Hoe de geregistreerde tijd van elke technicus wordt verdeeld tussen klantgericht werk en interne taken, bedrijfsbrede overheadanalyse en identificatie van medewerkers met onevenredig veel interne tijd. Gegenereerd door AI via de Proxuma Power BI MCP-integratie.
Hoe de geregistreerde tijd van elke technicus wordt verdeeld tussen klantgericht werk en interne taken, bedrijfsbrede overheadanalyse en identificatie van medewerkers met onevenredig veel interne tijd. Gegenereerd door AI via de Proxuma Power BI MCP-integratie.
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
Hoe de geregistreerde tijd van elke technicus wordt verdeeld tussen klantgericht werk en interne taken, bedrijfsbrede overheadanalyse en identificatie van medewerkers met onevenredig veel interne tijd. Gegenereerd door AI via de Proxuma Power BI MCP-integratie.
EVALUATE
ROW(
"Total_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked])),
"Client_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]), 'BI_Autotask_Time_Entries'[company_id] > 0),
"Internal_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]), 'BI_Autotask_Time_Entries'[company_id] = 0),
"Distinct_Resources", CALCULATE(DISTINCTCOUNT('BI_Autotask_Time_Entries'[resource_name]))
)Interne en klanturen per technicus, gesorteerd op totaal geregistreerde uren
De top 15 engineers op volume tonen een breed spectrum aan interne ratio's. Kevin Allen (2.060u) en James Li (2.136u) overschrijden beiden de 35% interne tijd, wat betekent dat meer dan een derde van hun capaciteit naar niet-klantwerk gaat. Elizabeth Ortega registreert daarentegen 1.433 uur met nul interne tijd — volledig klantgericht. Jennifer King en Brandon Bishop registreren ook minder dan 5% intern over al hun uren.
| Medewerker | Totale uren | Klanturen | Interne uren | Intern % |
|---|---|---|---|---|
| Dr. Amber Ayala DVM | 2.400 | 2.053 | 347 | 14,4% |
| James Li | 2.136 | 1.371 | 765 | 35,8% |
| Kevin Allen | 2.060 | 1.248 | 812 | 39,4% |
| Maxwell Reed | 2.050 | 1.845 | 205 | 10,0% |
| Andrew Roberts | 1.888 | 1.756 | 132 | 7,0% |
| David Hunt | 1.862 | 1.462 | 400 | 21,5% |
| Chelsea Thomas | 1.780 | 1.158 | 622 | 34,9% |
| Jennifer King | 1.585 | 1.505 | 80 | 5,0% |
| Jerry Mcfarland | 1.554 | 1.272 | 282 | 18,1% |
| Gregory Horn | 1.505 | 964 | 540 | 35,9% |
| Jeremy White | 1.492 | 1.103 | 390 | 26,1% |
| Elizabeth Ortega | 1.433 | 1.433 | 0 | 0,0% |
| Daniel Daniels | 1.418 | 1.350 | 69 | 4,8% |
| Brandon Bishop | 1.362 | 1.323 | 38 | 2,8% |
| Brandon Lynn | 1.344 | 1.105 | 239 | 17,8% |
EVALUATE
TOPN(15,
ADDCOLUMNS(
SUMMARIZE('BI_Autotask_Time_Entries', 'BI_Autotask_Time_Entries'[resource_name]),
"Total_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked])),
"Client_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]), 'BI_Autotask_Time_Entries'[company_id] > 0),
"Internal_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]), 'BI_Autotask_Time_Entries'[company_id] = 0)
),
[Total_Hours], DESC
)
ORDER BY [Total_Hours] DESCEngineers met 200u+ totaal geregistreerd, gerangschikt op hoogste percentage interne tijd
Als u filtert op engineers met minimaal 200 uur en rangschikt op intern percentage, springen de uitschieters er duidelijk uit. Paul Hoffman registreert 61,9% interne tijd — bijna twee derde van zijn 992 uren gaat naar niet-klantwerk. Joshua Hernandez volgt op de voet met 56,9%. Deze ratio's wijzen op rollen die deels of volledig gericht zijn op interne operaties in plaats van klantlevering.
| Medewerker | Totale uren | Interne uren | Intern % | Classificatie |
|---|---|---|---|---|
| Paul Hoffman | 992 | 614 | 61,9% | Ops / Beheersrol |
| Joshua Hernandez | 446 | 254 | 56,9% | Ops / Beheersrol |
| Jane Stewart | 696 | 336 | 48,2% | Controleren |
| Brian Cook | 356 | 163 | 45,8% | Controleren |
| David Collins | 603 | 260 | 43,2% | Controleren |
| Kevin Allen | 2.060 | 812 | 39,4% | Bewaken |
| Deborah Young | 626 | 237 | 37,9% | Bewaken |
| Becky Johnson | 1.239 | 455 | 36,7% | Bewaken |
| Gregory Horn | 1.505 | 540 | 35,9% | Bewaken |
| James Li | 2.136 | 765 | 35,8% | Bewaken |
EVALUATE
TOPN(10,
FILTER(
ADDCOLUMNS(
SUMMARIZE('BI_Autotask_Time_Entries', 'BI_Autotask_Time_Entries'[resource_name]),
"Total_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked])),
"Client_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]), 'BI_Autotask_Time_Entries'[company_id] > 0),
"Internal_Hours", CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]), 'BI_Autotask_Time_Entries'[company_id] = 0),
"Internal_Pct", DIVIDE(
CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]), 'BI_Autotask_Time_Entries'[company_id] = 0),
CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked])), 0)
),
[Total_Hours] >= 200
),
[Internal_Pct], DESC
)
ORDER BY [Internal_Pct] DESCBijna twee derde van de 992 geregistreerde uren van Paul Hoffman gaan naar intern werk. Met deze ratio functioneert hij als interne resource in plaats van klantgerichte engineer. Als zijn rol opzettelijk intern is — infrastructuur, tooling, management — is dit verwacht en gepast. Als hij is geclassificeerd als delivery resource, duidt de ratio op een significante misallocatie die het onderzoeken waard is.
Beide engineers staan in de top 3 op volume en overschrijden beiden de 35% interne tijd. Kevin Allen registreert 812 interne uren; James Li registreert 765. Tegen een gemiddeld kostenpercentage van €70/uur vertegenwoordigt dit meer dan €110.000 aan interne arbeid van slechts twee personen. Of dat de rolindeling weerspiegelt of scope-creep naar overheadwerk, het verdient een gerichte reviewgesprek.
De algehele interne ratio van 17,6% is niet ongebruikelijk voor een MSP — enig intern werk is noodzakelijk en verwacht. De zorg hier is concentratie. Een klein aantal engineers drijft het grootste deel van de interne uren, wat het werkelijke beeld kan maskeren als u alleen naar het gemiddelde kijkt. Door dit rapport per team of afdeling te draaien, wordt zichtbaar of overhead gelijkmatig is verdeeld of zich opstapelt in specifieke gebieden.
Deze drie engineers registreren minder dan 5% interne tijd over honderden uren. Ze vertegenwoordigen hoe een sterk klantgerichte allocatie er in de praktijk uitziet: goede tickethygiëne, minimale overheadabsorptie en consistente klantlevering. Hun werkpatronen — inclusief hoe ze tijd registreren en welke taaktypen ze oppakken — zijn het documenteren waard als referentiemodel voor onboarding en functieverwachtingen.
In Autotask worden tijdregistraties gekoppeld aan een bedrijfsaccount via company_id. De interne bedrijfsregistratie — gebruikt voor overheadtaken, personeelsvergaderingen, toolbeheer en interne projecten — heeft doorgaans company_id = 0 of een specifiek gereserveerd ID. Dit rapport gebruikt company_id = 0 als intern filter. Alle andere registraties worden behandeld als klantgericht. Als uw Autotask-instantie een andere conventie hanteert voor interne accounts, kan de DAX-query worden aangepast.
Voor een delivery engineer bij een MSP wordt een interne ratio van 10-20% over het algemeen als normaal beschouwd: teamvergaderingen, training, toolonderhoud en escalatieondersteuning. Boven de 25% is nader onderzoek gerechtvaardigd. Boven de 35-40% heeft de engineer doorgaans een significante nevenrol op zich genomen — als lead, teamcoördinator of intern projectverantwoordelijke — waardoor zijn klantgerichte capaciteit afneemt. De norm zal variëren per senioriteit en rolclassificatie.
Ja. U kunt deze DAX-query uitbreiden met een groepering op work_type of ticket_category binnen de interne bedrijfsregistraties. In het Proxuma Power BI-dashboard kunt u de tijdverdeling kruislings filteren op medewerker en vervolgens inzoomen op de werktype-uitsplitsing, zodat u ziet of interne uren naar training, projectwerk, toolbeheer of algemene overhead gaan — elk met een andere managementimplicatie.
Dat hangt af van uw registratiediscipline. Als training wordt geregistreerd tegen het interne bedrijf in Autotask, verschijnt het hier als interne tijd. Sommige MSP's registreren training tegen aparte interne projecten om investerings-overhead te scheiden van administratieve overhead. Beide benaderingen zijn geldig, maar consistentie is essentieel. Wanneer u beide mixt, wordt het moeilijk te interpreteren wat hoge interne ratio's voor een individu werkelijk betekenen.
Dit rapport volgt of tijd wordt geregistreerd tegen een klant of een intern account — een capaciteitsallocatievraag. Het factureerbaar percentage rapport volgt of tijd die wordt geregistreerd tegen een klantaccount als factureerbaar of niet-factureerbaar wordt gemarkeerd — een factureringsdisciplinevraag. Een engineer kan al zijn uren registreren op klantaccounts (nul interne tijd) en toch een slechte factureerbare ratio hebben als hij werk als niet-factureerbaar markeert. De twee rapporten beantwoorden verschillende vragen en moeten samen worden gelezen.
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