Dit rapport kruist HubSpot deal pipeline-data (115 deals), HiBob personeelsgegevens (75 medewerkers verdeeld over 14 afdelingen) en Autotask tijdregistraties & verkoopkansen (50.752 uur geregistreerd, 124 actieve kansen ter waarde van €3,94M) om een enkele vraag te beantwoorden: heeft je team de capaciteit om te leveren wat de pipeline verkoopt?
Dit rapport kruist HubSpot deal pipeline-data (115 deals), HiBob personeelsgegevens (75 medewerkers verdeeld over 14 afdelingen) en Autotask tijdregistraties & verkoopkansen (50.752 uur geregistreerd, 124 actieve kansen ter waarde van €3,94M) om een enkele vraag te beantwoorden: heeft je team de capaciteit om te leveren wat de pipeline verkoopt?
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: Sales leads, MSP owners, and account managers tracking pipeline health
Hoe vaak: Wekelijks for pipeline reviews, monthly for forecasting, quarterly for strategy
Dit rapport kruist HubSpot deal pipeline-data (115 deals), HiBob personeelsgegevens (75 medewerkers verdeeld over 14 afdelingen) en Autotask tijdregistraties & verkoopkansen (50.752 uur geregistreerd, 124 actieve kansen ter waarde van €3,94M) om een enkele vraag te beantwoorden: heeft je team de capaciteit om te leveren wat de pipeline verkoopt?
Support is goed voor 27% van de totale bezetting met 20 medewerkers. Dat is verreweg de grootste afdeling. Engineering volgt met 9 mensen, dan Operations met 8. De leveringskant van het bedrijf (Support + Engineering + Operations) beslaat 37 van de 75 plekken, net onder de helft.
Sales heeft 4 mensen die een pipeline van bijna 4 miljoen euro beheren. Dat is ruwweg 1 miljoen per sales rep aan actieve pipeline-waarde. Of dat gezond is, hangt volledig af van het sluitingspercentage en de leveringscapaciteit erachter.
EVALUATE ROW("TotalDeals", COUNTROWS('BI_HubSpot_Deals'), "TotalAmount", SUM('BI_HubSpot_Deals'[amount]), "Opportunities", COUNTROWS('BI_Autotask_Opportunities'))| Fase | Kansen | Totale waarde | Gem. deal |
|---|---|---|---|
| Proposal Sent | 46 | €3,06M | €66.511 |
| Signed → Project | 191 | €1,97M | €10.317 |
| Signed → Ticket | 606 | €1,84M | €3.034 |
| Proposal Draft | 38 | €762K | €20.058 |
| Signed → Processing | 35 | €133K | €3.787 |
| Expired | 16 | €38K | €2.355 |
De trechter toont een concentratiepatroon. 46 offertes ter waarde van 3,06 miljoen euro staan in de status "Proposal Sent". Dat is 39% van de totale pipeline-waarde in een enkele fase, wachtend op een handtekening van de klant. Als zelfs de helft daarvan converteert, moet het leveringsteam 1,5 miljoen aan nieuw projectwerk opvangen.
606 kansen zijn al getekend en omgezet naar tickets met een gemiddelde dealgrootte van 3.034 euro. Dit zijn kleine terugkerende items die nu al supportcapaciteit opeten. De 191 signed-to-project deals met een gemiddelde van 10.317 euro zijn de middenklasse-opdrachten die projectmanagementbandbreedte nodig hebben.
De 16 verlopen deals ter waarde van 38K totaal zijn een klein aandachtspunt, maar ze vertegenwoordigen kansen waar offertes onbeantwoord bleven. Uitzoeken waarom die zijn verlopen kan de conversie op de 46 nog uitstaande offertes verbeteren.
| Resource | Declarabel | Totaal uren | Declarabel % | Status |
|---|---|---|---|---|
| Resource A | 1.749 | 2.400 | 72,9% | Gemiddeld |
| Resource B | 1.838 | 2.050 | 89,7% | Hoog |
| Resource C | 1.416 | 1.862 | 76,0% | Gemiddeld |
| Resource D | 1.527 | 1.888 | 80,9% | Hoog |
| Resource E | 1.157 | 1.780 | 65,0% | Gemiddeld |
| Resource F | 1.308 | 1.433 | 91,3% | Hoog |
| Resource G | 1.304 | 2.136 | 61,0% | Laag |
| Resource H | 1.145 | 2.060 | 55,6% | Laag |
| Resource I | 1.254 | 1.290 | 97,2% | Hoog |
| Resource J | 1.344 | 1.418 | 94,8% | Hoog |
Het totale declarabele percentage staat op 75,6%, dat is 4,4 punt onder het gangbare MSP-doel van 80%. Dat gat vertegenwoordigt ruwweg 2.200 uur aan niet-declarabele tijd die teruggewonnen had kunnen worden, ofwel zo'n 1,2 FTE aan capaciteit.
Resource G en Resource H vallen op met declarabele percentages van 61% en 55,6%. Samen is dat meer dan 1.700 uur niet-declarabel werk op een totaal van zo'n 4.200 uur. Voordat je personeel toevoegt om pipeline-groei op te vangen, is het de moeite waard om uit te zoeken wat de niet-declarabele tijd bij die twee resources veroorzaakt. Als het interne projecten zijn, kan dat bewust zijn. Als het slechte categorisatie is, levert het corrigeren van de registratie direct schijnbare capaciteit op.
Aan de andere kant draaien Resource I op 97,2% en Resource F op 91,3%, op of vlakbij maximale declarabele capaciteit. Deze resources hebben geen ruimte om nieuw pipeline-werk op te vangen zonder dat er ergens anders iets moet wijken.
EVALUATE TOPN(15,
SUMMARIZECOLUMNS(
BI_Autotask_Time_Entries[resource_id],
"BillableHours", SUM(BI_Autotask_Time_Entries[Billable Hours]),
"TotalHours", SUM(BI_Autotask_Time_Entries[hours_worked])
),
SUM(BI_Autotask_Time_Entries[hours_worked]), DESC
)Dit is de rekensom die ertoe doet. De actieve pipeline bevat 124 kansen ter waarde van 3,94 miljoen euro. Met een sluitingspercentage van 15,7% vanuit HubSpot is de verwachte conversiewaarde ruwweg 619K euro. Dat is het realistische omzetdoel, niet het kopcijfer van 3,94M.
De leveringszorg zit niet bij de verwachte omzet. Het gaat om wat er gebeurt als het sluitingspercentage verbetert. Als de sales-uitvoering aanscherpt en het sluitingspercentage stijgt naar 25% (een realistisch verbeterdoel), springt de verwachte leveringsbelasting naar 985K euro. Met 75 medewerkers die op 75,6% declarabel draaien en 844 open tickets al in de wachtrij, is het opvangen van 60% meer nieuw werk niet vanzelfsprekend.
Het gemiddelde dienstverband van 4,3 jaar is een positief signaal. Ervaren teams leveren sneller per projectuur dan nieuwe medewerkers. Maar ervaren teams bereiken ook sneller hun capaciteitsgrens omdat ze al efficient werken. De speling in het systeem zit bij de onderbenutte resources (sectie 4.0), niet bij de toppresteerders.
HubSpot volgt 115 deals in totaal, terwijl Autotask 124 actieve kansen bevat. De aantallen liggen dicht bij elkaar maar zijn niet identiek, wat normaal is omdat HubSpot alle dealfasen meeneemt (inclusief verloren) terwijl Autotask filtert op alleen actieve kansen.
Het sluitingspercentage van 15,7% in HubSpot is het belangrijkste cijfer op deze pagina. Het betekent dat ruwweg 6 van de 7 deals die de pipeline binnenkomen nooit converteren. Voordat je investeert in meer leveringscapaciteit, is de directere vraag of het verbeteren van de salesconversie (door betere kwalificatie of snellere offerte-opvolging) meer omzet oplevert uit de bestaande pipeline dan het toevoegen van leveringscapaciteit.
EVALUATE ROW("TotalDeals", COUNTROWS('BI_HubSpot_Deals'), "TotalAmount", SUM('BI_HubSpot_Deals'[amount]), "Opportunities", COUNTROWS('BI_Autotask_Opportunities'))Het team draait op 75,6% declarabel tegen een doel van 80%. Dat verschil van 4,4 punt staat gelijk aan ruwweg 2.200 uur ofwel 1,2 FTE aan onbenutte capaciteit. Twee resources (Resource G op 61%, Resource H op 55,6%) zijn verantwoordelijk voor een groot deel van dat gat. Het percentage corrigeren is goedkoper dan een nieuwe medewerker aannemen.
46 offertes ter waarde van 3,06 miljoen euro staan in de status "Proposal Sent". Als een cluster hiervan in hetzelfde kwartaal sluit, krijgt het leveringsteam een piek die het mogelijk niet aankan. Offerteouderdom bijhouden en per kwartaal een conversieprognose opstellen geeft operations 30 tot 60 dagen voorsprong.
De huidige ticketachterstand van 844 komt bovenop 67.521 totaal aangemaakte tickets. Support (20 medewerkers) draagt het leeuwendeel hiervan. Elke pipeline-conversie die projectwerk genereert waar support bij betrokken moet zijn, concurreert direct met de bestaande achterstand om dezelfde mensen.
Lang dienstverband betekent lagere inwerkkosten en snellere levering per gewerkt uur. Het team kent de klanten, de tools en de patronen. Dit is een structureel voordeel bij het opvangen van nieuw pipeline-werk, omdat ervaren medewerkers sneller leveren dan nieuwe collega's die de omgeving nog moeten leren kennen.
1. Dicht het declarabele gat voordat je personeel toevoegt. Van 75,6% naar 80% declarabel gaan maakt ruwweg 2.200 uur aan effectieve capaciteit vrij zonder een enkele nieuwe aanname. Begin bij de twee resources die onder 62% declarabel draaien en onderzoek wat de niet-declarabele tijd veroorzaakt. Interne projecten, slechte tijdcategorisatie en te veel vergaderingen zijn de gebruikelijke boosdoeners.
2. Maak een pipeline-conversieprognose per kwartaal. De 3,06M aan uitstaande offertes zal niet in een keer sluiten, maar enige clustering is onvermijdelijk. Stel een simpele kwartaalprognose op aan de hand van de Autotask-sluisingskansen en deel die met de operations-leads, zodat zij 30 tot 60 dagen vooruit kunnen plannen op leveringsvraag.
3. Pak het HubSpot sluitingspercentage aan als omzethefboom. Op 15,7% gaat ruwweg 6 van de 7 pipeline-deals verloren. Het sluitingspercentage naar 20% brengen (een bescheiden verbetering) op de huidige 3,94M pipeline levert circa 170K extra verwachte omzet op. Betere dealkwalificatie aan de bovenkant van de trechter heeft een hoger rendement dan het vergroten van pipeline-volume.
4. Bouw een capaciteitsdashboard dat alle drie bronnen combineert. HiBob-bezetting, Autotask-benutting en HubSpot-pipeline zouden in een enkel overzicht moeten samenkomen dat operations en sales-leiding wekelijks bekijken. De data staat al in Power BI. Het verbinden in een dashboard vervangt het giswerk bij "kunnen we leveren wat we verkopen" door harde cijfers.
Drie bronnen: HubSpot (CRM-dealpipeline en sluitingspercentages), HiBob (personeelsbezetting, afdelingsstructuur, dienstverbandgegevens) en Autotask (tijdregistraties met declarabel/niet-declarabel splitsing, verkooppipeline met detail per fase en ticketvolumes). Alle data wordt live uit het Power BI semantisch model bevraagd via DAX.
Het totaalpercentage van 75,6% wordt omlaag getrokken door een handvol resources met veel niet-declarabele uren. Twee resources draaien specifiek onder 62% declarabel, wat kan wijzen op interne projectopdrachten, opleidingstijd of problemen met tijdregistratie-categorisatie. Die specifieke gevallen onderzoeken is de snelste weg naar verbetering.
De pipeline-waarde van 3,94M komt uit Autotask-kansen gefilterd op alleen de status "Active". Het telt het bedragveld op over alle 124 actieve kansen. Gewonnen, verloren en afgeronde deals zijn hierin niet meegenomen. De HubSpot-pipeline volgt apart met 115 deals over alle fasen.
Het betekent dat de realistische verwachte conversie uit de 3,94M pipeline ongeveer 619K euro is, niet de volledige pipeline-waarde. Capaciteitsplanning moet uitgaan van de verwachte conversiewaarde in plaats van het kopcijfer. Als het sluitingspercentage verbetert naar 25%, stijgt de verwachte leveringsbelasting naar 985K, wat hogere benutting of extra personeel vereist.
Individuele benuttingsdata is gevoelig. Echte namen tonen in een rapport dat mogelijk breed binnen het management gedeeld wordt, brengt onnodig risico met zich mee. Het doel van de resource-tabel is patronen herkennen (hoog vs. laag declarabel), niet individuen eruit pikken. Managers met toegang tot Autotask kunnen resource-ID's koppelen aan namen als dat nodig is voor opvolging.
Maandelijks voor de volledige bronnen-kruisanalyse. Pipeline-waarden en benuttingspercentages verschuiven van week tot week, maar de strategische afstemming tussen sales en levering beoordeel je het best op maandbasis. De DAX-queries in dit rapport zijn op elk moment klaar om tegen het live semantisch model te draaien.
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