Zo zie je eerder wanneer de liquiditeit krap wordt, ook als je geen financieel team hebt.
Winst en liquiditeit zijn twee verschillende dingen. Een bedrijf kan winst maken en toch in de problemen komen, omdat klanten later betalen, een btw-afdracht eraan komt of voorraad en projecten tijdelijk geld vastzetten. Een liquiditeitsprognose helpt je dat eerder te zien.
In dit artikel loop ik eerst door de theorie die je nodig hebt, en daarna door de werkwijze die ik hanteer: één Power BI-omgeving waarin historie, verplichtingen en prognose samenkomen. De theorie is daarom bewust toegespitst op wat je in die werkwijze terugziet.
De winst- en verliesrekening werkt op basis van toerekening: omzet telt mee in de periode waarin je hem verdient, kosten in de periode waarin ze horen. De kasstroom kijkt alleen naar het geld dat echt binnenkomt en uitgaat. Liquiditeit is de vraag of je op elk moment je rekeningen kunt betalen.
Daardoor lopen winst en kasstroom uit elkaar:
Werkkapitaal is het geld dat vastzit in de dagelijkse bedrijfsvoering: debiteuren plus voorraad min crediteuren. De snelheid waarmee je dat omzet in geld, wordt vaak uitgedrukt in de cash conversion cycle:
Betalen klanten gemiddeld na 45 dagen en betaal jij je leveranciers na 30, dan financier je 15 dagen zelf. Daarom rekent een goede prognose niet met de vervaldatum op de factuur, maar met het betaalgedrag dat je in de historie terugziet.
Er zijn twee manieren om een liquiditeitsprognose op te bouwen. Bij de indirecte methode start je bij het verwachte resultaat en corrigeer je voor niet-kasposten en veranderingen in werkkapitaal. Dat past bij een begroting en de langere termijn. Bij de directe methode voorspel je de werkelijke ontvangsten en betalingen per week of maand.
In mijn werkwijze gebruik ik de directe methode. Ze is concreet en goed te controleren, omdat je elk bedrag kunt herleiden tot een factuur, een betaling of een afspraak. De kasstromen worden ingedeeld in categorieën, zoals debiteuren, crediteuren, loon, loonheffing, btw en overig. Zo zie je niet alleen dat de liquiditeit verandert, maar ook waardoor.
Ik gebruik zoveel mogelijk wat er al ligt. Vijf bouwstenen komen samen in één model:
Werkelijke ontvangsten, uitgaven en bankmutaties. Hieruit volgen ook het betaalgedrag en de seizoenspatronen.
Openstaande facturen van klanten en leveranciers, en geplande betalingen.
Wanneer komt het geld binnen, op basis van betaalgedrag en afspraken.
Verwachte omzet en kosten, vaste lasten, btw, loonheffing en investeringen.
Het saldo van vandaag, waarvandaan je vooruit rekent.
Een goede prognose laat in één oogopslag zien hoe je ervoor staat. Dit zijn de kengetallen die ik bovenaan zet:
Start met de werkelijke transacties en het saldo van alle rekeningen. Dat is het vaste punt waarvandaan je vooruit rekent. Noteer de beschikbare kredietruimte apart.
Neem de openstaande facturen van klanten en leveranciers mee, en de geplande betalingen. Dit zijn de bedragen waarvan je al zeker weet dat ze eraan komen.
Een factuur met 30 dagen betaaltermijn wordt in de praktijk vaak later betaald. Kijk naar wat klanten echt doen: hoeveel dagen na de factuurdatum komt het geld binnen? Reken met dat gemiddelde per klant of klantgroep.
Maak een verwacht scenario en een voorzichtig scenario. In het voorzichtige scenario betalen klanten later of vallen uitgaven eerder. Bepaal ook welk saldo je minimaal aan wilt houden. Zo zie je wanneer er een tekort kan ontstaan en kun je op tijd bijsturen, bijvoorbeeld door betalingsafspraken, incasso of financiering.
Maak er een rolling forecast van: de gegevens worden ververst en de horizon schuift mee, bijvoorbeeld per week voor de korte termijn en per maand tot ongeveer een jaar. Vergelijk daarna wat er gebeurde met wat je verwachtte. Welke klanten betaalden later dan gedacht? Welke kosten waren vergeten? Zo wordt je volgende prognose scherper.
De meeste liquiditeitsprognoses beginnen in Excel, en daar is niets mis mee: iedereen kent het en het is flexibel. Maar het is de moeite waard om je af te vragen of het ook voor deze taak de beste keuze is. Zeker als de prognose belangrijker wordt.
De vraag is dus niet of Excel kan, maar of je er elke week of maand zin in houdt om het bij te werken. In Power BI breng je historie, openstaande verplichtingen, verwachte ontvangsten en prognosegegevens in één model samen. De gegevens worden automatisch ververst, de definities liggen vast en je past alleen de aannames aan. Excel blijft daarbij bruikbaar als invoer, bijvoorbeeld voor een budget of een lijst met geplande investeringen.
Wil je zien hoe dit er in Power BI uitziet? Bekijk de pagina over de liquiditeitsprognose, of stuur me een bericht via het formulier hieronder.
Stuur een bericht en ik reageer binnen één werkdag. Geen verplichtingen, wel eerlijk advies. Gevestigd in Limburg, landelijk inzetbaar.
Liever mailen? domien.parren@dppower.nl · LinkedIn