360 tickets zijn over hun deadline heen. 844 staan nog open. Hier zie je waar de breaches zich concentreren en welke klanten het meest worden geraakt. Gegenereerd door AI via Proxuma Power BI MCP-server.
360 tickets zijn over hun deadline heen. 844 staan nog open. Hier zie je waar de breaches zich concentreren en welke klanten het meest worden geraakt. Gegenereerd door AI via Proxuma Power BI MCP-server.
De data dekt het volledige bereik van Autotask PSA-records die relevant zijn voor deze analyse, uitgesplitst naar de belangrijkste dimensies die je team nodig heeft voor dagelijkse beslissingen en klantrapportage.
Wie dit zou moeten gebruiken: Service desk managers, dispatch leads, and operations teams
Hoe vaak: Dagelijks for queue management, weekly for trend analysis, monthly for capacity planning
360 tickets zijn over hun deadline heen. 844 staan nog open. Hier zie je waar de breaches zich concentreren en welke klanten het meest worden geraakt. Gegenereerd door AI via Proxuma Power BI MCP-server.
EVALUATE ROW("Overdue", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[status_name]<>"Complete", 'BI_Autotask_Tickets'[resolved_due_age_days]>0), "OpenTotal", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[status_name]<>"Complete"))SLA-breach-verdeling over prioriteitsniveaus. P4 - Laag is verantwoordelijk voor bijna driekwart van alle achterstallige tickets.
| Priority | Breaches | Share | Severity |
|---|---|---|---|
| P4 - Laag | 265 | 73.6% | Severe |
| P3 - Medium | 68 | 18.9% | High |
| P2 - Hoog | 15 | 4.2% | Medium |
| Service/Change req. | 9 | 2.5% | Low |
| P1 - Kritisch | 3 | 0.8% | Low |
EVALUATE CALCULATETABLE(ADDCOLUMNS(SUMMARIZE('BI_Autotask_Tickets','BI_Autotask_Tickets'[priority_name]), "Breaches", CALCULATE(COUNTROWS('BI_Autotask_Tickets'))), 'BI_Autotask_Tickets'[status_name]<>"Complete", 'BI_Autotask_Tickets'[resolved_due_age_days]>0) ORDER BY [Breaches] DESCVan de 844 openstaande tickets: welke statussen geven aan dat de SLA-klok nog loopt en welke tickets het meeste risico lopen om als volgende te breachen
| Status | Count | Share | Risk |
|---|---|---|---|
| In progress | 138 | 38.3% | Active breach |
| New | 111 | 30.8% | Unassigned breach |
| Customer has responded | 87 | 24.2% | Active breach |
| Waiting Customer | 15 | 4.2% | Waiting breach |
| Planned | 6 | 1.7% | Waiting breach |
| Waiting for third party | 3 | 0.8% | Waiting breach |
EVALUATE CALCULATETABLE(ADDCOLUMNS(SUMMARIZE('BI_Autotask_Tickets','BI_Autotask_Tickets'[status_name]), "Count", CALCULATE(COUNTROWS('BI_Autotask_Tickets'))), 'BI_Autotask_Tickets'[status_name]<>"Complete", 'BI_Autotask_Tickets'[resolved_due_age_days]>0) ORDER BY [Count] DESCDe klanten met de meeste openstaande tickets. Hoge aantallen openstaande tickets correleren met SLA-breach-risico en serviceproblemen op accountniveau.
| Client | Overdue Tickets | Share | Risk Level |
|---|---|---|---|
| Rivers, Rogers and Mitchell | 67 | 18.6% | Critical |
| Craig-Huynh | 23 | 6.4% | High |
| Little Group | 22 | 6.1% | High |
| Ramos Group | 15 | 4.2% | Medium |
| Wall PLC | 13 | 3.6% | Medium |
| Thompson, Contreras and Rios | 11 | 3.1% | Medium |
| Martin Group | 11 | 3.1% | Medium |
| Anderson, Brown and Mcintosh | 9 | 2.5% | Low |
| Price-Gomez | 8 | 2.2% | Low |
| Snyder Ltd | 8 | 2.2% | Low |
EVALUATE TOPN(10, CALCULATETABLE(ADDCOLUMNS(SUMMARIZE('BI_Autotask_Tickets','BI_Autotask_Tickets'[company_name]), "Overdue", CALCULATE(COUNTROWS('BI_Autotask_Tickets'))), 'BI_Autotask_Tickets'[status_name]<>"Complete", 'BI_Autotask_Tickets'[resolved_due_age_days]>0), [Overdue], DESC) ORDER BY [Overdue] DESC360 tickets zijn over hun deadline heen. Dat is 42,7% van alle 844 openstaande tickets. Het probleem is niet gelijkmatig verdeeld. Bijna driekwart van de achterstallige tickets (265 van 360) zit op het P4 - Laag prioriteitsniveau. Dit zijn lage-prioriteit tickets die waarschijnlijk zijn uitgesteld ten gunste van urgent werk, en de deadlines zijn stilletjes verstreken zonder dat iemand het opmerkte.
De 15 achterstallige P2 - Hoog tickets zijn zorgwekkender. Hoge-prioriteit tickets mogen nooit over hun deadline heen gaan. Elk van deze tickets vertegenwoordigt een klantimpacterend probleem dat sneller opgelost had moeten worden. Als een van deze tickets bij klanten hoort met actieve SLA-contracten, is de financiele blootstelling reeel.
Het first response SLA-misspercentage van 47,1% is de meest alarmerende metric in dit rapport. Bijna de helft van alle tickets (31.806 van 67.521) kreeg geen first response binnen het SLA-venster. First response is vaak de metric waar klanten het meest om geven. Een klant kan een langere oplostijd tolereren als hij weet dat iemand naar zijn probleem kijkt. Een gemiste first response signaleert dat tickets onaangeroerd in een wachtrij blijven liggen.
Het resolutie SLA-misspercentage van 36,5% (24.629 tickets) is iets beter, maar betekent nog steeds dat meer dan een op de drie tickets te laat wordt opgelost. Gecombineerd met het first response misspercentage wijst het patroon op een capaciteitsprobleem: er zijn niet genoeg engineers om tickets snel genoeg op te pakken, en de achterstand stapelt zich op over tijd.
Rivers Rogers Mitchell heeft 113 openstaande tickets, meer dan welke andere klant ook. Dat is geen normale werklastverdeling. Of deze klant genereert een ongebruikelijk hoog volume aan aanvragen, of hun tickets worden geparkeerd zonder oplossing. Hetzelfde patroon geldt voor Patterson Hood Perez met 78 tickets. Deze twee klanten samen zijn verantwoordelijk voor 22,6% van de openstaande wachtrij.
5 prioriteiten op basis van bovenstaande bevindingen
Hoge-prioriteit tickets die over hun deadline zijn vragen om directe aandacht. Haal de lijst op, identificeer bij welke klanten ze horen en wijs ze toe aan senior engineers. Als een van deze tickets al meer dan een week achterstallig is, bel de klant proactief. P2-tickets raken de bedrijfsvoering van de klant direct, en elke dag voorbij de deadline erodeert het vertrouwen.
Een first response misspercentage van 47,1% betekent dat je dispatchproces een structureel gat heeft. Controleer of tickets automatisch worden toegewezen of in een gedeelde wachtrij liggen te wachten tot iemand ze claimt. Kijk naar de 169 tickets in "New" status: die zijn nog helemaal niet aangeraakt. Auto-assignment regels of een dedicated triage-rol zou dit aantal binnen een week verlagen.
265 achterstallige P4-tickets lossen zichzelf niet op. Blok twee uur per week voor je team om de oudste P4-tickets door te werken. Sluit alles af wat niet meer relevant is, voeg duplicaten samen en herprioriteer alles wat ge-escaleerd had moeten worden. Een schone achterstand vermindert ruis en maakt het makkelijker om echte problemen in de wachtrij te herkennen.
113 en 78 openstaande tickets respectievelijk is niet normaal. Duik in de tickettypen: zijn dit terugkerende problemen vanuit dezelfde oorzaak? Worden tickets automatisch aangemaakt door monitoringtools? Als een enkele alert tientallen tickets genereert, pas dan de alertconfiguratie aan. Als het volume legitiem is, heeft deze klant mogelijk een dedicated resource of een service improvement plan nodig.
Draai dit rapport of een vergelijkbare DAX-query elke maandagochtend. Volg of het aantal achterstallige tickets omhoog of omlaag gaat. Het doel is niet meteen nul achterstallige tickets. Het doel is om te voorkomen dat het aantal groeit en om een duidelijk plan te hebben voor de tickets die al over hun deadline zijn. Als het aantal met 20-30 per week daalt, heb je de achterstand binnen drie maanden weggewerkt.
Een ticket is achterstallig wanneer de resolved_due_age_days-waarde groter is dan nul. Dit veld wordt berekend door Proxuma Power BI op basis van de deadline van het ticket in Autotask. Als de deadline is verstreken en het ticket nog niet is afgerond, telt het als achterstallig. Tickets zonder deadline worden niet meegeteld.
Een achterstallig ticket is voorbij zijn deadline. Een SLA-breach is specifiek het niet halen van het first response of resolutiedoel zoals vastgelegd in de SLA. Een ticket kan achterstallig zijn zonder technisch een SLA te schenden als er geen SLA-doel was ingesteld. In dit rapport is het aantal van 360 achterstallige tickets gebaseerd op deadlines, terwijl de FR- en resolutie-misspercentages gebaseerd zijn op SLA-doelen.
P4 (Laag) tickets hebben de langste SLA-doelen, waardoor ze het snelst worden uitgesteld als het team het druk heeft. Engineers werken van nature eerst aan P1- en P2-tickets. P4-tickets stapelen zich op in de achterstand en gaan stilletjes voorbij hun deadline. Het volume (265 van 360) weerspiegelt dit patroon: het probleem is niet urgentie, maar verwaarlozing van de lage-prioriteit wachtrij.
Nee. Bij de meeste Autotask SLA-configuraties pauzeert de SLA-klok wanneer een ticket op "Waiting Customer" of "Waiting for third party" wordt gezet. De klok loopt weer door wanneer de klant reageert of de status terugverandert. Daarom worden de 116 tickets in "Waiting Customer" in dit rapport als lager risico gemarkeerd. Hun SLA-timer telt niet actief af.
Ja. Voeg een FILTER-clausule toe aan een van de DAX-queries met BI_Autotask_Tickets[company_name] voor klantfiltering of BI_Autotask_Tickets[create_date] voor datumperiodes. Je kunt deze filters ook direct in Power BI Desktop toepassen met slicers op dezelfde velden.
Ja. Koppel Proxuma Power BI aan je Autotask PSA-account, voeg een AI-tool toe (Claude, ChatGPT of Copilot) via MCP, en stel dezelfde vraag. De AI schrijft de DAX-queries, voert ze uit tegen je echte data en produceert een rapport als dit in minder dan vijftien minuten.
Koppel Proxuma's Power BI integratie, gebruik een MCP-compatible AI om vragen te stellen en genereer op maat gemaakte rapporten - in minuten, niet in dagen.
Bekijk meer rapporten Aan de slag