Dennis Verhaert · 2026-05-26 · Anaconda
Een spendanalyse: bijna elke gemeente wil dit, maar het opzetten ervan loopt vaak vast of is een langdurig ingewikkeld traject. Welke crediteuren ontvangen het meeste geld? Bij welke leveranciers loop je aanbestedingsrisico? En hoe leg je dat onderbouwd vast voor de accountant?
In dit artikel laten we zien hoe een complete spendanalyse in ROIBOT Anaconda wordt opgezet. Van het importeren van vier jaar grootboekdumps tot een afgewerkt controlerapport in het eigen sjabloon van de gemeente. Tien stappen. Volledig gelogd. En na afloop bruikbaar als blauwdruk voor volgend jaar.
De cijfers in dit voorbeeld komen uit een uitgevoerde spendanalyse bij een Nederlandse gemeente: 202.989 grootboekregels over de jaren 2022 tot en met 2025.
Voordat we de feitelijke stappen doorlopen, eerst het verschil tussen ROIBOT en een klassieke GRC-tool. Een GRC-tool beschrijft wíé wat doet en wannéér — heel waardevol voor het managen van beleid en compliance op strategisch niveau. Maar de feitelijke analyse, de berekeningen, de steekproeven en de rapportage worden er niet mee uitgevoerd.
ROIBOT Anaconda dóét juist die uitvoer. Het systeem analyseert de werkelijke financiële transacties, bepaalt populaties, trekt steekproeven volgens statistische standaarden, en levert het eindrapport. Beide soorten tools vullen elkaar aan: GRC legt vast wat zou moeten, ROIBOT laat zien wat daadwerkelijk gebeurt.
De eerste vier stappen zijn voorbereidend werk. Per jaar wordt de grootboekdump apart geïmporteerd — in dit voorbeeld de jaren 2022, 2023, 2024 en 2025. Vervolgens worden deze vier tabellen samengevoegd tot één werkbestand, met één simpele klik via de module 'Tabellen samenvoegen'. In dit voorbeeld leverde dat 202.989 records op.
Daarna wordt het stambestand van de crediteuren erbij geïmporteerd en aan het samengevoegde grootboek gekoppeld. Dit stambestand bevat de classificatie per crediteur: gaat het om een dienst, een werk, een subsidie, een inkomensoverdracht of iets anders? Juist deze classificatie maakt een gerichte spendanalyse mogelijk.
Wat er nu klaarstaat: één werkbestand van 4 jaar grootboekmutaties, waar per regel direct duidelijk is welk soort crediteur erachter zit.
In stap 5 worden filters toegepast: lege crediteurnummers eruit, balansrekeningen uitgesloten (alleen exploitatierekeningen), en er wordt een totaal per crediteur per jaar berekend. Resultaat: 6.435 unieke crediteur-jaarcombinaties.
In stap 6 wordt hier een draaitabel van gemaakt: per crediteur de bedragen per jaar (2022, 2023, 2024, 2025) plus een vierjarig totaal. Dat levert 3.358 unieke crediteuren op met een compleet beeld over vier jaar.
Hiermee is de basis van de spendanalyse klaar. Op één scherm staat per crediteur het uitgavenpatroon over vier jaar — direct inzichtelijk waar het geld heen gaat, en bij welke leveranciers de bedragen oplopen.
Vanaf hier wordt het gericht. In overleg met de accountant wordt bepaald welke populaties relevant zijn voor controle. Twee concrete voorbeelden (bedragen zijn natuurlijk vrij in te geven) uit deze case:
Werk-crediteuren met een vierjarig totaal boven €1 miljoen. Via de Query-module is dit één regel werk. Resultaat: 5 crediteuren. Deze kunnen we integraal controleren. Deze populatie wordt rechtstreeks in de controle-module in ROIBOT geladen, voorzien van een werkprogramma/checklist — uit de bibliotheek met checklists die collega-gemeenten al hebben opgesteld, of een eigen variant. Vervolgens worden deze regel voor regel afgewerkt.
Dienst-crediteuren met een vierjarig totaal onder €500k, maar in 2025 meer dan €50k. Een interessante categorie voor risicoanalyse. Resultaat: 79 crediteuren. Te veel voor integrale controle, dus hier wordt — in overleg met de accountant — een postensteekproef getrokken van bijvoorbeeld 25 posten. De seed wordt vastgelegd, waardoor de steekproef te allen tijde reproduceerbaar is.
Deze posten worden via de controle-module afgewikkeld: bevindingen vastgelegd, brondocumenten gekoppeld, conclusies geformuleerd. Met één klik wordt vervolgens het complete controlerapport gegenereerd in het eigen sjabloon van de gemeente, inclusief alle onderbouwingen.
Wat deze aanpak onderscheidt: elke stap wordt vastgelegd. Niet als bijproduct, maar als kern van het systeem.
Het verschil met een traditionele Excel-werkwijze is fundamenteel: geen "ik weet niet meer precies hoe ik aan deze selectie kwam", maar een gedocumenteerd proces van A tot Z.
Zodra deze stappen één keer zijn opgezet, kan het project worden gekopieerd naar het volgende jaar. Het oudste jaar valt eruit, het nieuwste jaar komt erbij. De rest van de structuur — koppelingen, filters, populaties, controles — blijft staan.
Jaarlijks terugkerende controles worden zo een kwestie van bijwerken in plaats van opnieuw opbouwen. En omdat de aanpak is vastgelegd, kan een collega het project net zo makkelijk overnemen.
Een spendanalyse is geen black box en geen rapportagetool. Het is een gestructureerd controleproces dat begint bij ruwe data en eindigt bij een afgewerkt rapport voor de accountant. Met ROIBOT Anaconda is dat hele proces uitvoerbaar zonder SQL-kennis, statistische achtergrond of programmeer-ervaring — en mét volledige onderbouwing.
Benieuwd hoe dit eruitziet op de eigen administratie? Een demo of een vrijblijvend kennismakingsgesprek geeft direct een concreet beeld. In de tweede helft van juni staan ook weer twee gratis Teams-sessies gepland voor gemeenten die zich willen oriënteren.
Dennis Verhaert is co-founder van ROIBOT en heeft 20 jaar ervaring in data-analyse en controle bij gemeenten en (non-profit) organisaties.
Neem contact op met Dennis Verhaert