Elke financieel manager kent het bedrag
Het totale openstaande debiteurensaldo.
Meestal netjes gepresenteerd in een dashboard, met een mooie grafiek ernaast.
Ziet er professioneel uit. Iedereen knikt.
Tot iemand vraagt:
“Worden we eigenlijk beter in het innen van ons geld?”
En ineens blijkt het totaalbedrag niet voldoende.
Welke klanten veroorzaken het grootste risico? Hoeveel staat er al heel lang open? Verbetert de situatie? En welke facturen moet het team als eerste onderzoeken?
Juist die vragen interesseren mij. Daarom besloot ik er iets omheen te bouwen.
Maak kennis met LimiaData Receivables Pulse
Niet zomaar het zoveelste Power BI-dashboard.
Een werkend prototype voor financieel beheer dat een webapplicatie, een financiële database en drie beslissingsgerichte rapportages combineert.
Het idee was eenvoudig: wat als we rechtstreeks van financiële registratie naar inzicht in de belangrijkste managementprioriteiten kunnen gaan?
Zonder de eerste twintig minuten van elke vergadering te besteden aan de vraag in welk Excel-bestand de meest recente cijfers staan.
1. Begin bij de financiële gegevens
Achter de dashboards draait een werkende webapplicatie, gebouwd met Django.
Daarmee kunnen gebruikers:
- Klanten en hun gegevens beheren.
- Facturen registreren en bekijken.
- Volledige en gedeeltelijke betalingen vastleggen.
- Openstaande saldi en achterstallige bedragen volgen.
- Individuele klanten en facturen onderzoeken.
De applicatie bewaart de financiële gegevens in PostgreSQL.
Betalingen werken de factuursaldi bij via gecontroleerde financiële logica, zonder handmatig cijfers in een dashboard aan te passen.
Want als de onderliggende gegevens niet kloppen, wordt zelfs het mooiste dashboard vooral dure decoratie.
2. Van financiële gegevens naar financieel inzicht
De volgende stap was Power BI.
In plaats van één enorm dashboard met alles erop en eraan, verdeelde ik de rapportage over drie managementvragen.
Executive Financial Pulse — Wat is er veranderd?
Het managementoverzicht geeft een helder beeld van de ontwikkeling van de debiteurenpositie.
Hoeveel staat er open? Hoeveel is achterstallig? Groeit de facturatie sneller dan de ontvangen betalingen? En wat gebeurt er met het openstaande saldo?
Het combineert financiële KPI's, maandelijkse activiteiten en een managementgerichte toelichting op wat aandacht verdient.
Het doel is niet om elk beschikbaar cijfer te tonen.
Het doel is de financiële positie snel genoeg te begrijpen om een beslissing te kunnen nemen.
Ageing & Customer Risk — Waar zit het risico?
Een achterstallig saldo vertelt u iets. Hoe lang het al openstaat, vertelt u veel meer.
Dit dashboard analyseert de ouderdomsopbouw, lang openstaande posten, klantconcentratie en de ontwikkeling van het debiteurenrisico.
Ook wijst het klanten aan voor opvolging, met transparante regels op basis van financiële blootstelling en het aantal dagen achterstallig.
Geen mysterieuze AI-score. Geen voorspelling wie gaat betalen.
Gewoon berekeningen die u aan een financieel manager kunt uitleggen zonder een doctoraat in dashboardarcheologie.
In deze demosnapshot staat € 912.261,70 in de categorie 91+ dagen achterstallig: 50,0% van de achterstallige vorderingen. Dat is ongeveer € 69,1K meer dan aan het einde van de vorige maand.
De klant met de hoogste opvolgprioriteit volgens de ingestelde regels is Delta Birch Interiors B.V. (Synthetic), met € 133.641,38 achterstallig. Dit is een prioriteitssignaal, geen voorspelling van betalingsgedrag.
Collections & Payments — Wat vraagt nu aandacht?
Hier wordt de analyse concreet en operationeel.
Het dashboard brengt openstaande en achterstallige facturen in beeld, bedragen waarvan de vervaldatum nadert, daadwerkelijk ontvangen betalingen en prioriteiten voor incasso-opvolging per factuur.
We blijven dus niet steken bij “we hebben achterstallige vorderingen”, maar onderzoeken welke facturen aandacht vragen en waarom.
Dat verschil is belangrijk.
Een financieel rapport moet de volgende actie ondersteunen, niet alleen het probleem van gisteren beschrijven.
Van de 239 openstaande facturen zijn er 198 achterstallig. Daarnaast vervalt € 125.944 contractueel vanaf de rapportagedatum tot en met de komende zeven dagen. Dat zijn vervalbedragen, geen prognose van kasontvangsten.
3. Wat laat de demo daadwerkelijk zien?
Ik bouwde het prototype met een volledig synthetische financiële dataset, met fictieve klanten, facturen en betalingen.
De demosnapshot van 21 oktober 2026 laat de volgende cijfers zien:
Synthetische debiteurensnapshot · 21 oktober 2026
Alle bedragen in EUR. De cijfers komen uit de gecontroleerde, fictieve P006-dataset en zijn geen echte klantgegevens.
Waarom de ouderdomsanalyse belangrijk is
Eén uitkomst springt direct in het oog:
€ 912.261,70 staat langer dan 90 dagen achterstallig — ongeveer de helft (50,0%) van het achterstallige saldo van € 1.823.722,77.
Dat levert een nuttiger managementgesprek op dan alleen melden dat ongeveer € 1,82 miljoen achterstallig is.
In oktober tot en met de rapportagedatum is circa € 256.009 gefactureerd en circa € 208.429 ontvangen. Daardoor is het openstaande saldo sinds 30 september 2026 met ongeveer € 47.581 gestegen.
Welke klanten veroorzaken de oudste posten en waar moet het team beginnen? De drie overzichten geven daarop antwoord zonder de cijfers handmatig opnieuw samen te stellen.
Alle bedragen komen uit de synthetische demosnapshot van 21 oktober 2026 en niet uit echte klantgegevens.
4. De technologie is belangrijk. De beslissing nog belangrijker.
Onder de motorkap van het prototype:
- Django levert de applicatie voor financieel beheer.
- PostgreSQL bewaart de klant-, factuur- en betalingsgegevens.
- Power BI vertaalt die gegevens naar inzichten voor management, risicoanalyse en debiteurenopvolging.
Power BI importeert gegevens uit PostgreSQL en werkt die bij wanneer de data wordt vernieuwd.
De rapportage ondersteunt filters voor klanten, rapportagedatum en relevante ouderdomscategorieën, zodat u de financiële situatie vanuit verschillende invalshoeken kunt onderzoeken.
Op zichzelf is geen van deze technologieën bijzonder revolutionair.
De interessante stap is ze verbinden rondom een zinvolle bedrijfsvraag.
Wat is veranderd? Waar zit het risico? Wat verdient nu aandacht?
Op dat punt wordt rapportage beslissingsondersteuning.
5. Wat dit prototype wel is — en niet
Dit is een werkende LimiaData-demonstratie, geen implementatie bij een echte klant.
Alle bedrijven, facturen en betalingstransacties zijn fictief.
De oplossing demonstreert debiteurenbeheer en ondersteuning bij financiële beslissingen. Het is geen kasstroomprognose op basis van bankgegevens, geen geautomatiseerde incassodienst en geen vervanging van de bestaande boekhoudsoftware.
Het huidige Power BI-prototype gebruikt handmatige gegevensverversing. De opvolgprioriteiten zijn gebaseerd op regels, niet op voorspellingen van betaalgedrag.
Die verschillen zijn belangrijk.
Goede financiële informatie moet duidelijk maken wat cijfers ons wél vertellen, en wat niet.
6. Het grotere idee
De meeste bedrijven hebben niet nóg een systeem nodig alleen omdat de technologie het mogelijk maakt.
Ze hebben informatie nodig die ze beter kunnen gebruiken.
Soms betekent dat een beter dashboard. Soms een lichte applicatie die verspreide gegevens verbindt. En soms gewoon één heldere uitleg van wat is veranderd en wat aandacht verdient.
Met Receivables Pulse wilde ik laten zien hoe die onderdelen kunnen samenwerken.
Van het beheren van een klantfactuur tot het onderzoeken van portefeuillerisico en het bepalen van de volgende incassoprioriteit.
Minder zoeken. Meer begrijpen. Betere beslissingen.
Dat is het soort praktische business intelligence dat we bij LimiaData verkennen.
Krijg grip op uw debiteuren.
Heeft u financiële gegevens, maar kost het moeite om daar duidelijke managementprioriteiten uit af te leiden?
Laten we bekijken hoe een vergelijkbare aanpak voor beslissingsondersteuning met uw bestaande systemen kan werken.
LimiaData — Van transactie naar beslissing.
Demo / Synthetische gegevens · LimiaData Work & Lab