Hoeveel mensen zijn actief per queue, hoe is de werklast verdeeld, en waar zit de onbalans. Gegenereerd door AI via Proxuma Power BI MCP server.
Hoeveel mensen zijn actief per queue, hoe is de werklast verdeeld, en waar zit de onbalans. 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, HR leads, and operations managers planning workforce
Hoe vaak: Maandelijks for headcount reviews, quarterly for planning, annually for budgeting
Hoeveel mensen zijn actief per queue, hoe is de werklast verdeeld, en waar zit de onbalans. Gegenereerd door AI via Proxuma Power BI MCP server.
Dit rapport analyseert 16 actieve queues in Autotask PSA, met in totaal 20 unieke medewerkers verdeeld over deze queues. De gemiddelde queue heeft 32.2 medewerkers. De grootste queue is L1 Support met 73 medewerkers.
In Autotask PSA is er geen direct "manager" veld. Dit rapport gebruikt queue-toewijzingen als proxy voor teamstructuur. Elke queue functioneert als een team, en het aantal unieke medewerkers per queue geeft aan hoeveel mensen onder de verantwoordelijkheid van die queue-eigenaar vallen.
De analyse laat zien dat sommige queues aanzienlijk groter zijn dan de optimale span of control (5-9 directe medewerkers). Dat maakt effectief management lastiger en verhoogt het risico op gemiste escalaties.
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
BI_Autotask_Tickets,
BI_Autotask_Tickets[queue_name]
),
"TicketCount", CALCULATE(COUNT(BI_Autotask_Tickets[ticket_id])),
"UniqueResources", CALCULATE(
DISTINCTCOUNT(BI_Autotask_Tickets[primary_resource_id])),
"TotalWorkedHours", CALCULATE(
SUM(BI_Autotask_Time_Entries[worked_hours]))
)
ORDER BY [UniqueResources] DESCAantal unieke medewerkers per queue, gesorteerd van groot naar klein
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
BI_Autotask_Tickets,
BI_Autotask_Tickets[queue_name]
),
"UniqueResources", CALCULATE(
DISTINCTCOUNT(BI_Autotask_Tickets[primary_resource_id]))
)
ORDER BY [UniqueResources] DESCTickets, medewerkers, gewerkte uren en belasting per persoon per queue
| Queue | Tickets | % |
|---|---|---|
| L1 Support | 31,378 | 46.5% |
| Centralized | 17,082 | 25.3% |
| L2 Support | 7,889 | 11.7% |
EVALUATE SUMMARIZECOLUMNS('BI_Autotask_Tickets'[queue_name], "TicketCount", COUNTROWS('BI_Autotask_Tickets'))Medewerkers die in meer dan een queue actief zijn, met hun totale tickets en uren
| Medewerker | Queues | Actief in | Totaal tickets | Totaal uren |
|---|---|---|---|---|
| Mr. David Cooper DDS | 4 | Centralized Services, Merged Tickets, L1 Support, L2 Support | 21,017 | 245.2 |
| Gregory Horn | 2 | L2 Support, L1 Support | 3,220 | 1,032.7 |
| John Mahoney | 2 | L2 Support, L1 Support | 1,316 | 794.7 |
EVALUATE
ADDCOLUMNS(
SUMMARIZE(
BI_Autotask_Tickets,
BI_Autotask_Tickets[primary_resource_name],
BI_Autotask_Tickets[queue_name]
),
"TicketCount", CALCULATE(COUNT(BI_Autotask_Tickets[ticket_id])),
"WorkedHours", CALCULATE(
SUM(BI_Autotask_Time_Entries[worked_hours]))
)
ORDER BY BI_Autotask_Tickets[primary_resource_name],
[TicketCount] DESCVerdeling van teamgroottes en vergelijking met best practices
Van de 16 queues vallen er 4 in de categorie klein (1-10 medewerkers), 5 in de categorie middelgroot (11-30), 4 in de categorie groot (31-50) en 3 in de categorie zeer groot (50+).
Management-onderzoek wijst uit dat de optimale span of control voor kenniswerk tussen 5 en 9 directe medewerkers ligt. Queues met meer dan 30 medewerkers zijn lastig om effectief aan te sturen zonder tussenliggende teamleiders. L1 Support (73 medewerkers) en L2 Support (62 medewerkers) overschrijden deze grens ruimschoots.
5 actiepunten op basis van de bevindingen
Met 73 medewerkers is L1 Support te groot voor een enkele queue-eigenaar. Overweeg om te splitsen naar type werk (remote vs. onsite) of naar klantsegment. Teams van 8-12 personen presteren aantoonbaar beter in MSP-omgevingen.
3 medewerkers zijn actief in meer dan een queue. Dat is niet per se verkeerd, maar het kan duiden op onduidelijke verantwoordelijkheden. Check of deze medewerkers bewust zijn toegewezen aan meerdere teams, of dat tickets onbedoeld bij hen terechtkomen.
Niet elke queue heeft een duidelijke eigenaar. Zonder eigenaar is er niemand verantwoordelijk voor de werkverdeling, de kwaliteit van de output of de escalatieafhandeling. Wijs per queue een eigenaar aan en maak dat zichtbaar in Autotask.
De tickets-per-persoon ratio varieert sterk per queue. Sommige medewerkers verwerken meer dan 500 tickets per persoon, terwijl anderen onder de 20 zitten. Herverdeel tickets of medewerkers zodat de belasting gelijkmatiger is.
Draai dit rapport elk kwartaal en vergelijk de teamgrootte en werklast met het vorige kwartaal. Groei in teamgrootte zonder bijbehorende groei in medewerkers is een vroeg signaal van overbelasting.
Autotask PSA heeft geen "manager" of "direct report" veld. Queues zijn de dichtstbijzijnde benadering: ze groeperen tickets per type werk, en de medewerkers die aan een queue zijn toegewezen vormen in de praktijk een team. De queue-eigenaar functioneert als teamleider.
Voor kenniswerk in IT-omgevingen ligt de optimale span of control tussen 5 en 9 directe medewerkers. Bij meer dan 12 personen neemt de effectiviteit van aansturing af. Boven de 20 heb je vrijwel zeker tussenliggende teamleiders nodig.
In de queue-grootte tellen ze per queue als uniek lid. In de totale medewerkers-KPI tellen ze slechts een keer. Het totaal van alle queue-leden is daarom hoger dan het werkelijke aantal medewerkers.
Ja. De DAX queries in dit rapport gebruiken standaard alle beschikbare data. Je kunt een datumfilter toevoegen in Power BI Desktop om alleen een specifiek kwartaal of jaar te bekijken.
Ja. Verbind Proxuma Power BI met je Autotask-omgeving, voeg een AI-tool (Claude, ChatGPT of Copilot) toe via MCP, en stel dezelfde vraag. De AI schrijft de DAX queries, draait ze tegen je data en maakt 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