We hebben de cijfers over geautomatiseerde qbr voor msps uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.
We hebben de cijfers over geautomatiseerde qbr voor msps uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.
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
We hebben de cijfers over geautomatiseerde qbr voor msps uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.
EVALUATE TOPN(10, ADDCOLUMNS(VALUES(BI_Autotask_Companies[company_name]), "CICount", CALCULATE(COUNTROWS(BI_Autotask_Configuration_Items)), "TicketCount", [Tickets - Count - Created], "HoursWorked", [Tickets - Hours Worked], "CIPerTicket", DIVIDE(CALCULATE(COUNTROWS(BI_Autotask_Configuration_Items)), [Tickets - Count - Created])), [CICount], DESC)Klanten gerangschikt op totaal aantal tickets uit de demodataset
| Client | CIs | Tickets | Hours | CI/Ticket |
|---|---|---|---|---|
| Martin Group | 2105 | 2775 | 2046 | 0.76 |
| Craig-Huynh | 1584 | 5458 | 3575 | 0.29 |
| Lewis LLC | 985 | 1758 | 1206 | 0.56 |
| Little Group | 720 | 5290 | 3050 | 0.14 |
| Wall PLC | 411 | 2376 | 1479 | 0.17 |
| Richards, Bell and Christensen | 271 | 823 | 660 | 0.33 |
| Lopez-Reyes | 295 | 1317 | 670 | 0.22 |
| Price-Gomez | 281 | 2180 | 823 | 0.13 |
| Wu-Jackson | 251 | 914 | 590 | 0.28 |
| Burke, Armstrong and Morgan | 246 | 1629 | 943 | 0.15 |
EVALUATE TOPN(10, ADDCOLUMNS(VALUES(BI_Autotask_Companies[company_name]), "CICount", CALCULATE(COUNTROWS(BI_Autotask_Configuration_Items)), "TicketCount", [Tickets - Count - Created], "HoursWorked", [Tickets - Hours Worked], "CIPerTicket", DIVIDE(CALCULATE(COUNTROWS(BI_Autotask_Configuration_Items)), [Tickets - Count - Created])), [CICount], DESC)Totaal gelogde uren per bedrijf
| Bedrijf | Uren |
|---|---|
| Rijksen, Bel en Christiaans | 782.4 |
| Wu-Jacobs | 962.0 |
| Dijkstra-Postma | 864.9 |
| Bakker & Zonen | 2,217.0 |
| Vermeulen, Jacobs en Maes | 1,006.1 |
| Doyle-Contreras | 961.9 |
| Klement, Pham en Groen | 866.3 |
| - | 7,264.2 |
| De Vries ICT | 2,801.1 |
| Jansen Groep | 3,791.4 |
| Gerritsen-Kuiper | 4,370.4 |
| Van Leeuwen, De Jong en Hoekstra | 1,661.8 |
| Brouwer, Kok en Scholten | 1,312.3 |
| Van Dijk BV | 1,696.9 |
| Smit Holding | 1,170.6 |
EVALUATE TOPN(15, SUMMARIZECOLUMNS('BI_Autotask_Companies'[company_name], "Hours", SUM('BI_Autotask_Time_Entries'[hours_worked])), [Hours], DESC)Omzetverdeling per bedrijf uit billingdata
| Bedrijf | Omzet |
|---|---|
| Manders-Peek | €214,468 |
| Mulder & Partners | €253,148 |
| Wu-Jacobs | €321,669 |
| Torres-Jones | €255,698 |
| Vermeulen, Jacobs en Maes | €320,831 |
| Patterson, Riley and Lawson | €416,449 |
| Rijksen, Bel en Christiaans | €328,164 |
| Brouwer, Kok en Scholten | €469,660 |
| Dijkstra-Postma | €286,926 |
| Jansen Groep | €1,431,177 |
| Van Dijk BV | €476,622 |
| Gerritsen-Kuiper | €2,324,616 |
| Bakker & Zonen | €637,091 |
| Janssen-Peeters | €589,694 |
| De Vries ICT | €2,212,914 |
EVALUATE TOPN(15, SUMMARIZECOLUMNS('BI_Autotask_Companies'[company_name], "Revenue", SUM('BI_Autotask_Billing_Items'[total_amount])), [Revenue], DESC)Wat de data ons vertelt
Over 39,226 records in totaal is de verdeling sterk geconcentreerd. Wolters-Kuipers neemt alleen al 2.6% van het totale volume voor z'n rekening (1,002 records). Dat soort concentratie is het monitoren waard: als één klant structureel de workload domineert, kan dat wijzen op scope creep, onvoldoende preventief onderhoud, of een mismatch in pricing.
Wolters-Kuipers genereert de meeste activiteit. Check of dit past bij hun contract scope en SLA-tier.
Richt een wekelijkse of maandelijkse review in van geautomatiseerde qbr voor msps-metrics. Trends zijn belangrijker dan momentopnames. Gebruik de DAX-queries in dit rapport als startpunt.
Dit rapport gebruikt demodata. Koppel Proxuma Power BI aan je eigen Autotask PSA om deze analyse op je echte cijfers los te laten.
De TOTAAL TICKETS metric wordt afgeleid uit het onderliggende Power BI dataset met DAX queries. Het aggregeert data over de rapportageperiode voor een geconsolideerd overzicht van totaal tickets performance.
Dit rapport haalt operationele data op uit Autotask PSA, Datto RMM, Datto Backup via de Proxuma Power BI integratie. De analyse dekt de standaard rapportageperiode en bevat alle actieve records die aan de rapportcriteria voldoen.
Bekijk de specifieke datapunten in deze sectie en vergelijk ze met je operationele context. Gebruik het rapport als startpunt voor teamdiscussies en prioritering van vervolgacties.
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