This report provides a detailed breakdown of crm-activiteitsdashboard: verkooppipeline en opportunityopvolging 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("TotalCompanies", COUNTROWS(BI_Autotask_Companies), "CompanyTypes", DISTINCTCOUNT(BI_Autotask_Companies[company_type]), "CompanyCategories", DISTINCTCOUNT(BI_Autotask_Companies[company_category]), "WithLastActivity", CALCULATE(COUNTROWS(BI_Autotask_Companies), NOT ISBLANK(BI_Autotask_Companies[last_activity_date])))| Type | Count | Tickets |
|---|---|---|
| Customer | 328 | 66546 |
| Vendor | 133 | 913 |
| Prospect | 77 | 1 |
| Cancellation | 11 | 61 |
| Lead | 1 | None |
EVALUATE SUMMARIZECOLUMNS(BI_Autotask_Companies[company_type], "Count", COUNTROWS(BI_Autotask_Companies), "AvgTickets", [Tickets - Count - Created]) ORDER BY [Count] DESC| Accountmanager | Totaal deals | Totale omzet | Gem. dealgrootte | Volumecategorie |
|---|---|---|---|---|
| Travis Peterson | 217 | €4.716.186 | €21.734 | Hoge waarde |
| Michelle Chapman | 77 | €1.156.494 | €15.019 | Midvolume |
| Stephen Nelson | 287 | €903.330 | €3.148 | Hoog volume |
| James Sparks | 160 | €569.060 | €3.557 | Hoog volume |
| Paul Hoffman | 151 | €448.569 | €2.972 | Hoog volume |
| Sean Castillo | 77 | €294.852 | €3.830 | Midvolume |
| Kristie Berry | 235 | €210.696 | €896 | Kleine deals |
-- Sales rep performance: deals, revenue, average deal size
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
BI_CRM_Opportunity,
BI_CRM_Opportunity[OwnerName],
"Deal_Count", COUNTROWS(BI_CRM_Opportunity),
"Total_Revenue", SUM(BI_CRM_Opportunity[Revenue])
),
"Avg_Deal_Size",
DIVIDE([Total_Revenue], [Deal_Count])
)
ORDER BY [Total_Revenue] DESC-- Win/loss breakdown by outcome status with revenue
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
BI_CRM_Opportunity,
BI_CRM_Opportunity[Status],
"Deal_Count", COUNTROWS(BI_CRM_Opportunity),
"Total_Revenue", SUM(BI_CRM_Opportunity[Revenue])
),
"Win_Rate",
IF(
BI_CRM_Opportunity[Status] IN {"Closed", "Implemented"},
DIVIDE(
CALCULATE(
COUNTROWS(BI_CRM_Opportunity),
BI_CRM_Opportunity[Status] IN {"Closed", "Implemented"}
),
CALCULATE(
COUNTROWS(BI_CRM_Opportunity),
BI_CRM_Opportunity[Status] IN {"Closed", "Implemented", "Lost"}
)
),
BLANK()
)
)
ORDER BY [Total_Revenue] DESCDe pipelinedata laat een concentratiepatroon zien: 77,7% van de actieve opportunitywaarde zit in "Offerte verstuurd", wat betekent dat bijna €3,1 miljoen afhangt van 46 offertes die zijn verstuurd maar nog geen beslissing hebben gekregen. Dit is een normaal patroon voor MSP's waarbij offertes beoordelingstijd nodig hebben, maar het betekent dat je moet bijhouden hoe lang die offertes al openstaan en systematisch opvolgt.
Het verschil in prestaties per rep is de moeite waard om goed te bekijken. Travis Peterson genereert verreweg de hoogste omzet per deal met een gemiddelde van €21.734 en behandelt enterprise-opportunities. Stephen Nelson heeft de meeste deals met 287 maar een veel lager gemiddelde van €3.148, wat wijst op een volumegerichte aanpak met kleinere klanten. Geen van beide aanpakken is verkeerd, maar inzicht in de mix helpt je nauwkeuriger te voorspellen en verkoopbegeleiding te richten waar het het meest oplevert.
Ook de verliesdata bevat nuttige informatie. 509 verloren deals vertegenwoordigen €7,06 miljoen aan gemiste omzet tegenover €3,97 miljoen aan gewonnen omzet uit gesloten en geïmplementeerde deals samen. Dit hoeft niet te betekenen dat de winkans slecht is, want deals met een hoge waarde die naar concurrenten gaan verhogen het verloren omzetcijfer. Als je de verliesteden in Autotask bijhoudt, kan Power BI dit verder uitsplitsen.
Door deze data in Power BI te hebben, zien je serviceteam en management dezelfde cijfers. Als een grote deal bijna is getekend, kan operations de capaciteit tijdig plannen. Als de pipeline terugloopt, signaleert management dat direct in hetzelfde dashboardoverzicht in plaats van te wachten op een maandelijkse CRM-export.
Bijna €3,1 miljoen aan waarde wacht op een beslissing. Stel een Power BI-melding in of plan een wekelijkse reviewcyclus die elke offerte markeert die meer dan 14 dagen zonder statuswijziging open staat. Dat alleen al kan deals terughalen die gewoon blijven liggen in iemands inbox.
18 "Verloren/Stagnant" en 16 "Verlopen" deals blazen je actieve opportuniteitentelling op zonder dat er echte pipelinewaarde achter zit. Ze sluiten of archiveren geeft je schonere cijfers en een nauwkeurigere prognose in het dashboard.
Het contrast tussen reps met een hoog volume en lage waarde versus reps met een laag volume en hoge waarde is zichtbaar in Power BI. Gebruik dit in maandelijkse 1-op-1-gesprekken: waar gaat de tijd van elke rep naartoe en sluit de dealmix aan bij je groeistrategie?
Nu verschijnt €7,06 miljoen aan verloren omzet als één getal. Als accountmanagers bij elke verloren deal een verliesreden vastleggen (prijs, timing, concurrentie, scopemismatch), kan Power BI dit uitsplitsen en laten zien waar het echte probleem zit.
Ja. Proxuma ondersteunt zowel Autotask als ConnectWise Manage als PSA-bron. De CRM-module in ConnectWise heeft een iets andere datastructuur, waardoor de opportunityfasen en veldnamen afwijken, maar de Power BI-dashboardlogica is hetzelfde. Je accountinstelling bepaalt welke connector actief is.
Standaard ververst Proxuma de dataset eenmaal per dag. Voor organisaties die nagenoeg realtime pipelinezichtbaarheid willen, kan een frequentere verversing worden ingesteld. Het verversingsinterval hangt af van je Power BI-licentie en het datavolume vanuit je PSA. De meeste MSP's vinden een dagelijkse verversing voldoende voor CRM-review.
Het live CRM-activiteitsdashboard in Power BI bevat slicers voor accountmanagernaam, datumbereik, opportunityfase en dealstatus. Managers kunnen filteren op de pipeline van één accountmanager en accountmanagers kunnen filteren op hun eigen overzicht. De filters blijven actief binnen een sessie zodat je kunt inzoomen zonder context te verliezen.
Ja, dat is een van de kernvoordelen van je PSA koppelen aan Power BI. Omdat zowel CRM-data als servicedata uit hetzelfde systeem komen via dezelfde connector, kun je gecombineerde overzichten bouwen die het openstaande ticketaantal van een klant naast hun dealstatus tonen, of factureerbare geleverde uren vergelijken met gewonnen contractwaarde. Deze context is niet beschikbaar in standaard PSA-rapportages.
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