skipToContentskipToFooter

Beschikken over productinformatie en -kennis grootste uitdagingen

In de internationale handel kan een juiste goederenindeling operationeel een uitdagende taak zijn, met risico's, zoals naheffingen, boetes, extra controles, vertraagde leveringen, schending van sancties en verlies van vergunningen van dien. De complexiteit van indelen varieert namelijk per bedrijf door de diversiteit aan producten, veranderingen in productportfolio’s, de internationale schaal van de onderneming en door veranderingen in wet- en regelgeving.

Een bedrijf dat alleen binnen de Europese Unie (EU) zakendoet, heeft de juiste goederencodes nodig voor de statistische aangifte via het Intrastat-stelsel. Zodra een bedrijf te maken krijgt met import en export buiten de EU, worden goederencodes ook belangrijk voor de Douane en voor andere autoriteiten. Voor een Intrastat-aangifte en voor exportdoeleinden binnen de EU, is de Gecombineerde Nomenclatuur-code (8-cijferige code; Engels: Combined Nomenclature) voldoende, maar voor import binnen de EU is een TARIC-code (10-cijferige code) verplicht.

Webinar ‘Een juiste goederenindeling begint bij goede data’

Dit webinar op 23 mei geeft je praktische handvatten welke stappen jij moet zetten voor het op orde brengen en onderhouden van stamdata met goederencodes.

Beeld webinar goederindeling.jpg

Geharmoniseerd Systeem

Als een bedrijf ook import- en exportactiviteiten heeft in derde landen (landen buiten de EU met uitzondering van Noorwegen, Liechtenstein en IJsland), moet het daarnaast voldoen aan lokale wetgeving en de goederen indelen volgens de lokaal geldende nomenclatuur. De codes van het Geharmoniseerd Systeem (6-cijferige GS-code; Engels: Harmonized System) dienen als basis voor goederenindeling in ruim 212 landen. Hierop volgen nog de lokale aanvullingen. Als we TARIC-code opsplitsen, bestaat deze uit:

1-6 karakters (GS-code geharmoniseerd op Wereld Douane Organisatie niveau), 7-8 karakters (GN-code; EU niveau), en 9-10 karakters (TARIC; EU niveau).

Grote uitdaging

Tijdens een recente bijeenkomst van evofenedex voor tradecompliance- en douaneprofessionals bleek dat de beschikbaarheid en/of aanwezigheid van productinformatie en productkennis de grootste uitdagingen vormen bij de goederenindeling. Mensen die de indelingsregels kennen, missen regelmatig technische productkennis, terwijl mensen met die productkennis vaak niet weten welke informatie relevant is voor de goederenindeling. De omschrijving van goederen is vaak onvolledig. Internationaal opererende bedrijven, die ervoor kiezen hun indelingsproces te centraliseren onder een crossregionaal team, hebben moeite de benodigde kennis te verkrijgen om goederen volgens lokale regels in te delen.

Indelingsspecialisten

Hoe moet het nu verder met de bedrijven die uitdagingen hebben betreffende de goederenindeling? Er zijn indelingsspecialisten die, op basis van jarenlange ervaring, relatief snel en goed kunnen indelen voor de productgroepen waarvan zij kennis hebben. Deze groep is echter een uitstervend ras en de vraag naar indelingsspecialisten stijgt harder dan het aanbod. Dit komt mede door stijgende volumes (denk aan e-commerce) en door de natuurlijke afvloeiing van ervaren specialisten. Het opleiden van nieuwe indelingsspecialisten is erg tijdrovend en niet eenvoudig en ook is het indelen zelf zeer intensief werk.

Wat zijn de oplossingen?

Kunnen de ontwikkelingen op het gebied van Artificial Intelligence (AI) of Robotic Process Automation (RPA) misschien op korte termijn een oplossing bieden? Hoewel vooral AI een veelbesproken onderwerp is, lijkt de weg naar het vertrouwen in succesvol gebruik ervan, voor goederenindeling nog lang. Op het vlak van AI is er nog onvoldoende samenwerking tussen softwareontwikkelaars en douanespecialisten waarneembaar. Automatiseerders missen doorgaans de kennis vanuit de markt en douanespecialisten geloven (nog) niet in een kwalitatief geautomatiseerd indelingsproces. Wellicht realiseren zij zich niet altijd wat het voorwerk is dat gedaan moet worden, voordat je gaat automatiseren. Kwalitatief goede data zijn een essentiële voorwaarde voor effectieve toepassing van AI. De prestaties en de nauwkeurigheid van AI-systemen zijn sterk afhankelijk van de kwaliteit van de inputgegevens waarmee ze zijn getraind. Het verzamelen, annoteren en onderhouden van kwalitatief goede data zijn fundamentele stappen in het ontwikkelen van succesvolle AI-toepassingen. Maar hoe maak je ‘schoon schip’?

Als eerste moet het management zich bewust zijn van de risico’s, maar moet het ook de voordelen inzien van een correcte goederenindeling. Dit bewustzijn is een voorwaarde om zowel in de organisatie als in de benodigde processen, te investeren. Het ownership moet gedragen worden door iemand met kennis en ervaring of door iemand die, op zijn minst, de drive heeft zich dit eigen te maken. Vervolgens is het belangrijk, voor een goede basis, om de indeling van goederen te herzien en, tegelijkertijd, het proces voor een juiste indeling van producten in te voeren. Zo borg je dat (nieuwe) producten de juiste indeling krijgen. De prioritering van herziening kan volgens onderstaande stappen worden uitgevoerd:

  1. Producten die in vrije verkeer worden gebracht en/of verkocht worden naar derde landen;
  2. Producten met een mogelijk (hoge) financiële impact van een onjuiste indeling of met kans op aanvullende verboden of beperkingen;
  3. Productfamilies met de meeste items, stromen met hoogste volume of producten met de hoogste waarde.

In het kader van efficiëntie, kunnen de analyse van consistentie en de juistheid van goederenindeling gedaan worden op het niveau van productfamilie. Dit in plaats van op het niveau van een single product. Als eenmaal de juiste indeling is bepaald, is het van belang de grondslag hiervoor vast te leggen. Een onderbouwing van de indelingsregel, met een aanvullende motivatie (bijvoorbeeld voetnoot, bijlage, geldende jurisprudentie of een bindende tariefinlichting), is net zo belangrijk. De correcte en de specifieke goederenomschrijving vormen, samen met de argumentatie voor classificatie en de goederencode zelf, een goede basis voor het leerproces van AI en voor een toekomstige geautomatiseerde ondersteuning van het indelingsproces. Het opschonen van masterdata is een tijdrovend proces dat specifieke waardigheden vereist. Zorg ervoor, als je hier niet over beschikt, de juiste specialisten in te schakelen.

Dit artikel is geschreven door Agnieszka Brodacz, specialist Customs & Trade Compliance bij evofenedex, en Peter Italiaander, Head of Customs & Trade Affairs bij Pincvision. Het artikel is ook verschenen in globe, het magazine voor internationaal ondernemen van evofenedex.

Vragen over internationaal ondernemen?

Alice en haar collega's helpen je graag verder

Alice evofenedex