Welke resources loggen de minste declarabele uren ten opzichte van het totaal gewerkte uren? Dit rapport rankt elke resource op declarabel percentage en signaleert waar werklastherbalancering nodig is. Gegenereerd door AI via Proxuma Power BI MCP-server.
Welke resources loggen de minste declarabele uren ten opzichte van het totaal gewerkte uren? Dit rapport rankt elke resource op declarabel percentage en signaleert waar werklastherbalancering nodig is. Gegenereerd door AI via Proxuma Power BI MCP-server.
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
Welke resources loggen de minste declarabele uren ten opzichte van het totaal gewerkte uren? Dit rapport rankt elke resource op declarabel percentage en signaleert waar werklastherbalancering nodig is. Gegenereerd door AI via Proxuma Power BI MCP-server.
EVALUATE
ROW(
"TotalHours", SUM('BI_Autotask_Time_Entries'[hours_worked]),
"BillableHours", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
"NonBillableHours", SUM('BI_Autotask_Time_Entries'[Non billable Hours]),
"ResourceCount", DISTINCTCOUNT('BI_Autotask_Time_Entries'[resource_name]),
"BillableRatio", DIVIDE(
SUM('BI_Autotask_Time_Entries'[Billable Hours]),
SUM('BI_Autotask_Time_Entries'[hours_worked])
)
)Declarabel vs. niet-declarabel verdeling over alle gelogde tijdregistraties
Over alle resources heen is 75,6% van de gelogde uren declarabel. Dat is 4,4 procentpunt onder de branchestandaard van 80%. Bij een team dat duizenden uren per jaar logt, telt dat gat op tot honderden uren aan gemiste omzetpotentie.
De niet-declarabele 24,4% omvat interne projecten, administratie, trainingen en vergaderingen. Een deel daarvan is noodzakelijk. Maar wanneer individuele resources onder de 50% zakken, is er een structureel probleem dat onderzocht moet worden.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Time_Entries'[resource_name],
"TotalHours", SUM('BI_Autotask_Time_Entries'[hours_worked]),
"BillableHours", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
"NonBillableHours", SUM('BI_Autotask_Time_Entries'[Non billable Hours])
)
ORDER BY [TotalHours] DESCResources gerankt van laagste naar hoogste declarabele percentage op gelogde uren. Rood = onder 50%, oranje = 50-70%, groen = boven 80%.
| Resource | Totaal | Declarabel | % |
|---|---|---|---|
| Jerry Mcfarland | 1,554 | 819 | 52.7% |
| Kevin Allen | 2,060 | 1,145 | 55.6% |
| James Li | 2,136 | 1,303 | 61.0% |
Autotask capaciteitsgebaseerd declarabel percentage onthult een tijdregistratiegat over alle resources
Wanneer je het declarabele percentage afzet tegen Autotask-capaciteitsuren in plaats van alleen gelogde uren, storten de cijfers in. Elke resource toont een declarabel percentage tussen 0,001% en 0,002% tegen hun capaciteit. Ongeschreven uren maken 97-100% uit van de beschikbare capaciteit.
Dit betekent een van twee dingen. Of de capaciteitsinstellingen in Autotask staan te hoog geconfigureerd (de standaard is vaak 2.080 uur/jaar per resource, wat full-time beschikbaarheid veronderstelt). Of je team logt maar een fractie van hun werkelijke werktijd.
Beide problemen zijn het oplossen waard. Als capaciteitsinstellingen niet kloppen, zullen je utilization-dashboards altijd bijna nul tonen, waardoor ze nutteloos zijn voor planning. Als tijdregistratie onvolledig is, verlies je het zicht op waar uren werkelijk naartoe gaan.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Time_Entries'[resource_name],
"BillablePct", [Billable % (Autotask Capacity)],
"UnwrittenPct", [Unwritten % (Autotask Capacity)],
"InternalPct", [Internal % (Autotask Capacity)],
"AchievementBillable", [Target - Achievement - Billable]
)
ORDER BY [BillablePct] ASCHoe ver elke resource zit van de 80% declarabele branchebenchmark op gelogde uren
Geen enkele resource in deze dataset haalt 80%. De dichtstbijzijnde is Resource O op 65,0%, nog steeds 15 procentpunt tekort. De slechtst presterende, Resource A, zit op 10,8% met 885 interne uren tegen slechts 107 declarabele.
Voor de resources met hoog volume (H, M, E, O met elk 1.000+ uren) maken zelfs kleine verbeteringen verschil. Resource H van 55,6% naar 65% brengen zou ruwweg 194 uren verschuiven van intern naar declarabel. Tegen een typisch MSP-uurtarief is dat echte omzet.
| Resource | Huidig % | Gat naar 80% | Te verschuiven uren | Impact |
|---|---|---|---|---|
| Resource A | 10,8% | -69,2pp | 687 | Kritiek |
| Resource E | 49,0% | -31,0pp | 330 | Hoog Volume |
| Resource H | 55,6% | -24,4pp | 503 | Hoog Volume |
| Resource M | 61,0% | -19,0pp | 406 | Hoog Volume |
| Resource O | 65,0% | -15,0pp | 267 | Dichtst bij Doel |
Waarom declarabele percentages laag zijn en waar interne uren naartoe gaan
Lage declarabele percentages komen doorgaans voort uit een paar veelvoorkomende patronen bij MSP's:
1. Rolmismatch. Sommige resources zitten in rollen die van nature intern-zwaar zijn: teamleiders, projectmanagers, interne IT. Resource A op 10,8% declarabel met 992 totale uren lijkt op een management- of infrastructuurrol, niet op een servicedesktechnicus. Als dat bewust zo is, zou de benchmark voor hen anders moeten zijn.
2. Intern projectoverload. Resources D en E hebben elk 260-540 interne uren. Als die uren gekoppeld zijn aan interne projecten (kantoorverhuizingen, tool-migraties, infrastructuurupgrades), drukken ze de ratio tijdelijk omlaag. Check of die projecten einddatums hebben.
3. Verkeerde classificatie van tijdregistraties. Niet-declarabele tijdregistraties die declarabel hadden moeten zijn vormen een veelvoorkomend Autotask-configuratieprobleem. Als een werktype of rol standaard op "niet-declarabel" staat, telt elke registratie eronder mee tegen de ratio. Controleer werktype-instellingen voor de resources met de grootste gaten.
4. Onvolledige tijdregistratie. De capaciteitsdata bevestigt dit: 97-100% van de capaciteitsuren is ongeschreven. Resources doen mogelijk declarabel werk maar loggen het niet. Dit is het duurste probleem, want ongelogde declarabele uren zijn uren die je nooit kunt factureren.
Alle 15 gevolgde resources vallen onder de MSP-branchestandaard. Het portfoliogemiddelde van 75,6% maskeert grote variatie: vijf resources zitten onder 50%, wat betekent dat meer dan de helft van hun gelogde uren geen omzet genereert. Voor resources met hoog volume zoals H (2.060 uur) en M (2.136 uur) zou zelfs een verbetering van 10 punten 200+ uren naar declarabel verschuiven.
Elke resource toont bijna-nul utilization tegen Autotask-capaciteitsinstellingen. Ongeschreven uren zijn goed voor 97-100% van de capaciteit. Dit betekent dat of de capaciteit verkeerd geconfigureerd is (te hoog), of tijdregistratie ernstig onvolledig is, of allebei. Totdat dit is opgelost, zijn capaciteitsgebaseerde rapporten en dashboards onbetrouwbaar.
Het team zit niet ver van het 80%-doel wanneer je alleen naar gelogde uren kijkt. Het gat is 4,4 procentpunt. Als de onderste vijf resources (A tot en met E) ook maar een deel van hun interne uren naar declarabel kunnen verschuiven, passeert het portfolio de 80%. Begin met classificatie van tijdregistraties en audits van werktypen.
5 prioriteiten op basis van bovenstaande bevindingen
Met 10,8% declarabel over 992 uren zit Resource A ofwel in een rol die niet op declarabel percentage gemeten hoort te worden (manager, interne IT), ofwel worden uren tegen de verkeerde werktypen geboekt. Bepaal deze week welke van de twee het is. Als de rol declarabel is, controleer dan de werktype-configuratie voor elke tijdregistratie.
Capaciteitsutilization onder 1% betekent dat de capaciteitsuren in Autotask niet overeenkomen met de realiteit. Controleer de geconfigureerde uren per week/jaar voor elke resource. Als ze standaard op 2.080 staan en je team er 1.800 werkt, klopt de berekening nooit. Corrigeer de capaciteitsinstellingen zodat utilization-dashboards bruikbaar worden.
Resources A tot en met E hebben mogelijk declarabel werk geboekt onder niet-declarabele werktypen. Trek een steekproef van 20 tijdregistraties per resource en check of het werktype overeenkomt met het daadwerkelijk uitgevoerde werk. Een verkeerd geconfigureerd werktype kan de hele ratio van een resource omlaag trekken.
De capaciteitsdata toont enorme ongelogde uren. Stel een minimaal dagelijks logdoel in (bijvoorbeeld 6,5 uur per werkdag van 8 uur) en volg de compliance wekelijks. Ongelogde uren zijn de grootste onzichtbare kosten: je kunt niet factureren voor tijd die je niet hebt geregistreerd.
Beide hebben 1.000+ gelogde uren maar zitten op 49% en 55,6% declarabel. Het zijn je resources met het hoogste volume onder het doel. Verschuif een deel van hun interne projectwerk naar resources met lagere totale uren (B, C, G) en wijs meer klantgerichte tickets toe aan E en H. Zelfs een verbetering van 10 punten op deze twee zou het portfoliogemiddelde merkbaar verhogen.
Een declarabel uur is elke tijdregistratie in Autotask waarbij het werktype of de factuurcode op declarabel staat. Dit wordt bepaald door de werktype-configuratie in je Autotask-setup. Als een werktype als niet-declarabel is gemarkeerd, tellen alle tijdregistraties eronder als intern, ongeacht of het werk voor een klant was.
Capaciteitsgebaseerde utilization deelt de werkelijk gelogde uren door de capaciteitsuren die in Autotask zijn geconfigureerd. Als de capaciteit op 2.080 uur/jaar staat maar een resource logt maar 400 uur, is de utilization al onder de 20% voordat je declarabel vs. niet-declarabel bekijkt. De bijna-nulcijfers in dit rapport suggereren dat of de capaciteitsinstellingen te hoog staan, of de tijdregistratie ernstig onvolledig is.
De branchebenchmark is 80% voor klantgerichte technische medewerkers. Servicedesk-engineers en field technicians moeten mikken op 75-85%. Teamleiders en managers zitten vaak lager (50-65%) omdat ze hun tijd verdelen tussen klantwerk en interne coordinatie. De sleutel is om verschillende doelen per rol te stellen in plaats van een getal op iedereen toe te passen.
Dat hangt af van de rol. Een servicedesktechnicus op 40% declarabel is een probleem. Een projectmanager op 40% kan normaal zijn. Controleer voor je actie onderneemt de rol van de resource, het type projecten waaraan ze werken, en of hun tijdregistraties correct geclassificeerd zijn. Een verkeerd geclassificeerd werktype kan een declarabele resource er niet-declarabel uit laten zien in de data.
Begin met een audit. Trek de tijdregistraties van de resource over de laatste 90 dagen en check tegen welke werktypen ze loggen. Als declarabel werk onder niet-declarabele werktypen is geboekt, corrigeer dan de classificatie. Als de resource oprecht voornamelijk intern werk doet, wijs dan een aantal klantgerichte tickets aan hen toe. Als tijdregistratie onvolledig is, stel dan een dagelijks minimum in en volg de compliance.
Ja. Verbind Proxuma Power BI met je Autotask-account, voeg een AI-tool toe (Claude, ChatGPT of Copilot) via MCP, en stel dezelfde vraag. De AI schrijft de DAX-queries, draait ze tegen je echte data en produceert een rapport zoals dit in minder dan vijftien minuten.
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