Waar ABB-aangiftes misgaan

Eén getal om mee te beginnen: 1.819. Zoveel anomalieën vonden we in de verpakkingsdata van een retailer toen we die doorlichtten voor de ABB-aangifte. Niet door slordigheid van het datateam, maar omdat de aangifte iets van de data vraagt waar die data nooit voor bedoeld was.

Dat patroon zien we telkens terug. De problemen verschillen per organisatie in omvang, maar zelden in soort. Dit zijn de vijf die we het vaakst tegenkomen.

1. De database is voor iets anders gebouwd

Productdatabases groeien rond logistiek en marketing: bestellen, schappen vullen, online tonen. Verpakkingsdata zit er wel in, maar in de vorm die dáárvoor nodig was. De aangifte vraagt iets anders: gewicht en materiaal per component, voor elk product.

Het gevolg laat zich raden. Lege velden, materiaalcategorieën die niet aansluiten op de Verpact-indeling, en een vulgraad die op papier best aardig oogt, tot je hem weegt naar afzet. In een van onze cases was 35% van de kilo’s gedekt door bruikbare brondata. Na afloop: 93%. Dat gat moest ergens vandaan komen.

2. Componenten ontbreken

Een fles zonder dop. Een pot zonder etiket. Een verpakking waarvan alleen het corpus in de data staat. De verpakking is fysiek compleet, de data niet, en dat zie je pas als je er per component naar kijkt.

Dit is misschien wel het meest onderschatte probleem: iedereen let op het gewicht van wat er wél staat, maar de fout zit in wat er níet staat. Componentcompleetheid is het echte werk. Een dop van twee gram klinkt verwaarloosbaar. Vermenigvuldig hem met een paar honderdduizend verkochte stuks en het is opeens een post die je in de aangifte wilt kunnen verantwoorden.

3. Transportverpakking telt mee als consumentenverpakking

De omgekeerde fout bestaat ook: te veel aangeven. Dozen, winkelverpakkingen en ander transportmateriaal dat in de database als consumentenverpakking geboekt staat, loopt gewoon mee in de aangifte. In onze ervaring is dit vaak de grootste post die er onterecht in zit.

En dit is direct geld. Elke kilo die onterecht meetelt, wordt afgerekend tegen het volle tarief. Wie dit nooit heeft gecontroleerd, weet niet of hij te veel betaalt (wij zijn het nog niet tegengekomen dat het precies klopte).

4. Het materiaal klopt niet

Een koekwikkel die als papier geboekt staat, maar polymeerfilm blijkt. Een plantenpot van plastic die in de data glas toegewezen kreeg. Dit soort fouten valt in de dagelijkse operatie nooit op, want voor bestellen en verkopen maakt het materiaal niets uit. Voor de aangifte wel: het tarief verschilt per materiaal, en bij plastic bepaalt de recyclebaarheid bovendien of je korting kunt claimen.

Daar komt de tariefdifferentiatie om de hoek. Wie zijn materialen niet op orde heeft, kan de korting voor goed recyclebare verpakkingen niet onderbouwen. Die korting bestaat, maar hij wordt alleen uitgekeerd aan wie hem per weggooi-eenheid kan aantonen. Slechte data betekent hier dus twee keer verliezen: mogelijk een verkeerd tarief én een gemiste claim.

5. Niemand kan reproduceren waar een cijfer vandaan komt

De stilste van de vijf, en op termijn de gevaarlijkste. De aangifte is ingediend, de cijfers staan er, maar vraag een jaar later hoe een specifiek getal tot stand kwam en het antwoord is een schouderophalen. Welke velden waren origineel? Wat is geschat, en waarop? Wie heeft wat aangepast, en waarom?

Zolang niemand doorvraagt, is dit onzichtbaar. Maar een accountant, een toezichthouder of een nieuwe collega die het dossier overneemt, stelt precies die vraag. Een aangifte waarvan je de herkomst niet kunt laten zien, is geen onderbouwing maar een bewering.

Wat je eraan doet

Begin met weten waar je staat. Dat kan vooruitkijkend (een scan van je productdatabase, vóór de volgende aangifte) of terugkijkend: een ingediend aangiftejaar doorlichten op precies de fouten hierboven, met per bevinding de impact op je afdracht. In beide gevallen weet je daarna of actie loont, en waar.

En herken je dit? We zijn benieuwd welke van de vijf jij het meest ziet in je eigen data. Mail ons je situatie, dan zeggen we eerlijk wat de logische eerste stap is.