Revenue Intelligence vs data warehouse

Een datawarehouse is een centrale opslag waarin data uit al je systemen samenkomt, zodat je er in één keer vragen over kunt stellen. Het is infrastructuur: er zit geen omzetlogica in, geen controles en geen opvolging. Revenue Intelligence is een toepassing die precies die logica meebrengt: het koppelt CRM, contracten, orders en facturen, zoekt waar ze niet overeenkomen en zet er een bedrag op. Een datawarehouse is het magazijn. Revenue Intelligence is degene die de voorraad telt en ziet wat er ontbreekt.

Wat een datawarehouse is

Een datawarehouse, zoals Snowflake, Google BigQuery, Microsoft Fabric of een vergelijkbare omgeving, is een database die gemaakt is om grote hoeveelheden data uit verschillende bronnen op te slaan en snel te bevragen. Het werk eromheen bestaat uit drie delen:

1. Laden. Data uit CRM, ERP, facturatie, marketing en andere systemen wordt periodiek naar het warehouse gekopieerd. Daarvoor zijn aparte tools of scripts.
2. Modelleren. De ruwe data wordt omgezet in tabellen die bij elkaar passen: één klantentabel, één ordertabel, één factuurtabel, met sleutels ertussen. Dat is het zwaarste werk.
3. Gebruiken. BI-tools, analisten en andere toepassingen bevragen het warehouse.

Het voordeel is dat alle data op één plek staat, in een vorm die je kunt combineren. Het nadeel is dat het warehouse alleen doet wat iemand erin bouwt. Het is een lege ruimte met heel goede schappen.

Wat Revenue Intelligence is

Revenue Intelligence begint bij een doel: de omzet controleren. Het weet welke data daarvoor nodig is, hoe die gekoppeld moet worden en welke verschillen er toe doen. Het legt deals naast orders en facturen, contracten naast gefactureerde prijzen, gebruik naast abonnementen. Afwijkingen worden bevindingen met een bedrag, bewijs en een voorgestelde actie. Een volledige uitleg staat in Wat is Revenue Intelligence?.

Het verschil

Waar het warehouse ophoudt

Stel dat je een goed warehouse hebt. CRM, ERP en facturatie worden elke nacht geladen, er is een klantentabel die de systemen verbindt. Wat heb je dan nog niet?

De vergelijking. Iemand moet bepalen welke deals bij welke orders horen, op welk veld, en wat er gebeurt als die niet eenduidig te koppelen zijn. Dat is logica die in het warehouse gebouwd moet worden.

De afspraken. Indexatieclausules, staffels, minimale afnames en meerwerktarieven staan in contracten. Een warehouse laadt tabellen, geen pdf's. Tenzij iemand die afspraken als data vastlegt, staan ze niet in het warehouse.

De definitie van een fout. Is een deal zonder factuur na 20 dagen een probleem? Na 45? Is een verschil van EUR 12 een afronding of een fout? Is een creditnota een correctie of een lek? Elke controle vraagt keuzes die ergens moeten worden vastgelegd.

De opvolging. Een tabel met afwijkingen in het warehouse doet niets. Iemand moet hem lezen, uitzoeken en oplossen. Er moet een eigenaar zijn en een manier om vast te leggen wat er met elke afwijking is gebeurd.

Dat is allemaal te bouwen. Het is alleen een project van maanden, gevolgd door doorlopend onderhoud. De algemene opbouw van zo'n omgeving staat in Revenue data architecture voor B2B.

Heb je een datawarehouse nodig voor Revenue Intelligence?

Niet per se. Er zijn twee manieren waarop Revenue Intelligence aan data kan komen:

• Rechtstreeks uit de bronsystemen. Via koppelingen met het CRM, het ERP en de facturatie. Dat is de gebruikelijke route voor bedrijven zonder warehouse.
• Uit het warehouse. Als een bedrijf al een warehouse heeft waarin de relevante data staat, kan Revenue Intelligence daar lezen in plaats van elk systeem apart.

Voor een bedrijf met EUR 2M tot EUR 20M omzet zonder datateam is een warehouse bouwen alleen om de omzet te controleren meestal een omweg. Een warehouse is zinvol als er veel meer vragen zijn dan omzetcontrole, en als er mensen zijn die het beheren. Welke koppelingen voor Revenue Intelligence ertoe doen, staat in Welke systemen moeten worden gekoppeld voor Revenue Intelligence?.

Wanneer een datawarehouse wel de juiste keuze is

• Je hebt veel verschillende bronnen en veel verschillende vragen, niet alleen over omzet.
• Je hebt een datateam of een vaste partner die pijplijnen en modellen onderhoudt.
• Je wilt historische data lang bewaren, ook als bronsystemen worden vervangen.
• Je gebruikt BI-tools die op één centrale bron moeten draaien.
• Je hebt eigen analyses en modellen die meer vragen dan standaardrapportage.

In die situatie is een warehouse een goede basis, en kan Revenue Intelligence erop aansluiten. De twee concurreren niet: het warehouse levert de data, Revenue Intelligence de omzetcontrole.

Rekenvoorbeeld: bouwen of gebruiken

Rekenvoorbeeld: stel, een groothandel met EUR 18M omzet overweegt om omzetcontrole in een eigen datawarehouse te bouwen. Een ruwe inschatting van het werk:

• CRM, ERP en facturatie laden en een klant- en ordermodel bouwen: enkele weken werk van een data-engineer.
• Controles bouwen voor deal zonder order, order zonder factuur, prijs afwijkend van contract, indexatie niet toegepast: nog enkele weken, inclusief afstemming met finance over wat een fout is.
• Contractafspraken als data vastleggen: afhankelijk van het aantal contracten, van dagen tot weken handwerk, plus een proces om nieuwe contracten bij te houden.
• Een rapport of melding bouwen en afspraken maken over opvolging.
• Daarna doorlopend onderhoud: elke wijziging in een bronsysteem kan een pijplijn of controle breken.

Hoeveel dat in euro's is, hangt af van tarieven en of er al een warehouse is. Het punt is de vorm: een eenmalig project plus een blijvende onderhoudslast. Tegenover die kosten staat wat de controle oplevert. De vaak genoemde schatting voor omzetlekkage is 1 tot 5 procent van de omzet; bij EUR 18M zou dat EUR 180.000 tot EUR 900.000 zijn. Of het bij dit bedrijf in die bandbreedte ligt, weet je pas na meten. Hoe je die afweging maakt, staat in Hoe bereken je ROI van Revenue Intelligence?.

Controlelijst: wat staat er in je warehouse, en wat doet het?

Als je al een datawarehouse hebt, loop dan deze vragen na:

1. Staan CRM, ERP en facturatie er alle drie in, en worden ze dagelijks bijgewerkt?
2. Is er een sleutel die een deal eenduidig aan een order en een factuur koppelt?
3. Staan contractafspraken met prijsimpact als data in het warehouse?
4. Zijn er controles gebouwd die afwijkingen tussen de systemen tonen?
5. Wie leest die afwijkingen, hoe vaak, en wat gebeurt er daarna?
6. Wat gebeurt er met de controles als een bronsysteem een veld wijzigt?

Als je bij vraag 4 en 5 geen antwoord hebt, heb je een goed gevuld magazijn waar niemand de voorraad telt.

De bredere vergelijking met BI, CRM, ERP, dashboards en andere software staat in Revenue Intelligence vs Business Intelligence.

Veelgestelde vragen

Is een datawarehouse hetzelfde als BI?

Nee. Het warehouse slaat de data op. BI-tools tonen die data in rapporten en dashboards. Vaak werken ze samen, maar het zijn verschillende lagen.

Kan Revenue Intelligence op Snowflake draaien?

Revenue Intelligence kan data uit een warehouse lezen als de relevante tabellen daar staan. Of dat bij een specifiek product kan, hangt af van de ondersteunde koppelingen.

We hebben geen datateam. Hebben we een warehouse nodig?

Voor omzetcontrole niet. Revenue Intelligence kan rechtstreeks aan je CRM, ERP en facturatie koppelen. Een warehouse zonder mensen die het onderhouden, raakt snel verouderd.

Wat is het verschil tussen een datawarehouse en een data lake?

Een warehouse slaat gestructureerde, gemodelleerde data op, klaar om te bevragen. Een data lake slaat ruwe data in allerlei vormen op, ook ongestructureerd. Voor omzetcontrole is het onderscheid minder belangrijk dan de vraag of er iemand de controles bouwt en opvolgt.