Revenue audit vs business intelligence

Business intelligence laat zien wat er in je systemen staat: omzet per maand, per klant, per product, in grafieken die iedereen kan lezen. Een revenue audit zoekt wat er niet staat of niet klopt: gewonnen deals zonder factuur, contracten die tegen een verouderde prijs lopen, meerwerk dat nooit is doorberekend. BI beantwoordt vragen die je al stelt. Een revenue audit stelt de vragen die niemand stelde. Daarom vindt een bedrijf met goede dashboards toch lekken als iemand er gericht naar zoekt.

Wat business intelligence doet en niet doet

Een BI-omgeving, of dat nu Power BI, Excel met draaitabellen of een datawarehouse in Snowflake is, doet drie dingen goed. Het haalt data uit bronnen, het maakt die vergelijkbaar, en het toont het resultaat op een manier die je snel kunt lezen. Een directeur ziet op maandag de omzet van vorige week, de marge per productgroep en de openstaande debiteuren.

Maar BI rapporteert over de data die het krijgt. Het vraagt niet of die data compleet is. Een dashboard met "gefactureerde omzet per klant" toont netjes wat er gefactureerd is. Wat er gefactureerd had moeten worden en niet is, verschijnt er niet in. Er is geen balkje voor "vergeten meerwerk".

Drie beperkingen komen steeds terug:

• BI toont uitkomsten, geen verwachtingen. Om een lek te zien moet je weten wat er had moeten staan. Dat staat in contracten, orderbevestigingen en prijsafspraken, en die zitten zelden in het datamodel.
• BI kijkt per bron of per gekoppelde tabel. Als het CRM en de boekhouding niet op klantniveau aan elkaar zijn gekoppeld, kan een dashboard ze niet naast elkaar leggen. Het toont dan twee cijfers die allebei kloppen en samen niets zeggen.
• BI wacht tot iemand kijkt. Een grafiek die langzaam daalt, valt pas op als iemand er op het goede moment met de goede vraag naar kijkt.

Uitgebreider over dat verschil: Revenue Intelligence vs dashboards.

Wat een revenue audit doet

Een revenue audit begint niet bij de data, maar bij de vraag hoe de omzet hoort te lopen. Van offerte tot orderbevestiging, van contract tot terugkerende factuur, van gewonnen deal tot eerste betaling. Daarna zoekt hij op elk overgangspunt of er iets verloren gaat.

Dat betekent werken met bronnen die BI meestal niet heeft:

• contracten en hun clausules: indexatie, staffels, minimale afname, verlengingsvoorwaarden;
• prijsafspraken die in mails of offertes staan en niet in het systeem;
• werkbonnen, urenregistraties en projectadministratie;
• de mensen die het proces uitvoeren, en hun uitzonderingen.

Het resultaat is geen grafiek maar een lijst bevindingen: wat lekt, waar, hoeveel per jaar, en wat eraan te doen is.

Naast elkaar

Waarom een goede BI-omgeving toch lekt

Het klinkt tegenstrijdig: een bedrijf met een volwassen BI-omgeving zou lekken toch eerder zien? Soms wel. Maar BI kan een lek ook verbergen, omdat het de indruk geeft dat alles in beeld is.

Een voorbeeld. Een technisch dienstverlener heeft een Power BI-dashboard met omzet per contracttype. De omzet uit onderhoudscontracten stijgt elk jaar een paar procent. Iedereen tevreden. Wat het dashboard niet laat zien: het aantal contracten is met 12 procent gegroeid, dus de omzet per contract is gedaald. De reden: nieuwe contracten worden afgesloten tegen de actuele prijslijst, bestaande contracten zijn al drie jaar niet geïndexeerd. De groei van nieuwe klanten maskeert het lek bij de oude.

Het dashboard is correct. De vraag die het had moeten laten zien, "betaalt elke klant wat zijn contract zegt?", zat er niet in.

Een tweede voorbeeld. Een groothandel toont in BI de orderwaarde uit het ERP en de omzet uit de boekhouding. Beide lijnen lopen gelijk op, met een verschil van een paar procent dat iedereen toeschrijft aan "timing". Pas bij een audit blijkt dat een deel van dat verschil geen timing is maar orders die gedeeltelijk zijn geleverd en waarvan de restlevering nooit is gefactureerd. Het verschil stond elke maand in beeld. Niemand had het ontleed. Hoe je zo'n vergelijking zelf maakt, lees je in CRM tegen facturatie controleren.

Rekenvoorbeeld: het gat tussen twee lijnen

Rekenvoorbeeld: stel, een bedrijf met EUR 6M omzet ziet in BI een structureel verschil van 3 procent tussen orderwaarde en gefactureerde omzet, zo'n EUR 180.000 per jaar. Een audit ontleedt het verschil:

• EUR 95.000 is echte timing: orders in december, gefactureerd in januari. Geen lek.
• EUR 40.000 zijn creditnota's voor retouren. Geen lek, wel een aandachtspunt voor kwaliteit.
• EUR 45.000 zijn restleveringen die niet zijn gefactureerd en orders die na doorzetting zijn gewijzigd zonder aanpassing van de factuur. Dat is het lek.

Zonder ontleding is het verschil ruis. Met ontleding is een kwart ervan terug te halen, elk jaar opnieuw. BI leverde het signaal, de audit leverde het antwoord.

Wanneer je welke inzet

BI heb je nodig om je bedrijf te sturen. Dat vervangt een audit niet, en een audit vervangt BI niet. De vraag is wanneer een audit iets toevoegt aan wat je al ziet:

• Je dashboards zijn het er onderling niet over eens. Sales en finance rapporteren een andere omzet. Een audit zoekt uit welk verschil lek is en welk verschil definitie. Over die definities gaat één waarheid over omzet.
• Je ziet een trend maar niet de oorzaak. Marge daalt, gemiddelde prijs per klant zakt, churn loopt op. BI toont het, een audit verklaart het.
• Je BI dekt niet de hele keten. Contracten, projecten of werkbonnen zitten er niet in. Daar lekt het meestal.
• Je hebt nooit bewust gezocht. Als niemand ooit heeft gekeken naar wat er ontbreekt, is de kans groot dat er iets ontbreekt.

Heb je al Power BI en twijfel je of je daarnaast nog iets nodig hebt, lees dan heb ik Revenue Intelligence nodig als ik al Power BI heb.

Van audit naar BI: wat je na afloop inbouwt

Een audit is het meest waard als de bevindingen daarna zichtbaar blijven. Een deel daarvan kun je zelf in je BI-omgeving inbouwen. Stappenplan:

1. Kies de drie grootste bevindingen uit de audit, gemeten in euro's.
2. Bepaal per bevinding de controlevraag. Bijvoorbeeld: "welke contracten met indexatieclausule hebben dit jaar dezelfde prijs als vorig jaar?"
3. Check of de benodigde data in je BI zit. Vaak ontbreekt het contractveld. Dan moet dat eerst in het CRM of ERP worden vastgelegd.
4. Bouw een uitzonderingsrapport, geen grafiek. Een lijst met records die niet kloppen, met een bedrag per regel. Een lege lijst is het doel.
5. Wijs een eigenaar aan die de lijst elke maand leegmaakt, en leg vast wat hij doet met een regel die hij vindt.
6. Herhaal de audit als je proces of systemen veranderen, want dan ontstaan de lekken die je nieuwe rapport nog niet kent.

Het verschil tussen een uitzonderingsrapport en een dashboard is groot. Een dashboard vraagt de lezer om iets op te merken. Een uitzonderingsrapport vertelt hem wat hij moet doen.

Waar revenue intelligence past

Tussen een eenmalige audit en een zelfgebouwd uitzonderingsrapport zit software die de controles doorlopend doet over systemen heen. Dat is Revenue Intelligence. Het verschil met BI en met een audit werken we uit in de pillar van dit cluster: Revenue Intelligence vs Business Intelligence. Voor de concrete lekpatronen waar een audit naar kijkt, met per patroon wat het kost, zie de use cases.

Veelgestelde vragen

Kan ik een revenue audit met mijn eigen BI-team doen?

Deels. Je BI-team kan de vergelijkingen bouwen als de data beschikbaar is. Wat vaak ontbreekt, is de kennis van contracten, uitzonderingen en processen, en de tijd om die uit te zoeken. Een audit van buiten brengt vooral de vragen mee.

Waarom ziet mijn BI geen omzetlekkage?

Omdat BI toont wat er is vastgelegd. Lekkage is meestal iets dat niet is vastgelegd of niet is vergeleken met wat had gemoeten. Zonder de verwachte waarde naast de werkelijke waarde valt er niets op.

Moet ik na een audit nieuwe BI-rapporten bouwen?

Voor de grootste bevindingen is dat verstandig, als uitzonderingslijst met een eigenaar. Bouw niet voor elke bevinding een rapport. Sommige lekken los je beter op in het proces, zodat ze niet meer kunnen ontstaan.

Heeft een revenue audit toegang tot mijn BI nodig?

Niet per se. Exports of rapporten die je al hebt zijn vaak genoeg. Veel bevindingen komen uit gesprekken en uit het naast elkaar leggen van een handvol contracten en facturen.