Een analyse van omzet, kosten en winst per klant uit Autotask PSA. Dit rapport rangschikt je top 15 klanten op omzet, volgt kwartaaltrends en markeert accounts met churn-risico signalen. Bron: PSA
Een analyse van omzet, kosten en winst per klant uit Autotask PSA. Dit rapport rangschikt je top 15 klanten op omzet, volgt kwartaaltrends en markeert accounts met churn-risico signalen. Bron: PSA
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 owners, finance leads, and operations managers tracking profitability
Hoe vaak: Maandelijks for financial reviews, quarterly for strategic planning, op aanvraag for pricing decisions
Een analyse van omzet, kosten en winst per klant uit Autotask PSA. Dit rapport rangschikt je top 15 klanten op omzet, volgt kwartaaltrends en markeert accounts met churn-risico signalen. Bron: PSA
Financiele KPIs op hoog niveau over de volledige klantbasis uit Autotask PSA.
EVALUATE SUMMARIZECOLUMNS(BI_Autotask_Companies[company_type], "Count", COUNTROWS(BI_Autotask_Companies), "Tickets", [Tickets - Count - Created]) ORDER BY [Count] DESCTop 15 klanten gerangschikt op totale omzet. De top 3 is goed voor 34% van alle omzet, wat flink concentratierisico oplevert.
Omzetverloop van de drie meest opvallende klanten. Klant A groeit gestaag. Klant B is grillig. Klant C zit in duidelijk verval.
EVALUATE
TOPN(60,
SUMMARIZECOLUMNS(
'BI_Autotask_Companies'[company_name],
'BI_Common_Dim_Date'[year_quarter],
"Revenue", [Revenue - Total]
),
[Revenue], DESC
)Winstmarge per klant met kleurcodering. Rode cellen wijzen op negatieve of gevaarlijk lage marges.
| Klant | Omzet | Kosten | Winst | Marge |
|---|---|---|---|---|
| Klant A | €2.324.617 | €1.013.970 | €1.310.647 | 56,4% |
| Klant B | €2.212.915 | €894.222 | €1.318.693 | 59,6% |
| Klant C | €1.431.177 | €603.420 | €827.758 | 57,8% |
| Klant D | €637.092 | €248.212 | €388.880 | 61,0% |
| Klant E | €589.694 | €645.574 | -€55.879 | -9,5% |
| Klant F | €476.622 | €214.395 | €262.227 | 55,0% |
| Klant G | €469.660 | €224.394 | €245.267 | 52,2% |
| Klant H | €416.450 | €206.868 | €209.582 | 50,3% |
| Klant I | €328.165 | €107.091 | €221.073 | 67,4% |
| Klant J | €321.669 | €121.483 | €200.186 | 62,2% |
| Klant K | €320.832 | €141.416 | €179.416 | 55,9% |
| Klant L | €286.926 | €120.188 | €166.739 | 58,1% |
| Klant M | €255.698 | €46.812 | €208.887 | 81,7% |
| Klant N | €253.148 | €133.138 | €120.010 | 47,4% |
| Klant O | €214.469 | €133.755 | €80.714 | 37,6% |
Klanten gemarkeerd op basis van dalende omzet, negatieve marge of ondergemiddelde winstgevendheid.
Drie klanten laten duidelijke waarschuwingssignalen zien. Het risico is niet theoretisch: de data toont geld dat weglekt, marges die krimpen en omzet die kwartaal na kwartaal daalt.
Klant E verliest geld op elk project. De kosten overtreffen de omzet met meer dan 55K. Dit is de enige klant in de top 15 met een negatieve marge. Elk uur dat je team aan Klant E besteedt kost geld. Tenzij het contract is gestructureerd om in een specifiek kwartaal winstgevend te worden, moet dit direct opgepakt worden.
Klant C zit in een gestage daling. De omzet daalde van 230K in Q1'25 naar 151K in Q4'25, en de meest recente data laat slechts 68K zien in Q1'26. Dat is een daling van 70% in een jaar. Dit is geen seizoensschommeling. Er is iets veranderd in de relatie.
Klant O heeft de laagste marge van de groep: 37,6%. De omzet zelf is bescheiden (214K), maar die marge zet druk op de utilization van je team. Bij dat niveau maakt elke scope creep het account onrendabel.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Companies'[company_name],
TREATAS({20253, 20254, 20261}, 'BI_Common_Dim_Date'[year_quarter]),
"Revenue", [Revenue - Total]
)
ORDER BY [Revenue] DESCDit is de enige klant waarvan de kosten hoger zijn dan de omzet. Bij een marge van -9,5% verliest elk engagement geld. Als dit nog een kwartaal doorgaat, overschrijdt het totale verlies de 70K. Bekijk de contractvoorwaarden, check op niet-gefactureerde uren of out-of-scope werk, en bespreek de winstgevendheid met de accountverantwoordelijke.
Van 230K in Q1'25 naar 68K in Q1'26. Klant C bouwt duidelijk af. De marge is nog gezond op 57,8%, dus dit is geen winstgevendheidsprobleem maar een volumeprobleem. De klant brengt werk intern, verdeelt het over leveranciers, of bereidt een vertrek voor. Een direct gesprek over hun planning is dringend nodig.
De omzet steeg van 358K in Q4'24 naar 460K in Q4'25, een toename van 28% over vier kwartalen. De marge blijft stabiel op 56,4%. Dit is een gezond, groeiend account. Bescherm het. Zorg dat de servicekwaliteit consistent blijft en verken upsell-mogelijkheden zolang de relatie sterk is.
De data wijst op drie prioriteiten, gerangschikt op financiele impact.
1. Fix of stop Klant E. Een negatieve marge is niet houdbaar. Haal de time entries van de afgelopen 90 dagen op en vergelijk ze met de contractscope. Als het team werk doet dat niet gedekt is, heronderhandel het contract. Als het contract zelf onrendabel is, overweeg of deze relatie strategisch zin heeft. Elke maand wachten kost weer 15K+.
2. Ga het gesprek aan met Klant C voor het te laat is. Een omzetdaling van 70% keert niet vanzelf om. Plan een business review. Vraag wat er veranderd is. Als ze werk elders onderbrengen, zoek uit waarom en of je dat werk terug kunt winnen. Als ze simpelweg krimpen, pas je bezetting aan op het nieuwe omzetniveau zodat de marges gezond blijven.
3. Verlaag het concentratierisico. Je top 3 klanten vertegenwoordigen 34% van de totale omzet. Als er eentje vertrekt, staat er meer dan 800K aan jaaromzet op het spel. Zoek actief nieuwe klanten of verdiep relaties met mid-tier accounts (Klanten F t/m K) om het risico te spreiden. Een goed streven is dat geen enkele klant boven de 15% van de totale omzet komt.
4. Zet geautomatiseerde monitoring op. Configureer Power BI om wekelijks alerts te sturen wanneer de rolling kwartaalomzet van een klant meer dan 15% daalt. Een daling opvangen in het eerste kwartaal geeft je drie maanden om te handelen. In het derde kwartaal heb je niets meer.
Dit rapport is gegenereerd door een AI-agent verbonden met Proxuma Power BI via de MCP (Model Context Protocol) server. De AI schreef drie DAX queries tegen de BI_Autotask_Companies tabel en de BI_Common_Dim_Date dimensie, voerde ze uit en verwerkte de resultaten tot dit document.
Databron: Autotask PSA, gesynchroniseerd naar Power BI via de Proxuma connector. De dataset dekt alle omzet-genererende klanten. Omzet, kosten en winst worden berekend met de standaard Proxuma measures: [Revenue - Total], [Cost - Total], [Profit - total] en [Profit - total - percentage].
Scope: Top 15 klanten op totale omzet. Kwartaaltrends bestrijken Q3 2024 t/m Q1 2026. Churn-risico flags zijn gebaseerd op kwartaal-over-kwartaal omzetdaling van meer dan 20% en/of negatieve winstmarges.
Anonimisering: Klantnamen zijn vervangen door generieke labels (Klant A t/m O) voor dit demorapport. In een live deployment zie je je echte bedrijfsnamen.
In dit rapport is churn gedefinieerd als een aanhoudende kwartaalomzetdaling van 20% of meer. Een enkel slecht kwartaal kan seizoensgebonden zijn, maar twee of meer opeenvolgende dalende kwartalen wijzen op een echte trend. Volledige churn betekent dat de omzet naar nul gaat, maar partiele churn (omzet die flink krimpt) is vaak gevaarlijker omdat het langer onopgemerkt blijft.
De kosten van Klant E (645K) overschrijden de omzet (590K) met ongeveer 56K. Dit gebeurt meestal wanneer een contract te laag geprijsd is, wanneer er significant out-of-scope werk gedaan wordt zonder facturatie, of wanneer de klant meer senior (duurdere) engineers nodig heeft dan gepland. De oplossing vereist een contractreview en een gesprek over scope-afstemming.
De meeste MSPs mikken op een bruto marge tussen 50% en 65% per klant. Onder de 40% betekent meestal dat het account te laag geprijsd of te zwaar onderhouden wordt. Boven de 70% is uitstekend maar zeldzaam voor managed services. Klant M op 81,7% heeft waarschijnlijk een hoog aandeel recurring revenue met lage supportkosten, wat het ideale profiel is.
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 data model tabellen en measures die in elke Proxuma Power BI deployment bestaan. Als je een ander datamodel gebruikt, moet je mogelijk de tabel- en kolomnamen aanpassen.
Maandelijks voor het omzet- en marge-overzicht. Per kwartaal voor de trendanalyse, aangezien kwartaaldata minstens drie datapunten nodig heeft om een betekenisvol patroon te tonen. Als je geautomatiseerde alerts instelt (omzetdaling > 15% kwartaal-over-kwartaal), kun je het volledige rapport minder vaak draaien en focussen op de gemarkeerde accounts.
Omzetconcentratierisico betekent dat te veel van je inkomsten afhangt van een klein aantal klanten. In deze dataset genereren de top 3 klanten 34% van de totale omzet. Als er eentje churnt, verlies je meer dan 800K aan jaaromzet in een keer. De vuistregel is: geen enkele klant boven de 15% en geen drie klanten boven de 30%. Diversificatie van je klantenbestand verkleint de impact van elk individueel vertrek.
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