Van drie dagen Excel naar dagelijks actuele dashboards bij technische groothandel

De groothandel levert aandrijftechniek, lagers en industriële componenten aan machinebouwers en onderhoudsbedrijven, met zo'n 55 medewerkers en een omzet die voor ongeveer een derde via de webshop loopt. De cijfers zaten verspreid over vier systemen: Exact Online voor de boekhouding, een branchespecifiek ERP voor orders, voorraad en inkoop, een Shopify-webshop en een Excel-bestand met prijsafspraken per klant. Elke maand exporteerde een medewerker van de financiële administratie uit alle vier, koppelde de klantnummers handmatig aan elkaar en bouwde de managementrapportage op in een Excel-sjabloon van 22 tabbladen. Dat kostte ruim drie werkdagen, en de rapportage was pas rond de tiende van de volgende maand klaar.

De problemen waren bekend maar leken onoplosbaar. De marge per klant klopte niet, omdat de inkoopprijzen in het ERP stonden en de klantkortingen in Excel, en die twee werden nooit netjes gecombineerd. Voorraadrotatie werd alleen per kwartaal berekend, waardoor traag lopende artikelen pas maanden later opvielen. Openstaande posten kwamen uit Exact, maar de verkopers keken er nooit naar omdat ze niet in het ERP stonden. En als iemand een vraag stelde over een cijfer, was het antwoord bijna altijd dat het even moest worden uitgezocht. De directie wilde geen nieuw ERP, maar wel elke ochtend de juiste cijfers zonder dat iemand ze hoefde te maken.

We zijn gestart met een werksessie van een dagdeel met de directie, de verkoopleider en de medewerker die de rapportage maakte. Daaruit kwam een lijst van veertien cijfers waar de directie en verkoop op wilden sturen, met per cijfer een definitie en een bron. Die lijst bleek al waardevol: over de definitie van marge waren drie verschillende opvattingen in omloop. Na een korte broninventarisatie hebben we een vaste prijs afgesproken voor vier fasen.

• Een datawarehouse in PostgreSQL op een Nederlandse server, met een ruwe laag, een opgeschoonde laag en een rapportagelaag, en dagelijkse historie van voorraad, openstaande posten en orderportefeuille.
• Nachtelijke pipelines voor de vier bronnen: Airbyte voor Exact Online en Shopify, maatwerk in Python voor het ERP, dat alleen een beperkte API heeft, en een gecontroleerde inlezing van het Excel-bestand met prijsafspraken vanuit SharePoint, met een melding als de structuur verandert.
• dbt-modellen die klant- en artikelnummers uit de vier systemen aan elkaar koppelen, de definities van marge, rotatie en DSO vastleggen en bij elke run controleren of de totalen aansluiten op Exact.
• Power BI-dashboards voor directie en verkoop: een managementdashboard met omzet, marge, cashflow en openstaande posten, dashboards per verkoper met marge per klant en klanten die minder bestellen, en operationele dashboards voor inkoop met voorraadrotatie en artikelen zonder verkoop in 90 dagen.
• Rijniveau-beveiliging zodat elke verkoper zijn eigen klanten ziet en de directie alles, en een wekelijkse mail met de vijf grootste afwijkingen.

In de derde week stond het eerste dashboard op een testomgeving en vergeleek de administratie de cijfers met de laatste Excel-rapportage. Van de veertien cijfers weken er vijf af, in alle gevallen omdat de Excel-versie een deel van de data miste of een oude definitie gebruikte. Die verschillen zijn een voor een verklaard en vastgelegd, en dat vertrouwen bleek later belangrijker dan de dashboards zelf.

Het traject duurde acht weken voor een vaste prijs van €28.000 excl. btw, inclusief twaalf dashboards, de koppeling van vier bronnen en de documentatie van alle definities. De maandelijkse rapportagetijd van drie werkdagen is teruggebracht naar nul: de cijfers staan elke ochtend om zes uur klaar en de administratie controleert alleen nog de wekelijkse melding van de pipelines. De directie gebruikt het managementdashboard in het wekelijkse overleg in plaats van de maandrapportage, en verkopers openen hun eigen dashboard gemiddeld drie keer per week. In de eerste maand werden twee grote klanten geïdentificeerd die structureel onder de afgesproken marge zaten, wat na een prijsgesprek ruim €40.000 op jaarbasis opleverde. Inkoop verminderde de voorraad van artikelen zonder verkoop met een uitverkoopactie en scherpere bestelregels. De doorlopende kosten bedragen ongeveer €200 per maand aan Power BI Pro-licenties voor veertien gebruikers, €60 aan hosting en €250 aan beheer en bewaking van de pipelines door SuperCoders. Het datawarehouse, de pipelines en de dbt-modellen staan in versiebeheer op naam van de groothandel. Als volgende stap wordt een dashboard voor de buitendienst gebouwd, met per bezoek de omzetontwikkeling en openstaande posten van de klant op de telefoon.