Automatisch betalingen matchen met Exact Online: zo bespaar je uren aan handmatig afletteren

Vraag een controller of accountant naar de minst favoriete klus van de maand en het antwoord is vaak hetzelfde: afletteren. Het is werk dat niemand op een verjaardag noemt als hoogtepunt van de week, maar dat wel structureel meerdere uren per maand opslokt — en dat, als het niet klopt, direct invloed heeft op elk ander financieel overzicht dat erop is gebouwd, van de ouderdomsanalyse tot de liquiditeitsprognose.

Wat afletteren (matching) precies is en waarom het zoveel tijd kost

Afletteren, ook wel matching genoemd, is het proces waarbij een binnenkomende of uitgaande banktransactie wordt gekoppeld aan de bijbehorende openstaande factuur in de boekhouding. Zonder die koppeling weet je systeem alleen dat er € 4.850 is bijgeschreven op de bankrekening — niet welke factuur daarmee is voldaan, of een factuur volledig of deels is betaald, en of het bedrag klopt met wat er openstond.

In theorie is dit een simpele koppeling: bedrag A op de bank komt overeen met factuur B. In de praktijk wordt het ingewikkeld door drie factoren die samen het overgrote deel van de tijdsbesteding verklaren: deelbetalingen (een klant betaalt € 2.000 van een factuur van € 3.500), afwijkende omschrijvingen (de klant vermeldt een ordernummer in plaats van het factuurnummer), en incasso’s die als verzamelbedrag binnenkomen voor meerdere facturen tegelijk.

De verborgen tijdskosten van handmatig matchen

Bij handmatig afletteren doorloopt iemand elke banktransactie, zoekt de bijbehorende factuur op in het boekhoudpakket, controleert het bedrag, en boekt de koppeling. Bij een bedrijf met 150 tot 200 uitgaande facturen per maand en een vergelijkbaar aantal crediteurenposten, is dat met gemiddeld twee tot drie minuten per transactie — inclusief het uitzoeken van de lastige gevallen — al snel acht tot tien uur per maand aan pure matching, los van de rest van de financiële administratie.

Voor een accountantskantoor dat dit voor tientallen klantdossiers doet, vermenigvuldigt dit zich direct. Een kantoor met 40 actieve MKB-dossiers, elk met een gemiddelde matchtijd van zes uur per maand, besteedt in totaal 240 uur per maand — meer dan anderhalve fulltime medewerker — uitsluitend aan het koppelen van betalingen aan facturen. Werk dat geen enkele klant ziet, maar dat wel elke maand terugkomt en zelden meegroeit in efficiëntie, hoe ervaren de medewerker ook is.

Hoe automatische matching technisch werkt

Automatisch matchen begint met een live koppeling tussen je boekhoudpakket en het systeem dat de matching uitvoert. Bij een koppeling met Exact Online gebeurt dit via OAuth, per entiteit of divisie, met automatische tokenrefresh — zodat de verbinding actief blijft zonder dat iemand elke paar maanden opnieuw moet inloggen om de koppeling te vernieuwen. Vanaf dat moment stromen banktransacties en openstaande posten continu binnen, in plaats van in een handmatige export van eens per week.

De matching-engine vergelijkt vervolgens elke nieuwe banktransactie met de openstaande posten op meerdere kenmerken tegelijk: bedrag, referentie of omschrijving, debiteur- of crediteurnummer, en datum. Bij een exacte match op bedrag én referentie wordt de koppeling direct en automatisch gelegd. Bij een deelbetaling herkent het systeem dat het bedrag lager is dan de openstaande factuur en boekt het de deelbetaling correct af, met het resterende bedrag nog open. Bij een incasso die meerdere facturen tegelijk afdekt, wordt het totaalbedrag uitgesplitst over de onderliggende posten in plaats van als één onduidelijke transactie te blijven staan.

Wat er gebeurt als er geen exacte match is

Niet elke transactie is in één keer sluitend te matchen — en een goed systeem verbergt dat niet, maar maakt het zichtbaar. Transacties die niet automatisch met voldoende zekerheid gekoppeld kunnen worden, blijven gemarkeerd staan als openstaand voor handmatige beoordeling. Het verschil met de oude situatie is dat je dan nog maar naar een klein aantal uitzonderingen kijkt — vaak 10 tot 30% van het totale volume — in plaats van naar elke transactie stuk voor stuk.

De meest voorkomende matching-fouten die tijd kosten

• Deelbetalingen die als volledige betaling worden geboekt, waardoor het restbedrag ten onrechte niet meer als openstaand wordt gezien.
• Incasso’s en batchbetalingen die als één ongedefinieerd bedrag blijven staan omdat niemand de tijd neemt om ze uit te splitsen naar onderliggende facturen.
• Betalingen met een ordernummer of klantnaam in de omschrijving in plaats van het factuurnummer, waardoor handmatig zoeken nodig is.
• Valutaverschillen bij internationale klanten, waarbij het ontvangen bedrag net afwijkt van het gefactureerde bedrag door wisselkoersen of bankkosten.
• Retouren en creditnota’s die niet tegen de oorspronkelijke factuur worden weggeschreven, waardoor de ouderdomsanalyse een vertekend beeld geeft van wat er werkelijk nog open staat.

Praktijkvoorbeeld: een accountantskantoor met veertig klantdossiers

Een accountantskantoor met veertig actieve MKB-klanten had het afletteren verdeeld over drie medewerkers, elk verantwoordelijk voor een deel van de dossiers. Het probleem was niet dat het werk niet gebeurde, maar dat het elke maand opnieuw evenveel tijd kostte, onafhankelijk van hoe herkenbaar het patroon van een klant eigenlijk was. Een klant die al drie jaar dezelfde vaste debiteuren en vergelijkbare betaalpatronen had, kreeg evenveel handmatige aandacht als een nieuwe klant met onvoorspelbaar betalingsgedrag.

Na het koppelen van de klantdossiers aan een systeem met automatische matching via Exact Online, verschoof de verdeling: routinematige, goed herkenbare betalingen — destijds het grootste deel van het volume — werden automatisch afgeletterd, inclusief deelbetalingen en incasso’s. De drie medewerkers besteedden hun tijd vervolgens vrijwel uitsluitend aan de werkelijke uitzonderingen: nieuwe klanten, afwijkende betalingen, en dossiers waar de ouderdomsanalyse liet zien dat een debiteur structureel te laat betaalde. Het totale aantal uren aan matching daalde met ongeveer 70%, zonder dat er extra fte nodig was om de uitzonderingen op te vangen.

Wat dit betekent voor je ouderdomsanalyse en debiteurenbeheer

Een ouderdomsanalyse — het overzicht van openstaande facturen ingedeeld naar hoe lang ze al open staan, doorgaans in categorieën van 0, 1–30, 31–60, 61–90 en 90+ dagen — is alleen betrouwbaar als de onderliggende matching klopt. Een factuur die eigenlijk al (deels) betaald is maar nog als volledig openstaand wordt getoond, vertekent niet alleen het beeld van één klant, maar de hele prioritering van je debiteurenbeheer: je belt misschien een klant die al heeft betaald, terwijl een klant die écht 75 dagen achterloopt onopgemerkt blijft.

Zodra matching grotendeels automatisch en direct gebeurt, is de ouderdomsanalyse per definitie actueler. Dat vertaalt zich direct naar snellere en gerichtere actie: je herinneringen gaan naar de klanten die daadwerkelijk te laat zijn, met het juiste openstaande bedrag, in plaats van naar een lijst die twee weken vertraging heeft opgelopen door de matching-achterstand.

Stappenplan om te starten met automatisch matchen

1. 1Zet een OAuth-koppeling op met Exact Online per entiteit of divisie, zodat de matching-engine toegang heeft tot banktransacties en openstaande posten.
2. 2Laat het systeem eerst een bulk-import doen van bestaande openstaande posten, betalingen en incasso’s, zodat de historie klopt voordat nieuwe transacties binnenkomen.
3. 3Controleer in de eerste weken welk percentage van de transacties automatisch met voldoende zekerheid wordt gematcht, en welk deel als uitzondering blijft staan.
4. 4Analyseer de uitzonderingen op patronen: zijn het vooral deelbetalingen van één specifieke klant, of incasso’s van één specifieke bank? Vaak is één aanpassing in de omschrijvingsafspraken met een klant genoeg om een terugkerende uitzondering structureel op te lossen.
5. 5Gebruik de tijd die vrijkomt niet om minder te doen, maar om de ouderdomsanalyse en het debiteurenbeheer proactief te bekijken in plaats van reactief bij te werken.

Afletteren blijft nooit volledig verdwijnen — er zal altijd een deel van de transacties zijn dat een menselijk oordeel vraagt. Maar het verschil tussen elke transactie handmatig beoordelen en alleen de uitzonderingen bekijken, is precies het verschil tussen uren per week en minuten per week. KasGrip herkent automatisch wanneer een factuur via de bank is afgeletterd in Exact Online, inclusief deelbetalingen en incasso-detectie, en houdt de ouderdomsanalyse per debiteur en crediteur continu actueel. Wil je zien hoeveel van jouw matching-volume automatisch afgehandeld zou kunnen worden? Vraag een demo aan en we laten het zien met jouw eigen Exact Online-omgeving.