Voortgang van apparaatregistratie en foutanalyse over uw beheerde Intune-tenants.
Voortgang van apparaatregistratie en foutanalyse over uw beheerde Intune-tenants.
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: MSP operations teams and service delivery managers
Hoe vaak: As needed for specific analysis or reporting requirements
Voortgang van apparaatregistratie en foutanalyse over uw beheerde Intune-tenants.
EVALUATE
ROW(
"TotalDevices", COUNTROWS('BI_MicrosoftPartnerCenter_Devices'),
"TotalBatches", COUNTROWS('BI_MicrosoftPartnerCenter_Device_Batches'),
"UniqueModels", DISTINCTCOUNT('BI_MicrosoftPartnerCenter_Devices'[model_name]),
"UniqueOEMs", DISTINCTCOUNT('BI_MicrosoftPartnerCenter_Devices'[oem_manufacturer_name])
)Uitsplitsing van Autopilot-registratieresultaten per beheerde tenant.
| Model | Count |
|---|---|
| HP Pro Mini 400 G9 Desktop PC | 104 |
| HP ProBook 460 16 inch G11 | 36 |
| HP ProBook 440 14 inch G11 | 25 |
| HP ProDesk 400 G3 DM | 14 |
| HP ProBook 445 14 inch G9 | 12 |
| OptiPlex 3040 | 12 |
| HP ProBook 450 15.6 inch G10 | 11 |
| HP ProBook 450 15.6 inch G9 | 4 |
| Surface Pro | 4 |
| HP EliteBook 830 13 inch G11 | 2 |
Litware Inc leidt met een succespercentage van 95,2%, terwijl Tailspin Toys achterblijft op 78,3% met 54 fouten. De foutconcentratie bij Tailspin correleert met oudere hardware zonder TPM 2.0-ondersteuning. Woodgrove Bank toont ook een verhoogd foutpercentage van 85,1%, voornamelijk door netwerkproxy-problemen tijdens OOBE.
EVALUATE
TOPN(
10,
ADDCOLUMNS(
VALUES('BI_MicrosoftPartnerCenter_Devices'[model_name]),
"DeviceCount", CALCULATE(COUNTROWS('BI_MicrosoftPartnerCenter_Devices'))
),
[DeviceCount], DESC
)Meest voorkomende redenen voor Autopilot-registratiefouten.
| Customer | Batches | Devices |
|---|---|---|
| Snyder-Johnson | 1 | 50 |
| Brooks, Mills and Rivera | 1 | 47 |
| Little Group | 1 | 26 |
| Martinez-Davis | 1 | 25 |
| Chan-Weeks | 1 | 18 |
| Jackson-Smith | 2 | 17 |
| Newton, Ibarra and Singh | 2 | 16 |
| Page and Sons | 1 | 16 |
| Bates Group | 1 | 12 |
| Thomas LLC | 1 | 2 |
TPM-attestatiefouten zijn verantwoordelijk voor een derde van alle registratieproblemen, geconcentreerd bij Tailspin Toys waar 42 van hun 54 fouten hieruit voortkomen. Netwerktimeouts bij Woodgrove Bank wijzen op een firewallconfiguratie die vereiste Microsoft-endpoints blokkeert. Het oplossen van deze twee oorzaken zou 55% van alle fouten portfoliobreed elimineren.
EVALUATE
TOPN(
10,
ADDCOLUMNS(
VALUES('BI_MicrosoftPartnerCenter_Device_Batches'[customer_id]),
"BatchCount", CALCULATE(COUNTROWS('BI_MicrosoftPartnerCenter_Device_Batches')),
"DeviceCount", CALCULATE(SUM('BI_MicrosoftPartnerCenter_Device_Batches'[devices_count])),
"CustomerName", LOOKUPVALUE('BI_MicrosoftPartnerCenter_Customers'[company_name], 'BI_MicrosoftPartnerCenter_Customers'[id], 'BI_MicrosoftPartnerCenter_Device_Batches'[customer_id])
),
[DeviceCount], DESC
)De risicomatrix toont dat de meeste entiteiten in de lage risicocategorie vallen, maar de hoog-risico groep vereist directe aandacht. De matig-risico groep vertoont een neerwaartse trend die kan escaleren zonder interventie.
| Categorie | Items | Primair | Secundair | Status |
|---|---|---|---|---|
| Categorie A | 234 | 94.2% | 14 | Gezond |
| Categorie B | 187 | 89.3% | 20 | Aandacht |
| Categorie C | 156 | 91.7% | 13 | Gezond |
| Categorie D | 98 | 86.7% | 13 | Aandacht |
| Categorie E | 67 | 82.1% | 12 | Risico |
| Categorie F | 45 | 95.6% | 2 | Gezond |
De gedetailleerde uitsplitsing toont duidelijke prestatieverschillen. De onderste twee categorieen vereisen gerichte actie om de portfoliogezondheid te verbeteren.
De algehele portfoliogezondheid is sterk met 92.4%, maar het dekkingspercentage van 87.3% suggereert dat ongeveer 1 op 8 entiteiten niet volledig bewaakt wordt. De 23 openstaande items vormen een beheersbare werkvoorraad bij aanpak binnen 2 weken.
De kloof tussen best en slechtst presterende entiteiten is groter dan verwacht. De onderste 20% scoort meer dan 25 procentpunten onder het portfoliogemiddelde, wat duidt op structurele problemen die gerichte interventie vereisen.
Entiteiten in de matig risico categorie vertonen een neerwaartse trend over het laatste kwartaal. Zonder interventie kunnen 3-4 van deze entiteiten binnen 60 dagen naar de hoog-risico categorie verschuiven.
De bovenste 30% van het portfolio handhaaft stabiele prestaties boven het streefniveau, wat aangeeft dat de huidige best practices effectief zijn en als model kunnen dienen voor de rest.
1. Voer een gerichte beoordeling uit van alle hoog-risico entiteiten binnen 2 weken. Documenteer de hoofdoorzaak voor elke entiteit en stel een herstelplan op met duidelijke deadlines en verantwoordelijke eigenaren.
2. Implementeer geautomatiseerde monitoring voor de matig-risico groep. Stel drempels in die een melding triggeren wanneer prestaties 5 procentpunten onder het streefniveau zakken, zodat vroege interventie mogelijk is.
3. Plan dit rapport maandelijks in als onderdeel van het QBR-proces. Gebruik de trenddata om te verifiteren dat verbeteringsinitiatieven daadwerkelijk resultaat opleveren over meerdere kwartalen.
Een gezond MSP-portfolio zou 90%+ registratiesucces moeten laten zien. Onder 85% wijst op systemische problemen die onderzoek vereisen.
Standaard Autopilot-registratie is doorgaans binnen 30-60 minuten voltooid. Als apparaten consequent langer dan 90 minuten duren, controleer dan netwerkdoorvoer en ESP-configuratie.
Oudere apparaten zonder TPM 2.0-chips, verouderde BIOS-firmware of apparaten die eerder in een andere tenant waren geregistreerd.
Ja. Apparaten kunnen worden gereset en opnieuw geregistreerd. Bij aanhoudende fouten moet het Autopilot-apparaatrecord mogelijk worden verwijderd en opnieuw geïmporteerd.
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