Blog De business case van data-analyses

De business case van data-analyses

Voor een van onze klanten zijn we bezig met een op maat gemaakte analyse om dubbele facturen vroegtijdig te ontdekken. De klant betaalde per jaar voor vele tienduizenden euro’s aan facturen onterecht twee keer. Tot op heden spoorden ze die op door middel van een daarin gespecialiseerd dubbele-facturen-bureau. Het nadeel daarvan was dat dat bureau een succesfee van vele tientallen procenten in rekening bracht. Door met onze analyse zelf periodiek hun administratie te scannen op dubbele facturen besparen ze veel geld. Er is een ‘maar’. De vraag is waar het geld dat je als organisatie bespaart nog opweegt tegen de tijd die je in de analyse stopt. Of breder: wanneer een data-analyse de moeite loont en wanneer niet. In dit artikel geven we je een aantal tips om daar een goede balans in te vinden.

Vissen naar dubbele facturen

In 7 jaar tijd betaalde onze klant ongeveer € 250.000 te veel aan dubbele facturen. Althans dat was het bedrag dat overbleef nadat onze klant alle gevonden potentieel dubbele facturen had beoordeeld. In de praktijk werkt het bij dubbele facturen zo dat je begint met een lijst met facturen die dubbel zouden kunnen zijn. Een deel blijkt bij nadere bestudering niet dubbel. Er zal ook altijd een deel zijn dat überhaupt niet gevonden wordt. Het is een beetje als vissen. Hoe groter het net dat je uitgooit, hoe groter het aantal vissen dat je zult vangen. Maar tegelijkertijd zul je met een groter net ook meer ongewenste bijvangst hebben. Er is altijd een handmatige beoordeling nodig van de facturen die dubbel lijken. In die beoordeling bepaal je of die facturen ook echt dubbel zijn. De circa 400 facturen waarvan vastgesteld is dat ze ook echt dubbel waren, vertegenwoordigden in dit geval dus een waarde van ongeveer € 250.000. Na het dubbele-facturen-bureau een succesfee van een ton betaald te hebben, bleef er een besparing over van € 150.000.

Kan het beter?

”We hebben € 150.000 verdiend.” Dat is een fijne zin om uit te spreken en dat verklaart de populariteit van dit soort bureaus die werken op basis van een succesfee. In het ergste geval levert het niks op en kost het je zogenaamd niks (behalve alle tijd die je erin gestopt hebt). In het beste geval krijg je ‘gratis’ geld. De vraag is: kan het beter? Of laat onze klant alsnog onnodig geld liggen? Om dat te onderzoeken zijn we begonnen met een op maat gemaakte data-analyse. Om de kwaliteit daarvan te toetsen kijken we naar alle facturen vanaf 2015. Vervolgens controleren we hoeveel van de gevalideerde dubbele facturen onze analyse heeft gevonden. Met onze data-analyse zijn we op dit moment in staat om ongeveer 92% van de 400 gevalideerde dubbele facturen te vinden. Daar staat tegenover dat onze analyse ongeveer 25.000 facturen als potentieel dubbel aanmerkt. Op het eerste gezicht schieten we daarmee heel vaak mis. Je zou kunnen zeggen dat we 25.000 keer moeten schieten om 368 goals te maken. Toch is de werkelijkheid genuanceerder. In de eerste plaats weten we dat in ieder geval 368 facturen echt dubbel zijn. Dat zijn de gevonden gevalideerde dubbele facturen. Wat we ook weten is dat we in ieder geval 32 dubbele facturen hebben gemist (400 min 368). Wat we niet weten is of we daarnaast nog andere facturen hebben gevonden die ook echt dubbel zijn. Als je alle 25.000 facturen handmatig zou beoordelen, zou het kunnen dat er nog meer dubbele facturen tussen zitten. Het is immers niet per definitie zo dat het bureau alle dubbele facturen heeft gevonden. De tweede nuancering is dat ook het bureau werkt via de sleepnet-methode. Alles wat dubbel lijkt, wordt geïnventariseerd. Vervolgens wordt er eerst menskracht van het bureau ingezet om onterecht gevonden facturen te verwijderen. Daarna wordt de geschoonde lijst ter verificatie aangeboden aan onze klant.

Reken tijd om in geld

Op dit moment zijn we onze analyse verder aan het verfijnen. Zo willen we het aantal onterecht gevonden uitzonderingen terugbrengen. Toch zou je nu al de vraag kunnen stellen: wat is beter? Uitbesteden of zelf analyseren? Een manier om die vraag te beantwoorden is om tijd om te rekenen naar geld. Het bureau levert netto € 150.000 euro op (€ 250.000 minus € 100.000 success fee) . Daarmee laten we voor het gemak de tijd buiten beschouwing die onze klant heeft besteed aan het beoordelen van de potentieel dubbele facturen. Met onze data-analyse (die valt binnen de reguliere licentie van ons product RealtimeMonitor) vinden we (in ieder geval) € 230.000 aan dubbele facturen. Daar staat tegenover dat onze klant 25.000 facturen handmatig moet beoordelen in een periode van zeven jaar. Dat zijn 300 facturen per maand. Het beoordelen van een factuur kost gemiddeld 3 minuten. Dat is een inzet van 15 uur per maand. Oftewel 1260 uur in een periode van 7 jaar. Als we uitgaan van een gemiddeld uurtarief van € 30 per uur voor een administratief medewerker, levert de data-analyse (na aftrek van de gemaakte uren) € 192.200 op. Natuurlijk zijn er allemaal mitsen en maren te bedenken bij de berekening hierboven. Het punt is: data-analyses kosten in meer of mindere mate geld maar ook tijd. Het is namelijk altijd een goed idee om een mens te laten kijken naar de uitkomsten van een computer. Denk maar aan de toeslagen-affaire. Probeer waar dat kan ook die tijd om te rekenen naar geld, om te bepalen of er een business case is voor de analyse.

Risico is kans keer impact

Dubbele facturen zijn makkelijk. Wat een terecht gevonden dubbele factuur je organisatie bespaart is meteen helder. Bij veel andere analyses is dat minder duidelijk. Bijvoorbeeld omdat het gaat om risico’s in plaats van directe kosten. Je WKR verkeerd administreren kost niet altijd geld. Het levert het risico op van een boete van de belastingdienst. Sommige organisaties die we spreken weten dat hun WKR-administratie een puinhoop is. Toch doen ze er niks aan, omdat “de belastingdienst toch niet controleert”. De business case voor dit soort analyses kun je bepalen aan de hand van een simpele formule. Je risico is gelijk aan de kans dat het gebeurt maal de impact als het gebeurt. Is er 10% kans dat je een boete krijgt van een ton? Dan is je risico €10.000 euro. Kost de analyse je meer (bijvoorbeeld in de inzet van eigen of ingehuurd personeel), dan kun je beter met een andere analyse aan de slag.

Verborgen kosten zijn ook kosten

Een derde categorie zijn de verborgen kosten. Maak je een fout in je debiteuren stamgegevens? Dan kost dat je niet op een directe manier geld. Op een indirecte manier kan de fout weldegelijk tot kosten leiden. Bijvoorbeeld omdat je je factuur opnieuw moet aanbieden, omdat je hem naar het verkeerde adres hebt gestuurd. Het verwerken van een factuur kost gemiddeld ongeveer € 20 tot € 24 per factuur. Dat lijkt een klein bedrag, maar de stamgegevens zijn in de praktijk vaak erg vervuild. Kleine bedragen tellen dan snel op.

De juiste inzet van middelen

Levert een controle je meer op, dan hij kost? Dan moet je er meteen mee beginnen. Toch? Dat zou zo zijn als de middelen van je organisatie onbeperkt zijn. Omdat je geen oneindige voorraad administrateurs hebt, moet je keuzes maken. Kies voor die analyses die je organisatie – na aftrek van kosten - het meeste opleveren. Daarnaast kun je door slimme automatisering de inzet van menskracht steeds verder proberen te verminderen. Door minder ongewenste bijvangst van analyses is er minder menskracht nodig voor de beoordeling van de uitkomsten en ontstaat er ruimte voor aanvullende analyses. Let op, hoe goed je analyse ook is: laat altijd ook een persoon naar de uitkomsten kijken.

Tot slot

De essentie? In de praktijk zie je twee uitersten. Je hebt organisaties die vrijwel niet bezig zijn met het opschonen van hun administratie aan de hand van data-analyses. Omdat ze daar de tijd en de mensen niet voor hebben. Je hebt ook organisaties die doorschieten in hun controle-drang. Die alles willen weten en iedere factuur handmatig controleren. Een gezonde balans vind je op het het moment dat je op basis van rationele business cases bepaalt wat je gaat analyseren, hoe vaak en hoe grondig.