Een diepgaande analyse van effectieve uurtarieven bij 15 klanten op basis van Autotask PSA billing- en time entry-data. Dit rapport laat zien welke klanten duizenden per uur opleveren en welke nauwelijks registreren -- en waarom het gemiddelde tarief van $1,87/uur een getal is dat je beter kunt negeren.
Een diepgaande analyse van effectieve uurtarieven bij 15 klanten op basis van Autotask PSA billing- en time entry-data. Dit rapport laat zien welke klanten duizenden per uur opleveren en welke nauwelijks registreren -- en waarom het gemiddelde tarief van $1,87/uur een getal is dat je beter kunt negeren.
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, MSP owners, and service delivery leads
Hoe vaak: Maandelijks for client reviews, quarterly for QBRs, op aanvraag when client signals change
Een diepgaande analyse van effectieve uurtarieven bij 15 klanten op basis van Autotask PSA billing- en time entry-data. Dit rapport laat zien welke klanten duizenden per uur opleveren en welke nauwelijks registreren -- en waarom het gemiddelde tarief van $1,87/uur een getal is dat je beter kunt negeren.
De belangrijkste financiele metrics over je volledige klantenbase. Het gemiddelde effectieve tarief ziet er alarmerend uit, maar het verhaal is genuanceerder dan dat ene getal.
Top 15 klanten gesorteerd op effectief tarief (omzet / gewerkte uren). Klanten met heel weinig uren maar flinke omzet domineren de top van deze lijst.
| Klant | Eff. tarief | Uren gewerkt | Omzet | Vlag |
|---|---|---|---|---|
| Klant A | $48.147 | 0,17 | $8.026 | Weinig uren |
| Klant B | $35.939 | 0,42 | $14.976 | Weinig uren |
| Klant C | $27.975 | 5,32 | $148.731 | Product-zwaar |
| Klant D | $21.237 | 0,25 | $5.309 | Weinig uren |
| Klant E | $16.040 | 8,53 | $136.869 | Product-zwaar |
| Klant F | $13.199 | 1,13 | $14.959 | Weinig uren |
| Klant G | $12.743 | 2,35 | $29.947 | Product-zwaar |
| Klant H | $12.189 | 10,50 | $127.988 | Product-zwaar |
| Klant I | $9.771 | 0,22 | $2.116 | Weinig uren |
| Klant J | $7.714 | 1,00 | $7.714 | Weinig uren |
| Klant K | $6.453 | 0,25 | $1.613 | Weinig uren |
| Klant L | $4.966 | 83,87 | $416.450 | Hoog volume |
| Klant M | $4.916 | 9,42 | $46.293 | Product-zwaar |
| Klant N | $3.470 | 5,07 | $17.581 | Gemengd |
| Klant O | $3.450 | 48,20 | $166.279 | Hoog volume |
Let op: Zes van de top 10 klanten logden minder dan 2 uur werk. Hun torenhoge effectieve tarieven komen voort uit productlicenties, terugkerende contracten of eenmalige aankopen -- niet uit arbeid. Deze klanten vertekenen het gemiddelde en moeten apart geanalyseerd worden.
EVALUATE
TOPN(
15,
ADDCOLUMNS(
SUMMARIZE(
'BI_Autotask_Companies',
'BI_Autotask_Companies'[company_name]
),
"EffRate", [Analytics - Client Effective Rate],
"HoursWorked", [Company - Hours Worked],
"Revenue", [Revenue - Total]
),
[EffRate], DESC
)Een vergelijking van geinvesteerde uren tegen gegenereerde omzet per klant. De balken maken het direct duidelijk: uren en omzet zijn nauwelijks gecorreleerd.
EVALUATE ROW("TotalRevenue", SUM('BI_Autotask_Charges'[billable_amount]), "TotalHours", [Tickets - Hours Worked], "EffectiveRate", DIVIDE(SUM('BI_Autotask_Charges'[billable_amount]), [Tickets - Hours Worked]))De 15 klanten gegroepeerd in tariefbanden om te laten zien hoe effectieve tarieven clusteren. De meeste uitschieters komen van klanten met minimale arbeidsuren.
Hoe omzet verdeeld is over de top 15 klanten. Twee klanten zijn goed voor bijna de helft van de totale omzet in deze groep.
EVALUATE
TOPN(
15,
ADDCOLUMNS(
SUMMARIZE(
'BI_Autotask_Companies',
'BI_Autotask_Companies'[company_name]
),
"EffRate", [Analytics - Client Effective Rate],
"HoursWorked", [Company - Hours Worked],
"Revenue", [Revenue - Total]
),
[EffRate], DESC
)Het gemiddelde wordt richting nul getrokken door klanten die miljoenen omzet genereren met bijna geen gelogde uren. Dit gebeurt wanneer productlicenties, terugkerende managed services of hardwareverkoop gekoppeld zijn aan klanten die zelden een ticket openen. Dit getal gebruiken voor welke planningsbeslissing dan ook stuurt je de verkeerde kant op.
Negen van de 15 klanten in deze dataset hebben minder dan 10 uur gelogd werk. Hun effectieve tarieven liggen tussen $6.453/uur en $48.147/uur. Dit zijn geen arbeidsklanten. Het zijn terugkerende omzetaccounts of eenmalige aankopen die toevallig een bedrijfsrecord in Autotask hebben. Ze mengen met arbeidsintensieve accounts vervormt elke tariefanalyse.
Klant L springt eruit als het meest betekenisvolle datapunt: 83,87 uur daadwerkelijk werk dat $416K omzet genereert. Dit is waarschijnlijk een managed services-klant met flinke productlicenties erbij. Klant O volgt een vergelijkbaar patroon met 48 uur en $166K. Deze twee klanten representeren hoe een gezond high-value engagement eruitziet.
Het verschil van 55.785 gefactureerde versus 50.752 gewerkte uren (ongeveer 5.033 uur) wijst op billing adjustments, minimale facturatie-incrementen of afrondingsregels. Dit is niet ongebruikelijk voor MSP's met 15- of 30-minuten minimumfacturatie, maar het is de moeite waard om te monitoren zodat het geen klantfrictie veroorzaakt.
Het effectieve uurtarief is een van die metrics die er eenvoudig uitziet maar instort wanneer je het toepast op een MSP-klantenbase. Het kernprobleem: MSP-omzet is een mix van arbeidsfacturatie, productlicenties, terugkerende managed services en hardware-doorverkoop. De totale omzet delen door gewerkte uren behandelt alle omzet alsof die per uur verdiend is. Dat was niet zo.
Kijk naar Klant A. Het tarief van $48.147/uur komt voort uit $8.026 omzet gedeeld door 10 minuten gelogd werk. Dat is vrijwel zeker een productverkoop of licentieverlenging waarbij iemand een time entry aanmaakte voor administratieve tracking. Het zegt niets over wat je arbeid waard is. Hetzelfde patroon herhaalt zich voor Klanten B, D, F, I, J en K.
De klanten die je werkelijke arbeidseconomie onthullen zijn degenen met betekenisvolle uren. Klant L (84 uur, $416K) en Klant O (48 uur, $166K) zijn de echte signalen. Zelfs deze zijn waarschijnlijk opgeblazen door gebundelde productomzet, maar tenminste is de urenbasis groot genoeg om een tarief te produceren dat werkelijke werkpatronen weerspiegelt.
Om een schoon effectief tarief te krijgen, moet je klanten met minder dan 20 uur gelogd werk eruit filteren. Je moet ook productomzet van arbeidsomzet scheiden op billing item-niveau. Tot je dat doet, blijft de "effectief tarief" metric tegen je liegen -- met cijfers die er indrukwekkend uitzien maar niets betekenen voor capaciteitsplanning of prijsbeslissingen.
Het verschil van 10% tussen gewerkte en gefactureerde uren is een apart gesprek. Het kan minimale facturatie-incrementen weerspiegelen, of het kan duiden op contracten die billing adjustments toestaan. Hoe dan ook, het is echte omzet, en het moet apart bijgehouden worden van de tijdgebaseerde tariefberekeningen.
Praktische stappen om de effectief tarief-metric bruikbaar te maken en de omzetzichtbaarheid per klant te verbeteren.
Maak twee klantgroepen: arbeidsgedreven (20+ uur gelogd) en productgedreven (minder dan 20 uur). Bereken het effectieve tarief voor elke groep apart. Het arbeidssegment geeft je een realistische benchmark voor je uurwaarde. Het productsegment is een licentie- en inkoop-metric, geen arbeidsmeter.
In Autotask hebben billing items een type-veld (Service, Expense, Product, etc.). Bouw een measure die product billing items uitsluit van de effectief tarief-berekening. Dit geeft je een schoon "alleen arbeid" tarief dat echt weergeeft wat je team per uur hands-on werk verdient.
Elke klant met minder dan 10 uur werk moet standaard uitgesloten worden van effectief tarief-dashboards. Voeg een filtertoggle toe zodat het management nog steeds het volledige beeld kan zien, maar de standaardweergave moet tarieven tonen die gebaseerd zijn op genoeg data om betekenisvol te zijn.
Het gemiddelde wordt berekend over de volledige klantenbase, inclusief klanten met enorme omzet maar bijna geen gelogde uren. Een klant die $500K aan productverkoop genereert met 0,5 uur gelogd werk produceert een tarief per klant in de tienduizenden, maar wanneer je dat middelt met arbeidsintensieve klanten op $100-200/uur, levert de rekensom een misleidend laag getal op. Dit is een gewogen gemiddelde-probleem, geen prijsprobleem.
Gewerkte uren is de werkelijke tijd die technici loggen in time entries. Gefactureerde uren is wat op de factuur verschijnt, wat minimale facturatie-incrementen (bijv. 15-minuten minimums), afrondingsregels of handmatige billing adjustments kan bevatten. Het verschil van 10% tussen beide in deze dataset is normaal voor MSP's.
Niet in ruwe vorm. Het effectieve tarief mixt arbeidsinkomen met product- en licentieomzet. Gebruik voor pricing het arbeidstarief: filter billing items op alleen service-type entries en deel door gewerkte uren. Dat geeft je een helder beeld van wat elk uur technicianwerk daadwerkelijk oplevert.
Kijk naar de verhouding tussen gelogde uren en totale omzet. Als een klant meer dan $1.000 per gewerkt uur genereert, wordt de omzet vrijwel zeker gedomineerd door productverkoop of licenties. Klanten met een effectief tarief tussen $100-500/uur zijn je echte arbeidsaccounts. Alles onder $100/uur verdient een nadere blik op de contractvoorwaarden.
Ja. Kopieer een query uit de toggles hierboven en plak hem in DAX Studio of de Power BI Desktop performance analyzer. De queries verwijzen naar standaard Proxuma-datamodeltabellen en measures die in elke Proxuma Power BI deployment bestaan.
Per kwartaal is genoeg voor klantsegmentatie. Het effectieve tarief verschuift niet snel, tenzij je een grote klant aan boord neemt of verliest. Maandelijks is beter voor het bijhouden van het verschil tussen gefactureerde en gewerkte uren, omdat dat processissues met time entry compliance of wijzigingen in facturatieregels kan signaleren.
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