Data collection, het fundament van een succesvol facturatieproces

De kwaliteit van het facturatieproces staat of valt met de juiste gegevens. Zonder goede data is het niet mogelijk om correcte facturen samen te stellen. Dit heeft niet alleen consequenties voor de processen die volgen op facturatie maar ook op de klanttevredenheid, en zelfs het bedrijfsresultaat. Garbage in, garbage out.

Deze data komen ergens vandaan. Vaak uit meerdere eigen systemen, en regelmatig ook uit systemen van derden. Doorgaans moeten ze worden voorbewerkt voordat ze bruikbaar zijn voor de daadwerkelijke facturatie. Dit deelproces, data collection, kan complex zijn. Veel ondernemingen hebben dan ook grote moeite met ‘de voorkant’ van het facturatieproces. Andersom geredeneerd, als dit onderdeel goed geregeld is, is de eerste stap naar een soepel facturatieproces gezet.

Dit is deel 2 van een reeks blogs van FIQAS over het optimaliseren van facturatieprocessen. In deze blog gaan we in op de vraag: hoe organiseer je met succes het belangrijke deelproces van data collection, en waar loop je in de praktijk tegenaan?

De voorkant van het proces

Het facturatieproces wordt vooraf gegaan door andere processen zoals acquisitie, het bestelproces, productaansluiting en -activatie en levering. Fouten en omissies in deze processen hebben gevolgen voor de facturatie, dus het is van belang dat deze processen goed zijn ingericht.

In deze processen worden verschillende soorten data gegenereerd die relevant zijn voor het facturatieproces. Klantgegevens (persoons-  en bedrijfsinformatie), contractgegevens, productgegevens (codes, omschrijvingen en prijzen), orderdata (aantallen, productcodes) en andere transactiedata, met name verbruik.

In het eenvoudigste geval zijn al deze gegevens geregistreerd in één groot ERP-systeem, waarin ook de facturatie kan plaatsvinden. Deze manier van werken heeft echter ook grote nadelen. Het leidt typisch tot zeer inflexibele situaties waarin het lastig tot onmogelijk, en in alle varianten kostbaar wordt om veranderingen door te voeren.

Daarom is er in de praktijk in veel gevallen sprake van diverse, separate bronsystemen die gegevens leveren aan het facturatiesysteem. Dit kan per bedrijfstak nogal verschillen. Bedrijven in de telecomsector bijvoorbeeld zijn voor hun verbruiksdata (in de vorm van CDR’s, Call Detail Records of IPDR’s, IP Detail Records) afhankelijk van netwerkoperators zoals KPN, Vodafone of T-Mobile.

Om al deze gegevens te verzamelen en zo te bewerken dat ze het facturatieplatform kunnen instromen moet er een geautomatiseerd proces worden ingericht: data collection.

Data ophalen, bewerken en consolideren

Moderne technologie biedt voldoende mogelijkheden om data van het ene platform naar het andere platform over te zetten. Welke interfacingmogelijkheid in een bepaalde situatie te verkiezen is –de keuze betreft ruwweg die tussen een API, een eenvoudige file import of een hybride vorm- hangt af van diverse samenhangende parameters. Welke zijn dat?

  • De timing van het proces. Zijn de gegevens real time nodig, volstaat near real-time of kunnen ze in een lagere frequentie worden aangeleverd?
  • De hoeveelheid records. Hoe groter de hoeveelheid data, hoe belangrijker de spreiding wordt in verband met systeem performance. Worden de data in bulk aangeleverd, of niet?
  • Wederkerigheid en complexiteit. Moeten er vanuit het facturatieproces gegevens worden teruggegeven aan het bronsysteem? Om een typisch voorbeeld te noemen, als data in bulk worden aangeleverd, zal de frequentie waarmee dat gebeurt lager kunnen zijn dan wanneer gegevens op real-time basis binnenkomen. Voor dat laatste is een automatische koppeling tussen twee systemen meer geschikt.

Uitdagingen in data collection

Het data collection proces kent zijn eigen uitdagingen. Een paar voorbeelden.

Data zijn niet altijd 100% compleet

Het vertrekpunt voor het facturatieproces is dat de brondata correct en compleet zijn. Hoe meer bronsystemen echter, hoe complexer de data collection. Niet alleen technisch, maar ook organisatorisch. Bij partijen waar de data afkomstig zijn uit een groot aantal bronnen is het bijna of zelfs helemaal onmogelijk om de relevante data 100% compleet te hebben wanneer er gefactureerd moet worden. Toch moet het proces ook dan verder, want de factuur moet eruit. Het facturatieproces en -platform moeten dus kunnen omgaan met niet gefactureerd verbruik en eventuele andere nog niet verwerkte elementen uit eerdere periodes.

Telecom mediation: omzetten van grote hoeveelheden ruwe data (real-time of near real-time) naar bruikbare data voor facturatie

In de data collection voor telecom speelt mediation een centrale rol. Mediation is de cruciale en complexe stap na het binnenhalen van de CDR’s of IPDR’s, waarin ruwe verbruiksdata voor de facturatie worden geconverteerd, geüniformeerd en geconsolideerd naar datatypes die bruikbaar zijn voor de volgende stap in het proces, de tarifering. Gezien de grote aantallen verbruiksrecords is het belangrijk dat deze gebruiksdata door het facturatiesysteem rechtstreeks en met een hoge frequentie (real-time, near real-time, maar minstens 1 x per dag), worden ingelezen vanaf de switch of switches van de provider(s). Het mediation platform kan onderdeel zijn van de set-up bij de telco, maar ook onderdeel uitmaken van de software van een externe billing services provider.


Data collection - mediation

Denk het data collection proces goed uit

Tot slot een uitdaging die de kop opsteekt in elk geautomatiseerd proces. Het data collection proces moet goed worden uitgedacht. Dat betekent dat een aantal zaken nauwkeurig in kaart moet worden gebracht:

  • welke gegevens heeft het facturatieproces nodig?
  • welk systeem dient ze aan te leveren?
  • hoe kan de datastructuur worden gemapt op de structuur van het ontvangende facturatieplatform?
  • hoe worden verbruiksdata gemedieerd?
  • welke andere voorbewerkingen op de data zijn er nodig en wanneer/waar vinden deze plaats?
  • welke infrastructuur is er nodig om de veiligheid van het proces te waarborgen?


Daarnaast is het van eminent belang om te zorgen voor een flexibele opzet van het data collection proces, met een rollback mechanisme om foutcorrectie mogelijk te maken. Niet in de laatste plaats dient het proces met alle afhankelijkheden zeer streng getest te worden. Als in al deze zaken goed is voorzien ligt er een degelijke basis voor een gezond facturatieproces. Dit houdt de klanttevredenheid intact en zorgt voor verminderde administratieve druk. Bijvoorbeeld omdat er weinig of geen facturen meer gecrediteerd hoeven te worden. Een facturatieproces dat tevens een waarborg is voor een optimale cashflow.

Soepele data collection houdt garbage uit de facturatie

Data collection is bij uitstek een proces waarbij geautomatiseerd en met de juiste controles kan worden voorkomen dat het facturatieproces wordt gevoed met ‘garbage’. In het proces kunnen (en moeten) mogelijkheden worden ingebouwd om achteraf (automatisch) te corrigeren. Als problemen vooraan in facturatieketen worden voorkomen zijn er achteraf minder fouten te herstellen. De investering in een grondige analyse en passende technische oplossing betaalt zich uit in een soepel proces met weinig fouten dat zich direct vertaalt naar tevreden klanten en een maximale cashflow.

Andere onderwerpen en het waarom van deze serie

Andere onderwerpen in deze serie:


De specialisten van FIQAS hebben een schat aan ervaring met het inrichten, uitvoeren en optimaliseren van facturatieprocessen. De business cases die wij zien zijn vaak versmald tot een of twee van bovengenoemde aspecten. Met deze serie artikelen proberen we recht te doen aan het grotere geheel. In deel drie van deze serie gaan we uitgebreid in op de processen en best practices rondom tarifering.

Erik Henselmans
Hillebrand Kuypers

FIQAS is sinds 1989 een autoriteit op het gebied van facturatieprocessen, met gerenommeerde klanten in binnen- en buitenland en opererend vanuit Aalsmeer.

Tagged: Facturatie, Tarifering, Telecom billing