Hoe werkt Revenue Intelligence?

Revenue Intelligence werkt in vier stappen. Het leest data uit je bestaande systemen, verbindt de records die bij dezelfde klant en dezelfde afspraak horen, vergelijkt wat er volgens deal en contract had moeten gebeuren met wat er is gefactureerd en betaald, en zet elk verschil om in een taak met een eurobedrag. Het lastigste en belangrijkste deel is het verbinden: zolang niet vaststaat welke factuurregels bij welke deal horen, valt er niets te vergelijken.

Hieronder volgen we die vier stappen aan de hand van één deal, van het CRM tot de betaalde factuur. Voor het bredere verhaal over wat Revenue Intelligence is, zie de complete gids over Revenue Intelligence.

Revenue Intelligence van CRM tot factuur

Neem een concrete deal. Een installatiebedrijf verkoopt een onderhoudscontract aan een zorginstelling:

• Deal in Pipedrive: EUR 36.000 per jaar, drie jaar, gesloten op 15 maart.
• Contract: maandelijkse facturatie van EUR 3.000, jaarlijkse indexatie per 1 januari volgens de CAO-loonontwikkeling met een minimum van 2 procent, meerwerk tegen EUR 85 per uur.
• Facturatie in AFAS: maandfactuur aangemaakt vanaf april.
• Uren in de planningstool: twee keer meerwerk in juni, samen 14 uur.

Er zijn op dit moment vier systemen die elk een deel van het verhaal kennen. Geen van hen weet of het geheel klopt.

Stap 1: Lezen

Revenue Intelligence begint met het ophalen van data uit elk systeem. In het voorbeeld:

• Uit het CRM: de deal, de waarde, de looptijd, de sluitdatum, de klant, de eigenaar.
• Uit het contract: de maandprijs, de indexatieclausule, het meerwerktarief. Als het contract alleen als pdf bestaat, wordt het uitgelezen. Dat kan tegenwoordig met AI, met een controle door een mens op de uitgelezen waarden.
• Uit de facturatie: alle factuurregels voor deze klant, met datum, omschrijving, aantal en prijs.
• Uit de planning: de uren per klant per project, met een markering voor meerwerk.

Het ophalen gebeurt via koppelingen met de systemen, bij voorkeur met leestoegang, en herhaalt zich doorlopend. Welke systemen je daarvoor koppelt, staat in welke systemen je moet koppelen voor Revenue Intelligence. Welke velden er echt toe doen, staat in welke data Revenue Intelligence gebruikt.

Stap 2: Verbinden

Nu liggen er vier stapels data. De vraag is welke stukken bij elkaar horen. Dat heet in vakjargon entity resolution of matching, en het gaat op twee niveaus.

De klant. In Pipedrive heet de klant "Zorggroep De Linde", in AFAS "Stichting Zorggroep De Linde", in de planningstool "De Linde, locatie Noord". Het systeem moet zien dat dit dezelfde partij is. Het liefst op een harde sleutel, zoals een KvK-nummer of debiteurnummer dat in alle systemen staat. Waar die ontbreekt, op basis van naam, adres en patroon, met een zekerheidsscore.

De afspraak. Binnen die klant moet de deal gekoppeld worden aan het contract, het contract aan de maandfacturen, en de meerwerkuren aan eventuele meerwerkfacturen. Hier helpen ordernummers en contractnummers, als ze tenminste overal worden meegegeven. In veel bedrijven gebeurt dat niet consequent, en dan moet het verbinden op bedrag, datum en omschrijving.

Dit is de stap waar zelfgebouwde oplossingen in Excel of Power BI meestal vastlopen. Het verbinden is geen eenmalig werk. Elke nieuwe klant, elke nieuwe deal en elke typefout in een naam vraagt opnieuw om een beslissing.

Een praktisch principe: laat bij elke verbinding zien hoe hij tot stand kwam. Een match op contractnummer is betrouwbaar. Een match op een lijkende naam is een voorstel. Dat onderscheid bepaalt later hoe zeker een bevinding is.

Stap 3: Vergelijken

Met de records verbonden, legt het systeem de verwachting naast de werkelijkheid. In het voorbeeld:

De eerste twee controles kloppen. De laatste twee niet. Het meerwerk is nooit gefactureerd, en in januari is de indexatie niet toegepast.

Dit soort controles zijn regels die je kunt opschrijven. Daarnaast zoekt Revenue Intelligence naar patronen die niet in een regel passen. Bijvoorbeeld: deze klant heeft elk kwartaal meerwerk gehad en er is dit kwartaal niets gefactureerd. Of: klanten van dit type betalen gemiddeld meer per uur dan deze klant. Die patroonherkenning is een vorm van anomaly detection: kijken wat afwijkt van normaal, zonder dat je vooraf hebt gedefinieerd wat de fout is.

Stap 4: Handelen

Een verschil wordt een bevinding met vier onderdelen:

1. Wat er aan de hand is. Meerwerk van 14 uur in juni is niet gefactureerd.
2. Het bewijs. De urenregels uit de planning, het meerwerktarief uit het contract, het ontbreken van een factuurregel in AFAS.
3. Het bedrag. EUR 1.190 eenmalig. Voor de indexatie: minimaal EUR 60 per maand, dus minimaal EUR 720 per jaar, terugkerend.
4. De eigenaar en de actie. De projectleider bevestigt het meerwerk, de administratie zet de factuur klaar. De accountmanager zorgt dat de indexatie in de volgende maandfactuur wordt meegenomen.

Waar het verantwoord is, kan de actie worden voorbereid: een conceptfactuur voor het meerwerk, een taak in het CRM voor de indexatie. Wat naar de klant gaat, keurt een mens goed.

Daarna meet het systeem of het is opgelost. Staat de meerwerkfactuur erin? Is het tarief in februari aangepast? Zo niet, dan blijft de bevinding open staan.

Rekenvoorbeeld: van één deal naar het hele bedrijf

In het voorbeeld ging het om EUR 1.190 eenmalig en minimaal EUR 720 per jaar terugkerend bij één klant. Dat lijkt weinig.

Rekenvoorbeeld: stel, hetzelfde installatiebedrijf heeft 220 onderhoudscontracten. Bij 30 daarvan is de indexatie niet doorgevoerd, gemiddeld EUR 50 per maand. En bij 25 klanten is er per jaar gemiddeld EUR 1.500 meerwerk dat niet wordt gefactureerd.

• Indexatie: 30 x EUR 50 x 12 = EUR 18.000 per jaar, en het stapelt elk jaar.
• Meerwerk: 25 x EUR 1.500 = EUR 37.500 per jaar.
• Samen: EUR 55.500 per jaar.

Dit zijn aannames voor het voorbeeld, geen gemiddelden. Het laat zien hoe kleine verschillen per klant optellen tot een bedrag dat een directie wel interesseert.

Waarom doorlopend en niet eenmalig

Een eenmalige controle vindt wat er is misgegaan. Maar de oorzaken blijven bestaan: de overdracht van planning naar facturatie loopt nog steeds via een mail, de indexatie staat nog steeds nergens als datum in een systeem. Volgend jaar gaan dezelfde lekken open.

Doorlopende controle verandert de dynamiek. Het meerwerk van juni wordt in juli gemeld, niet in december of nooit. De indexatiedatum komt in december als taak binnen, zodat de januarifactuur meteen goed is. De waarde verschuift van terughalen naar voorkomen, en voorkomen is altijd goedkoper, ook voor de relatie met de klant. Een klant die in juli een meerwerkfactuur krijgt, vindt dat normaal. Een klant die in december een factuur krijgt voor werk van januari, stelt vragen.

Waar het misgaat bij het inrichten

Drie valkuilen komen steeds terug:

• Beginnen met dashboards. Een mooi overzicht op data die niet verbonden is, laat alleen zien wat je al wist. Begin met het verbinden van deals en facturen.
• Alles tegelijk willen. Begin met de koppeling tussen CRM en facturatie. Daar zitten vaak de grootste verschillen, zoals uitgewerkt in revenue leakage tussen CRM en facturatie. Contracten, uren en gebruik komen daarna.
• Uitzonderingen niet vastleggen. Een deal die bewust gratis is geleverd, is geen lek. Als je dat niet vastlegt, komt hij elke maand terug en verliest iedereen het vertrouwen in de signalen.

Stappenplan: zelf de keten doorlopen

Je kunt de vier stappen met de hand doen voor een deel van je klanten. Het is bewerkelijk, maar het laat precies zien hoe je keten er aan toe is.

1. Kies twintig klanten met een contract dat langer dan een jaar loopt.
2. Haal per klant de deal uit het CRM, het contract uit de map en alle facturen van de laatste twaalf maanden uit de boekhouding.
3. Schrijf per klant op wat er volgens het contract gefactureerd had moeten worden: bedrag per periode, indexatie, staffels, meerwerk.
4. Leg dat naast de werkelijke facturen en noteer elk verschil met een bedrag.
5. Tel op en vermenigvuldig voorzichtig naar je hele klantenbestand.

Als je bij twintig klanten al meerdere verschillen vindt, weet je dat het de moeite waard is om het structureel te doen.

Veelgestelde vragen

Wat is het moeilijkste deel van Revenue Intelligence?

Het verbinden van records over systemen heen. Zonder betrouwbare koppeling tussen klant, deal, contract en factuur kun je niets zinvols vergelijken.

Heb ik AI nodig voor Revenue Intelligence?

Niet voor de basis. De meeste controles zijn regels. AI helpt bij het lezen van contracten, het verbinden van rommelige data en het vinden van afwijkingen die niet in een regel passen.

Hoe vaak moet de controle draaien?

Zo vaak als je data verandert. Dagelijks is voor de meeste bedrijven ruim voldoende. Maandelijks is het minimum, zodat lekken niet langer dan één factuurcyclus lopen.

Wat als mijn contracten alleen als pdf bestaan?

Dan moeten de relevante afspraken eruit worden gehaald: prijs, looptijd, indexatie, staffels, meerwerktarief. Dat kan met AI, gevolgd door een controle door een mens. Het is vaak de stap met de grootste opbrengst, omdat die afspraken nergens anders controleerbaar zijn.