Meten is weten, maar wat meet je? KPI's die echt iets zeggen over je operatie

Door Clen Mourik

Hoeveel uur per week besteed jij aan het samenstellen van rapporten waarop je vervolgens geen beslissingen neemt? De meeste MKB-bedrijven verdrinken in data maar sterven van de dorst naar bruikbare inzichten. Dit artikel laat zien welke KPI's echt het verschil maken.

Hoeveel uur per week besteed jij aan handmatig overtypen van cijfers? Uit verschillende Excel-bestanden. Van je boekhouding naar je dashboard. Van je werkbonnen naar je projectadministratie. En dan nog de vraag: vertellen die cijfers je eigenlijk wat je moet weten?

De meeste MKB-bedrijven meten wel iets. Omzet, winst, misschien nog een kostprijs. Maar wat vertelt dat over waarom machine 3 vorige week twee dagen stilstond? Of waarom die ene orderregel steeds fout gaat?

Laten we eerlijk zijn: meten is pas nuttig als je meet wat er toe doet. En als die cijfers je helpen beslissen in plaats van alleen achteraf bevestigen dat het niet lekker liep.

Inhoudsopgave

• Belangrijkste punten
• Het verschil tussen financiële en operationele KPI's
• Wat moet je eigenlijk meten?
• De valkuil van te veel KPI's
• Waarom automatisering de basis is
• Praktijkvoorbeelden per sector
• De techniek achter KPI-meting
• Veelgestelde vragen
• Conclusie

Belangrijkste punten

Het verschil tussen financiële en operationele KPI's

De meeste ondernemers die ik spreek, rapporteren wél. Elke maand krijgt de accountant een export. Er is een jaaroverzicht. Soms zelfs een dashboard met omzet per productgroep.

Maar dat zijn bijna altijd financiële KPI's. Omzet. Winst. Marge. Debiteurenstand.

Die cijfers vertellen je wat er gebeurd is. Ze vertellen niet waarom. En ze vertellen zeker niet wat je er morgen aan kunt doen.

Operationele KPI's zijn anders. Die kijken naar wat er in je bedrijf gebeurt. Hoeveel orders verwerk je per dag? Hoe lang duurt een gemiddelde rit? Hoeveel procent van je machines draait? Hoeveel tijd zit er tussen bestelling en levering?

Een voorbeeld uit de praktijk: een aannemersbedrijf met 18 monteurs. Ze maten omzet en projectmarge. Prima. Maar ze hadden geen idee hoeveel uur er zat tussen het aannemen van een opdracht en de eerste werkbon. Dat bleek gemiddeld 11 dagen. Toen ze dat terugbrachten naar 4 dagen, steeg hun omzet met 22% zonder extra personeel. Simpelweg omdat ze sneller konden draaien.

Financiële cijfers vertellen je of je fietst. Operationele cijfers vertellen je of je vooruit komt of rondjes rijdt.

Waarom operationele KPI's vaak ontbreken

Het probleem is niet dat ondernemers niet willen meten. Het probleem is dat operationele data vaak vastzitten in verschillende systemen. Je urenregistratie staat in het ene pakket. Je planning in een ander. Je werkbonnen in weer een ander.

En dan komt het: handmatig samenvoegen. Exporteren naar Excel. Kopiëren, plakken, sorteren. Tegen de tijd dat je overzicht hebt, is het alweer verouderd.

Volgens de Exact MKB Barometer 2025 staat bij 59% van de mkb'ers automatisering hoog op de agenda. Maar slechts 6% vindt hun bedrijf al voldoende geautomatiseerd. Die kloof zit hem vaak in rapportage en koppelingen tussen systemen.

Wat moet je eigenlijk meten?

Dat hangt af van je sector. Maar de kern is altijd hetzelfde: meet wat je kunt beïnvloeden.

Een transportbedrijf moet weten wat de bezettingsgraad per rit is. Een productiebedrijf moet weten wat de machinebeschikbaarheid is. Een groothandel moet weten hoeveel voorraad er te lang blijft liggen.

Voor productiebedrijven: OEE als kern-KPI

OEE staat voor Overall Equipment Effectiveness. Het meet hoe effectief een machine wordt benut. De formule is simpel: Beschikbaarheid × Prestatie × Kwaliteit.

De gemiddelde MKB-fabriek scoort een OEE van 45-55%, volgens Proces360. World-class fabrieken scoren 85% of hoger. Het verschil tussen die twee? Tussen de €100.000 en €500.000 per jaar aan onbenutte capaciteit.

Een productiebedrijf dat ik ken, mat alleen omzet en projectmarge. Ze hadden geen idee dat machine 2 gemiddeld 18% van de tijd stilstond vanwege kleine storingen. Pas toen ze OEE gingen meten per machine, zagen ze het patroon. Nu registreren ze elke storing automatisch via hun MES-systeem. De data komt binnen in hun dashboard. En als een machine onder de 70% zakt, krijgt de technische dienst een melding.

Meer over OEE-berekening en automatische datacapture vind je in onze kennisbank.

Voor groothandels: voorraad omloopsnelheid en bezettingsgraad

Een technische groothandel met 4.000 artikelen koopt in op gevoel. De eigenaar weet wat er loopt. Of denkt dat te weten. Maar zonder KPI op voorraad omloopsnelheid heb je geen idee welke artikelen al zes maanden op de plank liggen.

Voorraad omloopsnelheid meet hoe snel je voorraad wordt verkocht en vervangen. Een lage omloopsnelheid betekent: geld dat vastligt. Te veel werkkapitaal. Te weinig cashflow.

Combineer dat met een KPI op levertijd. Als je ziet dat de gemiddelde levertijd stijgt van 2 naar 5 dagen, én tegelijk je debiteurenstand oploopt, dan weet je: daar zit de bottleneck.

Bij een klant van ons zagen we dat ze 23% van hun voorraad langer dan 180 dagen in huis hadden. Dat was €140.000 aan werkkapitaal dat gewoon stil lag. Na koppeling van hun voorraadsysteem aan hun AFAS-omgeving kregen ze automatisch een dashboard met slow-movers. Nu sturen ze daar actief op.

Voor transportbedrijven: bezettingsgraad en marge per zending

Een regionaal transportbedrijf met 12 vrachtwagens factureerde op basis van afstand. Leek logisch. Maar ze hadden geen idee welke ritten ze geld kostten.

Sommige ritten draaien verlies door leegrijden. Of wachttijden. Of brandstofpieken. Zonder de KPI "marge per zending" blijft dat onzichtbaar.

Nog belangrijker: bezettingsgraad. Hoeveel palletplaatsen zijn er nog beschikbaar? En wat is het minimum aan bezetting om de kosten te dekken?

Voor transportbedrijven die werken met een TMS zoals Transpas, zijn real-time dashboards met ritstatus, KPI's per planner en capaciteitsbenutting vandaag de dag al beschikbaar via API-koppelingen. Die data komt automatisch binnen. Geen handmatige invoer meer.

Voor bouwbedrijven: doorlooptijd en nacalculatie

Bouwbedrijven en installateurs meten vaak wel projectmarge. Maar hoeveel tijd zit er tussen offerte en oplevering? En wat kost een project écht, vergeleken met de calculatie?

Een installatiebedrijf mat alleen omzet en winst. Ze wisten niet dat hun gemiddelde doorlooptijd 6 weken was terwijl ze met klanten 4 weken afspraken. Elke week vertraging kostte geld én klanttevredenheid.

Na koppeling van hun projectsysteem aan hun boekhouding kregen ze automatisch nacalculatie per project. Nu zien ze direct waar afwijkingen zitten. En ze kunnen bijsturen voordat een project uit de hand loopt.

De valkuil van te veel KPI's

Meer meten is niet hetzelfde als beter sturen. Ik zie regelmatig dashboards met 40 of 50 cijfers. Omzet per productgroep. Marge per klant. Levertijd per regio. Debiteuren per categorie. En nog tien andere dingen.

Het probleem? Niemand kijkt ernaar. Of erger: iedereen kijkt ernaar maar neemt geen beslissing.

Een dashboard dat niemand bespreekt, leidt tot geen enkele actie. Plan een vast overleg waarin het dashboard centraal staat. Koppel er concrete actiepunten aan met een eigenaar en een deadline.

De regel die voor mij werkt: maximaal 5 tot 7 operationele KPI's. En elk daarvan moet een duidelijk streefgetal hebben. Niet "we willen de OEE verhogen". Maar: "we willen naar 70% OEE op machine 2 binnen 3 maanden".

Kies KPI's die je kunt beïnvloeden

Een KPI is pas nuttig als je er iets mee kunt. "Omzet" is een resultaat. Maar wat beïnvloedt die omzet? Hoeveel offertes verstuur je? Hoeveel daarvan worden opdracht? Hoe lang duurt het van offerte tot akkoord?

Die onderliggende cijfers zijn vaak veel nuttiger. Want daar kun je op sturen.

Voorbeeld: een adviesbureau mat omzet per adviseur. Maar adviseur A draaide €200k met 80% declarabiliteit, en adviseur B draaide €180k met 65% declarabiliteit. Zonder die tweede KPI denk je dat A beter presteert. Met die KPI zie je dat B gewoon minder opdrachten heeft. Het probleem zit niet bij B, maar bij sales.

Waarom automatisering de basis is

Handmatig KPI's bijhouden werkt niet. Punt. Je vergeet een storingsmelding te noteren. Je typt een uur verkeerd over. Je Excel-formule klopt net niet. En voor je het weet klopt je hele beeld niet meer.

Een van de grootste valkuilen is de handmatige invoer van gegevens, volgens The Lean Six Sigma Company. Dit is niet alleen tijdrovend, maar vergroot ook het risico op menselijke fouten.

Dat geldt niet alleen voor OEE. Elke KPI die handmatig wordt bijgehouden in Excel is kwetsbaar. En vaak ook achterhaald op het moment dat je het overzicht hebt.

Van handmatig naar automatisch

Stel: een groothandel verwerkt 80 orders per dag. Elke order kost gemiddeld 4 minuten handmatige verwerking. Invoer, controle, bevestiging. Dat is 320 minuten per dag. Ruim 5 uur puur aan administratief werk.

Zonder KPI op "verwerkingstijd per order" is dit volledig onzichtbaar. En zonder automatisering van die procesautomatisering blijft het zo.

Na een koppeling tussen webshop, ERP en boekhouding komt elke order automatisch binnen. Geen handmatige invoer meer. De verwerkingstijd daalt naar gemiddeld 30 seconden per order. Dat scheelt 4,5 uur per dag. Bij een gemiddeld uurtarief van €35 is dat €31.500 per jaar aan loonkosten.

Automatisering staat hoog op de agenda, maar gebeurt te weinig

Bij 59% van de mkb'ers staat automatisering hoog op de agenda. 60% vindt dat te weinig focus op automatisering een belangrijke reden is dat mkb-bedrijven kansen missen. En 78% heeft budget beschikbaar.

Toch vindt slechts 6% van de mkb'ers dat hun bedrijf al voldoende geautomatiseerd is. Die kloof zie ik in de praktijk ook. Bedrijven weten dat het moet. Ze hebben er geld voor. Maar ze weten niet waar te beginnen.

Het antwoord? Begin bij je operationele KPI's. Welke cijfers heb je nodig om te sturen? En uit welke systemen komen die? Dan weet je waar de koppeling moet zitten. Meer hierover vind je in ons artikel over procesautomatisering in het MKB.

Praktijkvoorbeelden per sector

Productiebedrijf dat blind stuurde op omzet

Een metaalverwerkend bedrijf met 30 medewerkers en 8 productiemachines rapporteerde maandelijks over omzet en marge. Maar ze hadden geen zicht op machinestilstand.

Het probleem: downtime leidt tot het niet kunnen produceren, wat leidt tot het niet kunnen leveren aan klanten. Zonder die data kon de eigenaar niet sturen op beschikbaarheid.

De oplossing: invoering van OEE als centrale KPI per machine. Door OEE te koppelen aan het ERP-systeem werden storingen automatisch geregistreerd en zichtbaar in een dashboard. Met geautomatiseerde datacapture werk je altijd met nauwkeurige cijfers.

Resultaat: binnen 6 maanden steeg de gemiddelde OEE van 48% naar 64%. Dat leverde €180.000 extra productiecapaciteit op zonder extra machines.

Logistiek dienstverlener zonder inzicht in ritkosten

Een regionaal transportbedrijf met 12 vrachtwagens factureerde op afstand. Maar er was geen inzicht in de winstmarge per zending.

Sommige ritten draaiden verlies door leegrijden, wachttijden of brandstofpieken. Zonder de juiste KPI's bleef dit onzichtbaar.

De oplossing: het bijhouden van winstmarge per zending en bezettingsgraad. Voor transportbedrijven die werken met een TMS zijn real-time dashboards met ritstatus, KPI's per planner en capaciteitsbenutting nu beschikbaar via API-koppelingen.

Resultaat: ze stopten met onrendabele ritten en verhoogden de gemiddelde bezettingsgraad van 68% naar 84%. Dat leverde €92.000 extra marge per jaar.

Groothandel met voorraadproblemen

Een technische groothandel met 4.000 artikelen kocht in op gevoel. Geen zicht op welke artikelen al 180+ dagen op de plank lagen. Het werkkapitaal was onnodig hoog.

De oplossing: invoering van voorraad omloopsnelheid als kern-KPI. AFAS Profit is het meest gebruikte ERP-systeem bij Nederlandse groothandels en bevat standaard voorraad- en inkoopbeheer. Voor winstgevendheidsinzicht is AFAS een uitstekende databron, mits de koppeling goed is ingericht.

Resultaat: ze identificeerden €140.000 aan slow-movers en reduceerden dat met 60%. Dat gaf ruimte om snellere omlopers in te kopen zonder extra werkkapitaal.

De techniek achter KPI-meting

De meeste operationele data bevindt zich verspreid over meerdere systemen. Een ERP-systeem zoals Exact of AFAS voor financiële en HR-data. Een CRM-systeem zoals Salesforce voor salesdata. Projectmanagementsoftware voor uren en planning.

Deze bronnen worden verbonden aan een centrale data-omgeving, bijvoorbeeld op basis van Microsoft Fabric of een Azure-datawarehouse. Zo werken alle dashboards vanuit dezelfde bron. Dat voorkomt dat afdelingen met verschillende cijfers werken.

API-koppelingen als ruggengraat

Voor AFAS geldt: AFAS biedt twee methoden voor data-ontsluiting. De standaard oData-connector is eenvoudig, maar beperkt in hoeveelheid data per request. Voor een volledig winstgevendheidsmodel is deze route vaak te beperkt.

De krachtigere methode is de AFAS REST API via GetConnectoren. Via de REST API met OAuth 2.0-authenticatie kan alle relevante data worden opgehaald: verkooptransacties, inkoopregels, kostenplaatsen, ordertypes en logistieke kosten.

Voor transportbedrijven die werken met Transpas heeft Art Systems het TMS opengesteld via REST/SOAP-API, EDI-berichten en standaardkoppelingen met boordcomputers, Exact, AFAS en Loket.nl.

Van data naar dashboard

Niet elk ERP-systeem gaat even gemakkelijk om met data-ontsluiting. Bij systemen zoals AFAS en Exact zit je data relatief gesloten. Wil je een dashboard bouwen of data combineren met externe bronnen? Dan moet je exporteren of koppelingen bouwen via de API.

Excel is voor veel organisaties het startpunt voor rapportage. Maar voor een organisatie van twintig miljoen euro en meer is Excel als primaire dashboardtool vaak een knelpunt. Signalen dat het tijd is voor een volgende stap: meerdere gebruikers werken aan dezelfde bestanden, met versiebeheer en fouten als gevolg.

De volgende stap is een dedicated BI-platform zoals Microsoft Power BI, Tableau of Qlik. Die tools halen data uit meerdere bronnen, transformeren die, en visualiseren het in interactieve dashboards.

Meer over koppelingen en automatisering lees je in onze kennisbank.

Veelgestelde vragen

Hoeveel KPI's moet ik bijhouden?

Maximaal 5 tot 7 operationele KPI's. Meer dan dat en je ziet door de bomen het bos niet meer. Kies cijfers die je kunt beïnvloeden en koppel daar een streefgetal aan.

Wat kost het om KPI-meting te automatiseren?

Dat hangt af van je systemen en de complexiteit van de koppeling. Een eenvoudige koppeling tussen twee systemen kan vanaf €2.500. Een volledig dashboard met meerdere bronnen en custom visualisaties ligt tussen €10.000 en €25.000. Maar de terugverdientijd is vaak korter dan een jaar door tijdsbesparing en betere beslissingen.

Kan ik niet gewoon Excel blijven gebruiken?

Excel is prima als startpunt. Maar handmatig dashboards invullen is arbeidsintensief en foutgevoelig. Voor organisaties van enige omvang is een automatische koppeling tussen het ERP-systeem en de dashboardtool de standaard.

Welke KPI's zijn het belangrijkst voor een productiebedrijf?

OEE (Overall Equipment Effectiveness) is de kern-KPI. Die bestaat uit drie factoren: Beschikbaarheid, Prestatie en Kwaliteit. Daarnaast zijn doorlooptijd per order, uitvalpercentage en materiaalverspilling belangrijke aanvullende KPI's.

Hoe meet ik operationele efficiëntie als MKB'er?

Begin met de bottleneck in je proces. Voor een groothandel is dat vaak voorraad omloopsnelheid. Voor een transportbedrijf bezettingsgraad. Voor een bouwbedrijf doorlooptijd per project. Meet wat je kunt beïnvloeden en wat impact heeft op je resultaat.

Waarom is automatisering van rapportage belangrijk voor zorginstellingen?

Zorginstellingen hebben te maken met strikte regelgeving, subsidieadministratie en cliëntregistratie. Handmatige rapportage kost veel tijd en verhoogt het risico op fouten. Automatische koppelingen tussen roostering, cliëntregistratie en facturatie besparen uren per week en verbeteren de kwaliteit van de data.

Conclusie

Meten is pas nuttig als je meet wat ertoe doet. Financiële cijfers vertellen je wat er gebeurd is. Operationele KPI's vertellen je waarom en wat je eraan kunt doen.

De grootste winst zit niet in meer meten, maar in slimmer meten. Maximaal 5 tot 7 KPI's die je kunt beïnvloeden. Met een duidelijk streefgetal. En automatisch bijgewerkt zodat je altijd met actuele data werkt.

Handmatige dataverzameling faalt. Punt. Je vergeet iets te noteren, je typt verkeerd over, je formule klopt net niet. En voor je het weet neem je beslissingen op basis van verouderde of foutieve data.

De NVvA schreef in hun Jaarbericht 2025 dat de arbeidsproductiviteit in het MKB daalde in 2024, maar dat een ruime meerderheid van mkb-bedrijven maatregelen neemt om productiviteit te verhogen. Procesverbetering en investeringen in automatisering staan daarbij centraal.

De potentiële productiviteitswinst is enorm. Tot €76 miljard als mkb'ers meer gebruik zouden maken van de nieuwste technologie en hun processen verbeteren. Dat hoeft niet via personeelsgroei of sectorverandering. Het begint met inzicht. En inzicht begint met de juiste KPI's.

Wil je weten welke KPI's voor jouw bedrijf het verschil maken? En hoe je die automatisch kunt laten meten? Plan een vrijblijvend adviesgesprek. We kijken samen naar je systemen, je processen en je knelpunten. En we vertellen eerlijk of automatisering nu al zinvol is of dat je beter nog even kunt wachten.