1. Gør dit nuværende budget driver-baseret

Identificér de 3-5 vigtigste drivers og byg dem ind i dit eksisterende regneark. Ingen scenarier endnu, bare bedre struktur.

2. Tilføj ét simpelt worst case

Lav en kopi af dit budget og justér kun 2-3 drivers i negativ retning inden for historisk realistiske grænser. Det bliver dit første gennemarbejdede worst case.

3. Sæt 2-3 signposts og én trigger

Vælg to signposts (fx omsætning vs. plan og brutto-margin) og aftal i ledergruppen én konkret trigger: “Hvis X sker, så gør vi Y.” Brug det aktivt de næste tre måneder og justér derefter.

Scenarie-forecasting i Excel handler ikke om at være spåkone. Det handler om at være lidt mere forberedt, når verden afviger fra den historie, I gerne ville have, den fortalte. Og det kan et velstruktureret regneark faktisk hjælpe overraskende meget med.