Algoritmische transparantie in waardering

Een typische KMO-waardering vandaag bestaat uit één Excel-bestand, gebouwd door één adviseur, met aannames op één tabblad, multiples uit een rapport dat misschien drie jaar oud is, en een eindcijfer dat groen wordt zodra de eigenaar tevreden is. Dat werkt tot het moment dat een koper kritisch wordt.

Op het moment dat de tegenpartij vraagt waarom de disconteringsvoet 11,5% is en niet 9%, waarom een EBITDA-multiple van 5,2× en niet 4,1×, of waarom het werkkapitaal genormaliseerd wordt op het rolling-12-maandsgemiddelde en niet op de balansdatum, valt de waardering vaak om. Niet omdat de logica fout is, maar omdat de logica niet zichtbaar is. En wat je niet kunt laten zien, kun je niet verdedigen.

Wat algoritmische transparantie betekent

Concreet zijn er vijf elementen die elke verdedigbare waardering levert:

1. Expliciete inputs. Elke parameter (omzet, EBITDA-marge, groei, capex, werkkapitaal, disconteringsvoet, multiple) staat zichtbaar genoteerd, met de gebruikte waarde en de overweging eronder.
2. Onderbouwde bronnen. Elke parameter verwijst naar een externe of interne referentie: sectorrapport, transactiebenchmark, fiscale norm, eigen historische cijfers met vermelding van de jaren.
3. Meerdere methodes parallel. Niet één DCF die het verhaal moet dragen, maar meerdere methodes (DCF, EBITDA-multiple, omzet-multiple, ARR-multiple voor SaaS, gecorrigeerde NAV) die naast elkaar lopen en elk een eigen waardebandbreedte produceren.
4. Dekkingsscore. Een expliciete inschatting van welke methodes betrouwbaar uitvoerbaar zijn op de beschikbare data. Geen DCF-uitkomst presenteren als hoofdcijfer wanneer er geen geloofwaardige prognose is. Geen ARR-multiple gebruiken voor een onderneming zonder recurrente omzet.
5. Gevoeligheidsanalyse. Voor elk eindresultaat tonen welke parameters de uitkomst werkelijk sturen, en met hoeveel. Drie tot vijf hefbomen volstaan meestal: groei, EBITDA-marge, disconteringsvoet, multiple, werkkapitaal.

Geen van deze elementen is op zichzelf moeilijk. Wat lastig is, is ze tegelijk leveren, consistent over jaren, en in een vorm die een koper-adviseur kan reproduceren zonder met je te bellen. Dat is wat een waardering verdedigbaar maakt. Niet de exactheid, maar de transparantie.

Het verschil dat dit maakt aan tafel

Stel: een koper-adviseur vraagt waarom de gebruikte EBITDA-multiple 5,2× is en niet 4,1×. Bij een traditionele Excel-waardering volgt typisch een terugvallend antwoord: 'gebaseerd op recente transacties in de sector', of 'dat is wat we standaard hanteren'. Een transparante waardering antwoordt anders. Ze toont de onderliggende dataset, het aantal transacties waarop de mediaan is gebaseerd, de spreiding (P25/P50/P75), en de specifieke aanpassingen voor grootte, groei en risico.

Het effect: het gesprek verschuift van een onderhandeling over wie het beste argument heeft, naar een gesprek over de data zelf. Als de koper de multiple wil aanpassen, moet hij dat onderbouwen, niet betwisten. Dat is een aanzienlijk productiever gesprek.

Coverage scoring. De meest onderschatte bouwsteen.

Een onderschatte component: de **dekkingsscore**. Niet elke methode werkt op elk dossier. Een DCF heeft een geloofwaardige meerjarenprognose nodig. Als die ontbreekt, is de DCF-uitkomst niet betrouwbaar, hoe netjes hij er ook uitziet. Een ARR-multiple werkt alleen als er werkelijk recurrente omzet is. Een EBITDA-multiple werkt slecht op pre-EBITDA-bedrijven.

Een transparante waardering geeft per methode een score: hoe goed past deze methode op deze data? In plaats van alle uitkomsten als gelijkwaardig te tonen, weegt het systeem ze op basis van datapassing. Het hoofdcijfer komt uit de methodes met de hoogste dekking; de andere staan ernaast als controletest.

Gevoeligheidsanalyse als verplichte output

Een waardering zonder gevoeligheidsanalyse is een puntinschatting met onzichtbare onzekerheid. Maar de hele waarde-discussie draait om die onzekerheid: hoeveel van het eindcijfer hangt aan de groeiaanname? Wat gebeurt er als de marge twee procentpunt lager uitvalt? Hoe gevoelig is de DCF voor de disconteringsvoet?

Een transparante waardering toont voor elke methode een tornado-grafiek of vergelijkbare visualisatie van de top-5 parameters die de uitkomst sturen. De koper ziet onmiddellijk welke aannames het belangrijkst zijn. De verkoper ziet welke onderbouwing de meeste ruggesteun nodig heeft. De adviseur ziet waar in due diligence de meeste aandacht moet liggen.

Dit is geen luxe. Het is wat het verschil maakt tussen een waardering die wint van een puntinschatting van de tegenpartij, en een waardering die door de eerste serieuze vraag heen valt. Algoritmische transparantie is concreet zichtbaar in de Upswitch Index, sub-segment-banden gepubliceerd met expliciete methodologie en land-coverage zodat elke waardering reproduceerbaar is door derden.

Wat dit voor accountants en M&A-adviseurs verandert

In de praktijk lost transparantie drie problemen op die elke adviseur dagelijks tegenkomt:

• Het verkort de eerste fase van een dossier dramatisch. Wat normaal twee tot drie weken aan Excel-bouw kost, beperkt zich tot validatie en controle.
• Het verschuift de discussie naar de juiste vragen. In plaats van te onderhandelen over methodologie, onderhandelen partijen over de strategische assumpties: groei, integratiehoek en risico. Daar zitten de werkelijke meningsverschillen.
• Het maakt het werk verdedigbaar buiten de adviseur zelf. Een opvolger of partner kan het dossier oppakken en de logica direct volgen. De waarde zit in het systeem, niet in één hoofd.

Hoe Upswitch dit toepast

Bij Upswitch is algoritmische transparantie geen losse functie. Het is de architectuur. Elke waardering draait alle relevante methodes parallel (tien in totaal: DCF, EBITDA-multiple, omzet-multiple, ARR-multiple, SDE, gecorrigeerde NAV, fiscale referentiewaarde, startup-valuation, liquidatiewaardering, marktbenadering). Elke methode produceert een eigen waardebandbreedte met expliciete inputs en bronnen. Een coverage-score per methode laat zien welke methodes betrouwbaar zijn op uw data, en welke niet.

De gevoeligheidsanalyse is automatisch: voor elk eindresultaat zien u en uw klant onmiddellijk welke vijf parameters de uitkomst het sterkst sturen. Het auditspoor logt elke aanpassing, van normalisatie tot parameterwijziging en methodekeuze, met motivatie en bron. Een koper-adviseur kan het hele dossier reproduceren in zijn eigen omgeving zonder ooit met u te hoeven bellen.

Dat is geen vuistregel. Dat is een verdedigbare waardering.