Hoeveel ongeschreven uren heeft elke resource? Dit rapport vergelijkt de Autotask-capaciteit met daadwerkelijk geregistreerde tijd om het gat bloot te leggen tussen wat je team zou kunnen factureren en wat ze werkelijk vastleggen.
Hoeveel ongeschreven uren heeft elke resource? Dit rapport vergelijkt de Autotask-capaciteit met daadwerkelijk geregistreerde tijd om het gat bloot te leggen tussen wat je team zou kunnen factureren en wat ze werkelijk vastleggen.
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
Hoeveel ongeschreven uren heeft elke resource? Dit rapport vergelijkt de Autotask-capaciteit met daadwerkelijk geregistreerde tijd om het gat bloot te leggen tussen wat je team zou kunnen factureren en wat ze werkelijk vastleggen.
Overzicht van tijdregistratie-metrics voor alle resources en periodes.
Top 15 resources gerangschikt op totaal geregistreerde uren. Dit zijn de meest actieve loggers, niet de slechtste.
De top 15 resources zijn goed voor 25.869 uur van de 50.752 totaal geregistreerde uren (51%). Technicus A leidt met 2.400 uur, terwijl Technicus O op 1.344 uur staat. Houd in gedachten: dit zijn de beste loggers. De overige 62 resources registreerden nog minder, gemiddeld slechts 401 uur per persoon.
EVALUATE
TOPN(15,
SUMMARIZECOLUMNS(
'BI_Autotask_Time_Entries'[resource_name],
"TotalHours", SUM('BI_Autotask_Time_Entries'[hours_worked]),
"BillableHours", CALCULATE(
SUM('BI_Autotask_Time_Entries'[hours_worked]),
'BI_Autotask_Time_Entries'[is_non_billable] = FALSE
),
"NonBillableHours", CALCULATE(
SUM('BI_Autotask_Time_Entries'[hours_worked]),
'BI_Autotask_Time_Entries'[is_non_billable] = TRUE
),
"ClientCount", DISTINCTCOUNT(
'BI_Autotask_Time_Entries'[company_id]
)
),
[TotalHours], DESC
)Ongeschreven uren omgerekend naar potentiele omzet op basis van het gemiddelde uurtarief.
De rekening is simpel maar oncomfortabel. Je team genereert gemiddeld $459 per factureerbaar uur. Met 737.106 ongeschreven uren in het systeem vertaalt zelfs een klein percentage zich naar serieus geld. Als slechts 1% van die uren echt factureerbaar werk was dat niet werd vastgelegd, is dat $3,4 miljoen aan gemiste omzet. Bij 5% is het $16,9 miljoen. Niemand verwacht alles te vangen, maar het verschil tussen nul en "iets" is miljoenen waard.
EVALUATE ROW("TotalHours", SUM('BI_Autotask_Time_Entries'[hours_worked]), "BillableHours", SUM('BI_Autotask_Time_Entries'[Billable Hours]), "NonBillableHours", SUM('BI_Autotask_Time_Entries'[Non billable Hours]), "TotalTickets", [Tickets - Count - Created], "TicketsWithTime", DISTINCTCOUNT('BI_Autotask_Time_Entries'[ticket_id]))Uitsplitsing van geregistreerde uren, factureerbaar aandeel, ticketaantal en klantbereik voor de top 15 resources.
| Resource | Totaal uren | Factureerbaar | Niet-fact. | Fact. % | Tickets | Klanten |
|---|---|---|---|---|---|---|
| Technicus A | 2.400 | 1.749 | 651 | 72,9% | 603 | 46 |
| Technicus B | 2.136 | 1.303 | 833 | 61,0% | 794 | 117 |
| Technicus C | 2.060 | 1.145 | 915 | 55,6% | 99 | 54 |
| Technicus D | 2.050 | 1.838 | 213 | 89,7% | 2.613 | 115 |
| Technicus E | 1.888 | 1.527 | 361 | 80,9% | 2.297 | 104 |
| Technicus F | 1.862 | 1.416 | 446 | 76,0% | 84 | 45 |
| Technicus G | 1.780 | 1.157 | 623 | 65,0% | 149 | 44 |
| Technicus H | 1.585 | 1.228 | 357 | 77,5% | 763 | 77 |
| Technicus I | 1.554 | 819 | 735 | 52,7% | 489 | 29 |
| Technicus J | 1.505 | 957 | 547 | 63,6% | 2.017 | 143 |
| Technicus K | 1.492 | 1.094 | 399 | 73,3% | 724 | 84 |
| Technicus L | 1.433 | 1.308 | 125 | 91,3% | 17 | 25 |
| Technicus M | 1.418 | 1.344 | 75 | 94,8% | 3.220 | 146 |
| Technicus N | 1.362 | 1.322 | 40 | 97,1% | 3.275 | 137 |
| Technicus O | 1.344 | 1.087 | 257 | 80,9% | 578 | 51 |
De factureerbare percentages lopen uiteen van 52,7% (Technicus I) tot 97,1% (Technicus N) onder de top loggers. Technicus N en Technicus M vallen op: ze loggen bijna al hun tijd als factureerbaar en behandelen de hoogste ticketvolumes (3.275 en 3.220). Aan de andere kant hebben Technicus C en Technicus I de laagste factureerbare ratio's, met meer dan 40% van hun gelogde tijd voor niet-factureerbare activiteiten.
Hoe de 50.752 geregistreerde uren zich verdelen tussen factureerbaar en niet-factureerbaar werk.
Van de uren die wel gelogd worden, is driekwart factureerbaar. Dat is een gezonde verhouding. Het echte probleem is niet factureerbaar vs niet-factureerbaar. Het is gelogd vs niet-gelogd. Als technici meer tijd gaan registreren, stijgen de factureerbare uren vanzelf mee, omdat het grootste deel van de ontbrekende tijd waarschijnlijk factureerbaar werk is dat nooit in het systeem terechtkwam.
EVALUATE
ROW(
"BillableHours", CALCULATE(
SUM('BI_Autotask_Time_Entries'[hours_worked]),
'BI_Autotask_Time_Entries'[is_non_billable] = FALSE
),
"NonBillableHours", CALCULATE(
SUM('BI_Autotask_Time_Entries'[hours_worked]),
'BI_Autotask_Time_Entries'[is_non_billable] = TRUE
),
"TotalLoggedHours", SUM('BI_Autotask_Time_Entries'[hours_worked]),
"BillablePercent", DIVIDE(
CALCULATE(
SUM('BI_Autotask_Time_Entries'[hours_worked]),
'BI_Autotask_Time_Entries'[is_non_billable] = FALSE
),
SUM('BI_Autotask_Time_Entries'[hours_worked])
)
)De relatie tussen ticketvolume en geregistreerde uren laat verschillende werkpatronen zien.
Er zijn twee duidelijke patronen. Technicus M en Technicus N verwerken enorme ticketvolumes (3.000+) terwijl ze bescheiden uren loggen, wat wijst op snel, high-volume werk. Technicus C en Technicus F loggen veel uren tegen weinig tickets, wat duidt op projectmatig of diepgaand werk. Technicus L is een uitschieter: 1.433 uur gelogd tegen slechts 17 tickets, wat kan wijzen op projectwerk, interne taken, of uren gelogd tegen niet-ticket activiteiten.
Wat de data vertelt over tijdregistratiegedrag en omzetrisico.
Slechts 6,4% van de Autotask-capaciteit heeft time entries. Zelfs als je rekening houdt met het feit dat capaciteit cumulatief is en inactieve periodes bevat, is dit gat veel te groot. Als resources 8 uur per dag werken maar 1 uur loggen, ben je blind voor 7 uur activiteit. Dat maakt utilization reporting, winstgevendheidsanalyse en resource planning onbetrouwbaar.
Bij een gemiddeld tarief van $459 per factureerbaar uur is de omzetimpact van ontbrekende time entries enorm. Een technicus die dagelijks 30 minuten factureerbaar werk vergeet te loggen, kost ongeveer $57.000 per jaar. Vermenigvuldig dat over 77 resources, zelfs gedeeltelijk, en je kijkt naar miljoenen aan weggelekte omzet.
Technicus D, E, M en N behandelen allemaal 2.000+ tickets en houden factureerbare percentages boven 80%. Ticket-gedreven workflows produceren vanzelf time entries, omdat het ticket zelf een herinnering is om te loggen. Resources met project- of intern werk (Technicus C, Technicus L) laten lagere factureerbare percentages zien. Proces is net zo belangrijk als discipline.
Onder de beste loggers is het gemiddelde factureerbare percentage 76,1%. Dat is gezond. Het probleem is niet wat er gelogd wordt. Het probleem is het werk dat helemaal niet gelogd wordt. Los het registratiegedrag op en de omzet volgt vanzelf.
Stappen om het gat tussen werkelijk uitgevoerd werk en geregistreerde tijd te dichten.
Stel een dagelijks geautomatiseerd rapport in dat elke resource flagged met nul time entries op de vorige werkdag. Stuur het voor 9 uur naar teamleiders. Maak registreren niet-onderhandelbaar. Doel: 100% van de resources logt minimaal 6 uur per werkdag binnen 60 dagen.
Rangschik resources op registratiegraad en deel het met het team. Positieve groepsdruk werkt. Neem zowel totaal gelogde uren als factureerbaar percentage op. Geef de beste loggers publieke erkenning. De data uit sectie 4.0 is al de basis voor dit leaderboard.
De overige 62 resources loggen gemiddeld slechts 401 uur. Sommigen zijn parttime, inactief of administratieve accounts. Verwijder inactieve resources uit de capaciteitsberekening en focus de compliance-inspanning op actieve medewerkers die echt te weinig loggen. Als 10 van hen het niveau van Technicus A halen, levert dat duizenden factureerbare uren extra op.
Autotask-capaciteit is cumulatief over alle periodes en alle resources in het systeem. Het omvat weekenden, feestdagen en periodes waarin resources mogelijk niet actief waren. Het ruwe getal oogt alarmerend, maar de echte metric is registratiegraad per werkdag per actieve resource.
Nee. Het bedrag van $33,8M is een scenarioberekening die laat zien wat 10% van de ongeschreven uren waard zou zijn tegen het gemiddelde factureerbare tarief. Het werkelijke omzetlek hangt af van hoeveel niet-gelogde uren echt factureerbaar werk vertegenwoordigen. Zelfs een conservatieve schatting van 1-2% is nog altijd miljoenen.
Vergelijk de gelogde uren van elke resource met hun verwachte werkuren voor de periode. Gebruik de DAX queries in dit rapport om per-resource data op te halen en een compliance-percentage te berekenen. Resources die minder dan 70% van de verwachte uren loggen, verdienen directe aandacht.
Branchebenchmarks suggereren dat 85-95% van de werkuren time entries moet hebben. Best-in-class MSP's mikken op 95%+ met geautomatiseerde herinneringen en verplichte dagelijkse registratie. Begin met 85% als minimum en werk omhoog.
Ja. Kopieer een query uit de toggles hierboven en plak het in DAX Studio of de Power BI Desktop performance analyzer. De queries verwijzen naar standaard Proxuma datamodel-tabellen en measures die in elke Proxuma Power BI deployment aanwezig zijn.
Wekelijks voor compliance tracking, maandelijks voor trendanalyse. Stel geautomatiseerde alerts in voor elke resource die minder dan 6 uur logt op een werkdag. Het doel is om gaten in real time te vangen, niet om ze maanden later te ontdekken.
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