Welke technici dragen de zwaarste last, waar lekken factureerbare uren weg en hoe verdeelt de werklast zich over je team. Gegenereerd door AI via Proxuma Power BI MCP server.
Welke technici dragen de zwaarste last, waar lekken factureerbare uren weg en hoe verdeelt de werklast zich over je team. 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: Operations managers, service delivery leads, and MSP owners managing capacity
Hoe vaak: Wekelijks for scheduling, monthly for utilization reviews, quarterly for staffing decisions
Welke technici dragen de zwaarste last, waar lekken factureerbare uren weg en hoe verdeelt de werklast zich over je team. Gegenereerd door AI via Proxuma Power BI MCP server.
Totale geboekte uren per resource, gerangschikt van hoog naar laag
EVALUATE ROW("TotalHours", SUM('BI_Autotask_Time_Entries'[hours_worked]), "BillableHours", SUM('BI_Autotask_Time_Entries'[Billable Hours]), "BillableRatio", DIVIDE(SUM('BI_Autotask_Time_Entries'[Billable Hours]), SUM('BI_Autotask_Time_Entries'[hours_worked])), "Employees", [Total Employees], "HoursPerEmp", DIVIDE(SUM('BI_Autotask_Time_Entries'[hours_worked]), [Total Employees]))Gestapelde balken die de factureerbare (groen) en niet-factureerbare (grijs) verhouding tonen voor de top 15 resources
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),
"BillablePct", DIVIDE(
CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]),
'BI_Autotask_Time_Entries'[is_non_billable] = FALSE),
SUM('BI_Autotask_Time_Entries'[hours_worked]))
),
[TotalHours], DESC
)Uren, tickets en aantal klanten voor de top 15 resources
| # | Resource | Uren | Factureerbaar % | Tickets | Klanten | Tier |
|---|---|---|---|---|---|---|
| 1 | Technicus A | 2.400 | 72,9% | 603 | 46 | Midden |
| 2 | Technicus B | 2.136 | 61,0% | 794 | 117 | Midden |
| 3 | Technicus C | 2.060 | 55,6% | 99 | 54 | Laag |
| 4 | Technicus D | 2.050 | 89,6% | 2.613 | 115 | Hoog |
| 5 | Technicus E | 1.888 | 80,9% | 2.297 | 104 | Hoog |
| 6 | Technicus F | 1.862 | 76,0% | 84 | 45 | Midden |
| 7 | Technicus G | 1.780 | 65,0% | 149 | 44 | Midden |
| 8 | Technicus H | 1.585 | 77,5% | 763 | 77 | Midden |
| 9 | Technicus I | 1.554 | 52,7% | 489 | 29 | Laag |
| 10 | Technicus J | 1.505 | 63,6% | 2.017 | 143 | Midden |
| 11 | Technicus K | 1.492 | 73,3% | 724 | 84 | Midden |
| 12 | Technicus L | 1.433 | 91,3% | 17 | 25 | Hoog |
| 13 | Technicus M | 1.418 | 94,7% | 3.220 | 146 | Hoog |
| 14 | Technicus N | 1.362 | 97,1% | 3.275 | 137 | Hoog |
| 15 | Technicus O | 1.344 | 80,9% | 578 | 51 | Hoog |
Verdeling van de top 15 resources op basis van factureerbaar percentage
EVALUATE
VAR _ResourceUtil =
SUMMARIZECOLUMNS(
'BI_Autotask_Time_Entries'[resource_name],
"BillPct", DIVIDE(
CALCULATE(SUM('BI_Autotask_Time_Entries'[hours_worked]),
'BI_Autotask_Time_Entries'[is_non_billable] = FALSE),
SUM('BI_Autotask_Time_Entries'[hours_worked]))
)
RETURN
ROW(
"HighTier", COUNTROWS(FILTER(_ResourceUtil, [BillPct] > 0.80)),
"MediumTier", COUNTROWS(FILTER(_ResourceUtil,
[BillPct] >= 0.60 && [BillPct] <= 0.80)),
"LowTier", COUNTROWS(FILTER(_ResourceUtil, [BillPct] < 0.60))
)Vergelijking van resources met hoge ticketaantallen vs resources met veel uren om verschillende werkstijlen te begrijpen
High-ticket, high-efficiency resources verwerken grote volumes tickets met sterke factureerbare ratio's. Technicus N springt eruit met 3.275 tickets en een 97,1% factureerbaar percentage over 1.362 uren. Dat is ongeveer 2,4 tickets per geboekt uur. Technicus M volgt een vergelijkbaar patroon: 3.220 tickets, 94,7% factureerbaar, 1.418 uren. Deze resources lossen problemen snel op en factureren bijna alles wat ze doen.
High-hour, low-ticket resources vertellen een ander verhaal. Technicus C boekte 2.060 uren maar had slechts 99 tickets over 54 klanten, met een 55,6% factureerbaar percentage. Technicus F boekte 1.862 uren tegenover slechts 84 tickets. Dit zijn waarschijnlijk projectgerichte of infrastructuur resources die aan langduriger werk doen. Het lage factureerbare percentage van Technicus C (44,4% niet-factureerbaar) is het onderzoeken waard.
Verspreide resources zoals Technicus B (794 tickets, 117 klanten) en Technicus J (2.017 tickets, 143 klanten) bedienen de breedste klantenbasis. Technicus J doet dit met slechts 63,6% factureerbaar, wat context-switching overhead of veel intern coördinatiewerk suggereert dat niet gefactureerd wordt.
Het teambreed factureerbaar percentage van 75,6% is redelijk voor een MSP, maar de spreiding tussen resources is fors. Technicus N factureert 97,1% van de geboekte uren terwijl Technicus I slechts 52,7% factureert. Dat verschil vertegenwoordigt echte omzet die op tafel blijft liggen.
De top 4 resources boekten elk meer dan 2.000 uren. Als deze dataset ongeveer twee jaar beslaat, is dat houdbaar. Als het een jaar betreft, werken deze resources op of boven 40 uur per week zonder ruimte voor training, administratie of vrije dagen. Controleer de datumrange voordat je conclusies trekt over burn-out risico.
Twee resources vallen op door lage factureerbare percentages ondanks hoge totale uren. Technicus C met 55,6% en Technicus I met 52,7% hebben bijna de helft van hun werk als niet-factureerbaar geclassificeerd. Dit kan projectwerk zijn, interne taken, of gewoon een billing configuratieprobleem waarbij werk dat factureerbaar zou moeten zijn niet correct getagd wordt in Autotask.
Aan de positieve kant: Technicus N en Technicus M verwerkten samen 6.495 tickets over 283 klanten met factureerbare percentages boven 94%. Dit zijn de resources met de hoogste doorvoer in het team. Begrijpen wat hun workflow efficient maakt kan helpen het teamgemiddelde te verbeteren.
Concrete stappen om teambenutting en factureerbaar herstel te verbeteren.
Beide resources hebben factureerbare percentages onder 56%. Haal hun tijdregistraties op van de afgelopen 90 dagen en categoriseer het niet-factureerbare werk. Als het interne projecten zijn, is dat een capaciteitsbeslissing. Als het klantwerk is dat gefactureerd hoort te worden, pas dan de billing configuratie aan. Doel: breng beiden boven 65% binnen een kwartaal.
Technicus B bedient 117 klanten en Technicus J bedient 143. Dat niveau van context-switching verklaart waarschijnlijk hun lagere factureerbare percentages (61% en 63,6%). Overweeg om accounts over te dragen aan resources met minder klanten en beschikbare capaciteit.
Deze twee resources verwerken de meeste tickets met de hoogste factureerbare percentages. Documenteer hun ticket handling proces, tools en escalatiepatronen. Als hun efficiency gerepliceerd kan worden bij zelfs 3-4 andere teamleden, zou de impact op de totale factureerbare recovery aanzienlijk zijn.
Het huidige gemiddelde is 75,6%. Een verbetering van 2,4 procentpunt over 50.752 uren zou ongeveer 1.218 extra factureerbare uren opleveren. Tegen gangbare MSP uurtarieven vertaalt dat zich direct naar omzet zonder extra personeel aan te nemen.
Het factureerbare percentage is de som van hours_worked waarbij is_non_billable = FALSE, gedeeld door het totaal aan hours_worked voor die resource. De data komt uit de BI_Autotask_Time_Entries tabel in Proxuma Power BI, die direct synchroniseert met Autotask PSA.
Het 6,4% cijfer deelt geboekte uren (50.752) door de totale capaciteit in Autotask (787.858). Dat capaciteitsgetal bevat elk resource slot teruggaand tot wanneer het systeem voor het eerst geconfigureerd werd. Het is geen zinvolle benchmark. Focus op factureerbaar percentage en uren per resource.
Branchebenchmarks lopen van 65% tot 85% afhankelijk van de rol. Eerstelijns servicedesk technici moeten mikken op 75-85%. Escalatie engineers en project resources landen typisch rond 60-75%. Alles onder 55% verdient een nadere blik op tijdregistratiepraktijken of werktoewijzing.
Hoge ticketaantallen met relatief weinig uren wijzen op snel-oplosbaar werk, zoals wachtwoordresets, eenvoudige verzoeken of dispatch-achtige tickets. Deze resources zijn efficient in volume maar loggen mogelijk niet al hun tijd. Vergelijk hun ticket-naar-uur ratio met het teamgemiddelde om te zien of tijdregistratiediscipline een factor is.
Maandelijks voor teamplanning. Elk kwartaal voor strategische beslissingen over werving, rolwijzigingen of account herindeling. Na elke significante teamwijziging (nieuwe medewerker, vertrek, herstructurering) draai je het opnieuw om de bijgewerkte verdeling te zien.
Ja. Kopieer elke query uit de toggles hierboven en plak hem 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 bestaan.
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