’s Ochtends bekijk je de prijslijst, de marges en de wachtrij van de bestellingen, en dan komt de vraag die elke verkoop- of financieel manager maar al te goed kent: wat gebeurt er als ik de prijs verhoog, alles bij het oude laat of de promotie aanpas? Het juiste antwoord komt niet alleen uit je instinct voort, want elke beslissing over prijsstelling, voorraad of prognoses is al een experiment met de toekomst. Een ‘wat-als’-analysetool is precies hiervoor bedoeld: twijfel omzetten in een overzichtelijke simulatie, zodat je de gevolgen kunt zien voordat je actie onderneemt.
Voor een MKB-bedrijf gaat het er niet om meer gegevens te hebben dan wie dan ook. Het gaat erom een eenvoudige methode te hebben om hypothesen te toetsen, scenario’s te vergelijken en te begrijpen welke variabelen het eindresultaat daadwerkelijk beïnvloeden. Microsoft Excel heeft deze logica al jarenlang bekend gemaakt, met ingebouwde tools zoals Scenario's, Doelzoekfunctie en Gegevenstabellen , zoals uitgelegd door Microsoft. IBM beschrijft het als een techniek voor strategische planning die uitgaat van een basislijn en scenario's opbouwt met verschillende hypothesen ( IBM). Als je de overstap wilt maken van reageren naar anticiperen, vind je hier een praktische gids, zonder onnodig jargon.
Een commercieel manager beslist of hij de prijzen moet verhogen. Een inkoper vraagt zich af of hij vóór de seizoenspiek meer voorraad moet bestellen. Een CFO moet nagaan of de prognose een betalingsachterstand aankan. In alle drie de gevallen staat de beslissing nooit op zichzelf, want elke maatregel heeft gevolgen voor de marges, de kasstroom en de doorlooptijden.
Italiaanse kleine en middelgrote ondernemingen zijn vaak goed in het snel reageren, maar reactievermogen alleen is niet voldoende wanneer de kosten veranderen of de vraag snel schommelt. Hier verandert de ‘what-if’-analysetool de manier van denken, omdat deze je dwingt om aannames expliciet te maken in plaats van alleen af te gaan op je gevoel van dat moment. Het is een stap die alleen op het eerste gezicht eenvoudig lijkt, maar in de praktijk zeer krachtig is.
IBM beschrijft de ‘what-if’-analyse als een techniek voor strategische planning waarbij de invoergegevens in de formules worden aangepast om verschillende scenario’s te modelleren, en raadt aan om uit te gaan van een basislijn en op basis daarvan meerdere scenario’s met verschillende aannames op te stellen. Deze aanpak werkt goed in het MKB omdat hij een concrete vergelijking mogelijk maakt. Je vraagt niet langer: “Wat denk ik dat er gaat gebeuren?”, maar: “Wat gebeurt er als deze variabele verandert, en hoeveel kost het me om af te wachten?”
Praktische regel: als een beslissing invloed kan hebben op de prijs, de hoeveelheid, de doorlooptijd of het risico, is het de moeite waard om ten minste één alternatief scenario te overwegen.
Veel bedrijven beschikken al over de juiste cijfers in Excel, hun bedrijfssoftware of hun CRM-systeem. Het probleem is dat die cijfers in afzonderlijke tabellen blijven staan, zonder een structuur die een mogelijk toekomstbeeld schetst. Een goede methode voor scenarioanalyse doet precies dat: ze koppelt historische gegevens aan de operationele gevolgen.
Als je vandaag de dag nog steeds met handmatige spreadsheets werkt, kan een praktische inleiding over de automatisering van spreadsheets je wellicht helpen, want de echte sprong voorwaarts zit niet in de spreadsheet zelf, maar in het vermogen om deze te laten ‘denken’ met minder repetitieve handelingen. Het resultaat is een proces dat overzichtelijker en sneller is en minder afhankelijk van het geheugen van degene die het bestand bijwerkt.
Een ‘what-if’-analysetool is een omgeving die een model als uitgangspunt neemt, een of meer invoerwaarden wijzigt en laat zien hoe de uitvoerwaarden hierop reageren. Je hoeft er niet technisch over na te denken om het te begrijpen. Als je de prijs wijzigt, berekent het systeem de marge opnieuw; als je de levertijden wijzigt, berekent het de voorraaddekking opnieuw; als je de rente wijzigt, berekent het de effecten op de portefeuille opnieuw.
Het mechanisme bestaat uit vier zeer eenvoudige onderdelen.
Deze opzet lijkt meer op een vluchtsimulator dan op een statisch rapport. De piloot probeert niet echt alle vliegroutes in de praktijk uit, maar simuleert de alternatieven voordat hij de veiligste of meest efficiënte kiest. Volgens dezelfde logica hoef je de toekomst niet te ‘raden’, maar moet je zien hoe het resultaat verandert als je een bepaalde hendel bedient.
Een prognose geeft antwoord op de vraag „wat er zal gebeuren als ik niets verander”. Een wat-als-scenario geeft antwoord op de vraag „wat er gebeurt als ik iets verander”.
KMO's verwarren deze twee begrippen vaak met elkaar. Een prognose is een voortzetting van het heden: ze gaat uit van trends en probeert de toekomst in te schatten. Een ‘wat-als’-simulatie daarentegen wijzigt opzettelijk een hypothese om het effect daarvan te meten.
Microsoft legt uit dat de What-If-scenariofunctie patronen in bestaande gegevens analyseert en je in staat stelt om het effect van wijzigingen in de ene kolom op de waarde van een andere kolom te beoordelen, waarbij de variaties kunnen worden ingesteld als een specifieke waarde of als een percentage van de toename of afname . Dit vormt de gemeenschappelijke basis van elke serieuze tool, van Excel tot een AI-platform. Als je dit patroon begrijpt, herken je de logica ook wanneer de interface verandert.
Een commercieel medewerker opent Excel om te zien wat er met de marge gebeurt als de prijs verandert. Een andere medewerker, van de financiële afdeling, wil nagaan welk inkomstenniveau nodig is om een vaste kost te dekken. In beide gevallen is de vraag dezelfde: het model past één invoerwaarde aan en bekijkt hoe het resultaat zich ontwikkelt.
Microsoft beschrijft de ‘What-If-analyse’ als het proces waarbij waarden in cellen worden gewijzigd om te zien hoe de resultaten van formules veranderen, en noemt drie ingebouwde hulpmiddelen: Scenario’s, Doelzoekfunctie en Gegevenstabellen. Deze basis is belangrijk omdat het iets eenvoudigs laat zien: scenarioanalyse is niet ontstaan met AI, maar met het dagelijkse werk in spreadsheets.
Scenario's zijn handig wanneer je meerdere sets met invoergegevens wilt opslaan en de resultaten wilt vergelijken. Dit is de juiste keuze als je verschillende strategieën overweegt, bijvoorbeeld een voorzichtige, een gematigde en een agressieve aanpak. In een detailhandel kan dit betekenen dat je een bescheiden promotie, een gemiddelde kortingscampagne en een sterkere prijsverlaging met elkaar vergelijkt, zonder dat je het model telkens helemaal opnieuw hoeft op te bouwen.
Doelgericht onderzoek werkt juist andersom. Je begint bij het resultaat dat je wilt bereiken en laat het spreadsheet berekenen welke invoerwaarden nodig zijn om dat te bereiken. Voor een ondernemer van een MKB-bedrijf is dit nuttig wanneer het einddoel duidelijk is, zoals de minimale marge die moet worden gehandhaafd of de omzet die moet worden behaald om een bepaalde uitgave te dekken, en het is belangrijk om te begrijpen welke prijs, welk volume of welk conversiepercentage dat doel mogelijk maakt.
Gegevenstabellen worden gebruikt om te zien hoe een model verandert wanneer één of twee invoerwaarden worden aangepast. Ze zijn vooral handig wanneer je snel het effect van één variabele tegelijk, of van twee variabelen samen, wilt bekijken, zonder voor elke combinatie afzonderlijke scenario’s te hoeven opstellen.
In een onafhankelijke technische handleiding voor Excel wordt uitgelegd dat Goal Seek dient om de invoerwaarde te vinden die nodig is om een gewenst resultaat te bereiken, terwijl je met Data Tables kunt onderzoeken hoe een verandering in één of twee invoerwaarden een financieel model beïnvloedt, en Scenario Manager meerdere sets invoerwaarden opslaat om de resultaten daarvan te vergelijken ( Corporate Finance Institute). In de praktijk zijn het drie verschillende manieren om dezelfde vraag te stellen, maar met verschillende niveaus van controle en detail.
Voor een kleine e-commerce is de logica meteen duidelijk. Als de prijs stijgt en de verzendkosten toenemen, laat het model zien hoe de marge verschuift. Als de gemiddelde klant slechter reageert dan verwacht, wordt het voorzichtige scenario geloofwaardiger dan het optimistische. De ELECTE-oplossing voor prognoses tilt deze logica boven het spreadsheet uit, omdat het helpt om de impact van variabelen continu te doorgronden in plaats van alles handmatig opnieuw te berekenen.
Deze tools blijven handmatig. Telkens wanneer de gegevens veranderen, moet iemand de cellen, formules en vergelijkingen bijwerken. Bij een klein aantal gevallen werkt dit goed, maar bij frequente gegevensstromen wordt het traag en kwetsbaar.
De kracht van Excel ligt in de duidelijkheid van het mechanisme. Voor veel kleine en middelgrote ondernemingen ontstaat er echter een beperking wanneer het aantal variabelen toeneemt en er voortdurend nieuwe gegevens binnenkomen. Hier kan een AI-platform zoals ELECTE dezelfde logica verder ontwikkelen door de scenario’s automatisch bij te werken en het spreadsheet te koppelen aan een doorlopende scenarioanalyse, zonder dat je het model telkens opnieuw hoeft op te bouwen.
Een MKB-bedrijf begrijpt meteen de waarde van een ‘what-if’-analysetool wanneer het deze koppelt aan een concrete beslissing: wat gebeurt er als de prijs verandert, als de voorraadverwerking vertraagt, als de financieringskosten stijgen? In Excel blijft de basislogica die welke door Microsoft wordt beschreven, namelijk meten hoe een verandering in een invoerwaarde een resultaat beïnvloedt. Hier telt echter vooral de context, want het model wordt pas bruikbaar als het de taal van het bedrijfsleven spreekt.
In de detailhandel kan een kledingwinkel drie zeer eenvoudig te doorgronden scenario’s met elkaar vergelijken. Als de winkel een agressieve promotie voert, verlaagt hij de prijs om de verkoopvolumes te stimuleren. Als hij een stabiel beleid handhaaft, verdedigt hij de marge en kijkt hij naar de reactie van de markt. Als hij de prijzen verhoogt, beschermt hij de marge, maar kan dit de omloopsnelheid vertragen. Het gaat er niet om in abstracto het juiste getal te kiezen, maar om te begrijpen welke hefboom het resultaat daadwerkelijk verandert en welke het probleem juist alleen maar van de ene post naar de andere verplaatst.
In het magazijn kan een elektronicawinkel dezelfde redenering toepassen op de levertijden van de leverancier. Als de nabestelling te laat komt, betreft het risico niet alleen de beschikbaarheid van het product, maar ook het kapitaal dat vastzit in goederen die stil liggen. Hier helpt de vergelijking tussen een voorzichtig scenario en een realistisch scenario om te zien waar de operationele spanning ontstaat, net zoals een dashboard dat van tevoren aangeeft of de brandstof opraakt voordat de finish is bereikt.
In de financiële sector kan een klein dienstverlenend bedrijf het effect van een renteverhoging op de klantenportefeuille simuleren en het mildste scenario van het strengste scenario onderscheiden. Dit maakt de discussie met het management veel concreter. Er wordt niet in algemene termen over risico gesproken, maar er wordt aangetoond waar het in de winst-en-verliesrekening tot uiting komt en welk gebied prioriteit heeft boven de andere.
Hetzelfde geldt voor wie nog met handmatige spreadsheets werkt. Bij elke update moet je cellen, formules en vergelijkingen opnieuw aanpassen, waardoor het werk juist langer duurt op het moment dat een snel antwoord nodig is. Een AI-oplossing zoals de ELECTE-oplossing voor prognoses kan de meest recente gegevens lezen en de scenario’s opnieuw berekenen zonder dat je alles handmatig hoeft te doen, zodat de vergelijking tussen het beste, het slechtste en het meest waarschijnlijke scenario up-to-date blijft in plaats van te verdwijnen in een vergeten bestand.
Het kiezen van een tool voor what-if-analyses betekent niet dat je op zoek moet gaan naar de software met de meeste functies. Het betekent dat je moet begrijpen hoeveel tijd je momenteel kwijt bent aan het bijwerken van scenario’s, hoeveel controle je over het model wilt behouden en in hoeverre je afhankelijk bent van technische medewerkers. Voor een MKB-bedrijf is de juiste keuze vaak degene die de drempel verlaagt en de vergelijking direct inzichtelijk maakt.
| Criterium | Excel-handleiding | AI-platform, bijvoorbeeld ELECTE |
|---|---|---|
| Gebruiksgemak | Geschikt voor eenvoudige gevallen, maar vereist enige oefening met de formules | Meer gestructureerd, met workflows die zijn afgestemd op niet-technische gebruikers |
| Integraties | Vaak handmatig, met herhaaldelijke exporten en updates | Soepelere koppeling met gegevensbronnen en interne processen |
| Automatisering | Beperkt: de scenario's moeten handmatig worden bijgewerkt | Meer continuïteit, met scenario’s die op basis van nieuwe gegevens opnieuw worden berekend |
| Transparantie | Heel hoog, als je het bestand kunt lezen | Ja, als het model goed wordt uitgelegd, maar dit moet per geval worden gecontroleerd |
| Schaalbaarheid | In het begin gaat het goed, maar daarna wordt het langzamer bij complexere modellen | Het meest geschikt wanneer de hoeveelheid gegevens toeneemt en er voortdurende analyses nodig zijn |
Het belangrijkste criterium is voor mij dit: hoe vaak moet je het werk opnieuw doen? Als je het bestand elke week opent en gegevens, formules en scenario’s aanpast, zijn de werkelijke kosten niet de software, maar de werkuren die zich opstapelen. De keuze moet worden gemaakt op basis van die kosten, niet op basis van de catalogusprijs.
Een AI-platform zoals ELECTE, een door AI aangestuurd data-analyseplatform voor het MKB, kan een nuttige oplossing zijn wanneer je rapportages wilt automatiseren, trends wilt signaleren en gegevens wilt omzetten in inzichten met zo min mogelijk handmatige stappen. Als je verschillende oplossingen overweegt, kan de gids ELECTE over AI-kosten je ook helpen, want het gaat niet alleen om de keuze tussen kopen of zelf bouwen, maar ook om te bepalen hoeveel complexiteit je intern wilt beheren.
Vraag altijd of de tool de scenario’s zelf bijwerkt, of deze kan worden geïntegreerd met je werkelijke gegevens en of hij je duidelijk maakt waarom het resultaat verandert. Als het antwoord vaag is, loop je het risico een mooie maar weinig bruikbare etalage aan te schaffen. Voor een MKB-bedrijf is de duidelijkheid van het model bijna net zo belangrijk als de snelheid.
Met een traditioneel werkblad maak je eenmalige scenario’s. Je stelt ze op, toont ze en slaat ze op. Dan gaat er een week voorbij, er komen nieuwe gegevens binnen en je moet het hele proces opnieuw doorlopen. De meerwaarde van automatisering ligt niet alleen in het feit dat je sneller werkt, maar ook in het behoud van de continuïteit tussen de ene beslissing en de volgende.
Een AI-agent die de binnenkomende gegevens monitort, verandert precies deze werkstroom. Hij detecteert afwijkingen, werkt het model bij en genereert nieuwe scenario’s, zonder dat je het bestand opnieuw hoeft te openen en alles handmatig hoeft te corrigeren. Het repetitieve werk wordt verplaatst van het bureau van het team naar een continu actief proces, dat doorwerkt terwijl jij beslissingen neemt.
Voor een MKB-bedrijf heeft dit drie duidelijke gevolgen. De rapportage kost minder tijd, omdat je niet telkens opnieuw dezelfde vergelijkingen hoeft te maken. Trends komen eerder naar voren, omdat het model niet hoeft te wachten op een handmatige update. Beslissingen worden sneller genomen, omdat de vergelijking tussen scenario’s altijd actueel is.
De rol van de mens verdwijnt niet. Hij verandert: minder uitvoerder, meer besluitvormer.
De logische vraag is simpel: is er nog steeds iemand nodig om de resultaten te interpreteren? Ja, natuurlijk. AI vervangt het managementoordeel niet, maar neemt een groot deel van het routinematige werk weg dat het oordeelsvermogen vertraagt. Voor een klein team betekent dit dat de tijd van de leidinggevenden op het gebied van verkoop, financiën of bedrijfsvoering beter kan worden benut.
De ‘wat-als’-analyse neemt het risico niet weg, maar maakt het zichtbaar en beheersbaar. Daarin ligt de echte waarde ervan voor een MKB-bedrijf, omdat het de toekomst verandert van een vage hypothese in een reeks begrijpelijke alternatieven. Als je uitgaat van één enkele beslissing en één enkele variabele, bouw je vertrouwen op zonder het jezelf onnodig moeilijk te maken.
ELECTE helpt je om verspreide gegevens om te zetten in overzichtelijke scenario’s, met automatische rapporten, duidelijke trends en prognoses die worden bijgewerkt zonder dat je daarvoor repetitief werk hoeft te verrichten. Als je de ‘what-if’-analysetool uit de handmatige spreadsheets wilt halen en wilt integreren in een continu besluitvormingsproces, bezoek dan ELECTE en bekijk hoe je deze kunt toepassen op je bedrijfsgegevens.
.svg)
.svg)
.svg)
