This report provides a detailed breakdown of maand-over-maand verandering in open tickets per bedrijf for managed service providers.
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 desk managers, dispatch leads, and operations teams
Hoe vaak: Dagelijks for queue management, weekly for trend analysis, monthly for capacity planning
Huidige open ticketaantallen in de gehele klantportfolio
EVALUATE ROW("TotalTickets", COUNTROWS('BI_Autotask_Tickets'), "OpenTickets", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[status_name] <> "Complete"), "OverdueResolution", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[resolved_due_age_days] > 0))Huidige open tickets en maand-over-maand vergelijking. De top 15 klanten vertegenwoordigen het grootste deel van uw onopgeloste achterstand.
| # | Bedrijf | Open Nu | Open 1 Maand Geleden | Verandering | Trend | % van Totaal |
|---|---|---|---|---|---|---|
| 1 | Rivers, Rogers and Mitchell | 113 | 113 | 0 | Stabiel | 13,4% |
| 2 | Craig-Huynh | 65 | 65 | 0 | Stabiel | 7,7% |
| 3 | Little Group | 40 | 40 | 0 | Stabiel | 4,7% |
| 4 | Ramos Group | 36 | 36 | 0 | Stabiel | 4,3% |
| 5 | Martin Group | 33 | 33 | 0 | Stabiel | 3,9% |
| 6 | Price-Gomez | 25 | 25 | 0 | Stabiel | 3,0% |
| 7 | Wall PLC | 20 | 20 | 0 | Stabiel | 2,4% |
| 8 | Thompson, Contreras and Rios | 20 | 20 | 0 | Stabiel | 2,4% |
| 9 | Leach, Cunningham and Whitehead | 19 | 19 | 0 | Stabiel | 2,3% |
| 10 | Martin-Gonzalez | 18 | 18 | 0 | Stabiel | 2,1% |
| 11 | Burke, Armstrong and Morgan | 18 | 18 | 0 | Stabiel | 2,1% |
| 12 | Welch Inc | 17 | 17 | 0 | Stabiel | 2,0% |
EVALUATE
TOPN(15,
ADDCOLUMNS(
SUMMARIZE(
'BI_Autotask_Tickets',
'BI_Autotask_Tickets'[company_name]
),
"Open Now", [Open Tickets (Current)],
"Open 1mo Ago",
CALCULATE(
COUNTROWS('BI_Autotask_Tickets'),
FILTER(
ALL('BI_Autotask_Tickets'),
'BI_Autotask_Tickets'[company_name]
= EARLIER('BI_Autotask_Tickets'[company_name])
&& 'BI_Autotask_Tickets'[create_date]
<= DATE(YEAR(TODAY()), MONTH(TODAY())-1, DAY(TODAY()))
&& (
ISBLANK('BI_Autotask_Tickets'[complete_date])
|| 'BI_Autotask_Tickets'[complete_date]
> DATE(YEAR(TODAY()), MONTH(TODAY())-1, DAY(TODAY()))
)
)
),
"MoM Change", [Open Tickets Change (MoM)],
"MoM Growth %", [Open Tickets Growth % (MoM)]
),
[Open Now], DESC
)De portfolio toont 844 open tickets verdeeld over 264 bedrijven, met een gemiddelde van 3,2 per klant. Dat gemiddelde maskeert echter een significante onevenwichtigheid aan de top van de lijst.
Rivers, Rogers and Mitchell heeft alleen al 113 open tickets, goed voor 13,4% van al het onopgeloste werk in de portfolio. De volgende vier grootste klanten (Craig-Huynh, Little Group, Ramos Group, Martin Group) combineren voor nog eens 174 tickets. In totaal zijn vijf klanten verantwoordelijk voor 34% van alle open tickets, terwijl de andere 259 klanten de resterende twee derde delen.
In de demodataset tonen maand-over-maand veranderingen geen beweging, wat statische demodata weerspiegelt. In een live omgeving verbonden met uw Autotask wordt dit overzicht continu bijgewerkt naarmate tickets worden aangemaakt en opgelost. Stijgende aantallen bij een specifieke klant gedurende twee opeenvolgende maanden moeten een accountreview in gang zetten, niet alleen een dispatchwachtrijcontrole.
Drie acties op basis van de bevindingen hierboven
Met 113 open tickets en 13,4% van de gehele portfolioachterstand heeft deze klant een dedicated accountreview nodig. De vraag is of deze tickets een grote omgeving met normale ticketstroom weerspiegelen, of een groeiende achterstand door vertragingen in de afhandeling. Trek eerst de gemiddelde leeftijd van de open tickets voor deze klant op, en bepaal dan of dit een personeel-, prioriterings- of klantrelatieprobleem is.
Een stijging van 10% of meer in open tickets bij een van uw topklanten over één maand is een betekenisvol signaal. Configureer een Power BI-melding of een geplande export die deze veranderingen automatisch markeert. Een stijgende telling bij Craig-Huynh of Little Group vroeg opvangen is veel eenvoudiger dan de nasleep managen na drie opeenvolgende slechte maanden.
Een klant hun eigen tickettrend over 12 maanden laten zien, met maand-over-maand veranderingen, verschuift het gesprek van klachten naar data. Een klant die ziet dat zijn open telling gedaald is van 25 naar 12 in zes maanden is veel makkelijker te behouden dan een klant die alleen maar uptime-percentages hoort. Bouw deze slide in elk QBR-deck voor uw top 15 accounts.
Een open ticket is elk ticket in Autotask met een aanmaakdatum op of voor vandaag en geen afsluitdatum, of een afsluitdatum in de toekomst. Dit komt overeen met de branchestandaard definitie van een onopgelost ticket, ongeacht de interne statuslabel.
De MoM-verandering vergelijkt het huidige open ticketaantal met het aantal van precies één maand geleden op dezelfde kalenderdag. Proxuma gebruikt de Open Tickets (Snapshot) maatstaf, die historische open tellingen berekent op basis van aanmaak- en afsluitdatums van tickets.
Ja. In het live Power BI-rapport kunt u slicers toepassen voor tickettype, wachtrij, prioriteit en toegewezen resource. MoM-berekeningen worden dynamisch bijgewerkt wanneer filters worden toegepast.
De demo gebruikt een synthetische, statische dataset. In een live omgeving verbonden met uw Autotask PSA weerspiegelt de MoM-kolom echte ticketaanmaak- en afhandelingsactiviteit van maand tot maand. Veranderingen verschijnen naarmate uw data ververst.
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