Een uitsplitsing van first response en resolutie SLA-compliance over 67.521 tickets uit Autotask PSA. Dit rapport laat zien waar je team het doel haalt, welke prioriteiten achterblijven, en welke klanten aandacht nodig hebben. Bron: PSA
Een uitsplitsing van first response en resolutie SLA-compliance over 67.521 tickets uit Autotask PSA. Dit rapport laat zien waar je team het doel haalt, welke prioriteiten achterblijven, en welke klanten aandacht nodig hebben. Bron: PSA
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
Een uitsplitsing van first response en resolutie SLA-compliance over 67.521 tickets uit Autotask PSA. Dit rapport laat zien waar je team het doel haalt, welke prioriteiten achterblijven, en welke klanten aandacht nodig hebben. Bron: PSA
Totaal SLA-metrics over alle 67.521 tickets in de Autotask PSA dataset.
First response en resolutie SLA-percentages per ticketprioriteit. Kleurcodering: groen = 70%+, amber = 50-70%, rood = onder 50%.
| Prioriteit | Tickets | FR Gehaald | FR % | Res Gehaald | Res % | Gem. Res Uren | Gem. FR Uren |
|---|---|---|---|---|---|---|---|
| P4 - Laag | 30.415 | 18.585 | 61,1% | 19.286 | 63,4% | 16,3 | 5,3 |
| Service/Change req. | 15.584 | 8.800 | 56,5% | 8.944 | 57,4% | 23,8 | 7,7 |
| P3 - Normaal | 14.715 | 5.065 | 34,4% | 9.014 | 61,3% | 21,6 | 8,9 |
| P2 - Hoog | 5.019 | 2.626 | 52,3% | 4.635 | 92,3% | 2,1 | 0,8 |
| P1 - Kritiek | 1.788 | 639 | 35,7% | 1.013 | 56,6% | 32,0 | 9,6 |
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Tickets'[priority_name],
"TicketCount", COUNTROWS('BI_Autotask_Tickets'),
"FirstRespMet", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),
'BI_Autotask_Tickets'[first_response_met] + 0 = 1),
"ResMet", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),
'BI_Autotask_Tickets'[resolution_met] + 0 = 1),
"AvgResHours", AVERAGE('BI_Autotask_Tickets'[resolution_duration_hours]),
"AvgFirstRespHours", AVERAGE('BI_Autotask_Tickets'[first_response_duration_hours])
)
ORDER BY [TicketCount] DESCFirst Response % (teal) en Resolution % (navy) naast elkaar per tickettype.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Tickets'[ticket_type],
"TicketCount", COUNTROWS('BI_Autotask_Tickets'),
"FirstRespMet", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),
'BI_Autotask_Tickets'[first_response_met] + 0 = 1),
"ResMet", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),
'BI_Autotask_Tickets'[resolution_met] + 0 = 1),
"AvgResHours", AVERAGE('BI_Autotask_Tickets'[resolution_duration_hours])
)
ORDER BY [TicketCount] DESCFirst response en resolutie SLA-compliance voor de 10 klanten met het hoogste volume. Kleurcodering: groen = 85%+, amber = 60-85%, rood = onder 60%.
| Klant | Tickets | FR Gehaald | FR % | Res Gehaald | Res % |
|---|---|---|---|---|---|
| Klant A | 6.381 | 1.837 | 43,2% | 3.216 | 79,3% |
| Klant B | 5.458 | 3.837 | 88,2% | 3.642 | 91,7% |
| Klant C | 5.290 | 3.361 | 87,5% | 3.423 | 93,7% |
| Klant D | 2.775 | 1.099 | 73,7% | 1.921 | 88,3% |
| Klant E | 2.376 | 1.748 | 86,0% | 1.723 | 92,5% |
| Klant F | 2.364 | 2.132 | 98,0% | 2.174 | 99,9% |
| Klant G | 2.180 | 690 | 84,9% | 1.135 | 90,9% |
| Klant H | 1.803 | 554 | 75,4% | 853 | 87,1% |
| Klant I | 1.758 | 859 | 68,6% | 1.187 | 85,9% |
| Klant J | 1.728 | 653 | 70,1% | 1.231 | 93,1% |
Gemiddeld aantal uren om een ticket op te lossen, uitgesplitst per prioriteitsniveau. Langere balken geven prioriteiten aan die meer tijd kosten.
EVALUATE
ROW(
"TotalTickets", COUNTROWS('BI_Autotask_Tickets'),
"FirstResponseMetPct", [Tickets - First Response Met %],
"ResolutionMetPct", [Tickets - Resolution Met %],
"AvgHoursPerTicket", [Tickets - Avg Hours Per Ticket]
)Verdeling van tickets per SLA-overeenkomst. Tickets zonder SLA hebben een compliance van bijna nul (0,5%) omdat er geen doelen zijn ingesteld.
Slechts 35,7% van de P1-tickets haalt het first response doel en 56,6% haalt het resolutiedoel. Dit zijn de tickets die het meest uitmaken voor klanten. Met een gemiddelde resolutietijd van 32 uur duren kritieke issues bijna twee keer zo lang als de op een na langzaamste prioriteit. Dit wijst op een bezettings- of escalatieprobleem bij urgente incidenten.
Over elk prioriteitsniveau heen ligt het first response SLA-percentage lager dan het resolutiepercentage. Het totale verschil is 10 procentpunten (80,1% vs 90,2%). Dit patroon wijst op een knelpunt in de initiele triage en toewijzing, niet in de daadwerkelijke oplossing. Snellere dispatching of auto-assignment regels kunnen dit gat dichten.
Met 6.381 tickets is Klant A het account met het hoogste volume, maar heeft het laagste first response percentage van 43,2%. Resolutie-compliance staat op 79,3%, wat ook nog onder het 85%-doel zit. Gezien het ticketvolume zouden zelfs kleine verbeteringen hier de totale cijfers flink bewegen.
P2-tickets halen 92,3% resolutie-compliance met een gemiddelde van slechts 2,1 uur. Dit laat zien dat wanneer het team iets als urgent behandelt, de doorlooptijd snel is. De uitdaging is om diezelfde urgentie toe te passen op P1-tickets, waar de resolutie 15x langer duurt ondanks een hogere ernst.
Concrete stappen om SLA-compliance te verbeteren over prioriteiten en klanten heen.
Maak een aparte dispatch-queue voor P1-tickets met automatische toewijzing aan senior engineers. Stel een intern doel van 15 minuten first response in voor kritieke issues. Track dit wekelijks. Het huidige first response percentage van 35,7% op P1 is een klantgericht risico dat tot churn kan leiden.
Tickets zonder SLA-overeenkomst zijn in feite onzichtbaar voor compliance-tracking. Bekijk welke klanten of tickettypes geen SLA-toewijzing hebben en pas de Standaard SLA toe als baseline. Dit alleen al verbetert je vermogen om prestaties te meten en te managen.
Klant A genereert meer tickets dan welk ander account dan ook, maar heeft een first response percentage van 43,2%. Trek de time-to-assign data voor hun tickets van de afgelopen 90 dagen. Controleer of specifieke tickettypes of tijdstippen de vertragingen veroorzaken. Doel: breng Klant A boven 65% binnen een kwartaal.
First response en resolutie SLA-compliance worden berekend met de first_response_met en resolution_met velden in de BI_Autotask_Tickets tabel. Dit zijn int64-velden die gefilterd worden met +0=1 om tickets te identificeren die hun doel haalden. Het percentage is het aantal gehaalde tickets gedeeld door het totaal tickets waar het veld niet leeg is.
First response SLA-vensters zijn doorgaans korter dan resolutievensters. Een P2-ticket heeft misschien een first response doel van 1 uur maar een resolutiedoel van 4 uur. De initiele response missen is makkelijker omdat de klok direct start, terwijl het resolutievenster het team meer ruimte geeft. Dit is normaal in MSP-omgevingen, maar het verschil zou niet meer dan 15 punten moeten zijn.
Tickets zonder SLA-overeenkomst in Autotask hebben geen gedefinieerde response- of resolutiedoelen. Ze tracken nog steeds first_response_met en resolution_met velden, maar zonder doel is het compliance-percentage bijna nul. Deze tickets komen doorgaans van klanten zonder actieve serviceovereenkomst of van interne accounts.
Ja. Kopieer een query uit de toggles hierboven en plak deze 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 de top-level KPI's (first response %, resolutie %), maandelijks voor de volledige prioriteits- en klantuitsplitsing. Stel geautomatiseerde alerts in Power BI in voor elke prioriteit of klant die onder een 50% compliance-drempel zakt, zodat problemen tussen reviews door zichtbaar worden.
Problem-tickets vertegenwoordigen root cause-onderzoeken, geen individuele incidenten. Ze zijn doorgaans langlopend, complex, en hebben vaak geen strikte SLA-doelen. Met slechts 167 tickets totaal en een gemiddelde resolutie van 79 uur zijn dit uitschieters die apart van incident SLA-performance getrackt moeten worden.
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