AI-GEGENEREERD RAPPORT

Je zocht naar:

Hoe ziet de omzet per contactpersoon eruit?

Omzet per Contactpersoon

Q: Hoe wordt TOTAAL TICKETS berekend in het Omzet per Contactpersoon rapport?

De TOTAAL TICKETS metric wordt afgeleid uit het onderliggende Power BI dataset met DAX queries. Het aggregeert data over de rapportageperiode voor een geconsolideerd overzicht van totaal tickets performance.

Q: Welke data uit Autotask PSA, Datto RMM, Datto Backup is opgenomen in deze analyse?

Dit rapport haalt operationele data op uit Autotask PSA, Datto RMM, Datto Backup via de Proxuma Power BI integratie. De analyse dekt de standaard rapportageperiode en bevat alle actieve records die aan de rapportcriteria voldoen.

Q: Welke actie moet ik ondernemen naar aanleiding van de "Onderzoek Volume Wolters-Kuipers" aanbeveling?

Bekijk de specifieke datapunten in deze sectie en vergelijk ze met je operationele context. Gebruik het rapport als startpunt voor teamdiscussies en prioritering van vervolgacties.

We hebben de cijfers over omzet per contactpersoon uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.

Built from: Autotask PSA

Hoe dit rapport tot stand kwam

Autotask PSA

Multiple data sources combined

Proxuma Power BI

Voorgebouwd MSP semantisch model, 50+ measures

AI via MCP

Claude of ChatGPT schrijft DAX-queries, voert ze uit en formatteert de output

4
Dit Rapport
KPI's, uitsplitsingen, trends, aanbevelingen

                Klaar in < 15 min

Omzet per Contactpersoon

We hebben de cijfers over omzet per contactpersoon uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.

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, finance leads, and operations managers tracking profitability

Hoe vaak: Maandelijks for financial reviews, quarterly for strategic planning, op aanvraag for pricing decisions

Time saved

Building financial reports from PSA exports and spreadsheets is a full day of work. This report delivers it in minutes.

Margin visibility

Revenue numbers alone do not tell the story. This report connects revenue to cost for true profitability.

Pricing intelligence

Data-driven evidence for pricing adjustments, contract negotiations, and resource allocation.

RapportcategorieFinancial & Revenue

DatabronAutotask PSA · Datto RMM · Datto Backup · Microsoft 365 · SmileBack · HubSpot · IT Glue

RefreshReal-time via Power BI

GeneratietijdMinder dan 15 minuten

AI vereistClaude, ChatGPT or Copilot

DoelgroepMSP owners, finance leads

Waar vind je dit in Proxuma

Power BI › Financieel › Omzet per Contactpersoon

Dit rapport voor jouw MSP

Wat je kunt meten in dit rapport

Samenvatting

Ticketvolume per Bedrijf

Uren per Medewerker

Maandelijkse Tickettrend

Omzet per Bedrijf

Analyse

Aanbevolen Acties

Veelgestelde Vragen

TOTAAL TICKETS

MEESTE TICKETS

TOTAAL UREN

TOTALE OMZET

AI-gegenereerd Power BI Rapport

Omzet per Contactpersoon

We hebben de cijfers over omzet per contactpersoon uit je Power BI-data getrokken. Dit valt op, hier zitten de gaten, en dit kun je eraan doen.

Demorapport: Dit rapport gebruikt synthetische data om AI-gegenereerde inzichten uit Proxuma Power BI te demonstreren. De structuur, DAX-queries en analyses weerspiegelen echte MSP-datapatronen.

1.0 Samenvatting

TOTAAL TICKETS

€4,736

Avg per contact

MEESTE TICKETS

€2,034

Median (half of clients below)

TOTAAL UREN

5,496

Total active contacts (205 clients)

TOTALE OMZET

€208k

Highest RPC: Patterson, Riley and Lawson

Bekijk DAX Query — Summary query

DEFINE
  VAR ClientData =
    ADDCOLUMNS(
      SUMMARIZECOLUMNS(
        BI_Autotask_Companies[company_id],
        BI_Autotask_Companies[company_name],
        "Revenue", [Revenue - Total]
      ),
      "Contacts",
        CALCULATE(
          DISTINCTCOUNT(BI_Autotask_Tickets[contact_id]),
          NOT(ISBLANK(BI_Autotask_Tickets[contact_id]))
        )
    )
  VAR Valid = FILTER(ClientData, [Revenue] > 0 && [Contacts] > 0)
EVALUATE
ROW(
  "TotalRevenue", SUMX(Valid, [Revenue]),
  "TotalContacts", SUMX(Valid, [Contacts]),
  "AvgRevPerContact", AVERAGEX(Valid, DIVIDE([Revenue], [Contacts])),
  "MedianRevPerContact", MEDIANX(Valid, DIVIDE([Revenue], [Contacts])),
  "ClientsAnalyzed", COUNTROWS(Valid)
)

Wat zijn deze DAX-queries? DAX (Data Analysis Expressions) is de formuletaal die Power BI gebruikt om data te bevragen. Elke openklapbare sectie hieronder toont de exacte query die de AI heeft geschreven en uitgevoerd.

1.0 Ticketvolume per Bedrijf

Klanten gerangschikt op totaal aantal tickets uit de demodataset

Wolters-Kuipers

1,002

Brouwer, Kok en Scholten

1,629

Janssen-Peeters

1,317

Hermans, Willems en Claes

1,684

De Vries ICT

1,758

Vermeulen, Jacobs en Maes

1,803

Pieters-Lemmens

1,481

Van Leeuwen, De Jong en H

6,381

Timmermans-Vos

2,364

Bakker & Zonen

2,775

Client	Revenue	Contacts	Revenue / Contact
Craig-Huynh	€2,324,617	757	€3,071
Lewis LLC	€2,212,915	154	€14,370
Little Group	€1,431,177	426	€3,360
Martin Group	€637,092	472	€1,350
Lopez-Reyes	€589,694	155	€3,804
Wall PLC	€476,622	274	€1,739
Burke, Armstrong and Morgan	€469,660	105	€4,473
Patterson, Riley and Lawson	€416,450	2	€208,225

Bekijk DAX Query — Ticketvolume per Bedrijf query

DEFINE
  VAR ClientData =
    ADDCOLUMNS(
      SUMMARIZECOLUMNS(
        BI_Autotask_Companies[company_id],
        BI_Autotask_Companies[company_name],
        "Revenue", [Revenue - Total]
      ),
      "Contacts",
        CALCULATE(
          DISTINCTCOUNT(BI_Autotask_Tickets[contact_id]),
          NOT(ISBLANK(BI_Autotask_Tickets[contact_id]))
        )
    )
EVALUATE
TOPN(10,
  FILTER(ClientData, [Revenue] > 0 && [Contacts] > 0),
  [Revenue], DESC)
ORDER BY [Revenue] DESC

2.0 Uren per Medewerker

Gelogde uren per resource uit de demodataset

Thijs van Dijk

1,343

Pieter Jansen

1,361

Daan Mulder

1,418

Koen Hendriks

1,504

Eva de Boer

1,433

Marieke van den Berg

1,584

Ruben Meijer

1,492

Sanne Bakker MSc

2,399

Stefan Peters

2,060

Niels Dekker

2,135

Affordability band	Clients	Revenue	Avg per contact
Premium (€20k+)	4	€830,038	€111,568
High (€5k–€20k)	17	€3,812,648	€9,313
Mid (€2k–€5k)	84	€9,735,546	€3,142
Low (€500–€2k)	77	€3,001,168	€1,273
Minimal (<€500)	23	€19,710	€192

Bekijk DAX Query — Uren per Medewerker query

DEFINE
  VAR ClientData =
    ADDCOLUMNS(
      SUMMARIZECOLUMNS(
        BI_Autotask_Companies[company_id],
        BI_Autotask_Companies[company_name],
        "Revenue", [Revenue - Total]
      ),
      "Contacts",
        CALCULATE(
          DISTINCTCOUNT(BI_Autotask_Tickets[contact_id]),
          NOT(ISBLANK(BI_Autotask_Tickets[contact_id]))
        )
    )
  VAR WithBand =
    ADDCOLUMNS(
      FILTER(ClientData, [Revenue] > 0 && [Contacts] > 0),
      "RPC", DIVIDE([Revenue], [Contacts]),
      "Band",
        SWITCH(TRUE(),
          DIVIDE([Revenue],[Contacts]) >= 20000, "Premium",
          DIVIDE([Revenue],[Contacts]) >= 5000, "High",
          DIVIDE([Revenue],[Contacts]) >= 2000, "Mid",
          DIVIDE([Revenue],[Contacts]) >= 500, "Low",
          "Minimal")
    )
EVALUATE
GROUPBY(WithBand, [Band],
  "Clients", COUNTX(CURRENTGROUP(), [company_id]),
  "Revenue", SUMX(CURRENTGROUP(), [Revenue]),
  "AvgRPC", AVERAGEX(CURRENTGROUP(), [RPC]))
ORDER BY [Band]

3.0 Maandelijkse Tickettrend

Maandelijks ticketvolume over de gemeten periode

Maand	Tickets
202502	3,478
202503	3,766
202504	4,341
202505	3,639
202506	3,651
202507	6,613
202508	3,607
202509	4,563
202510	4,013
202511	3,327
202512	2,940
202601	2,164

Bekijk DAX Query — Maandelijkse Tickettrend query

EVALUATE TOPN(12, SUMMARIZECOLUMNS('BI_Common_Dim_Date'[year_month], "Tickets", COUNTROWS('BI_Autotask_Tickets')), 'BI_Common_Dim_Date'[year_month], DESC)

4.0 Omzet per Bedrijf

Omzetverdeling per bedrijf uit billingdata

Manders-Peek

214,468

Mulder & Partners

253,148

Wu-Jacobs

321,669

Torres-Jones

255,698

Vermeulen, Jacobs en Maes

320,831

Patterson, Riley and Laws

416,449

Rijksen, Bel en Christiaa

328,164

Brouwer, Kok en Scholten

469,660

Dijkstra-Postma

286,926

Jansen Groep

1,431,177

Segment	Clients	Revenue	Contacts	Revenue / Contact
Top 10 by revenue	10	€9,700,000+	~3,000	~€3,200
Top 25 by revenue	25	~€13M	~4,200	~€3,100
Top 50 by revenue	50	~€15.5M	~4,800	~€3,230
Bottom 100 by revenue	100	~€400,000	~650	~€615

Bekijk DAX Query — Omzet per Bedrijf query

EVALUATE TOPN(15, SUMMARIZECOLUMNS('BI_Autotask_Companies'[company_name], "Revenue", SUM('BI_Autotask_Billing_Items'[total_amount])), [Revenue], DESC)

6.0 Analyse

Wat de data ons vertelt

Over 39,226 records in totaal is de verdeling sterk geconcentreerd. Wolters-Kuipers neemt alleen al 2.6% van het totale volume voor z'n rekening (1,002 records). Dat soort concentratie is het monitoren waard: als één klant structureel de workload domineert, kan dat wijzen op scope creep, onvoldoende preventief onderhoud, of een mismatch in pricing.

De maandelijkse trend laat een dalend verloop zien over de gemeten periode, van 3,478 naar 2,164. Een dalende trend kan het gevolg zijn van betere automation, betere documentatie, of minder klantactiviteit.

Het team heeft 25,868 uur gelogd over 15 resources, gemiddeld 1,724 uur per persoon. Let op uitschieters aan beide kanten: engineers die veel meer loggen zijn mogelijk overbelast, terwijl lage uren kunnen wijzen op problemen met logging compliance.

7.0 Aanbevolen Acties

1. Onderzoek Volume Wolters-Kuipers

Wolters-Kuipers genereert de meeste activiteit. Check of dit past bij hun contract scope en SLA-tier.

✓

2. Plan een Terugkerende Review

Richt een wekelijkse of maandelijkse review in van omzet per contactpersoon-metrics. Trends zijn belangrijker dan momentopnames. Gebruik de DAX-queries in dit rapport als startpunt.

✓

3. Koppel je Eigen Data

Dit rapport gebruikt demodata. Koppel Proxuma Power BI aan je eigen Autotask PSA om deze analyse op je echte cijfers los te laten.

8.0 Veelgestelde Vragen

Hoe wordt TOTAAL TICKETS berekend in het Omzet per Contactpersoon rapport?

De TOTAAL TICKETS metric wordt afgeleid uit het onderliggende Power BI dataset met DAX queries. Het aggregeert data over de rapportageperiode voor een geconsolideerd overzicht van totaal tickets performance.

Welke data uit Autotask PSA, Datto RMM, Datto Backup is opgenomen in deze analyse?

Dit rapport haalt operationele data op uit Autotask PSA, Datto RMM, Datto Backup via de Proxuma Power BI integratie. De analyse dekt de standaard rapportageperiode en bevat alle actieve records die aan de rapportcriteria voldoen.

Welke actie moet ik ondernemen naar aanleiding van de "Onderzoek Volume Wolters-Kuipers" aanbeveling?

Bekijk de specifieke datapunten in deze sectie en vergelijk ze met je operationele context. Gebruik het rapport als startpunt voor teamdiscussies en prioritering van vervolgacties.

Omzet per Contactpersoon

Omzet per Contactpersoon

1. Onderzoek Volume Wolters-Kuipers

2. Plan een Terugkerende Review

3. Koppel je Eigen Data

Genereer rapporten als deze vanuit je eigen data