Sales Pipeline Bijhouden in Google Sheets (2026)

Stap 1: Stel je kolomstructuur in als fundament

• Voeg boven rij 1 een bevroren configuratierij toe met kolomindexnummers, zodat INDEX-formules kunnen verwijzen naar $A$1 in plaats van naar de letter zelf.
• Bescherm het RAW_DATA-tabblad tegen handmatige bewerkingen — alle berekeningen verlopen via aparte tabbladen.
• Reserveer kolom I voor een berekende gewogen_waarde (= D × G / 100); dit voorkomt dat je deze logica overal opnieuw moet dupliceren.

Stap 2: Importeer en ruim CRM-data op

=ARRAYFORMULA(
  IFERROR(
    IF(ISNUMBER(E2:E), E2:E,
      IFERROR(DATEVALUE(E2:E),
        IFERROR(DATEVALUE(SUBSTITUTE(E2:E,"-","/")),
          ""))),
  "")
)

• Draai deze formule in kolom I van een apart CLEAN-tabblad dat verwijst naar RAW_DATA — nooit rechtstreeks in de ruwe import.
• Behandel lege cellen en "N/A"-strings apart: =IF(OR(E2="",E2="N/A","n/a"),"",...) voorkomt dat DATEVALUE crasht.
• Controleer de kans-kolom op waarden buiten 0–100 met =COUNTIF(G:G,">"&100) in een validatiecel; alles boven 100 wijst op een exportfout.
• Bij 50k+ rijen begint ARRAYFORMULA te haperen op datum-parsing. Switch dan naar QUERY met FORMAT of verwerk de datumconversie vooraf in Apps Script.

Stap 3: Bereken gewogen pipeline-waarde per fase

=QUERY(CLEAN!A:I,
  "SELECT C, COUNT(A), SUM(D), SUM(I)
   WHERE C IS NOT NULL AND D IS NOT NULL
   GROUP BY C
   ORDER BY SUM(I) DESC
   LABEL C 'Fase', COUNT(A) 'Deals', SUM(D) 'Bruto €', SUM(I) 'Gewogen €'",
1)

• Kolom I in CLEAN is je vooraf berekende gewogen waarde (= dealwaarde × kans / 100).
• Voeg een kolom toe met =IFERROR(SUM(I)/SUM(D),"–") voor de gemiddelde wegingsfactor per fase — dit signaleert onrealistische kansen ("Proposal" met gemiddeld 90% wijst op een data-probleem).
• Bereken ook het aantal deals dat de komende 30 en 60 dagen sluit per fase: =COUNTIFS(CLEAN!C:C,A2,CLEAN!E_CLEAN:E_CLEAN,"<="&TODAY()+30).
• Historisch gezien sluit 15–20% van de deals in de "Proposal"-fase daadwerkelijk binnen de geplande periode; gebruik dat als benchmark om je pipeline-gezondheid te beoordelen.

Stap 4: Bouw een sales-pipeline funnelweergave met QUERY

A2:A7  →  Prospecting
           Qualified
           Proposal
           Negotiation
           Closed Won
           Closed Lost

=ARRAYFORMULA(
  IFERROR(
    VLOOKUP(A2:A7,
      QUERY(CLEAN!A:I,
        "SELECT C, COUNT(A), SUM(D), SUM(I)
         WHERE C IS NOT NULL
         GROUP BY C",1),
    {2,3,4},0),
  0)
)

• De vaste lijst in A2:A7 zorgt dat fases altijd in de goede volgorde staan, ook als de QUERY-uitvoer anders sorteert.
• Voeg een conversieratiokolomm toe: =IFERROR(B3/B2,"–") geeft de stap-voor-stap doorstroom van Prospecting naar Qualified enzovoort.
• Highlight fases met minder dan 3 actieve deals in rood via voorwaardelijke opmaak — dat is je vroege waarschuwing dat een fase leegloopt.
• Ververs de QUERY-bron dagelijks via een geplande import; handmatige verversing is de reden dat dit soort dashboards na 2 weken worden opgegeven.

Stap 5: Maak een wekelijkse trendweergave

• Gebruik =TEXT(TODAY(),"YYYY-WW") als weeksleutel zodat rijen consistent sorteren.
• Voeg een kolom toe voor pipeline_velocity: gewogen waarde gedeeld door gemiddelde doorlooptijd in dagen. Dat getal vertelt meer over verkoopgezondheid dan ruwe dealaantallen.
• Een SPARKLINE over de gewogen €-kolom geeft in 45 seconden het beeld dat een handmatige grafiek 4 minuten kost: =SPARKLINE(C2:C,{"charttype","line";"color","#1a73e8"}).
• Bij 50k+ deals in je historische dataset: gebruik QUERY in plaats van SUMIFS voor de wekelijkse aggregaties. ARRAYFORMULA over 50k rijen met meerdere criteria begint meetbaar te haperen.

Stap 6: Automatiseer data-verversing vanuit je CRM

• IMPORTDATA / IMPORTRANGE**: werkt voor gedeelde Sheets-bronnen of publieke CSV-URLs; ververst elke 30–60 minuten automatisch maar biedt geen transformatielaag.
• Apps Script tijdtrigger**: haal de CRM-export op via API, schrijf naar RAW_DATA, stuur een e-mail als het fout gaat. Kost ongeveer 30 minuten om op te zetten, werkt betrouwbaar bij 10k–40k rijen.
• ModelMonkey**: als je liever in gewone taal beschrijft wat er moet gebeuren ("haal elke werkdag om 7:00 de HubSpot-export op en zet hem in RAW_DATA"), dan zet ModelMonkey dat om naar de benodigde Apps Script-logica zonder dat je zelf de API-documentatie hoeft door te spitten.
• Voeg altijd een LAST_REFRESH-cel toe op het dashboard: =MAX(CLEAN!H:H) geeft de datum van de meest recente importregel, zodat je in één oogopslag ziet of de verversing is misgelopen.

Stap 7: Zet je sales-pipeline dashboard samen voor directie

=QUERY(CLEAN!A:I,
  "SELECT B, C, D, I, F, E
   WHERE C <> 'Closed Lost' AND C <> 'Closed Won'
   ORDER BY I DESC
   LIMIT 10
   LABEL B 'Deal', C 'Fase', D 'Bruto €', I 'Gewogen €', F 'Eigenaar', E 'Sluitdatum'",
1)

• Bevries rij 1–4 zodat de KPI-strip altijd zichtbaar blijft bij het scrollen.
• Gebruik geen grafieken met handmatige databronnen — koppel alles via formules zodat het dashboard zichzelf bijwerkt.
• Plan een maandelijkse review om de fasebenamingen in de validatielijst te synchroniseren met wat het CRM-team heeft aangepast; die 30 minuten opzet voorkomt een kapot dashboard op de kwartaalreview.

Conclusie