Een complete uitsplitsing van omzet, kosten en winst per klant uit Autotask PSA billing data. Dit rapport identificeert de 22 verlieslatende klanten die stilletjes je marges opeten en rangschikt alle 542 klanten op hun werkelijke financiele bijdrage.
Een complete uitsplitsing van omzet, kosten en winst per klant uit Autotask PSA billing data. Dit rapport identificeert de 22 verlieslatende klanten die stilletjes je marges opeten en rangschikt alle 542 klanten op hun werkelijke financiele bijdrage.
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 complete uitsplitsing van omzet, kosten en winst per klant uit Autotask PSA billing data. Dit rapport identificeert de 22 verlieslatende klanten die stilletjes je marges opeten en rangschikt alle 542 klanten op hun werkelijke financiele bijdrage.
Financiele kernmetrics uit Autotask PSA billing data voor 542 actieve klantaccounts.
De klanten met de hoogste omzet, met omzet, kosten, winst en marge naast elkaar.
| Client | Revenue | Hours | Revenue/Hour | Tickets |
|---|---|---|---|---|
| Craig-Huynh | 2324617 | 3575 | 650 | 5458 |
| Lewis LLC | 2212915 | 1206 | 1835 | 1758 |
| Little Group | 1431177 | 3050 | 469 | 5290 |
| Martin Group | 637092 | 2046 | 311 | 2775 |
| Lopez-Reyes | 589694 | 670 | 880 | 1317 |
Klant E valt op. Het is de 5e grootste klant qua omzet, maar de enige in de top 10 die geld verliest. De kosten liggen $55.879 boven de omzet, wat een marge van -9,5% oplevert. Dat verdient een directe contractreview.
EVALUATE TOPN(15, ADDCOLUMNS(VALUES(BI_Autotask_Companies[company_name]), "TicketCount", [Tickets - Count - Created], "BillingRevenue", CALCULATE(SUM(BI_Autotask_Billing_Items[total_amount])), "HoursWorked", [Tickets - Hours Worked], "RevenuePerHour", DIVIDE(CALCULATE(SUM(BI_Autotask_Billing_Items[total_amount])), [Tickets - Hours Worked])), [BillingRevenue], DESC)Deze klanten kosten meer om te bedienen dan ze opleveren, gerangschikt van grootste naar kleinste verlies.
Twee klanten zijn verantwoordelijk voor 69% van alle verliezen. Klant K en Klant E samen verloren $122.485. Klant K heeft een omzet van slechts $23.124 tegen kosten van $89.730, wat betekent dat de kosten 3,9x de omzet zijn. Klant E is zorgwekkender omdat het $589.694 aan omzet genereert maar toch geld verliest door $645.574 aan kosten.
EVALUATE
TOPN(
10,
ADDCOLUMNS(
SUMMARIZE(
'BI_Autotask_Billing_Items',
'BI_Autotask_Companies'[company_name]
),
"Revenue", [Revenue - Total],
"Cost", [Cost - Total],
"Profit", [Profit - total],
"Margin", [Profit - total - percentage]
),
[Profit], ASC
)
ORDER BY [Profit] ASCHoe 280 omzetgenererende klanten verdeeld zijn over vijf margebanden.
52% van de klanten zit boven de 50% margelijn. Dat is een gezonde basis. Maar 90 klanten (32%) vallen in de 20-50% range, en nog eens 44 klanten (16%) zitten op dunne of negatieve marges. De 15 klanten met negatieve marges vertegenwoordigen een gecombineerd verlies dat het totaalgemiddelde met ongeveer 2 procentpunten naar beneden trekt.
Hoe de totale winstmarge per kwartaal is verlopen sinds Q3 2024.
Q2 2025 was het dieptepunt op 44,4%. Dat kwartaal had de hoogste kosten-omzetverhouding in de dataset. Q1 2026 laat een sterk herstel zien naar 68,2%, al is dat een onvolledig kwartaal met lager volume ($771K omzet vs $2,8M-$3,5M in volledige kwartalen). De totale trend is stabiel rond 52-56% met een opvallende dip.
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
'BI_Autotask_Billing_Items',
'BI_Common_Dim_Date'[year_quarter]
),
"Revenue", [Revenue - Total],
"Cost", [Cost - Total],
"Profit", [Profit - total],
"Margin", [Profit - total - percentage]
)
ORDER BY 'BI_Common_Dim_Date'[year_quarter] ASCDe verdeling tussen winstgevende, verlieslatende en klanten zonder billing in de Autotask bedrijvenlijst.
Van de 542 bedrijven in Autotask zijn 261 winstgevend en 22 verlieslatend. De overige 259 hebben geen billing items, wat waarschijnlijk betekent dat het inactieve klanten, interne accounts of contactpersonen zijn. De 22 verlieslatende klanten vormen slechts 4,1% van het klantenbestand, maar verdienen aandacht omdat zelfs kleine verliezen over tijd oplopen.
Actiegerichte inzichten uit de winstgevendheidsdata.
Met $589.694 omzet is het de 5e grootste klant, maar kosten van $645.574 leveren een marge van -9,5% op. Dat is een verlies van $55.879 op wat een groot account lijkt. De contractprijzen of scope zijn niet in lijn met de werkelijke servicekosten.
Met slechts $23.124 aan omzet tegen $89.730 aan kosten heeft Klant K de slechtste marge in de dataset: -288%. Dit is waarschijnlijk een scoping-probleem waarbij time entries ver boven de contractdekking uitkomen. Heronderhandel, of overweeg of dit account het waard is om te behouden.
Alle andere kwartalen zitten tussen 52-60%, maar Q2 2025 zakte naar 44,4%. Dit viel samen met het kwartaal met de hoogste omzet ($3,46M), wat wijst op agressieve kortingen, een groot project met dunne marges, of kostenoverrides bij specifieke klanten.
Meer dan de helft van de omzetgenererende klanten zit in de gezonde zone. 50 klanten halen marges boven 70%, wat uitstekend is. Dit zijn de accounts om te beschermen en te repliceren. Onderzoek wat ze anders maakt: contractstructuur, servicemix, of gewoon lagere complexiteit.
Concrete stappen om de klantwinstgevendheid over de hele portfolio te verbeteren.
Bekijk gedetailleerde time entries en billing items voor Klant K, Klant E, Klant L, Klant M en Klant N. Vergelijk gecontracteerde uren met werkelijke uren. Zoek naar scope creep, ongefactureerd werk of tariefmismatches. Doel: zet minimaal 3 van de 5 binnen 90 dagen om naar breakeven.
Klanten met 0-20% marge zijn een slechte maand verwijderd van verlieslatend worden. Bouw een Power BI alert die signaleert wanneer een klant onder 15% marge zakt op een rollende 3-maandenbasis. Vang problemen op voordat ze verliezen worden.
De 50 klanten boven 70% marge laten zien hoe het moet. Vergelijk hun contractstructuren, tariefkaarten en servicepakketten met het onderste kwartiel. Pas de pricing aan bij verlengingen.
Winstgevendheid is berekend als Omzet minus Kosten uit Autotask billing items. Omzet komt van SUM van total_amount en Kosten van SUM van our_cost uit de BI_Autotask_Billing_Items tabel. Marge is Winst gedeeld door Omzet als percentage.
Dit zijn bedrijfsrecords in Autotask zonder gekoppelde billing items. Het kunnen inactieve klanten, prospects, interne accounts of leveranciers zijn. Filter ze uit bij het analyseren van winstgevendheid om vertekening te voorkomen.
Begin met de grootste verliezen. Bekijk hun contracten, vergelijk werkelijke uren met de gecontracteerde scope, en controleer of tarieven overeenkomen met huidige pricing. Sommige hebben een tariefverhoging nodig, anderen een scopebeperking. Een paar zijn misschien niet de moeite waard om te behouden.
Maandelijks voor het KPI-dashboard, per kwartaal voor de volledige klant-per-klant uitsplitsing. Stel geautomatiseerde alerts in voor klanten die onder 10% marge zakken, zodat je problemen opvangt tussen reviews door.
Dit bevat alle billing item types uit Autotask: recurring services, time and materials, milestone billing en ad-hoc charges. De Revenue - Total measure telt alle total_amount waarden op, ongeacht het billing type.
Ja. Kopieer een query uit de toggles hierboven en plak het in DAX Studio of de Power BI Desktop performance analyzer. De queries verwijzen naar standaard Proxuma datamodel tabellen en measures die in elke Proxuma Power BI deployment aanwezig zijn.
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