Gemiddelde oplostijd over 135.387 RMM alerts van 144 gemonitorde locaties, uitgesplitst per prioriteitsniveau met auto-resolve performance en branchebenchmarks
Gemiddelde oplostijd over 135.387 RMM alerts van 144 gemonitorde locaties, uitgesplitst per prioriteitsniveau met auto-resolve performance en branchebenchmarks
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 delivery managers, operations leads, and MSP owners tracking service quality
Hoe vaak: Wekelijks for operational adjustments, monthly for client reporting, quarterly for contract reviews
Gemiddelde oplostijd over 135.387 RMM alerts van 144 gemonitorde locaties, uitgesplitst per prioriteitsniveau met auto-resolve performance en branchebenchmarks
BI_Datto_Rmm_Alerts-tabel in Proxuma Power BI. Oplossingspercentage = opgeloste alerts / totaal alerts. MTTR is het gemiddelde van de autoresolve_mins-kolom over alle opgeloste alerts. Alle 3 DAX-queries die in dit rapport zijn gebruikt, staan in de secties hieronder.
Alertaantal, oplossingspercentage en gemiddelde auto-resolve tijd per prioriteitsniveau
| Metric | Value |
|---|---|
| Total Alerts | 135,387 |
| Resolved | 132,018 |
| Resolution Rate | 97.5% |
EVALUATE ROW("Total Alerts", COUNTROWS('BI_Datto_Rmm_Alerts'), "Resolved", COUNTROWS(FILTER('BI_Datto_Rmm_Alerts', 'BI_Datto_Rmm_Alerts'[resolved] = TRUE())), "Resolution Rate", DIVIDE(COUNTROWS(FILTER('BI_Datto_Rmm_Alerts', 'BI_Datto_Rmm_Alerts'[resolved] = TRUE())), COUNTROWS('BI_Datto_Rmm_Alerts')))Hoe effectief je monitoringbeleid alerts oplost zonder handmatige interventie
EVALUATE
ROW(
"TotalAlerts", COUNTROWS('BI_Datto_Rmm_Alerts'),
"ResolvedAlerts", CALCULATE(COUNTROWS('BI_Datto_Rmm_Alerts'), 'BI_Datto_Rmm_Alerts'[resolved] = TRUE()),
"TotalSites", DISTINCTCOUNT('BI_Datto_Rmm_Alerts'[site_name]),
"AvgAutoResolve", AVERAGE('BI_Datto_Rmm_Alerts'[autoresolve_mins])
)Hoe je 135.387 alerts zich verdelen over prioriteitsclassificaties
87,3% van alle alerts is informatief. Dat is normaal voor RMM-omgevingen waar schijfruimtewaarschuwingen, patchnotificaties en connectiviteitsproblemen het grootste deel van de ruis vormen. De echte vraag is of de overige 12,7% niet-informatieve alerts snel genoeg worden opgelost. Kritieke alerts (2,8% van het totale volume, 3.786 alerts) hebben bijna drie keer zo lang nodig om opgelost te worden als informatieve alerts.
Gerichte analyse van 5.253 kritieke en hoge-prioriteitsalerts die de snelste respons vereisen
| Site | Resolved |
|---|---|
| Martin Group | 26,859 |
| Craig-Huynh | 8,801 |
| Thompson, Contreras and Rios | 7,248 |
| Wall PLC | 5,319 |
| Willis, Allen and Phillips | 5,018 |
Kritieke alerts hebben gemiddeld 14,60 minuten nodig om opgelost te worden. Dat is bijna drie keer het gemiddelde van 5,15 minuten voor informatieve alerts. Hoewel het oplossingspercentage van 98,7% er sterk uitziet, staan er nog 49 kritieke alerts open. Die 49 open kritieke alerts zouden het eerste moeten zijn dat je NOC morgenochtend bekijkt.
Hoge-prioriteitsalerts hebben het laagste oplossingspercentage: 95,2%, met 70 alerts die nog openstaan. Dat gat van 4,8% onopgeloste hoge alerts is het breedste van alle prioriteitsniveaus. Het suggereert dat hoge alerts in een tussengebied vallen waar ze niet kritiek genoeg zijn voor directe escalatie, maar niet routinematig genoeg voor auto-resolve beleid. Dit gat heeft een apart triageproces nodig.
EVALUATE TOPN(10, GROUPBY(FILTER('BI_Datto_Rmm_Alerts', 'BI_Datto_Rmm_Alerts'[resolved] = TRUE()), 'BI_Datto_Rmm_Alerts'[site_name], "Resolved_Count", COUNTX(CURRENTGROUP(), 'BI_Datto_Rmm_Alerts'[alert_uid])), [Resolved_Count], DESC)Hoe je MTTR zich verhoudt tot branchestandaarden voor RMM-alertoplossing
| Benchmark | Drempelwaarde | Jouw Prioriteitsniveaus | Beoordeling |
|---|---|---|---|
| Uitstekend | < 5 minuten | Moderate (4,91 min) | 1 van 5 niveaus |
| Goed | 5 – 15 minuten | Information (5,15), Low (5,84), High (7,17) | 3 van 5 niveaus |
| Aandacht nodig | > 15 minuten | Critical (14,60 min — grensgebied) | Op de grens |
Slechts een prioriteitsniveau zit in de categorie "Uitstekend": Moderate met 4,91 minuten. Drie niveaus vallen in het bereik "Goed" tussen 5 en 15 minuten. Kritieke alerts met 14,60 minuten zitten precies op de grens van de drempel "Aandacht nodig". Een kleine toename in kritiek alertvolume of complexiteit kan dat getal boven de 15 minuten duwen.
Het verschil tussen je snelste categorie (Moderate, 4,91 min) en je traagste (Critical, 14,60 min) is een factor 3. Die verhouding is het waard om maandelijks bij te houden. Als het verschil groter wordt, betekent het dat je kritieke alertafhandeling niet meeschaalt met de groei in alertvolume.
Met een oplossingspercentage van 97,5% en een gemiddelde MTTR van 5,45 minuten doen je monitoringbeleiden hun werk voor het grootste deel van de alerts. Information- en moderate-alerts lossen sneller op dan 5,2 minuten gemiddeld, wat betekent dat je geautomatiseerde reacties goed zijn afgestemd op routinematige monitoring-events. Dat is solide operationele performance voor een omgeving die meer dan 135.000 alerts genereert.
Met 14,60 minuten is de MTTR van kritieke alerts bijna drie keer het gemiddelde van 5,15 minuten voor informatieve alerts. Dit is tot op zekere hoogte te verwachten omdat kritieke alerts vaak handmatige triage vereisen, maar de 49 open kritieke alerts en de grenswaardepositie bij de benchmark suggereren dat er ruimte is voor verbetering. Als je SLA-target voor kritieke alerts onder de 15 minuten ligt, zit je krap.
Terwijl alle andere prioriteitsniveaus op 96,8% of beter oplossen, blijven hoge alerts achter op 95,2% met 70 alerts die nog openstaan. Dat is het breedste onopgeloste gat in de data. Hoge alerts vallen mogelijk in een tussengebied waar ze niet kritiek genoeg zijn voor directe escalatie, maar niet routinematig genoeg voor auto-resolve beleid. Dit gat heeft een apart triageproces nodig.
4 prioriteiten op basis van de bevindingen hierboven
Open kritieke alerts zijn een direct risico. Trek de lijst van 49 onopgeloste kritieke alerts, controleer bij welke locaties ze horen en bepaal of ze echte problemen vertegenwoordigen of verouderde alerts van opgeloste incidenten die niet als gesloten zijn gemarkeerd. Als ze echt zijn, escaleer. Als ze verouderd zijn, ruim ze op en herstel het auto-resolve beleid dat ze heeft gemist.
Het oplossingspercentage van 95,2% voor hoge alerts is het zwakste in je stack. Bouw een aparte wachtrij of escalatieroute voor hoge-prioriteitsalerts die niet auto-resolven binnen 10 minuten. Wijs een rotatie van technicians aan om de hoge-alertwachtrij elk uur te controleren tijdens kantooruren. Het doel is dat oplossingspercentage boven de 98% te krijgen en het open aantal van 70 terug te brengen naar enkele stuks.
Een gemiddelde van 14,60 minuten voor kritieke alerts is op het randje. Splits dat getal verder uit per locatie en per alerttype. Zijn bepaalde locaties of bepaalde alertcategorieen de oorzaak van het hogere gemiddelde? Als 80% van je kritieke alerts in 5 minuten oplost maar een klein deel 45+ minuten duurt, moet je die uitschieters aanpakken in plaats van de hele pipeline te optimaliseren.
Je huidige cijfers zijn over het geheel solide. Het risico is dat ze langzaam verslechteren zonder dat iemand het merkt. Draai dit rapport maandelijks en volg de trend van kritieke MTTR. Als het boven de 15 minuten kruipt of als het open aantal hoge alerts begint te stijgen, vang je het op voordat het een servicelevering-probleem wordt.
MTTR staat voor Mean Time to Resolve (gemiddelde oplostijd). In dit rapport meet het het gemiddeld aantal minuten tussen het aanmaken van een RMM-alert en het moment waarop die alert als opgelost wordt gemarkeerd. Dit omvat zowel automatisch opgeloste alerts (afgehandeld door monitoringbeleid) als handmatig opgeloste alerts (gesloten door een technician).
De data komt uit Datto RMM via de Proxuma Power BI-connector. Alerts worden gesynchroniseerd naar de BI_Datto_Rmm_Alerts-tabel in het semantisch model, inclusief velden voor prioriteit, opgelost-status, locatienaam en auto-resolve tijd in minuten. De AI draait DAX-queries tegen deze tabel om het rapport te genereren.
Auto-resolve vindt plaats wanneer een monitoringbeleid in Datto RMM detecteert dat de conditie die de alert heeft getriggerd, is verdwenen. Bijvoorbeeld een schijfruimte-alert die afgaat bij 90% gebruik en verdwijnt wanneer het gebruik onder 85% daalt. Het autoresolve_mins-veld legt vast hoe lang dat proces duurde. Handmatige oplossing vindt plaats wanneer een technician de alert als opgelost markeert in de RMM-console.
Kritieke alerts vereisen vaak menselijk oordeel. Een server-offline-alert kan niet automatisch oplossen totdat de server weer online is, wat kan afhangen van een technician die hem herstart, hardware vervangt of herstelt vanuit backup. Die stappen kosten tijd. Het gemiddelde van 14,60 minuten voor kritieke alerts weerspiegelt de complexiteit van de onderliggende problemen, niet noodzakelijk een trage respons.
Voor automatisch opgeloste alerts is onder de 5 minuten uitstekend. Voor kritieke alerts die handmatige interventie vereisen, mikken de meeste MSP's op minder dan 15 minuten voor acknowledgment en minder dan 60 minuten voor volledige oplossing. Je totaalgemiddelde van 5,45 minuten is sterk, maar de kritieke MTTR van 14,60 minuten is het waard om te monitoren zodat het niet verder oploopt.
Ja. Voeg een filter toe op BI_Datto_Rmm_Alerts[site_name] aan elk van de DAX-queries in dit rapport. Dat geeft je locatiespecifieke MTTR-cijfers, die bijzonder nuttig zijn voor QBR's of voor het onderzoeken van een locatie met een hoog alertvolume.
Ja. Verbind Proxuma Power BI met je Datto RMM-account, voeg een AI-tool (Claude, ChatGPT of Copilot) toe via MCP en stel dezelfde vraag. De AI schrijft de DAX-queries, draait ze tegen je live alertdata en produceert een rapport zoals 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