De vervaldagen op je klanten kloppen niet

Je wil weten wanneer je geld binnenkomt. Logische vraag, en het lijkt een kwestie van optellen: neem je openstaande facturen, kijk naar de vervaldag, zet ze op een tijdlijn.

Doe dat een keer en vergelijk daarna met wat er werkelijk binnenkwam. De kans is groot dat je prognose er ruim naast zat.

Waarom dat veld niet deugt

De vervaldag in je ERP komt uit een betaalconditie die aan de klantfiche hangt. Iemand heeft die ooit ingesteld, misschien bij het aanmaken van de klant, misschien overgenomen uit een vorig systeem.

En daarna is er nooit meer naar gekeken.

Het gevolg is dat dat veld vertelt wat er ooit afgesproken werd, niet wat er gebeurt. Klanten die structureel te laat betalen, staan nog altijd op dertig dagen. Klanten die eigenlijk contant afrekenen, staan op de standaardwaarde omdat niemand ze aangepast heeft. En een deel staat gewoon leeg.

Bij het model dat ik bouwde, waren de vervaldagen op de klantenkant in de praktijk onbruikbaar voor een prognose. De leverancierskant was wel betrouwbaar, en dat is niet toevallig: bij aankopen wordt de termijn bepaald door de andere partij en staat hij op hun factuur, dus die komt correct binnen.

Wat je in de plaats doet

Je leidt de termijn af uit gedrag in plaats van uit een veld.

De eenvoudigste vorm: bereken per klant het gemiddelde aantal dagen tussen factuurdatum en betaaldatum over de voorbije twaalf maanden. Dat is een berekening op data die je al hebt en ze vertelt je wat er werkelijk gebeurt.

Voor klanten met weinig geschiedenis werkt dat niet, en dan is een groepering beter. In het model waar ik mee werkte, was het kanaal de bepalende factor: wie in de winkel koopt betaalt meteen, een webshopbestelling komt binnen een paar dagen binnen, en een zakelijke klant houdt zich grofweg aan een maandtermijn. Drie groepen met elk een eigen termijn, afgeleid uit wat die groep historisch doet.

Welke groepering bij jou werkt, hangt van je zaak af. Kanaal, klantsegment, grootte van de factuur. Het punt is dat je groepeert op iets dat het betaalgedrag echt verklaart, en niet op een veld dat iemand ooit invulde.

Wat dat oplevert

Een prognose die je durft te tonen.

En iets dat nuttiger is: het verschil tussen de afgesproken termijn en de werkelijke termijn wordt zichtbaar. Dat is een cijfer per klant, en het is meestal een verrassing. Er zitten bijna altijd een paar klanten tussen die veel verder afwijken dan iedereen dacht, en dat zijn precies de gesprekken die je zou moeten voeren.

Zet daar een signaal op. Niet op elke laattijdige betaling, want dan krijg je er te veel en kijkt niemand nog. Wel wanneer een klant structureel verder afwijkt van zijn eigen patroon. Iemand die altijd op vijfendertig dagen betaalt en nu op zestig zit, vertelt je iets, en dat wil je weten voor je volgende grote levering.

Waar je voorzichtig mee moet zijn

Een gemiddelde verbergt uitschieters. Een klant die meestal op tien dagen betaalt en twee keer per jaar op negentig, heeft een aardig gemiddelde en een vervelend patroon. Kijk dus ook naar de spreiding, niet alleen naar het gemiddelde.

En seizoen speelt mee. In sommige sectoren betaalt iedereen trager in de zomer en rond het jaareinde. Als je daar niet voor corrigeert, denk je elke zomer dat er iets fout loopt.

De stelling

Het veld waarin je betaaltermijn staat, beschrijft een afspraak. Je cashflow wordt bepaald door gedrag. Zolang je die twee gelijkstelt, bouw je een prognose op een aanname die niemand nog nagekeken heeft.