Waarom zou je überhaupt weg uit Excel?

Excel is niet het probleem. Het is een prima rekenblad en voor een snelle analyse blijft het onverslaanbaar. Het wordt pas lastig als Excel de plek wordt waar je bedrijfscijfers wonen: elke maand exporteren, plakken, formules bijwerken en hopen dat niemand een kolom heeft verschoven.

In ons artikel wat is een datafundament leggen we uit wat zo'n fundament is: bronnen, koppelingen, een datalaag en vaste definities. Dit artikel gaat over de praktijk. Hoe kom je daar vanuit een map vol spreadsheets, zonder groot IT-project en zonder dat de dagelijkse gang van zaken stilvalt?

Twijfel je nog of je al zover bent? Lees dan eerst Excel of Power BI. Daar staan de signalen dat het tijd is om over te stappen.

Wat moet je regelen voordat je begint?

Drie dingen, en geen van drieën is technisch.

  1. Eén vraag. Kies de vraag die nu de meeste tijd kost of het vaakst tot discussie leidt. Bijvoorbeeld: "Wat is onze brutomarge per klant per maand?" of "Hoeveel uur schrijven we per project, tegenover wat we factureren?" Eén vraag houdt het project klein.
  2. Een eigenaar. Iemand die de vraag kent, beslissingen mag nemen over definities en een paar uur per week vrijmaakt. Vaak de controller of de eigenaar zelf.
  3. Toegang. Een gebruiker met leesrechten op de pakketten die je nodig hebt, plus de bestaande Excel-bestanden. Wie van tevoren regelt wie waar bij mag, scheelt een week wachten.

Heb je die drie, dan kan de klok gaan lopen.

Week 1: welke Excel-lijsten heb je en waar komen ze vandaan?

De eerste week is speurwerk. Je verzamelt alle bestanden die met je gekozen vraag te maken hebben en zoekt per bestand uit waar de gegevens vandaan komen.

  • Welke tabbladen worden echt gebruikt en welke zijn restanten van vroeger?
  • Welke kolommen komen uit een export (boekhouding, CRM, urenregistratie) en welke worden met de hand ingevuld?
  • Welke formules doen het eigenlijke werk? Daar zitten je verborgen definities in.
  • Wie werkt het bestand bij, hoe vaak, en wat gebeurt er als die persoon er niet is?

Aan het eind van de week heb je een simpel overzicht: per gegeven de bron, de eigenaar en hoe het nu in Excel terechtkomt. Kijk meteen of de bronpakketten een API hebben. Voor veel standaardpakketten bestaat die, en soms is er al een kant-en-klare koppeling.

Valkuil: handmatige lijsten wegwuiven. Een lijst die een collega bijhoudt omdat het pakket het niet kan, bevat vaak precies de informatie die je nodig hebt. Die moet een plek krijgen, niet verdwijnen.

Week 2: hoe leg je vast wat een getal betekent?

In week 2 haal je de logica uit de formules en schrijf je die op in gewone taal. Dit is de week die het meeste oplevert, en de week die mensen het liefst overslaan.

Voor een margevraag beantwoord je bijvoorbeeld:

  • Welke datum is leidend: factuurdatum, leverdatum of boekdatum?
  • Hoe tellen creditnota's mee: in de maand van de creditnota of in de maand van de oorspronkelijke factuur?
  • Wat is een klant: elk debiteurnummer, of horen vestigingen van hetzelfde bedrijf bij elkaar?
  • Welke kosten tellen mee in de marge en welke niet?

Leg elke definitie vast in één document, met een voorbeeld erbij. Laat de eigenaar tekenen voor akkoord. Klinkt formeel, maar het voorkomt dat je in week 4 weer bij af bent omdat iemand "marge" anders bedoelde.

Valkuil: de Excel-uitkomst als heilig beschouwen. Als het nieuwe getal afwijkt van het oude, is dat niet automatisch een fout in het nieuwe. Vaak blijkt de spreadsheet al jaren een kleine fout te bevatten. Spreek af hoe je verschillen uitzoekt voordat ze opduiken.

Week 3: koppelingen en datalaag bouwen

Nu pas komt de techniek. In week 3 zorg je dat de gegevens automatisch uit de bronnen komen en op één plek terechtkomen, buiten Excel en buiten het rapport.

  1. Ophalen. Per bron een koppeling die de benodigde gegevens via de API ophaalt, op een vast moment. Geen exports meer.
  2. Opslaan. De gegevens gaan naar een database of datalaag. Zo bouw je ook historie op, iets wat veel pakketten zelf niet bewaren.
  3. Opschonen en verbinden. Hier pas je de definities uit week 2 toe: datums gelijktrekken, klanten samenvoegen, creditnota's goed toewijzen.
  4. Handmatige lijsten een plek geven. Wat echt handwerk blijft, krijgt een vast invoerformaat. Bijvoorbeeld één gedeelde lijst met vaste kolommen, die net zo goed wordt ingelezen als de rest.
  5. Controles inbouwen. Klopt het totaal met de bron? Is de verversing gelukt? Wie krijgt een melding als het misgaat?

Dit is het werk dat we onder data engineering verstaan. Waarom buiten het rapport? Omdat een dashboard dat zelf alle logica moet doen traag wordt, en omdat je dezelfde schone gegevens later ook voor andere rapporten of automatiseringen wilt gebruiken.

Valkuil: alle bronnen tegelijk willen koppelen. Koppel alleen wat je voor de ene vraag nodig hebt. De rest komt later, en gaat dan sneller omdat de basis er al staat.

Week 4: rapport erop, vergelijken en overdragen

In de laatste week zet je een rapport op de datalaag, bijvoorbeeld in Power BI, en leg je het naast de oude spreadsheet.

  • Vergelijk. Draai de oude Excel en het nieuwe rapport over dezelfde maand. Verschillen leg je uit aan de hand van de definities uit week 2.
  • Laat het gebruiken. Geef de mensen die de cijfers nodig hebben toegang en vraag na een paar dagen wat ze missen. Een ruwe versie met echte data levert betere feedback op dan een mooi ontwerp met verzonnen cijfers.
  • Draag over. Leg vast hoe de verversing werkt, waar de definities staan, wie meldingen krijgt en wie wijzigingen mag doorvoeren.
  • Zet de spreadsheet op alleen-lezen. Pas als het nieuwe rapport klopt. Zolang beide naast elkaar bestaan, blijft iemand het oude bestand bijwerken.

Welke cijfers je in dat eerste rapport zet, hangt af van je vraag. Zoek je inspiratie, dan helpen de 10 KPI's die elk mkb-dashboard nodig heeft. Voor het bouwen van het rapport zelf kun je terecht bij onze dienst dashboarding.

Een voorbeeld: marge per klant uit drie spreadsheets

Een fictief, maar herkenbaar voorbeeld. Een installatiebedrijf houdt de marge per klant bij in drie bestanden: een omzetexport uit de boekhouding, een urenlijst uit de planning en een handmatige lijst met inkoopkosten per project. Elke maand kost het samenvoegen een dag, en de uitkomst verschilt per keer dat iemand het doet.

  • Week 1 blijkt dat de inkooplijst handmatig wordt bijgehouden omdat inkoopfacturen niet op projectnummer worden geboekt.
  • Week 2 spreekt de directeur af dat de factuurdatum leidend is en dat een creditnota terugvalt in de maand van de oorspronkelijke factuur.
  • Week 3 worden boekhouding en planning gekoppeld. De inkooplijst krijgt vaste kolommen en wordt dagelijks ingelezen.
  • Week 4 staat er een margerapport per klant. De eerste vergelijking laat een verschil zien met de oude spreadsheet, dat terug te voeren is op een formule die een tabblad oversloeg.

Het resultaat is geen compleet datawarehouse, maar wel één vraag die elke ochtend vanzelf en herleidbaar beantwoord wordt. De volgende vraag bouwt daarop voort.

Wat heb je na 30 dagen staan, en wat nog niet?

Wel: één bedrijfsvraag die automatisch wordt beantwoord, vastgelegde definities, werkende koppelingen naar de bronnen die je ervoor nodig had, een datalaag met historie en een overdracht waar iemand anders mee verder kan.

Nog niet: alle rapportages van je bedrijf. Dat is ook niet de bedoeling. Het fundament groeit per vraag. Omdat de eerste bronnen al ontsloten zijn en de werkwijze staat, gaat elke volgende stap sneller.

Werk je met meerdere bronnen die je aan je boekhouding wilt hangen? Lees dan ook Power BI koppelen aan je boekhouding. En wil je zien hoe wij zo'n traject aanpakken, kijk dan bij onze werkwijze.