Je kunt niet meer om AI heen, of je wilt of niet. Het wordt op veel gebieden ingezet, soms relevant en soms gehyped. Sommigen zien het als bedreiging, anderen als kans. Dat AI veel gaat veranderen is iedereen wel duidelijk. Ook als het gaat om finance.
Sinds kort is de Power BI Modeling MCP server beschikbaar. Op LinkedIn zie je al veel berichten over hoe je met een MCP server dashboards kunt aanpassen. Maar ik wilde iets anders weten: kan AI ook écht iets toevoegen als het gaat om de inhoud van een dashboard, om het doen van een financiële analyse? Kan AI de rol van een accountant, controller of financieel adviseur invullen?
De voorbereiding
Voor deze test gebruikte ik Claude Desktop met het model Sonnet 4.5. Claude maakt via de Power BI Modeling MCP-server verbinding met het Power BI-datamodel. In Power BI Desktop had ik het onderstaande financiële dashboard geopend met daarin voorbeeld-cijfers van een fietsengroothandel. En daarmee begon het experiment.
Bron: Template Financieel 2 – Exact Online – Power BI Connector
Prompt 1: Analyse van de cijfers
Mijn eerste prompt:
Doe een grondige analyse van de cijfers per 31 oktober 2025 en vergelijk dit met de cijfers per 30 september 2025. Geef daarna een beknopte lijst met je analyse van de ontwikkelingen binnen deze organisatie.
Claude Desktop ging voortvarend aan de slag. Eerste stap: het datamodel ophalen en begrijpen. Daarvoor voerde Claude drie acties uit om tabellen, measures en kolommen binnen te halen. Vervolgens kwamen er twaalf DAX-queries voorbij om de cijfers op te halen. Die queries bedacht Claude zelf, gericht op de resultaten en balanssaldi uit het dashboard. Slim detail: het maakte zoveel mogelijk gebruik van bestaande measures. (Opmerking voor de Power BI developer: zorg dus dat je naamgeving klopt, dat maakt veel verschil!)
Opvallend was ook dat Claude niet blind queries uitvoerde. Het keek naar de uitkomsten van een DAX-query en besloot soms om een andere query te draaien voor betere resultaten. Dat is slim!
Daarna volgde een financiële analyse van de cijfers. En let op: ik heb nul context gegeven over het type organisatie, het dashboard of het datamodel. Alles heeft Claude zelf uitgezocht. Oordeel zelf, ik vond het best een knappe samenvatting:
FINANCIËLE ANALYSE: Oktober 2025 vs September 2025
Hoofdbevindingen:
1. Sterk verbeterde winstgevendheid ondanks omzetdaling
- Resultaat gestegen met €53.608 (+261%): van €20.553 naar €74.161
- Omzet gedaald met €73.853 (-9,8%): van €750.298 naar €676.445
- Winstmarge spectaculair verbeterd: van 2,7% naar 11,0%
2. Drastische kostprijsdaling
- Kostprijs verkopen: -€112.542 (-28,3%)
- September: €397.688 (53% van omzet)
- Oktober: €285.146 (42% van omzet)
- Dit is de belangrijkste driver van de winstverbetering
3. Sterke liquiditeitsverbetering
- Liquide middelen: +€228.681 (+33%) naar €921.282
- Dit komt grotendeels uit:
- Incasso vorderingen: -€190.334
- Afname schulden: -€24.425
4. Kostenbeheersing goed op orde
- Huisvestingskosten: -€6.686 (-43%)
- Verkoopkosten: -€6.420 (-48%)
- Kantoorkosten: -€2.138 (-41%)
- Personeelskosten stabiel: +€1.250 (+0,5%)
5. Working capital optimalisatie
- Vorderingen sterk afgenomen door betere incasso
- Voorraad licht gestegen: +€11.388 (+1%)
- Schulden afgenomen met 5%
Conclusies:
✅ Sterke operationele verbetering: De organisatie heeft de winstmarge verviervoudigd door een combinatie van kostprijsbeheersing en operationele efficiëntie
✅ Cashmanagement excellent: De liquiditeitspositie is sterk verbeterd door actief debiteurenbeheer
✅ Gezonde kostenstructuur: Alle variabele kosten zijn naar beneden gebracht terwijl personeelskosten stabiel blijven
⚠️ Omzetdaling aandachtspunt: De 10% omzetdaling verdient aandacht – is dit seizoensgebonden, marktgerelateerd of strategisch?
Overall assessment: Zeer positieve ontwikkeling met focus op winstgevendheid en liquiditeit boven omzetgroei.
Prompt 2: Aanbevelingen
Daarna wilde ik weten wat Claude uit deze cijfers kon afleiden en welke adviezen het kon geven. Mijn tweede prompt:
Beoordeel de trends en geef aanbevelingen voor verbetering
Hier ging Claude verder mee aan de slag en deed daarvoor nog 9 extra DAX queries om meer cijfers uit het dashboard op te halen. Daarna kwam het met de onderstaande beoordelingen en aanbevelingen:
TRENDANALYSE & STRATEGISCHE AANBEVELINGEN
📊 GEÏDENTIFICEERDE TRENDS
1. OMZETONTWIKKELING – Zorgwekkend seizoenspatroon
Trend:
- Q1 2025: Laag (€477K jan → €551K mrt)
- Q2 2025: Piek (€999K apr → €1.381K mei → €1.341K jun)
- Q3 2025: Scherpe daling (€1.247K jul → €1.020K aug → €750K sep)
- Oktober: Verdere daling naar €676K (-10% vs sep, -51% vs mei-piek)
Versus 2024: Groei van 63-104% per maand, maar trend binnen 2025 is zorgwekkend
2. WINSTGEVENDHEID – Structurele verbetering
Kostprijs als % omzet:
- Q1: 20-22% (goed)
- Q2: 21-28% (piek 28% in april – aandachtspunt)
- Q3: 19-27% (verslechtering)
- Oktober: 21,5% (herstel, 2e beste van het jaar)
- Bruto marge verbeterd ondanks omzetdaling
3. PERSONEELSKOSTEN – Excellent beheerst
- Extreem stabiel: €264K-€267K per maand (0,6% variatie)
- Bij dalende omzet stijgt personeelsratio: van 19% (mei) naar 39,5% (oktober)
- KRITIEK: Bij huidige omzetniveau te hoge fixed cost base
4. WORKING CAPITAL – Spectaculaire verbetering
Vorderingenbeheer:
- Piek juni: €1.521M (113% van maandomzet)
- Oktober: €721K (107% van maandomzet)
- DSO gedaald van ~38 dagen naar ~32 dagen
Liquiditeit:
- Crisis april: €57K (!)
- Oktober: €921K (+1.519%)
- Cashflow verbetering: €864K in 6 maanden
Schuldenmanagement:
- Piek mei: €1.048M
- Oktober: €486K (-54%)
5. OPERATIONELE KOSTEN – Goed variabel
Verkoopkosten schalen goed met omzet:
- Mei-piek: €4,8K (0,3% omzet)
- Oktober: €7,1K (1,0% omzet)
Huisvestingskosten volatiel zonder duidelijk patroon (€7-16K)
🎯 STRATEGISCHE AANBEVELINGEN
PRIORITEIT 1: OMZETHERSTEL (Urgent)
Probleem: 51% omzetdaling van mei naar oktober
Acties:
- Root cause analyse seizoenspatroon
- Is dit normaal voor de sector?
- Zijn er verloren klanten/projecten?
- Pipeline analyse Q4/Q1 2026
- Commerciële interventie
- Intensiveer acquisitie voor Q4/Q1
- Reactiver klanten uit Q2 (hoge omzetmaanden)
- Win-back campagne voor dormante klanten
- Productontwikkeling
- Ontwikkel “winter-producten” om seizoen te dempen
- Service/onderhoudscontracten voor continuïteit
Target: Omzet november-december minimaal €800K/maand
PRIORITEIT 2: KOSTENSTRUCTUUR OPTIMALISEREN
Probleem: Fixed costs (€267K personeel) te hoog bij lage omzet
Acties:
- Flexibilisering personeelsbestand
- Overwegen: 20-30% personeel op flexibele contracten
- Seizoenswerkers voor piekperiodes (apr-jun)
- Freelance pool voor piekcapaciteit
- Break-even analyse
- Huidige break-even: ~€580K omzet/maand
- Target: verlagen naar €500K door:
- 10% kostenbesparing overheadkosten
- Variabiliseren van 15% personeel
- Productiviteitsverhoging
- Output per FTE verhogen met 15%
- Focus op high-margin projecten/klanten
PRIORITEIT 3: WINSTMARGE CONSOLIDEREN
Positief: Bruto marge 78,5% in oktober (uitstekend)
Acties:
- Kostprijsbeheersing institutionaliseren
- Documenteer beste praktijken oktober
- Maandelijkse kostprijs-review
- Target: <22% kostprijs
- Inkoopoptimalisatie
- Volumekortingen bij lagere omzet lastiger
- Alternative sourcing voor kritieke materialen
- Just-in-time voorraadmanagement
- Prijsstrategie
- Analyse: kunnen prijzen omhoog bij huidige kwaliteit?
- Vermijd prijsconcurrentie in laagseizoen
Target: Structureel >10% nettomarge
PRIORITEIT 4: LIQUIDITEIT BEHOUDEN
Positief: Sterke verbetering naar €921K
Acties:
- Cashflow forecasting
- Maandelijks 6-maands rolling forecast
- Early warning bij <€300K
- Scenario-planning voor omzetdaling
- Crediteuren management
- Heronderhandel betalingstermijnen (60 dagen?)
- Seizoenskorting voor vroege betaling in hoogseizoen
- Buffer opbouwen
- Target: €500K minimum cash reserve
- Gebruik overschot voor schuldenafbouw
PRIORITEIT 5: OPERATIONELE EFFICIËNTIE
Acties:
- Huisvestingskosten stabiliseren
- Analyse volatiliteit (€7-16K range)
- Fixed cost conversie waar mogelijk
- Voorraadoptimalisatie
- Stabiel €1,2M – is dit nodig?
- Kan 10-15% reductie = €120-180K cash vrijspelen
- Verkoopkosten ROI
- Track conversion per €1 verkoopkosten
- Verhoog budget als ROI >5:1
📈 KPI DASHBOARD (Te monitoren)
Maandelijks:
- Omzet vs target (€800K minimum)
- Bruto marge % (target >75%)
- Netto marge % (target >10%)
- Liquide middelen (minimum €500K)
- DSO in dagen (target <30 dagen)
- Personeelskosten % omzet (max 35%)
Kwartaal:
- Omzetgroei YoY (target >40%)
- Working capital ratio
- Break-even analyse
- Customer retention rate
⚠️ RISICO’S
- Acuut: Verdere omzetdaling Q4 → liquiditeitscrisis
- Structureel: Te hoge fixed costs bij seizoensgevoeligheid
- Strategisch: Afhankelijkheid van Q2-piek (54% van Q2-Q3 omzet)
✅ QUICK WINS (Binnen 30 dagen)
- Pipeline-review en actieplan voor Q4/Q1 omzetherstel
- DSO verder verlagen naar 25 dagen (€35K extra cash)
- Voorraadreductie 10% = €120K cashflow verbetering
- Kostenbesparing huisvestingskosten: target €8K/maand fixed
- Flexibilisering 15% personeel (analyse en plan)
Potentiële impact: +€200K cashflow, +5% winstmarge
Conclusie
AI is geen speeltje, maar een serieuze versneller voor financiële analyse. Met twee prompts kreeg ik inzichten die normaal gesproken veel analysewerk vragen. Niet alleen voor het bekijken van de cijfers, maar ook voor het interpreteren ervan en het geven van strategische aanbevelingen.
Een grote uitdaging voor het type bedrijven uit het voorbeelddashboard zijn de hoogte van de vaste kosten in combinatie met een sterk seizoensgebonden omzet. En een tweede is de hoogte van de voorraad, door het risico van incourantheid en de financieringskosten ervan. Beide aspecten heeft het AI-model er uit gehaald.
Bedenk ook dat ik nul context heb gegeven over het type organisatie, over het soort dashboard of over het datamodel. Ik heb niet eens gezegd dat het een financieel dashboard is waar Claude naar keek. Zoals bekend is context erg belangrijk voor LLM-modellen, dus met meer context en uitgebreidere prompts was de uitkomst nog accurater geweest.
Conclusie: AI kan je zeker helpen bij het analyseren van financiële cijfers, het interpreteren ervan en het geven van aanbevelingen. Is het altijd goed en volledig? Vast niet (dat is een financieel adviseur ook niet). Kan het een financieel adviseur vervangen? Misschien deels, maar niet volledig (dat is ook niet wenselijk). Wel kan AI jou of je financieel adviseur helpen en ondersteunen bij het analyseren van financiële cijfers. Je financieel adviseur hoeft minder uitvoerend werk te doen, maar kan meer de rol van een financieel regisseur gaan vervullen.
Noot: bekijk goed of het AI model jouw data kan gebruiken om het model te trainen en hoe je privacy is gewaarborgd. In dit voorbeeld met demodata heb ik daar niet naar gekeken. Maar in de praktijk wil je uiteraard niet dat jouw data in publiek beschikbare modellen terecht komt.