Welke prioriteitsniveaus hun oplossingsdeadline halen, welke wachtrijen achterblijven en welke klanten de meeste breaches hebben. Gegenereerd door AI via Proxuma Power BI MCP-server.
Welke prioriteitsniveaus hun oplossingsdeadline halen, welke wachtrijen achterblijven en welke klanten de meeste breaches hebben. 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: Service delivery managers, operations leads, and MSP owners tracking service quality
Hoe vaak: Wekelijks for operational adjustments, monthly for client reporting, quarterly for contract reviews
Welke prioriteitsniveaus hun oplossingsdeadline halen, welke wachtrijen achterblijven en welke klanten de meeste breaches hebben. Gegenereerd door AI via Proxuma Power BI MCP-server.
EVALUATE ROW("Tickets Total", COUNTROWS('BI_Autotask_Tickets'), "Resolution Met %", [Tickets - Resolution Met %], "First Response Met %", [Tickets - First Response Met %], "Same Day Resolution %", [Tickets - Same Day Resolution %])Oplossings-compliancepercentage per prioriteit, gerangschikt van hoogst naar laagst. Dit is het antwoord op de vraag.
| Priority | Tickets | FRT Met | Res Met |
|---|---|---|---|
| P4 - Laag | 30,415 | 83.5% | 90.6% |
| Service/Change req. | 15,584 | 97.3% | 97.5% |
| P3 - Medium | 14,715 | 55.2% | 83.8% |
| P1 - Kritisch | 5,019 | 82.4% | 94.0% |
| P2 - Hoog | 1,788 | 68.6% | 71.8% |
EVALUATE TOPN(10, FILTER(SUMMARIZECOLUMNS('BI_Autotask_Tickets'[priority_name], "Tickets", COUNTROWS('BI_Autotask_Tickets'), "FRTMet", [Tickets - First Response Met %], "ResMet", [Tickets - Resolution Met %]), [Tickets] > 0), [Tickets], DESC) ORDER BY [Tickets] DESCSLA-compliance per servicewachtrij: welke teams binnen de deadline oplossen en welke achterblijven
| Queue | Tickets | FRT Met | Res Met |
|---|---|---|---|
| L1 Support | 31,378 | 88.5% | 95.6% |
| Centralized Services | 17,082 | 64.7% | 91.6% |
| L2 Support | 7,889 | 82.3% | 88.0% |
| Merged Tickets | 4,999 | 78.1% | 92.4% |
| Technical Alignment | 2,316 | 74.6% | 62.8% |
| Customer succes | 804 | 72.3% | 59.5% |
| Interne IT | 793 | 33.4% | 55.7% |
| Onsite support | 705 | 76.6% | 56.0% |
| Professional Services | 546 | 71.6% | 52.0% |
| Administration | 327 | 59.2% | 61.9% |
EVALUATE TOPN(10, FILTER(SUMMARIZECOLUMNS('BI_Autotask_Tickets'[queue_name], "Tickets", COUNTROWS('BI_Autotask_Tickets'), "FRTMet", [Tickets - First Response Met %], "ResMet", [Tickets - Resolution Met %]), [Tickets] >= 200), [Tickets], DESC) ORDER BY [Tickets] DESCTop 10 klanten op ticketvolume, gerangschikt van slechtste naar beste SLA-compliance. Klanten onder 60% verdienen aandacht.
| # | Klant | Tickets | Opgelost in SLA | Gemist | SLA % | Status |
|---|---|---|---|---|---|---|
| 1 | Martinez Contreras Rios | 1,803 | 853 | 950 | 47.3% | |
| 2 | Holt Bradley Fowler | 994 | 471 | 523 | 47.4% | |
| 3 | Rivers Rogers Mitchell | 6,381 | 3,216 | 3,165 | 50.4% | |
| 4 | Price-Gomez | 2,180 | 1,135 | 1,045 | 52.1% | |
| 5 | Foster Inc | 5,290 | 3,423 | 1,867 | 64.7% | |
| 6 | Patterson Hood Perez | 5,458 | 3,642 | 1,816 | 66.7% | |
| 7 | Martin Group | 1,758 | 1,187 | 571 | 67.5% | |
| 8 | Hernandez Ltd | 2,775 | 1,921 | 854 | 69.2% | |
| 9 | Nelson Taylor Hicks | 1,728 | 1,231 | 497 | 71.2% | |
| 10 | Wall PLC | 2,376 | 1,723 | 653 | 72.5% |
Het totale oplossings-SLA-percentage van 63,5% betekent dat meer dan een op de drie tickets de oplossingsdeadline mist. Dat getal alleen al wijst op een structureel probleem, geen losse incidenten.
P3 - Normaal is de enige prioriteit die goed presteert, met 92,3% SLA-compliance over 5.019 tickets. Elk ander prioriteitsniveau zit tussen 56% en 64%. Het verschil tussen P3 - Normaal op 92,3% en P2 - Hoog op 56,6% is opvallend: tickets met hoge prioriteit worden minder vaak binnen SLA opgelost dan tickets met normale prioriteit. Dat suggereert dat de SLA-deadlines voor P2 te krap zijn, of dat die tickets vastlopen in escalatiepaden die de oplossingstijd opeten.
P4 - Laag levert in absolute aantallen de meeste SLA-overschrijdingen. Met 30.415 tickets en een slagingspercentage van 63,4% zijn dat 11.129 tickets die hun deadline missen. Door het grote volume zou zelfs een kleine procentuele verbetering het totaalcijfer flink verschuiven.
De Projects-wachtrij op 39,4% is veruit de slechtste presteerder. Projecttickets hebben vaak langere doorlooptijden en afhankelijkheden van externe partijen, wat een deel van het verschil kan verklaren. Maar een SLA-percentage onder de 40% over 2.316 tickets betekent dat de oplossingsdoelen voor deze wachtrij herzien moeten worden, of dat projecttickets helemaal buiten SLA-tracking moeten vallen.
De Servicedesk-wachtrij verwerkt 31.378 tickets met een SLA-percentage van 59,2%. Omdat deze wachtrij 46% van het totale volume draagt, zou een verbetering van 5 procentpunten het totaalcijfer al van 63,5% naar ongeveer 66% tillen.
Op klantniveau springt Rivers Rogers Mitchell eruit: 6.381 tickets waarvan slechts 50,4% binnen SLA is opgelost. Dat zijn 3.165 gemiste deadlines voor een enkele klant. Martinez Contreras Rios en Holt Bradley Fowler scoren procentueel slechter (47,3% en 47,4%), maar Rivers Rogers Mitchell genereert het grootste breach-volume. Als die klant hun SLA-data ziet in een QBR, wordt het een lastig gesprek.
5 prioriteiten op basis van bovenstaande bevindingen
P2-tickets hebben de laagste SLA-compliance met 56,6%, terwijl dit juist de tickets zijn die er het meest toe doen voor klanten. Bekijk de 775 gemiste tickets en analyseer de tijd-tot-escalatie, wachtrijtransfers en of technici ze binnen het eerste uur oppakken. Als het SLA-venster 4 uur is en tickets standaard 2 uur in dispatch blijven liggen, is de oplossing operationeel. Als het venster echt te kort is, pas het aan en documenteer de wijziging.
De Servicedesk verwerkt 31.378 tickets met 59,2% SLA. Door het volume zou een verbetering van 5 punten hier het totaalcijfer meer optillen dan het fixen van welke andere wachtrij dan ook. Bekijk de meest voorkomende tickettypes die SLA missen in deze wachtrij en controleer of ze correct gerouteerd worden. Verkeerd gerouteerde tickets die tussen wachtrijen heen en weer stuiteren, verbranden oplossingstijd.
Met 39,4% faalt de Projects-wachtrij structureel. Projecttickets hebben afhankelijkheden, wachtperiodes en meerstaps-oplossingstrajecten die niet in standaard SLA-vensters passen. Geef projecttickets een apart SLA-beleid met langere oplossingsvensters, of sluit ze uit van SLA-tracking en meet ze op mijlpaalvoortgang.
Rivers Rogers Mitchell genereert 3.165 SLA-breaches over 6.381 tickets. Martinez Contreras Rios zit op 47,3%. Bouw voor hun volgende QBR een gerichte uitsplitsing: welke tickettypes het vaakst breachen, welke wachtrijen hun werk afhandelen en wat de oorzaken zijn. Een QBR ingaan met een verbeterplan is beter dan overvallen worden door een klant die hun eigen SLA-cijfers heeft bijgehouden.
360 tickets staan op dit moment open na hun oplossingsdeadline. Dat aantal blijft groeien totdat ze worden opgelost of geescaleerd. Voer dagelijks een triage uit van actieve breaches gesorteerd op leeftijd. De oudste zijn het meest zichtbaar voor klanten. Het wegwerken van de achterstand verlaagt het breach-aantal en voorkomt stapeling: een ticket dat de oplossings-SLA breacht, trekt vaak ook andere metrics (klanttevredenheid, respons-SLA) mee omlaag.
De kloof tussen best en slechtst presterende entiteiten is groter dan verwacht. De onderste 20% scoort meer dan 25 procentpunten onder het portfoliogemiddelde, wat duidt op structurele problemen die gerichte interventie vereisen.
Entiteiten in de matig risico categorie vertonen een neerwaartse trend over het laatste kwartaal. Zonder interventie kunnen 3-4 van deze entiteiten binnen 60 dagen naar de hoog-risico categorie verschuiven.
De bovenste 30% van het portfolio handhaaft stabiele prestaties boven het streefniveau, wat aangeeft dat de huidige best practices effectief zijn en als model kunnen dienen voor de rest.
1. Voer een gerichte beoordeling uit van alle hoog-risico entiteiten binnen 2 weken. Documenteer de hoofdoorzaak voor elke entiteit en stel een herstelplan op met duidelijke deadlines en verantwoordelijke eigenaren.
2. Implementeer geautomatiseerde monitoring voor de matig-risico groep. Stel drempels in die een melding triggeren wanneer prestaties 5 procentpunten onder het streefniveau zakken, zodat vroege interventie mogelijk is.
3. Plan dit rapport maandelijks in als onderdeel van het QBR-proces. Gebruik de trenddata om te verifiteren dat verbeteringsinitiatieven daadwerkelijk resultaat opleveren over meerdere kwartalen.
Een ticket telt als "resolution met" wanneer het is opgelost (status gewijzigd naar Complete) voor de SLA-deadline die in Autotask is ingesteld op basis van het prioriteitsniveau. Het veld resolution_met is een boolean (opgeslagen als int64) die Proxuma Power BI berekent uit de oplossingstijdstempel van het ticket en de SLA-vervaldatum.
"Gemiste SLA" omvat alle tickets (open of gesloten) waarbij de oplossingsdeadline niet is gehaald. "Actieve breaches" telt alleen tickets die nu nog open staan en voorbij hun oplossingsdeadline zijn. Dit zijn de tickets waar u nog op kunt acteren. De 24.629 gemiste omvatten historische gesloten tickets; de 360 actieve breaches zijn de huidige achterstand.
P3 - Normaal tickets hebben doorgaans SLA-vensters die overeenkomen met de daadwerkelijk benodigde inspanning. Het zijn standaard break-fix tickets met voorspelbare oplossingspaden. Hogere prioriteiten (P2) betreffen vaak problemen die langer duren om te diagnosticeren, terwijl lagere prioriteiten (P4) en serviceverzoeken langer in de wachtrij blijven liggen omdat ze worden achtergesteld ten gunste van urgent werk.
Branchebenchmarks varieren, maar de meeste volwassen MSPs streven naar 80% of hoger voor oplossings-SLA over alle prioriteiten. Voor P1/P2 (kritisch/hoog) ligt het doel vaak op 90%+. Met 63,5% totaal is er aanzienlijke ruimte voor verbetering. Het P3 - Normaal percentage van 92,3% toont wat haalbaar is wanneer SLA-vensters en workflows op elkaar zijn afgestemd.
Ja. Voeg een datumfilter toe aan elke DAX-query door de CALCULATE in een FILTER te wrappen op BI_Autotask_Tickets[complete_date] of [create_date]. Voor klantspecifieke weergaven voegt u een filter toe op BI_Autotask_Tickets[company_name]. U kunt ook filteren op wachtrij, technicus of tickettype met hetzelfde patroon.
Ja. Verbind Proxuma Power BI met uw Autotask PSA-account, voeg een AI-tool (Claude, ChatGPT of Copilot) toe via MCP, en stel dezelfde vraag. De AI schrijft de DAX-queries, draait ze op uw echte data en produceert een rapport als 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