De meeste industriële KMO's denken dat ze pricing-software nodig hebben om pricing-intelligence te krijgen. Het tegendeel is waar. Negen van de tien hebben de data al — verstopt in hun ERP, ontoegankelijk gemaakt door rapportagegewoonten die nooit zijn opgefrist.

In een eerste pricing-diagnose is de meest gestelde vraag: "Wat hebben jullie nodig aan extra data?" Het antwoord is bijna altijd hetzelfde: "Niks extra. Wat je al hebt is genoeg — als we het goed lezen."

Dit artikel beschrijft de zeven datasets die in vrijwel elke B2B-ERP zitten en die samen 80% van de pricing-intelligence opleveren die een KMO nodig heeft. Je hebt geen nieuwe software nodig om hier mee te starten. Je hebt een Excel-export en een paar uur analysetijd nodig — voor de eerste keer.

Belangrijkste inzichten

• De ERP bevat zeven kerndatasets die samen 80% van pricing-intelligence opleveren — meestal allemaal aanwezig, zelden samengebracht.
• Het probleem is niet ontbrekende data, maar gefragmenteerde rapportage. Salesrapportage, financerapportage en operationsrapportage staan zelden naast elkaar.
• Vier analyses zijn meteen mogelijk: pocket price waterfall, whale curve, discount drift over tijd, en realized vs catalogusprijs tracking.
• Pricing software is geen vervanging voor data-discipline. Wie zonder discipline software installeert, automatiseert chaos. Wie met discipline data leest, ontdekt vaak dat softwarekeuze veel later komt.
• Begin altijd bij wat je al hebt. Truth in Pricetainability™ vraagt geen nieuwe systemen — het vraagt eerlijke lezing van bestaande systemen.

De data die je vandaag al hebt

In een typische industriële KMO-ERP (SAP, Microsoft Dynamics, Odoo, Exact, Navision) zitten zeven kerndatasets die samen voldoende intelligence leveren voor een eerste pricing-diagnose:

1. Verkoopfacturen (sales transactions) Per regel: klant-ID, product-ID, datum, hoeveelheid, catalogusprijs, korting, factuurprijs. Dit is je basislaag. Bij de meeste KMO's beschikbaar over minimaal 3 tot 5 jaar.

2. Klantenmaster Klant-naam, sector, regio, segment, contract-ID, betalingstermijn, eventuele klantclassificatie. Dit verbindt transacties met segmentatie.

3. Productenmaster Product-naam, productlijn, categorie, kostprijs (standaard COGS), eenheid. Onmisbaar voor margeanalyse op transactieniveau.

4. Kortingen, rebates en credits (off-invoice) Geboekt op klant- of factuurniveau, vaak als aparte memo's of jaarlijkse rebate-uitbetalingen. Cruciaal voor pocket price waterfall.

5. Betalingsgegevens Werkelijke betaaltermijnen, kortingen voor snelbetaling, openstaande posten. Dit verbindt pricing met cashflow.

6. Cost-to-serve indicatoren Aantal orderlijnen, aantal credits, aantal speciale leveringen, aantal supportcontacten. Niet altijd direct in ERP, vaak in CRM of service-systeem. Voldoende voor verdelende analyses.

7. Contractdata Looptijd, indexatieclausule, volume-commitments, tier-structuur. Bij KMO's vaak in een aparte folder of contract-management systeem.

Geen van deze datasets is exotisch. Allemaal zijn ze geboekt voor financiële, fiscale of operationele redenen. Wat ontbreekt is niet data — wat ontbreekt is integratie en interpretatie.

Waarom die data toch onzichtbaar is

Drie structurele redenen waarom KMO's hun eigen data niet zien als pricing-intelligence:

1. Data zit in verschillende rapportagestromen die elkaar niet ontmoeten. Sales rapporteert op transactieniveau (omzet per klant per product). Finance rapporteert op periode (resultatenrekening per kwartaal). Operations rapporteert op proces (orderdoorlooptijd, levertijden). Die drie spreken nooit als één geheel — terwijl pricing-intelligence precies in de doorsnede ligt.

2. ERP-rapportages zijn gebouwd voor financial reporting, niet voor commercial analytics. Standaardrapporten van SAP of Dynamics tonen omzet en COGS. Ze tonen zelden klantwinstgevendheid op pocket-niveau, en bijna nooit bruto-naar-netto erosie per segment. Wie alleen op de standaardrapporten leest, ziet het pricing-deel van de werkelijkheid niet.

3. De aanname dat 'we hebben data nodig' overschrijft 'we hebben analyse nodig'. Wanneer een organisatie merkt dat ze geen pricing-intelligence heeft, is de eerste reflex: een softwareproject. Dat project verzamelt nieuwe data of integreert bestaande data — typisch 6 tot 12 maanden werk. Maar de fundamentele intelligence had vaak in een Excel-werkboek over een week kunnen worden gewonnen.

"Bij meer dan de helft van de pricing-diagnoses blijkt: de klant had binnen drie weken meer pricing-intelligence dan ze in vijf jaar bedrijfsvoering hadden gegenereerd. Niet omdat er getoverd wordt — omdat er vragen werden gesteld die intern nooit waren gesteld."

Vier analyses die je deze week kunt doen

Met de zeven datasets en een ervaren analyst kun je deze vier kernanalyses produceren binnen 1 tot 2 weken:

Analyse 1 — Pocket price waterfall per segment Voor je top 5 klantsegmenten: van catalogusprijs naar pocket price, met alle on- en off-invoice aftrekken. Output: één visuele staafgrafiek per segment, plus een vergelijking ertussen. Onthult onmiddellijk welke segmenten de meeste leakage hebben.

→ Zie ook: Net Revenue denken

Analyse 2 — Whale curve op klantniveau Top 50 klanten gerangschikt op nettowinstgevendheid (na cost-to-serve toewijzing). Output: één lijngrafiek, één begeleidende tabel met top-10 winstmakers en top-10 verliesposten.

→ Zie ook: De whale curve

Analyse 3 — Discount drift over tijd Realized discount rate per klant per jaar over 5 jaar. Output: scatterplot of heatmap die laat zien welke klanten een opwaartse drift vertonen en welke stabiel zijn.

→ Zie ook: Discount drift

Analyse 4 — Realized vs catalogusprijs tracking Per productlijn: gemiddelde verkoopprijs vs catalogusprijs als percentage, kwartaalsgewijs over 8 kwartalen. Output: lijngrafiek per productlijn. Onthult welke productlijnen geleidelijk uitverkopen ten opzichte van de catalogus.

Geen van deze analyses vereist nieuwe software. Allemaal zijn ze realiseerbaar met SQL-queries op de ERP, geëxporteerd naar Excel of Power BI. Wat wel vereist is: een analyst die het patroon herkent en de juiste vragen stelt.

Wanneer is software wél nodig?

De voorgaande sectie zou je doen denken dat pricing-software overbodig is. Dat is niet zo. Software wordt waardevol op het moment dat je organisatie:

• Vier of meer pricing-analyses regelmatig wil herhalen in plaats van eenmalig laten uitvoeren.
• Real-time toegang tot margin data nodig heeft op het moment van offerteren — niet in retrospectie.
• Margin governance heeft geïnstalleerd en de data wil koppelen aan formele goedkeuringsstromen.
• De volume aan transacties zo groot is dat handmatige analyse geen optie meer is (typisch boven €100 miljoen omzet of meer dan 100.000 transacties per jaar).

Voor de KMO onder die grens is software meestal te vroeg. De waarde komt uit discipline, niet uit tooling. Een Excel-werkboek met goed gedefinieerde formules en een kwartaalsgewijze update levert vaak meer dan een softwarepakket dat de helft van de organisatie negeert.

Yggra Sentinel is bewust ontworpen om die brug te slaan: een light-touch analytics-laag die op je bestaande ERP draait, geen migratie of integratie vraagt, en de bovengenoemde vier analyses als standaard-views levert. Het werkt voor KMO's — maar alleen voor KMO's die de Truth-fase hebben afgerond. Software op een ondisciplinaire organisatie zetten is geld verbranden.

De volgorde: data eerst, tools later

In het Pricetainability™ framework is dit een hoofdregel: Truth → Policy → Execution → Governance. Tools zitten in Execution. Niet in Truth.

Wie begint bij Execution (software) zonder Truth (data lezen) doet drie dingen mis:

1. Hij koopt software op basis van veronderstelde behoeften in plaats van werkelijke. De selectie is dan zelden de juiste.
2. Hij automatiseert bestaande inefficienties in plaats van ze eerst op te lossen. Software versterkt wat er al is — voor of tegen je.
3. Hij verliest het politieke moment. Wanneer een organisatie ineens aan een lang softwareproject begint, ontstaat verzet. Een diagnose-eerst aanpak bouwt eerst overtuiging op basis van eigen data, en pas daarna installeert tooling.

Het volgorde-principe is daarom niet onderhandelbaar: geen Sentinel-installatie zonder voorafgaande diagnose. Niet omdat de inkomsten niet welkom zijn — maar omdat een tool op een ondisciplineerd systeem alleen leakage automatiseert.

Bottom line

Wie pricing wil verbeteren, begint niet met "welke software hebben we nodig?" maar met "welke data hebben we al, en wat zegt ze?" Het antwoord op de tweede vraag is voor de meeste KMO's verrassend: ze hebben veel meer dan ze denken, en ze gebruiken er veel minder van dan ze beseffen.

De brug tussen data en intelligence is geen project. Het is een leeshouding. Wie zijn ERP-data leest met de juiste vragen — pocket price, whale curve, drift, realized rates — krijgt binnen weken een diagnose die bedrijven anders pas na een softwareproject van een jaar hebben.

Begin daar. Software komt later, als de discipline er is. Anders is software duur theater.