Waarom betalingsgedrag een belangrijke determinant is van betalingsproblemen

okt 27, 2021

betalingsgedrag

Het betalingsgedrag van een onderneming vormt een mooie indicatie van de economische situatie van een bedrijf. Heb je een idee van het betaalgedrag van jouw klanten, dan heb je meer controle over een cijfer zoals DSO (Days Sales Outstanding) en kan je passende maatregelen treffen.

En hoewel het betalingsgedrag vaak op historische gegevens betrekking heeft – die geen garantie voor de toekomst zijn – zijn er wel een aantal zaken uit af te leiden.

In deze blog leggen we uit wat betalingsgedrag is en gaan we dieper in op manieren om (veranderend) betalingsgedrag te ontdekken.

Wat is betalingsgedrag?

Bij betalingsgedrag, ook wel betaalgedrag genoemd, wordt gekeken naar de snelheid waarmee klanten facturen betalen. En dit in relatie tot de afgesproken betalingstermijn. Betaald een debiteur de factuur gemiddeld 7 dagen na de vervaldatum, dan spreken we van een betaalgedrag van +7 dagen.

In een ideale wereld worden facturen altijd correct betaald volgens de gemaakte afspraken en binnen de betalingstermijn. Helaas is dat niet het geval voor elke debiteur en in de praktijk overschrijden heel wat facturen de betalingstermijn. In dat geval stelt zich de vraag hoe groot de schade is.

Verandering in betalingsgedrag

Het betalingsgedrag zegt heel wat over een debiteur, maar ook een verandering in het betalingsgedrag is een belangrijke determinant. Wanneer diezelfde debiteur uit bovenstaand voorbeeld altijd 7 dagen na de vervaldatum de facturen betaald, dan is er geen verandering in het betalingsgedrag en komt dat cijfer op 0 te liggen. De debiteur betaalt weliswaar steeds te laat maar het gedrag is consequent, en dus in zekere zin voorspelbaar.

Een debiteur die echter de facturen steeds op verschillende tijdstippen betaalt, vertoont wel een veranderlijk betalingsgedrag. Dat fluctuerende cijfer kan een indicatie zijn voor een verhoogd risico bij deze debiteur. Misschien heeft deze klant wel een verminderde cash flow? Of loopt het intern niet zo vlot?

Een goede credit manager en credit controller volgt het betalingsgedrag én veranderingen in het betalingsgedrag van elke debiteur voortdurend op. Ook prospecten worden best op voorhand aan een grondige analyse onderworpen. Des te meer wanneer er grote bedragen op het spel staan.

Hoe zie je het betalingsgedrag?

Het betalingsgedrag van potentiële en bestaande klanten moet je op de een of andere manier analyseren. Daarvoor kan je het licht werpen op de eigen facturen en interne data, maar ook externe tools staan ter beschikking.

Afgesproken betalingstermijn

Een eerste graadmeter is de afgesproken betalingstermijn. Wanneer is afgesproken dat een klant binnen de dertig dagen betaalt, dient de klant zich ook aan die afspraak te houden. Stel jezelf de vraag welke overschrijding van betalingstermijn je aanvaardbaar vindt en welke niet.

De overschrijding kan afhankelijk zijn van de branche, of eigen zijn aan de debiteur. Voor sommige sectoren zijn misschien specifieke betalingstermijnen van toepassing, waar je rekening mee kan houden.

Uit de Exact mkb-monitor 2020, die is gebaseerd op de administratie van 340.000 Nederlandse bedrijven, zijn de gemiddelde betalingstermijnen per sector als volgt:

  • Bouw: 26,91 dagen
  • Handel: 31,43 dagen
  • Accountants: 32,96 dagen
  • Productie: 34,65 dagen

Ouderdomsanalyse

Het betalingsgedrag van de eigen debiteuren kan je op verschillende manieren te weten komen, de ouderdomsanalyse is er één van.

Onbetaalde facturen doorlopen verschillende fasen. De ouderdomsanalyse geeft aan in welke fase onbetaalde facturen zich bevinden. Die fasen worden doorgaans ingedeeld op basis van de tijdsduur dat de facturen al openstaan. Bijvoorbeeld 0 dagen voor niet-achterstallige facturen, en voor achterstallige facturen indelingen van 1 tot 30 dagen, 31 tot 60 dagen, 61 tot 90 dagen enzovoort.

Met deze informatie kan je beter inschatten welke vervolgacties nodig zijn. Voor heel slechte betalers kan je bijvoorbeeld de betalingsvoorwaarden in de toekomst aanpassen of een voorschot beginnen vragen.

Betalingsgedrag per factuur

Een volgende indicator is het betalingsgedrag per factuur. Zo kan je detecteren of bij de debiteur facturen met lagere bedragen sneller worden betaald dan facturen met hoge bedragen.

Veranderingen in totaalbedrag per jaar

Wanneer het totaalbedrag per jaar daalt bij een klant moet je als debiteurenbeheerder extra waakzaam zijn.

Veranderingen op vlak van tijdstip

Indien de debiteur steeds later de betalingen uitvoert of de tijdstippen van betaling beginnen te schommelen, kan dit een voorbode zijn van betalingsproblemen.

Kredietwaardigheid

Wens je nog meer inzicht in het betaalgedrag, ook van nieuwe klanten, dan kan je bij gespecialiseerde handelsinformatiebureaus zoals Dun & Bradstreet of Graydon de kredietwaardigheid van bedrijven opvragen.

Deze bureaus berekenen de kredietwaardigheid op basis van heel wat variabelen en factoren. Bijvoorbeeld het historisch betaalgedrag, omzet en openstaande verplichtingen. De kredietwaardigheid wordt afhankelijk van de aanbieder uitgedrukt in cijfers of een rating.

Combineer je de eigen interne data met de gegevens van deze externe partijen, dan krijg je nog beter inzicht in de kredietwaardigheid van klanten en kan het betalingsgedrag nog accurater voorspeld worden.

Bij iController zit deze kredietscore trouwens ingebakken in de tool. Onze eigen gepersonaliseerde iController-score gaat naast de kredietscore van deze externe partijen ook het betalingsgedrag van een klant aan jouw bedrijf in rekening brengen.

Immers, bedrijven met een lage kredietwaardigheid zijn niet noodzakelijk slechte betalers. Omgekeerd is het ook niet gezegd dat bedrijven met een hoge kredietscore goede betalers zijn aan jouw bedrijf.

De verkregen iController-score kan je in onze debiteurenbeheer software koppelen aan een specifiek opvolgingstraject.

Betaalgedrag voorspellen met AI

Om nog betere beslissingen te maken, zijn meer data nodig. De geavanceerde AI-technologie van iController biedt grondige, accurate cashflowprognoses en kan nauwkeurig, via statistische analyses, inschatten wanneer een klant zal betalen.

Stel dat een klant doorgaans betaalt na 30 dagen, maar eenmalig een keer na 60 dagen. Een statistische analyse berekent dan het gemiddelde: de klant betaalt op dag 45. De AI-tool van iController herkent de late betaling als een uitzondering en verwacht de volgende betaling na 30 dagen, tenzij er nog late betalingen volgen.

Discover more

Blog overview

See more

Contact us

See more

Join iController

See more

Subscribe to learn more about credit management

Thank you for subscribing to learn more about credit management.

Share This