Heb ik Revenue Intelligence nodig als ik al Power BI heb?

Power BI laat zien wat je erin bouwt: als je CRM en facturatie erin hebt geladen en een rapport maakt dat ze vergelijkt, kun je afwijkingen zien. Wat Power BI niet doet, is zelf zoeken naar afwijkingen, bepalen welke ertoe doen, er een bedrag op zetten en ze bij iemand neerleggen. Revenue Intelligence heb je nodig als dat zoeken en opvolgen nu niet gebeurt, of alleen als iemand er toevallig tijd voor heeft. Heb je al een BI-team dat precies dit maandelijks doet, dan is de overlap groot.

Wat Power BI goed doet

Power BI, net als andere BI-pakketten, is een gereedschap om data uit verschillende bronnen samen te brengen en te visualiseren. Als het goed is ingericht, kun je ermee:

• Omzet per klant, product, regio of periode tonen.
• Data uit CRM, ERP en boekhouding in één rapport combineren.
• Trends en vergelijkingen met vorige periodes laten zien.
• Rapportages voor de directie en de bank automatisch verversen.

Dat is waardevol. Veel bedrijven die Power BI goed gebruiken, hebben een beter beeld van hun omzet dan bedrijven die alles in losse exports doen.

Waar Power BI ophoudt

Power BI is een lege doos met sterk gereedschap. Wat eruit komt, hangt volledig af van wat iemand erin heeft gebouwd. Vier dingen doet het niet vanzelf.

Het zoekt niet

Een dashboard toont wat je hebt gevraagd. Als je een rapport hebt met omzet per maand, zie je omzet per maand. Je ziet niet dat er twaalf gewonnen deals zijn zonder factuur, tenzij je een rapport hebt gebouwd dat precies die vraag stelt. En je bouwt alleen rapporten voor vragen waarvan je al weet dat je ze moet stellen.

De meeste omzetlekkage zit in vragen die niemand heeft gesteld: een indexatieclausule die niet is toegepast, een korting die langer loopt dan afgesproken, een klant die meer gebruikt dan hij betaalt. Een systeem dat actief naar afwijkingen zoekt, met technieken als anomaly detection, werkt fundamenteel anders dan een dashboard dat je vraag beantwoordt.

Het prijst niet

Een dashboard kan laten zien dat een klant een lagere prijs betaalt dan de lijstprijs. Het vertelt je niet of dat een afspraak is of een fout, en het rekent niet uit wat het je per jaar kost als het een fout is. Zonder bedrag weet je niet welke van de vijftig afwijkingen je eerst moet oppakken.

Het volgt niet op

Een dashboard wacht tot iemand kijkt. Als de persoon die het rapport maandelijks bekeek een andere functie krijgt, wordt het niet meer bekeken. Niemand merkt dat, want het dashboard ververst gewoon door.

Het kent de logica van je contracten niet

Om te zien of een contract correct is gefactureerd, moet je weten wat het contract zegt: prijs, looptijd, indexatie, staffels, kortingen met einddatum. Die informatie staat meestal niet in je datamodel. Om het in Power BI te krijgen, moet iemand het uit contracten halen, structureren en onderhouden. Dat is een project op zich.

Een uitgebreidere vergelijking tussen de twee categorieën staat in Revenue Intelligence vs Business Intelligence.

"Kunnen we het niet gewoon in Power BI bouwen?"

Ja, tot op zekere hoogte. Een sterk BI-team kan veel van wat Revenue Intelligence doet zelf bouwen. De vraag is of het de beste besteding van hun tijd is, en of het blijft werken.

Wat je nodig hebt om het zelf te bouwen:

1. Een datamodel dat CRM, facturatie en contracten op klantniveau koppelt. Inclusief een oplossing voor klanten die in de systemen onder verschillende namen of nummers staan.
2. Regels voor elke soort afwijking. Deal zonder factuur, bedrag wijkt af, indexatie niet toegepast, korting verlopen, gebruik boven contract. Elke regel moet je definiëren, testen en onderhouden.
3. Drempels. Welke afwijking is ruis en welke is een bevinding?
4. Een manier om te prijzen. Wat is elke afwijking waard per jaar?
5. Een opvolgproces. Wie krijgt welke afwijking, hoe wordt bijgehouden of hij is opgelost?
6. Onderhoud. Elke nieuwe productlijn, elk nieuw contracttype en elke wijziging in een bronsysteem vraagt aanpassing.

Punt 1 tot en met 4 kun je in Power BI bouwen. Punt 5 niet goed, want Power BI is geen takensysteem. Punt 6 is waar het in de praktijk misgaat: na een jaar is de persoon die het bouwde vertrokken of met iets anders bezig, en de regels lopen achter op de werkelijkheid.

Hoe je een datalandschap inricht waarin dit wel houdbaar is, staat in revenue data architecture voor B2B.

Het verschil in één tabel

De tabel zegt niet dat het één beter is dan het ander. Ze doen iets anders. Power BI blijft nuttig voor rapportage. Revenue Intelligence voegt iets toe op het gebied van zoeken en opvolgen. Veel bedrijven gebruiken beide. Wat dashboards in het algemeen wel en niet laten zien, staat in Revenue Intelligence vs dashboards.

Hoe je bepaalt wat je nodig hebt

Loop deze vragen langs.

1. Heb je in Power BI een rapport dat per klant CRM, facturatie en contract naast elkaar zet? Zo nee, dan zie je de belangrijkste afwijkingen nu niet.
2. Wordt dat rapport maandelijks bekeken door iemand die de afwijkingen oppakt? Zo nee, dan is het rapport er, maar gebeurt er niets mee.
3. Staan de contractvoorwaarden (indexatie, staffels, einddatum kortingen) in je datamodel? Zo nee, dan kun je niet controleren of contracten correct zijn gefactureerd.
4. Heeft je BI-team tijd om regels voor nieuwe afwijkingen te bouwen en te onderhouden? Zo nee, dan veroudert wat je bouwt.
5. Kun je per afwijking zien wat die per jaar kost? Zo nee, dan weet je niet waar je moet beginnen.

Vier keer ja: je hebt in feite al een vorm van Revenue Intelligence gebouwd, en de vraag is alleen of het goedkoper kan. Twee of minder keer ja: er zit een gat tussen wat je dashboards laten zien en wat er met je omzet gebeurt.

Rekenvoorbeeld: stel wat zelf bouwen kost

Stel, je BI-analist besteedt het eerste jaar 30 procent van zijn tijd aan het bouwen van controles op omzetlekkage en daarna 15 procent aan onderhoud. Bij een loonkost van €80.000 per jaar is dat €24.000 in jaar één en €12.000 per jaar daarna. Dit is een voorbeeld.

Daar komt bij: de tijd van finance om de afwijkingen op te volgen, die je in beide scenario's nodig hebt, en het risico dat de analist vertrekt en de kennis meeneemt. Zet dat naast de kosten van software die hetzelfde doet. Welk van de twee goedkoper is, hangt af van hoe complex je omzet is en hoeveel je analist al weet. Het is geen uitgemaakte zaak. Hoe je die afweging in bredere zin maakt, staat in wat Revenue Intelligence oplevert.

Wat je deze maand kunt doen

1. Vraag je BI-team of er een rapport bestaat dat gewonnen deals zonder factuur toont. Zo niet, laat het maken.
2. Laat hetzelfde doen voor facturen waarvan het bedrag afwijkt van de deal.
3. Kijk wie die rapporten bekijkt en wat er met de uitkomst gebeurt.
4. Tel na drie maanden: hoeveel afwijkingen gevonden, hoeveel opgelost, welk bedrag?

Als het werkt, heb je met je bestaande tools een eerste controle ingericht. Als het na drie maanden niet meer wordt bekeken, weet je waar het gat zit.

Veelgestelde vragen

Kan Revenue Intelligence naast Power BI bestaan?

Ja. Power BI blijft je rapportageomgeving. Revenue Intelligence zoekt naar afwijkingen en zet ze bij een eigenaar. Sommige bedrijven laden de bevindingen uit Revenue Intelligence terug in Power BI om ze in hun bestaande rapportages te tonen.

Is Power BI met AI-functies niet hetzelfde?

AI-functies in BI-pakketten helpen vooral bij het maken van rapporten en het beantwoorden van vragen in gewone taal. Ze maken het bouwen sneller. Ze veranderen niet dat je zelf moet weten welke vraag je moet stellen, en ze kennen je contracten niet.

Wat als we al een data warehouse hebben?

Dan heb je een deel van het werk al gedaan: de data staat bij elkaar. De vraag is of er iemand is die de controles bouwt, onderhoudt en opvolgt. Een warehouse is een fundament, geen controle.

Moet ik mijn Power BI-licenties opzeggen?

Nee. Het zijn verschillende gereedschappen. Power BI is geschikt voor rapportage over alles in je bedrijf, niet alleen omzet. Revenue Intelligence richt zich specifiek op het vinden en opvolgen van omzetafwijkingen.