We hebben de cijfers over contracttype verdeling uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.
We hebben de cijfers over contracttype verdeling uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.
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: Account managers, finance teams, and MSP owners managing renewals
Hoe vaak: Maandelijks for pipeline review, 90 days before expiry for renewal preparation
We hebben de cijfers over contracttype verdeling uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.
EVALUATE ROW("Total Contracts", COUNTROWS('BI_Autotask_Contracts'), "Active", COUNTROWS(FILTER('BI_Autotask_Contracts', 'BI_Autotask_Contracts'[contract_status_name] = "Active")), "Inactive", COUNTROWS(FILTER('BI_Autotask_Contracts', 'BI_Autotask_Contracts'[contract_status_name] = "Inactive")), "Distinct Companies", DISTINCTCOUNT('BI_Autotask_Contracts'[company_id]), "Contract Types", DISTINCTCOUNT('BI_Autotask_Contracts'[contract_type_name]))Verdeling van contracten per type
| Type | Total | Active | Inactive | Active % |
|---|---|---|---|---|
| Recurring Service | 1,207 | 932 | 275 | 77.2% |
| Time & Materials | 504 | 287 | 217 | 56.9% |
| Block Hours | 173 | 158 | 15 | 91.3% |
| Fixed Price | 5 | 0 | 5 | 0.0% |
EVALUATE GROUPBY('BI_Autotask_Contracts', 'BI_Autotask_Contracts'[contract_type_name], "Total", COUNTX(CURRENTGROUP(), 'BI_Autotask_Contracts'[contract_id]), "Active", SUMX(CURRENTGROUP(), IF('BI_Autotask_Contracts'[contract_status_name] = "Active", 1, 0)), "Inactive", SUMX(CURRENTGROUP(), IF('BI_Autotask_Contracts'[contract_status_name] = "Inactive", 1, 0))) ORDER BY [Total] DESCOmzetverdeling per bedrijf uit billingdata
| Company | Contracts | Active | Active % |
|---|---|---|---|
| Little Group | 38 | 13 | 34.2% |
| Martin Group | 30 | 27 | 90.0% |
| Coleman, Rojas and Smith | 23 | 9 | 39.1% |
| Wall PLC | 23 | 13 | 56.5% |
| Lee-Dalton | 22 | 15 | 68.2% |
| Craig-Huynh | 22 | 11 | 50.0% |
| Keith, Keller and Adams | 21 | 4 | 19.0% |
| Mitchell-Everett | 20 | 19 | 95.0% |
| Chandler, Shelton and Galvan | 20 | 9 | 45.0% |
| West, White and Lawson | 19 | 5 | 26.3% |
EVALUATE TOPN(10, ADDCOLUMNS(GROUPBY('BI_Autotask_Contracts', 'BI_Autotask_Contracts'[company_id], "Contract_Count", COUNTX(CURRENTGROUP(), 'BI_Autotask_Contracts'[contract_id]), "Active_Count", SUMX(CURRENTGROUP(), IF('BI_Autotask_Contracts'[contract_status_name] = "Active", 1, 0))), "Company", LOOKUPVALUE('BI_Autotask_Companies'[company_name], 'BI_Autotask_Companies'[company_id], 'BI_Autotask_Contracts'[company_id])), [Contract_Count], DESC) ORDER BY [Contract_Count] DESCMaandelijkse omzettrend over de gemeten periode
| Maand | Omzet |
|---|---|
| 202502 | €1,051,887 |
| 202503 | €1,106,650 |
| 202504 | €1,341,613 |
| 202505 | €1,080,821 |
| 202506 | €1,033,307 |
| 202507 | €1,045,558 |
| 202508 | €1,058,862 |
| 202509 | €1,002,352 |
| 202510 | €1,006,188 |
| 202511 | €927,812 |
| 202512 | €887,195 |
| 202601 | €770,865 |
EVALUATE TOPN(12, SUMMARIZECOLUMNS('BI_Common_Dim_Date'[year_month], "Revenue", SUM('BI_Autotask_Billing_Items'[total_amount])), 'BI_Common_Dim_Date'[year_month], DESC)Wat de data ons vertelt
De bovenstaande data geeft een beeld van contracttype verdeling binnen je MSP-operations. Zoek naar patronen, uitschieters en trends die aandacht verdienen. Elke sectie bevat de gebruikte DAX-query, zodat je dieper kunt graven in elke metric die opvalt.
Richt een wekelijkse of maandelijkse review in van contracttype verdeling-metrics. Trends zijn belangrijker dan momentopnames. Gebruik de DAX-queries in dit rapport als startpunt.
Dit rapport gebruikt demodata. Koppel Proxuma Power BI aan je eigen Autotask PSA om deze analyse op je echte cijfers los te laten.
De TOTALE OMZET metric wordt afgeleid uit het onderliggende Power BI dataset met DAX queries. Het aggregeert data over de rapportageperiode voor een geconsolideerd overzicht van totale omzet performance.
Dit rapport haalt operationele data op uit Autotask PSA, Datto RMM, Datto Backup via de Proxuma Power BI integratie. De analyse dekt de standaard rapportageperiode en bevat alle actieve records die aan de rapportcriteria voldoen.
Bekijk de specifieke datapunten in deze sectie en vergelijk ze met je operationele context. Gebruik het rapport als startpunt voor teamdiscussies en prioritering van vervolgacties.
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