Ga naar inhoud
DAN Analytics

03 · Power BI · Python

Cashflow en risico

Een paar late betalers schuiven de liquiditeit.

Een prognose van 13 weken. Schuif de vijf grootste klanten twee weken op.

Demo op fictieve data — nooit klantgegevens.

De prognose telt openstaande en verwachte facturen van de lopende projecten. Uitgaand geld is de kostenrun-rate van de laatste drie maanden.

Scenario
Start
€ 15.530.690
Laagste stand
€ 15.662.936
In week
2

Saldo per week

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
13-wekenprognose
WeekInUitSaldo
1€ 329.140€ 148.937€ 15.710.893
2€ 100.980€ 148.937€ 15.662.936
3€ 360.232€ 148.937€ 15.874.231
4€ 109.228€ 148.937€ 15.834.522
5€ 28.733€ 148.937€ 15.714.318
6€ 402.659€ 148.937€ 15.968.040
7€ 108.088€ 148.937€ 15.927.191
8€ 43.234€ 148.937€ 15.821.488
9€ 402.659€ 148.937€ 16.075.210
10€ 151.435€ 148.937€ 16.077.708
11€ 0€ 148.937€ 15.928.771
12€ 402.693€ 148.937€ 16.182.527
13€ 322.073€ 148.937€ 16.355.663

De vijf grootste openstaande klanten zijn gekoppeld aan de lopende projecten. Vertraging haalt € 0 uit dit venster.

Python
balance = opening
for week in weeks:
    inflow = sum(invoice.amount for invoice in due(week))
    balance += inflow - weekly_outflow

Benieuwd wat dit voor jouw bedrijf oplevert?