In oktober 2025 hostten Coney Minds en TheDataConnection samen ‘The Magic of Data’, een interactieve inspiratiesessie waarbij wij aan de hand van verschillende casussen, visueel weergegeven in Tableau-dashboards, lieten zien wat data-analyse concreet kan betekenen voor een organisatie. In deze serie blogs leggen wij deze dashboards nog eens gedetailleerd uit. In deel 2 leggen we uit hoe je grip krijgt op je winst.
Dashboard 2: Marge onder de loep met data: zo krijg je als financieel eindverantwoordelijke grip op winst
Casus 2024: HollandTech Hardware
Klik hier of op bovenstaande afbeelding om het dashboard online te bekijken
Veel CFO’s en controllers herkennen het probleem: de omzet groeit, de organisatie is druk, en toch voelt de brutomarge niet altijd logisch. Sommige productgroepen lijken winstgevend, maar in de cijfers zie je dat nauwelijks terug. Klanten met een grote omzet blijken soms een beperkte bijdrage te leveren. En voordat je dit scherp krijgt, ben je vaak afhankelijk van verschillende exports, handmatige bewerkingen en discussies over welke cijfers nu leidend zijn.
Bij HollandTech Hardware, een landelijke hardwarewinkel, speelde dit in het boekjaar 2024. De omzet kwam uit op ruim vier miljoen euro en de brutomarge bedroeg iets meer dan 1,2 miljoen euro, goed voor 29,6 procent marge. Op papier ziet dat er netjes uit, maar de vraag waar elke CFO mee rondloopt bleef staan: waar ontstaat die marge precies, en waar staat hij eigenlijk onder druk?
Het marge-dashboard geeft daarop antwoord, maar dat werkt alleen wanneer de basis klopt. Die basis is verrassend eenvoudig.
Een klein datamodel dat alles ontsluit
Het vertrekpunt van het dashboard is de individuele verkoopregel. Daarin staat wie iets heeft gekocht, welk product het betreft, tegen welke prijs en op welke datum. Door die regel te koppelen aan de bijbehorende inkoopkosten, de productgroep en de periode waarin de verkoop valt, ontstaat een compleet beeld van de winstbijdrage per klant en per product. Zodra deze informatie wordt verbonden met het grootboek sluiten de totalen netjes aan op de administratie. Vanaf dat moment kijken dashboard, rapportages en controle allemaal naar dezelfde waarheid.
“Zodra alle verkoopregels dezelfde route volgen, ontstaat er vanzelf één waarheid.”
Het model is klein genoeg om te begrijpen, maar rijk genoeg om het hele jaar door inzicht te geven. Dat maakt het voor controllers en CFO’s prettig werken: de basis klopt, de data sluit aan en de interpretatie wordt eenvoudiger.
Klanten: niet altijd de grootste, wel vaak de meest verrassende
Wanneer je het dashboard opent, valt vooral de klanten-scatterplot op. Daarin zie je elke klant terug als één punt, met de omzet op de horizontale as en het margepercentage op de verticale. Vrijwel alle klanten bewegen in een bandbreedte tussen grofweg 27 en 33 procent marge. Dat oogt stabiel, maar binnen die band zie je direct verschil tussen klanten die structureel nét boven de gemiddeldes presteren en klanten met veel omzet maar een minder sterke marge.
Voor HollandTech was dat inzicht waardevol. Klanten die intern altijd als “groot” werden gezien, bleken wel omzet te brengen maar niet per se marge. Tegelijkertijd waren er klanten die bescheiden omzet draaiden maar wél een margestructuur hadden die volledig in lijn lag met het bedrijfsdoel. Zulke patronen zijn lastig te zien zonder een model dat alle klanten naast elkaar legt.
Productgroepen: kleine producten met grote impact
Aan de productkant speelt hetzelfde. De grafiek met omzet versus brutomarge per product laat in één oogopslag zien welke producten echt bijdragen en welke vooral veel regels opleveren zonder substantiële marge. Bij een hardwarebedrijf zijn dat vaak de grotere artikelen zoals desktops en huishoudelijke apparatuur, terwijl de kleinere artikelen – denk aan muizen, toetsenborden of accessoires – relatief weinig marge in euro’s opleveren.
“Het zijn vaak niet de hardlopers, maar de stille margedragers die het verschil maken.”
Deze inzichten ontstaan alleen wanneer verkoopregels, kostprijzen en productgroepen op dezelfde manier zijn gemodelleerd. Het geeft CFO’s en controllers direct input richting pricing, inkoop en category management.
Door het jaar heen: licht patroon, stabiel margebeeld
In het dashboard zie je ook de omzet en kosten per maand. Het verloop is relatief rustig, met lichte pieken in juni, oktober en november. Dat zijn maanden waarin klanten vaker investeren in grotere aankopen en waarin de zakelijke markt aantrekt richting het einde van het jaar.
April valt juist wat lager uit, iets wat je bij consumenten vaker ziet omdat veel bestedingen worden uitgesteld tot na de ontvangst van vakantiegeld. December is rustiger dan je misschien zou verwachten: veel grotere aankopen worden al in het najaar gedaan en december kent vooral kleinere kassatransacties. Door die verschuiving blijft de maandomzet lager.
Wat opvalt, is dat het margepercentage ondanks deze volumebewegingen het hele jaar vrijwel stabiel blijft. Dat wijst op een gezonde productmix en op consistente prijs- en kostprijzenstructuren. De beweging zit vooral in het aantal transacties, niet in de winstgevendheid per product.
Een verdieping: wat het detaildashboard laat zien bij Maastricht Tech
Het detaildashboard laat op klantniveau precies zien waardoor een marge ontstaat. Neem Maastricht Tech B.V., een klant die bij HollandTech in 2024 een margepercentage van bijna 36 procent haalde. De totale omzet is niet uitzonderlijk hoog, maar de samenstelling ervan levert een interessante mix op.
Bij het inzoomen op de producten valt vooral het toetsenbord op: een artikel met een relatief lage marge in euro’s, maar een opvallend hoog margepercentage. Het draagt niet veel bij in absolute zin, maar maakt wel zichtbaar dat deze klant vooral producten koopt waarbij prijs en kostprijs logisch in verhouding staan. Andere producten met hogere aantallen maar lagere marges in procenten zetten juist subtiel druk op het totaalbeeld.
Dit soort nuance ontstaat alleen wanneer alle gegevens op dezelfde manier worden gemodelleerd. Het maakt duidelijk waarom een klant met beperkte omzet toch hoog kan scoren in marge, of waarom een product ogenschijnlijk weinig oplevert maar wel een belangrijke indicator is voor de betrouwbaarheid van je margestructuur.
Slot: van black box naar stuurinformatie
Een klein maar logisch datamodel verandert marge-inzicht van een lastige black box in een betrouwbaar stuurinstrument. Niet door meer rapportages of complexere berekeningen, maar door één consistente basis waarop alle analyses voortbouwen. Voor financieel eindverantwoordelijken maakt dat een groot verschil: je kunt sneller, beter en met meer vertrouwen sturen.
