Een volledig beeld van de teamsamenstelling per rol en niveau, zodat je onderbouwde beslissingen kunt nemen over aannames, training en werkverdeling.
Een volledig beeld van de teamsamenstelling per rol en niveau, zodat je onderbouwde beslissingen kunt nemen over aannames, training en werkverdeling.
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: Operations managers, service delivery leads, and MSP owners managing capacity
Hoe vaak: Wekelijks for scheduling, monthly for utilization reviews, quarterly for staffing decisions
Een volledig beeld van de teamsamenstelling per rol en niveau, zodat je onderbouwde beslissingen kunt nemen over aannames, training en werkverdeling.
Van 24 actieve resources zijn er 14 engineers (L1-L3), 4 projectgerichte resources, 3 in management en 3 in administratieve of specialistische rollen. De huidige teamsamenstelling leunt zwaar op L1 Service Desk, die 29% van de totale bezetting uitmaakt. Dat is hoger dan de 20% die gebruikelijk is bij MSPs met goede self-resolution tooling.
EVALUATE
SUMMARIZECOLUMNS(
BI_Autotask_Resources[role_name],
FILTER(
BI_Autotask_Resources,
BI_Autotask_Resources[active] = TRUE()
),
"HeadCount", COUNTROWS(BI_Autotask_Resources),
"AvgCostRate",
AVERAGEX(BI_Autotask_Resources,
BI_Autotask_Resources[internal_cost_rate]),
"PctOfTotal",
DIVIDE(
COUNTROWS(BI_Autotask_Resources),
CALCULATE(
COUNTROWS(BI_Autotask_Resources),
ALL(BI_Autotask_Resources[role_name])
)
)
)
ORDER BY [HeadCount] DESCDoor resourcekosten af te zetten tegen ticketvraag per niveau wordt zichtbaar of het team optimaal is samengesteld. Een hoge L1-verhouding met weinig L3 brengt kwaliteitsrisico's bij complexe issues. Omgekeerd vernietigt overinvestering in senior engineers voor voornamelijk L1-werk je marge.
| Metriek | Waarde |
|---|---|
| Resources | 15 |
| Totaal Uren | 27,775 |
| Declarabel | 21,461 (77.3%) |
Slechts 2 L3 engineers voor 17% van de vraag zorgt voor single points of failure. Aanbeveling: neem 1 L3 aan of leid 1 L2 op tot L3 binnen 90 dagen.
29% L1-bezetting wijst op ruimte voor automatisering. Onderzoek RMM self-healing, wachtwoord-resetportals en AI-ticketdeflectie om de L1-belasting te verlagen zonder de bezetting te verminderen.
De engineer-managerverhouding van 4,2:1 valt binnen de normale bandbreedte voor MSPs (meestal 4:1 tot 6:1). Geen directe actie nodig.
Een veelgebruikt streefcijfer is 4:2:1 (L1:L2:L3) voor MSPs zonder sterke automatisering. Met RMM self-healing en AI-ticketdeflectie halen sommige MSPs 3:2:1, waardoor de L1-afhankelijkheid daalt. De juiste verhouding hangt af van je ticketmix: veel hardwareincidenten vraagt meer L1, security- of complianceklanten vragen meer L3.
Rechtstreeks. Elk uur dat een L3 engineer besteedt aan werk dat een getrainde L1 kan doen, is margeverlies: je betaalt €94/uur voor €38/uur werk. Andersom veroorzaakt het doorsturen van L3-issues naar L1 SLA-schendingen en klanttevredenheid die daalt. Afstemming van rollen op de vraag is een van de verbeteringen met de hoogste ROI voor een MSP.
Ja. Door ticketvolumegroei te projecteren (met de tickets-per-klant-per-maand metric uit andere rapporten) en dat af te zetten tegen rolcapaciteit, bouw je een vooruitkijkend capaciteitsplan in Power BI. Proxuma kan dit bouwen als een apart capacity planning dashboard.
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