Is meten wel altijd weten?

Zoals dat gaat met alle disciplines binnen de moderne bedrijfsvoering worden er ook voor het kredietmanagement KPI’s gehanteerd, om te meten hoe performant de prestaties zijn, zeker in deze periode van het jaar. Dat meten gebeurt meestal met een aantal klassieke parameters. In vele bedrijven bestaan daarnaast een aantal bijzondere metingen, naargelang de plaatselijke gevoeligheden. De meest gebruikte zijn de DSO (days sales outstanding) en de verliesratio.

Bij al dat meten, wordt er al snel eens bij de collega’s gekeken hoe die het stellen. Of een aantal providers van diensten publiceren dergelijke statistieken met de bedoeling een boodschap over te brengen. De neiging bestaat dan ook om de eigen resultaten te vergelijken of normen en streefdoelen te bepalen. Maar zijn die waarden wel altijd zo vergelijkbaar, herkenbaar of normatief?

Onlangs las ik een publicatie van een speler die in het vakgebied wat te betekenen heeft en daaruit autoriteit put. Er werd uitgeweid over de DSO. De formule, betekenis en definitie kwamen aan bod. Daar dook alvast een probleem op. De DSO wordt vooropgesteld als het aantal dagen dat een gemiddelde klant gebruikt om te betalen. Het woord DSO slaat op openstaande facturen. Openstaand is per definitie niet betaald. Veel klanten hebben niet altijd openstaande facturen. Dus die betalen dan gemiddeld op “nul” dagen? Seizoenseffecten of economische cycli – zoals we de voorbije jaren meemaakten tijdens de coronacrisis - leiden tot sterk dalende of stijgende omzetgolven. Dat heeft een impact op de DSO. Daaruit concluderen dat klanten plots veel sneller of veel trager betalen (= minder of meer dagen DSO) is fout. We moeten duidelijk stellen dat met de DSO niet het betaalgedrag gemeten wordt, maar wel hoeveel werkkapitaal een bedrijf nodig heeft om de openstaande facturen te financieren, uitgedrukt in aantal dagen. Er bestaan bijgevolg nog andere maatstaven om betaalgedrag te meten ... maar hoe weet je dan hoe en hoe juist er gemeten werd?

Ook kredietverzekeraars melden verliesstatistieken tussen één en twee procent. Indrukwekkende cijfers soms, maar bijna nooit staat daar een definitie bij. Binnen het netwerk van kredietmanagers werd enkele jaren geleden een benchmarkstudie gemaakt en het gemiddelde verlies bij b2b-bedrijven was ongeveer 0,2 procent op omzet. Deze hoge cijfers zijn dus niet herkenbaar, niet vergelijkbaar en niet bruikbaar. Toch dienen ze om een boodschap over te brengen: “Neem toch maar een verzekering, want zie, hoe duur verliezen kunnen uitvallen!”. Dan lijkt het tegenstrijdig dat het product als oplossing tussen 0,15 procent en 0,5 procent aan premie kost en vergt dat meer uitleg en inzicht.

Een belangrijke speler publiceert nu de gemiddelde betalingsvertraging in een zevental Westerse landen. Dat is gebaseerd op vele miljoenen transacties en dus lijkt het erop dat de cijfers gefundeerd zijn. Alleen spreken ze van een vertraging “ná 10 dagen overdue”. De evolutie kan interessant zijn, maar de meting zegt niet veel, want professionals weten wel dat net in die eerste 10 dagen tussen 30 procent en 60 procent van de overdueszitten. De meetresultaten zijn dus maar beperkt bruikbaar.

Veel providers van handelsinformatie publiceren het aantal faillissementen en de succesgraad van hun voorspellingen. Veel wijzer worden we er niet uit. Die vele faillissementen ... betreft dat bijvoorbeeld dikwijls eenmanszaken? Een succes van 95 procent in de voorspelling over de kredietwaardigheid, betekent 5 procent foutenmarge. Als daarvan 2 tot 3 procent een niet voorzien verlies betekent, dan hebben veel kredietmanagers daar bedenkingen bij.

Alle professionals in het vakgebied zijn op zoek naar ijkpunten. Ze willen vergelijken, maar lopen vast. Hoe wordt iets gemeten, wat is de definitie? We weten het meestal niet. Gelukkig is er een actief netwerk, waar we toch wat voeling kunnen krijgen of we met z’n allen ”goed bezig zijn”. Misschien een goed idee voor een masterproef of doctoraatsproefschrift?