Dashboards en datastromen bieden eindeloze mogelijkheden, maar niet alles voegt waarde toe. Bij Coney Minds richten we ons op wat ertoe doet voor de financiële praktijk. Met de precisie van de accountant en de nieuwsgierigheid van de analist onderzoeken we waar data-analyse écht impact heeft: in betaalstromen, personeelskosten en voorraad. Het doel is helder: meer betrouwbaarheid, meer inzicht.
In deze reeks delen we voorbeelden uit de dagelijkse praktijk. We zetten helder uiteen hoe data-analyse financiële processen versterkt. Elk deel verkent een ander vraagstuk binnen finance, bekeken door de bril van de accountant én de kracht van data. In dit deel neemt Pieter de Kok de post voorraden onder de loep.
Debiteuren hebben we al tot aan het gaatje geanalyseerd. Maar als er één post is in de jaarrekening die nog gevoeliger is voor fouten, fraude of wishful thinking, dan is het voorraad. Voorraad is complex: verspreid over magazijnen, onderweg in containers, in consignatie bij derden of achterin de winkel in dozen die al drie jaar stof verzamelen. En juist omdat voorraad zo tastbaar lijkt, gaan we in de auditpraktijk te snel uit van een fysieke telling alleen.
In dit blog nemen we je mee in hoe je anno 2025 de voorraadpost controleert met data-analyse. We laten zien welke analyses je moet draaien, welke verrassende patronen je kunt vinden, en ook: waar je onherroepelijk met je voeten op de magazijnvloer moet staan. Want data brengt je ver, maar nooit helemaal.
Waarom voorraad altijd een risicopost is
Voorraad is vaak één van de grootste posten op de balans. Maar vooral: het is een post die zich uitstekend leent voor creatief boekhouden. Een paar doosjes extra tellen bij de jaarwisseling kan miljoenen aan resultaatverschil maken. Bovendien kent voorraad meerdere dimensies van risico:
– Bestaan: wat in de administratie staat, moet fysiek aanwezig zijn.
– Volledigheid: alles wat er ligt, moet ook in de boeken staan.
– Waardering: kostprijs of lagere opbrengstwaarde is een schijnbaar simpele regel, maar in de praktijk een mijnenveld.
– Cut-off: ontvangsten en leveringen rond balansdatum kunnen gemakkelijk verkeerd worden geboekt.
– Eigendom: goederen in consignatie of onderweg horen niet zomaar bij de onderneming.
Met data-analyse kun je elk van deze dimensies aanvliegen – maar nooit allemaal oplossen zonder fysieke of documentcontrole.
Data-analyse: tot waar je kunt gaan
Laten we concreet worden. Dit zijn de belangrijkste data-analyses die je als auditor anno 2025 op voorraad móét uitvoeren.
1. Verbandcontrole: begin + inkoop − uitgifte = eind
2. Slow movers & no movers
3. Prijsvergelijking
4. Cut-off analyse
5. Consignatie en transit
6. Voorraadverschillen historisch
Nerd-alert: voorbeeldqueries
Een paar voorbeelden van hoe je dit in de praktijk kunt scripten.
SQL voorbeeld voor slow movers:
SELECT artikelnummer, omschrijving, voorraad, MAX(verkoopdatum) AS laatste_beweging
FROM voorraad
LEFT JOIN verkopen ON voorraad.artikelnummer = verkopen.artikelnummer
GROUP BY artikelnummer, omschrijving, voorraad
HAVING DATEDIFF(day, MAX(verkoopdatum), GETDATE()) > 365;
Python pseudocode voor cut-off analyse:
import pandas as pd
ontvangsten = pd.read_csv(‘ontvangsten.csv’)
mask = (ontvangsten[‘ontvangstdatum’] >= ‘2024-12-27’) & (ontvangsten[‘ontvangstdatum’] <= ‘2025-01-05’)
cutoff_items = ontvangsten.loc[mask]
cutoff_items[‘verschil’] = cutoff_items[‘ontvangstdatum’] – cutoff_items[‘boekingsdatum’]
print(cutoff_items[cutoff_items[‘verschil’].dt.days != 0])
Waar data ophoudt
Data-analyse brengt je ver. Maar er zijn controlewerkzaamheden die je nooit volledig met data kunt vervangen.
– Fysieke telling
– Staat en conditie
– Eigendom
– Marktrisico en waardering
Kortom: data-analyse is de turbo op je controlemotor, maar de mens blijft de bestuurder.
Praktijkvoorbeeld: de vergeten voorraad
In een recente audit draaiden we een slow-mover-analyse op een retailbedrijf. Uit de data kwam een groep van 120 artikelen naar voren die al langer dan 18 maanden niet verkocht waren. Samen goed voor 15% van de totale voorraadwaarde. Management had er geen voorziening voor opgenomen. Na bespreking bleek de helft onverkoopbaar. Zonder data-analyse was dit nooit boven water gekomen.
Een ander voorbeeld: bij een groothandel in elektronica bleek uit cut-off-analyse dat meerdere containers die pas in januari aankwamen al in december geboekt waren. Correctie: ruim € 2 miljoen minder voorraad, direct effect op het resultaat.
Checklist: tot het gaatje
Voor young professionals die met voorraad aan de slag gaan, is hier de compacte checklist:
1. Verbandcontrole
2. Slow/no movers
3. Prijsvergelijkingen
4. Cut-off
5. Consignatie/transit
6. Historische verschillen
7. Fysieke telling
8. Staat en conditie
9. Eigendom & rechten
10. Managementinschattingen
Slot
Voorraad controleren in 2025 is geen kwestie meer van een paar steekproeven bij de fysieke telling. Met data-analyse trek je patronen bloot die management liever onzichtbaar houdt. Maar vergeet niet: de magazijnvloer ruikt niet naar SQL of Python. Daar ruikt het naar pallets, stof, karton en soms naar incourantie die je alleen met je eigen ogen ziet. De kunst voor de auditor anno 2025 is om beide werelden te combineren. Data tot aan het gaatje, en dan nog een stap verder met menselijke oordeelsvorming.
