This report provides a detailed breakdown of eerste uur oplossingspercentage for managed service providers.
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
EVALUATE ROW("Tickets", COUNTROWS('BI_Autotask_Tickets'), "FHF_Count", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[first_hour_fix] + 0 = 1), "FHF_Pct", [Tickets - First Hour Fix %], "AvgWorkedHours", AVERAGE('BI_Autotask_Tickets'[worked_hours]))| Client | Tickets | FHF Count | FHF % |
|---|---|---|---|
| Wilson-Murphy | 1.002 | 676 | 67,2% |
| Stephens-Martinez | 1.481 | 985 | 66,4% |
| Welch Inc | 888 | 469 | 51,9% |
| Anderson, Brown and Mcintosh | 769 | 391 | 49,7% |
| Smith-English | 498 | 196 | 39,4% |
| West, White and Lawson | 574 | 209 | 36,4% |
| Ramos Group | 1.728 | 616 | 34,3% |
| Leach, Cunningham and Whitehead | 271 | 102 | 32,9% |
| Jacobs-Levy | 337 | 107 | 31,8% |
| Jackson-Smith | 507 | 159 | 30,7% |
| White Ltd | 425 | 119 | 28,0% |
| Clements, Pham and Garcia | 731 | 181 | 23,9% |
| Thompson, Contreras and Rios | 1.803 | 417 | 22,3% |
| Wu-Jackson | 914 | 195 | 20,3% |
| Conway Ltd | 273 | 65 | 20,0% |
De opvallendste anomalie in deze data is dat P2 Hoog (11,48%) lager scoort dan P3 Gemiddeld (21,96%). Hoge-prioriteitstickets zouden voor gemiddelde opgelost moeten worden, maar het eerste uur percentage is omgekeerd. Dit duidt op een classificatiekloof — waarbij werkelijk urgente problemen als P3 Gemiddeld worden ingedeeld — of P2 Hoog-tickets zijn structureel complexer en vragen meer dan een uur ongeacht de inspanning van het team.
EVALUATE TOPN(15, FILTER(ADDCOLUMNS(VALUES('BI_Autotask_Tickets'[company_name]), "Tickets", CALCULATE(COUNTROWS('BI_Autotask_Tickets')), "FHFCount", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[first_hour_fix] + 0 = 1), "FHFPct", [Tickets - First Hour Fix %]), [Tickets] >= 200), [FHFPct], DESC) ORDER BY [FHFPct] DESCMeer dan de helft van alle kritieke tickets gesloten binnen het eerste uur wijst op effectieve incidentrespons en triage. Wanneer het urgentiesignaal ondubbelzinnig is, handelt het team. Dit percentage weerspiegelt goed gedefinieerde escalatiepaden en waarschijnlijk een toegewijde on-call of prioriteitswachtrij voor P1-problemen.
P2 Hoog-tickets zouden P3 Gemiddeld moeten overtreffen op eerste uur oplossing, maar de data laat het omgekeerde zien. Hoge-prioriteitstickets zijn mogelijk structureel complexer en kosten meer tijd ongeacht de inspanning, of het P2-label wordt inconsistent gebruikt — met echte urgentie die in P3 belandt en sneller aandacht krijgt. Controleer recente P2-tickets op classificatienauwkeurigheid.
Service- en wijzigingsverzoeken zijn geplande werkzaamheden, geen incidenten. Een eerste uur percentage van 4,72% is verwacht en passend — deze tickets moeten niet geprioriteerd worden voor directe afhandeling. Dit getal dicht bij nul bevestigt dat service/wijzigingstickets de juiste workflowwachtrij volgen in plaats van voortijdig gesloten te worden.
Bijna de helft van alle tickets heeft de laagste urgentie. Met 13,15% eerste uur oplossing worden een betekenisvolle hoeveelheid toch snel gesloten — wat kan wijzen op over-escalatie van eenvoudige verzoeken of technici die eenvoudige taken direct oplossen zonder herindeling. P4 Laag is de grootste aandrijver van het totaalpercentage en biedt de beste kans voor verbetering op volumeniveau.
Het eerste uur oplossingspercentage is het percentage gesloten tickets waarbij het ticket als voltooid is gemarkeerd binnen 60 minuten na het aanmaakmoment. In deze Proxuma-dataset slaat Autotask een vooraf berekende first_hour_fix-vlag (0 of 1) op per ticketrij. De maatregel telt rijen waarbij die vlag gelijk is aan 1 gedeeld door alle rijen met een voltooiingsdatum.
Er is geen universele benchmark — het hangt sterk af van uw ticketmix. MSPs met een hoog aandeel service/wijzigingsverzoeken zullen van nature een lager totaalpercentage hebben. Voor pure incidentwachtrijen is een gemiddeld eerste uur percentage van 20–30% competitief. Voor uitsluitend kritieke wachtrijen is 50%+ haalbaar. Het percentage per prioriteitsklasse is nuttiger dan het gemengde totaalpercentage.
Twee waarschijnlijke oorzaken: verkeerde ticketclassificatie (als gemiddeld gelabelde urgente problemen krijgen sneller aandacht dan correct als hoog gelabelde tickets) en complexiteit (P2-problemen vereisen mogelijk coördinatie, toegang of tooling die oplossing na het eerste uur uitstelt). Voor diagnose filtert u P2-tickets op oplostijd en categorie om te zien of de vertraging structureel of classificatiegedreven is.
Ja. Gangbare benaderingen zijn: betere runbookdekking voor veelvoorkomende P3/P4-tickettypen zodat technici kunnen sluiten zonder escalatie, verbeterde ticketinname met vooraf ingevulde oplostemplates, en RMM-automatisering die bekende probleemoplossingen zonder menselijke tussenkomst afhandelt. Proxuma houdt bij welke ticketcategorieën hoge eerste uur percentages hebben zodat u kunt identificeren welke runbooks werken en deze kunt repliceren.
Het eerste uur oplossingspercentage en SLA-naleving meten verschillende zaken. SLA-naleving controleert of een ticket is beantwoord en opgelost binnen het afgesproken tijdvenster (dat verschilt per klant en prioriteit). Het eerste uur percentage hanteert een vaste 60-minutengrens voor alle tickets. Een hoog eerste uur percentage op kritieke tickets ondersteunt SLA-naleving sterk, maar een ticket kan SLA-conform zijn met een oplostijd van 4 uur en toch niet meetellen voor het eerste uur percentage.
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