AI-gegenereerde ranking van het factureerbare percentage van elke technicus ten opzichte van geregistreerde uren. Gebouwd met Proxuma Power BI en Autotask PSA. Gebruik dit voor coachgesprekken, doelstellingen en het signaleren van structurele registratieproblemen.
AI-gegenereerde ranking van het factureerbare percentage van elke technicus ten opzichte van geregistreerde uren. Gebouwd met Proxuma Power BI en Autotask PSA. Gebruik dit voor coachgesprekken, doelstellingen en het signaleren van structurele registratieproblemen.
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
AI-gegenereerde ranking van het factureerbare percentage van elke technicus ten opzichte van geregistreerde uren. Gebouwd met Proxuma Power BI en Autotask PSA. Gebruik dit voor coachgesprekken, doelstellingen en het signaleren van structurele registratieproblemen.
EVALUATE
ROW(
"BillableHours", [Billable],
"LoggedHours", [Total],
"BillablePctVsLogged", [Billable % (vs Logged)],
"TotalResources", COUNTROWS(
FILTER(
VALUES('BI_Autotask_Time_Entries'[resource_name]),
CALCULATE([Total]) > 0
)
)
)Oplopend gesorteerd op factureerbaar % vs geregistreerde uren. Allen zitten onder de 80%-doelstelling.
| # | Technicus | Factureerbaar % | Status | Visualisatie | Verschil met 80% |
|---|---|---|---|---|---|
| 1 | Paul Hoffman | 10,8% | Kritiek | −69,2 pt | |
| 2 | Stephen Castillo | 28,1% | Kritiek | −51,9 pt | |
| 3 | Corey Griffin | 36,1% | Kritiek | −43,9 pt | |
| 4 | Joshua Hernandez | 41,4% | Kritiek | −38,6 pt | |
| 5 | Stephanie Clay | 49,0% | Onder doel | −31,0 pt | |
| 6 | Jane Stewart | 51,4% | Onder doel | −28,6 pt | |
| 7 | Jerry Mcfarland | 52,7% | Onder doel | −27,3 pt | |
| 8 | Brian Cook | 53,5% | Onder doel | −26,5 pt | |
| 9 | Kevin Allen | 55,6% | Onder doel | −24,4 pt | |
| 10 | Becky Johnson | 56,0% | Onder doel | −24,0 pt |
EVALUATE
TOPN(10,
ADDCOLUMNS(
VALUES('BI_Autotask_Time_Entries'[resource_name]),
"BillableHours", CALCULATE([Billable]),
"LoggedHours", CALCULATE([Total]),
"BillablePct", CALCULATE([Billable % (vs Logged)])
),
[BillablePct], ASC
)
ORDER BY [BillablePct] ASCDe technici met het hoogste factureerbare percentage laten zien wat mogelijk is met dezelfde tools en tickettypes. Gebruik deze als benchmark voor coachgesprekken.
| Resource | Total Hrs | Billable Hrs | Billable % |
|---|---|---|---|
| Daniel Daniels | 1,418 | 1,344 | 94.7% |
| Brandon Bishop | 1,362 | 1,322 | 97.1% |
| Maxwell Reed | 2,050 | 1,838 | 89.6% |
| Elizabeth Ortega | 1,433 | 1,308 | 91.3% |
| Kevin Allen | 2,060 | 1,145 | 55.6% |
EVALUATE TOPN(15, 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])), [TotalHours], DESC)Het hoofdcijfer is 75,6% team-factureerbaar percentage tegenover een standaarddoelstelling van 80%. Dat verschil van 4,4 procentpunt lijkt klein, maar over een team dat 50.751 uren registreert, betekent het zo'n 2.234 uur niet-factureerbare tijd die wel factureerbaar had moeten zijn. Tegen een typisch MSP-tarief van 150 euro per uur is dat circa 335.000 euro aan omzetderving per jaar.
De verdeling vertelt een specifieker verhaal. Paul Hoffman op 10,8% is een duidelijke uitschieter. Op dat niveau registreert hij bijna al zijn tijd op niet-factureerbare categorieën (intern, PTO, training), of er is een systematisch probleem met hoe zijn tickets worden gecategoriseerd. Hetzelfde geldt voor Stephen Castillo op 28,1%. Dit zijn geen geleidelijke onderpresteerders. Ze vereisen een directe review van wat ze daadwerkelijk registreren.
De middengroep (Jane Stewart tot Kevin Allen, 51% tot 56%) is gebruikelijker: technici die echt klantwerk doen maar een significant deel op niet-factureerbare codes registreren. De oplossing is vaak het verduidelijken welke tickettypes factureerbaar zijn en zorgen voor consistente categorisering op het moment van registratie.
De toppresteerders laten zien waar het plafond ligt. Tracy Fitzpatrick en Brandon Bishop zitten beiden boven de 97% factureerbaar. Dat is geen toeval. Het weerspiegelt discipline in het registreren van uren en het werken aan factureerbare tickets. Dit zijn de mensen om te volgen in je coachgesprekken: wat doen zij anders?
Vier stappen voor een Service Manager op basis van de bovenstaande bevindingen
Bij 10,8% en 28,1% factureerbaar gaat het niet om geleidelijke afwijking. Ze hebben een direct gesprek nodig. Haal hun tijdregistraties van de afgelopen 30 dagen op in Autotask en bekijk wat ze daadwerkelijk registreren. PTO? Intern? Training? Of wordt klantwerk op een niet-factureerbare code gezet? Het antwoord vertelt je of het een gedragsprobleem is of een configuratieprobleem.
Voor technici in de 50%–60%-range is de meest voorkomende oorzaak dat tickets op interne of niet-factureerbare codes worden gezet terwijl ze factureerbaar hadden moeten zijn. Filter hun tijdregistraties op facturatietype. Zie je veel “intern”- of “gratis”-boekingen op klantgerichte tickets, dan is er een configuratie- of trainingsprobleem, geen prestatieprobleem.
Een teamgemiddelde van 75,6% maskeert het verschil van 10,8% tot 97,2%. Elke technicus krijgt een persoonlijke doelstelling in het volgende 1-op-1-gesprek. Voor technici al boven de 80% stel je 85% in als volgend mijlpaal. Voor technici onder de 60% stel je een 90-dagenplan op om het verschil in stappen van 10 procentpunt te dichten, niet in een keer.
Tracy Fitzpatrick en Brandon Bishop zitten beiden boven de 97% factureerbaar. Ze doen niets bijzonders. Ze registreren consequent en categoriseren correct. Koppel elke onderpresterende technicus aan een toppresteerder voor een twee weken durende registratiereview. Laat de data het gesprek sturen, niet de mening van de manager.
Factureerbaar % (vs Geregistreerd) is het deel van de totale geregistreerde uren van een technicus dat als factureerbaar is gemarkeerd in Autotask. Een percentage van 75% betekent dat voor elk geregistreerd uur 45 minuten op een klantfactuur komen en 15 minuten niet. De maatstaf sluit capaciteitsuren volledig uit en kijkt alleen naar daadwerkelijk geregistreerde tijd.
Niet altijd. Een technicus die aan een groot intern project werkt, in een opleidingsperiode zit of veel garantiewerk afhandelt, laat lagere facturatiepercentages zien. De data vertelt je aan wie je de vraag moet stellen, niet wat het antwoord is. Bekijk altijd de onderliggende tijdregistraties voordat je conclusies trekt.
80% is een veelgebruikte benchmark in de MSP-sector omdat het rekening houdt met de realiteit dat niet alle tijd factureerbaar is: PTO, teamvergaderingen, interne tickets en training dragen allemaal bij aan niet-factureerbare uren. Een doelstelling boven de 90% is over het algemeen niet houdbaar. Consistent onder de 70% is een signaal van structurele problemen.
Ja. Koppel Proxuma Power BI aan jouw Autotask-account en stel een AI-tool via MCP dezelfde vraag. Het schrijft de DAX-queries, voert ze uit op jouw live data en produceert dit rapport in minder dan vijftien minuten. De namen en percentages weerspiegelen jouw daadwerkelijke team.
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