Dit rapport combineert SmileBack CSAT-beoordelingen, HiBob organisatiestructuur en Autotask ticketresolutie om een enkele vraag te beantwoorden: voorspelt de span of control van een manager de kwaliteit van de dienstverlening? We vergelijken teamgrootte, CSAT-scores en SLA-resolutie per manager.
Dit rapport combineert SmileBack CSAT-beoordelingen, HiBob organisatiestructuur en Autotask ticketresolutie om een enkele vraag te beantwoorden: voorspelt de span of control van een manager de kwaliteit van de dienstverlening? We vergelijken teamgrootte, CSAT-scores en SLA-resolutie per manager.
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: Service delivery managers, operations leads, and MSP owners tracking service quality
Hoe vaak: Wekelijks for operational adjustments, monthly for client reporting, quarterly for contract reviews
Dit rapport combineert SmileBack CSAT-beoordelingen, HiBob organisatiestructuur en Autotask ticketresolutie om een enkele vraag te beantwoorden: voorspelt de span of control van een manager de kwaliteit van de dienstverlening? We vergelijken teamgrootte, CSAT-scores en SLA-resolutie per manager.
EVALUATE ROW("TotalManagers", [Total Managers], "AvgSpanOfControl", [Average Span of Control], "CSATAvg", [CSAT - Average Rating], "ResolutionMet", [Tickets - Resolution Met %])| Manager | Teamgrootte | CSAT Gem. | Resolutie Behaald % | Prestatie |
|---|---|---|---|---|
| Manager A | 4 | 4,7 | 94,2% | Top |
| Manager B | 5 | 4,6 | 92,1% | Top |
| Manager C | 7 | 4,4 | 91,0% | Top |
| Manager D | 6 | 4,2 | 88,5% | Midden |
| Manager E | 8 | 4,1 | 86,3% | Midden |
| Manager F | 10 | 3,9 | 84,7% | Midden |
| Manager G | 9 | 3,8 | 82,1% | Laag |
| Manager H | 12 | 3,5 | 79,6% | Laag |
De trend is duidelijk. Managers met 4-7 directe rapportages behalen consequent zowel CSAT- als SLA-targets. Zodra de teamgrootte boven 8 komt, dalen beide metrieken. Manager H runt het grootste team (12 directe rapportages) en scoort het laagst op zowel CSAT (3,5) als resolutie behaald (79,6%).
EVALUATE
SUMMARIZECOLUMNS(
BI_HiBob_Employees[manager_name],
"Team_Size",
CALCULATE(COUNTROWS(BI_HiBob_Employees),
FILTER(BI_HiBob_Employees,
BI_HiBob_Employees[manager_id] = EARLIER(BI_HiBob_Employees[employee_id]))),
"CSAT_Avg", AVERAGE(BI_SmileBack_Ratings[rating]),
"Resolution_Met_Pct",
DIVIDE(
CALCULATE(COUNTROWS(BI_Autotask_Tickets), BI_Autotask_Tickets[resolution_met] + 0 = 1),
COUNTROWS(BI_Autotask_Tickets))
)
ORDER BY [CSAT_Avg] DESCHet getal tussen haakjes toont de teamgrootte. Het patroon is consistent over de hele dataset: kleinere teams produceren hogere CSAT en betere SLA-prestaties. De sweet spot ligt bij 4-7 directe rapportages. Daarboven hebben managers moeite om zowel servicekwaliteit als ticketresolutie op peil te houden.
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
FILTER(BI_HiBob_Employees, BI_HiBob_Employees[is_manager] = TRUE()),
BI_HiBob_Employees[manager_name]
),
"Span_of_Control",
CALCULATE(COUNTROWS(BI_HiBob_Employees),
FILTER(BI_HiBob_Employees,
BI_HiBob_Employees[manager_id] = EARLIER(BI_HiBob_Employees[employee_id]))),
"Team_CSAT", AVERAGE(BI_SmileBack_Ratings[rating]),
"Team_Resolution_Met",
DIVIDE(
CALCULATE(COUNTROWS(BI_Autotask_Tickets), BI_Autotask_Tickets[resolution_met] + 0 = 1),
COUNTROWS(BI_Autotask_Tickets))
)
ORDER BY [Team_CSAT] DESCIets meer dan de helft van de managers (56%) opereert binnen het optimale bereik van 4-7 directe rapportages. Maar 16% managet 10 of meer mensen, en dit zijn de teams die zowel CSAT als SLA naar beneden trekken. De 28% in het 8-9 bereik zit in een overgangszone waar prestaties beginnen te dalen maar nog niet zijn ingestort.
| Teamgrootte | Managers | Gem. CSAT | Gem. Resolutie % | Status |
|---|---|---|---|---|
| 4-5 directe rapportages | 5 | 4,6 | 93,1% | Optimaal |
| 6-7 directe rapportages | 5 | 4,3 | 89,8% | Goed |
| 8-9 directe rapportages | 5 | 3,9 | 84,2% | Risico |
| 10+ directe rapportages | 3 | 3,5 | 79,8% | Kritiek |
De categorie-analyse bevestigt de per-manager data. CSAT daalt met een volledig punt (4,6 naar 3,5) tussen de kleinste en grootste teamcategorie. Resolutie behaald daalt van 93,1% naar 79,8%. De 8-9 categorie is waar beide metrieken onder acceptabele drempels zakken.
Het verschil tussen top en bodem is aanzienlijk. Manager A's team van 4 levert een CSAT van 4,7 en 94,2% resolutie behaald. Manager H's team van 12 landt op 3,5 CSAT en 79,6% resolutie behaald. Dat is een CSAT-verschil van 1,2 punt en een SLA-verschil van 14,6 procentpunt, voornamelijk gedreven door teamgrootteverschillen.
Drie managers die teams van 10 of meer aansturen scoren gemiddeld 3,5 CSAT en 79,8% resolutie behaald. Beide cijfers liggen ver onder de organisatiebrede targets van 4,0 CSAT en 90% resolutie behaald. Deze teams zijn verantwoordelijk voor 22% van alle gemiste SLA-tickets in de dataset.
Managers in het 4-7 bereik scoren gemiddeld 4,4 CSAT en 91,5% resolutie behaald. Deze categorie bevat 10 van de 18 managers en levert de meest consistente resultaten. Wanneer teams groter worden dan 7, is de prestatiedaling direct en meetbaar.
Er is een sterke correlatie tussen span of control en zowel CSAT als SLA. Dit is geen toeval - managers met kleinere teams kunnen meer aandacht besteden aan ticketkwaliteit, coaching en escalatieafhandeling. De data laat zien dat dit een structureel voordeel is, geen verschil in managerskills.
1. Splits de drie grootste teams. Manager H (12 rapportages), Manager F (10) en Manager G (9) moeten worden geherstructureerd. Als elk van deze teams wordt opgesplitst in twee groepen van 5-6, voorspelt de data CSAT-verbeteringen van 0,5-1,0 punt en SLA-winst van 8-12 procentpunt per team.
2. Stel een maximale span of control in. Beperk directe rapportages tot maximaal 8 per manager voor servicedienstverlening. Elk team dat deze drempel overschrijdt, moet een review triggeren. Gebruik de DAX-queries uit dit rapport om een live Power BI-pagina te bouwen die teams boven de limiet signaleert.
3. Monitor de 8-9 categorie als vroegtijdige waarschuwing. Vijf managers zitten momenteel in het 8-9 bereik waar prestaties beginnen te dalen. Dit zijn de teams die het meest waarschijnlijk verder verslechteren als de headcount groeit zonder extra managementcapaciteit. Review ze elk kwartaal.
Span of control telt het aantal medewerkers in BI_HiBob_Employees waarvan de manager_id overeenkomt met de employee_id van een bepaalde manager. Dit geeft het aantal directe rapportages per manager. Het gemiddelde span of control is het gemiddelde van alle individuele managerspans.
SmileBack CSAT-beoordelingen in BI_SmileBack_Ratings zijn gekoppeld aan voltooide tickets. Een beoordeling wordt ingediend na ticketresolutie, dus het CSAT-gemiddelde weerspiegelt de klantervaring met het volledige resolutieproces. Open of geannuleerde tickets genereren geen beoordelingen.
Teamgrootte is de sterkste voorspeller in deze dataset, maar niet de enige factor. Ticketcomplexiteit, klantmix en individuele vaardigheden spelen ook een rol. De correlatie tussen span of control en prestatie is echter consistent genoeg over alle 18 managers om het als primaire driver te beschouwen.
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