Je CFO stelt een simpele vraag: welke projecten van vorig kwartaal hebben echt geld opgeleverd?
Niemand kan antwoorden met één cijfer. Uren zitten in je tijdregistratiesysteem. Kosten zitten in de boekhouding. Facturen en betalingen zitten ergens daartussen. Drie systemen, drie teams, geen gedeelde definitie van “project marge”.
In die kloof verstopt zich je winstgevendheid. En dat is precies de reden waarom finance het juiste team is om operations analytics te leiden in een services firm.
Het verkeerde-sponsor probleem
In de meeste services firms die ik zie, is operations analytics in handen van IT of van het operations team zelf. Beide groepen leveren dashboards op. Die dashboards veranderen zelden gedrag. De reden is structureel: IT optimaliseert voor uptime, operations voor de utilization in de planning van deze week. Geen van beide heeft de positie om af te dwingen dat data over departementen heen gaat.
Finance wel. Finance raakt elk billable uur als omzet, elke kost als een P&L-regel, elke betaling als cash. Als je één team zoekt dat geloofwaardig één cijfer voor projectmarge kan eisen — en het kan verdedigen — is dat finance.
Wat finance brengt dat anderen niet hebben
Drie dingen, concreet:
- Definitorische discipline. Finance is gewend aan definities die niet schuiven. In een services firm zijn billable, gefactureerd, erkend en geïnd vier verschillende dingen, en mensen gebruiken ze door elkaar. Finance laat dat niet passeren.
- End-to-end reikwijdte. Projectwinstgevendheid vereist dat je uren, kosten, facturen en cash met elkaar verbindt. Alleen finance heeft de positie om alle vier in één model te trekken.
- Verantwoording voor uitkomsten. Finance beheert de P&L. Als operations analytics werkt, verschijnt het resultaat op de boeken. Als het niet werkt, voelt finance dat als eerste.
Dit is geen solo-werk — je delivery leads kennen de projecten, sales kent de pipeline. Finance leidt omdat finance de cijfers uiteindelijk moet verdedigen.
Drie plekken om te beginnen
Als finance operations analytics gaat leiden, moeten de eerste projecten zichzelf terugverdienen. In een services firm doen er meestal drie dat:
1. Projectwinstgevendheid. Uren maal kostentarief tegen facturatie. Netto van bench time, scope changes, write-offs. De meeste firms hebben hier een gevoel bij; weinig hebben één cijfer per project waar ze op vertrouwen.
2. Utilization, juist berekend. Billable uren over capaciteit, opgesplitst per team, rol en project. Het lastige is niet de formule — het is iedereen op dezelfde lijn krijgen over wat capaciteit is en wat billable is.
3. Order-to-cash voor services. Uur ingegeven → factuur uitgestuurd → cash binnen. De cash conversion cycle beïnvloedt direct je banksaldo. Verkort hem met een paar dagen en je maakt echt geld vrij — geld dat je niet hoeft te lenen.
Elk van deze drie heeft dezelfde basis nodig: één geïntegreerde dataset die operaties met finance verbindt.
Het drie-systemen probleem
Voor de meeste services firms loopt die integratie over:
- Tijdregistratie — voor uren, projecten en klanttoewijzingen
- Boekhouding — voor kostentarieven, omzet en het grootboek
- Facturatie en betalingen — soms in de boekhouding, soms erbuiten
Elk systeem heeft zijn eigen sleutels, zijn eigen definities, zijn eigen versie van “afgerond”. Die aan elkaar knopen is een data engineering klus, geen analistenwerk. Je hebt een data warehouse nodig waar één project, één consultant en één klant in alle drie de bronnen hetzelfde betekenen.
Het rommelige midden
Services firms zitten vol uitzonderingen, en je kunt niet doen alsof ze er niet zijn.
Uren die drie weken te laat worden gecorrigeerd. Fixed-price projecten waar uren niet aan facturen koppelen. Retainers die ongelijk worden afgenomen. Scope changes die iemand in een meeting heeft afgesproken en nooit heeft opgeschreven. Verzamelfacturen over meerdere projecten heen. Write-offs om een klant tevreden te houden.
Een deel daarvan kun je modelleren. Een deel niet, omdat de brondata simpelweg niet genoeg informatie draagt. Forceer het model dan niet. Doe een stap terug en kijk naar het proces. In mijn ervaring legt het datawerk procesproblemen bloot die al jaren stilletjes geld kosten.
Wat betekent dit voor je volgende stap
Als je operations analytics blijft steken, kijk dan naar wie het beheert. Als het IT of operations is, ligt daar waarschijnlijk het probleem. Verschuif de sponsor naar finance. Kies één van de drie startpunten — projectwinstgevendheid, utilization of O2C — en bouw de geïntegreerde dataset die alle drie uiteindelijk toch nodig hebben.
Dit is het werk dat ik doe met services firms. Data engineering voor de geïntegreerde dataset, BI strategie voor de finance-geleide roadmap. Tijdregistratie, boekhouding, AR — één model, cijfers die je kunt verdedigen.
Wil je praten over wie operations analytics zou moeten leiden in jouw firma? Boek een gesprek van 30 minuten.