Een side-by-side vergelijking van automatische RMM alert-tickets en handmatig aangemaakte tickets op volume, inspanning en klanttevredenheid. Data afkomstig van Datto RMM en Autotask PSA via Proxuma Power BI. RMM
Een side-by-side vergelijking van automatische RMM alert-tickets en handmatig aangemaakte tickets op volume, inspanning en klanttevredenheid. Data afkomstig van Datto RMM en Autotask PSA via Proxuma Power BI. RMM
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 desk managers, dispatch leads, and operations teams
Hoe vaak: Dagelijks for queue management, weekly for trend analysis, monthly for capacity planning
Een side-by-side vergelijking van automatische RMM alert-tickets en handmatig aangemaakte tickets op volume, inspanning en klanttevredenheid. Data afkomstig van Datto RMM en Autotask PSA via Proxuma Power BI. RMM
Incidents vormen het grootste deel van je ticketvolume met 41,0%, gevolgd door RMM-alerts met 29,3%. Serviceverzoeken nemen 18,7% voor hun rekening en wijzigingsverzoeken 10,7%. Probleemtickets zijn zeldzaam met slechts 167 stuks.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Tickets'[ticket_type],
"TicketCount", COUNTROWS('BI_Autotask_Tickets'),
"AvgBillableHrs", AVERAGE('BI_Autotask_Tickets'[billable_hours]),
"PositiveCSAT", CALCULATE(COUNTROWS('BI_SmileBack_Reviews'), 'BI_SmileBack_Reviews'[rating] = 1),
"NegativeCSAT", CALCULATE(COUNTROWS('BI_SmileBack_Reviews'), 'BI_SmileBack_Reviews'[rating] = -1),
"TotalCSAT", COUNTROWS('BI_SmileBack_Reviews')
)
ORDER BY [TicketCount] DESCAlert-tickets vragen de minste inspanning met 0,74 gemiddelde factureerbare uren. Dat maakt ze 18% sneller af te handelen dan incidents (0,90 uur) en 33% sneller dan serviceverzoeken (1,10 uur). Probleemtickets staan aan het andere uiteinde met 1,43 uur, maar met slechts 167 tickets is hun impact op de totale werklast minimaal.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Tickets'[ticket_type],
"TicketCount", COUNTROWS('BI_Autotask_Tickets'),
"AvgBillableHrs", AVERAGE('BI_Autotask_Tickets'[billable_hours])
)
ORDER BY [AvgBillableHrs] DESCAlert-tickets tonen een 93,7% positieve CSAT-score (74 van 79 reacties), tegenover 86,4% voor incidents en 89,2% voor serviceverzoeken. De valkuil: slechts 0,4% van de alert-tickets levert een CSAT-reactie op, terwijl 5,1% van de incidents dat wel doet. Met slechts 79 totale CSAT-reacties op 19.790 alert-tickets is de steekproef te klein om harde conclusies te trekken.
Je Datto RMM genereerde 135.387 alerts in totaal. Daarvan losten 132.018 (97,5%) automatisch op met een gemiddelde auto-resolve tijd van slechts 5,45 minuten. Slechts 19.790 alerts werden een Autotask-ticket. Dat betekent dat ruwweg 14,6% van alle RMM-alerts een ticket nodig had, en de rest door het systeem werd afgehandeld zonder menselijke tussenkomst.
EVALUATE
ROW(
"TotalAlerts", COUNTROWS('BI_Datto_Rmm_Alerts'),
"ResolvedAlerts", CALCULATE(COUNTROWS('BI_Datto_Rmm_Alerts'), 'BI_Datto_Rmm_Alerts'[resolved] = TRUE()),
"TotalSites", DISTINCTCOUNT('BI_Datto_Rmm_Alerts'[site_name]),
"AvgAutoResolve", AVERAGE('BI_Datto_Rmm_Alerts'[autoresolve_mins])
)
-- Alert Priority Verdeling
EVALUATE
SUMMARIZECOLUMNS(
'BI_Datto_Rmm_Alerts'[priority],
"AlertCount", COUNTROWS('BI_Datto_Rmm_Alerts'),
"ResolvedCount", CALCULATE(COUNTROWS('BI_Datto_Rmm_Alerts'), 'BI_Datto_Rmm_Alerts'[resolved] = TRUE()),
"AvgAutoResolve", AVERAGE('BI_Datto_Rmm_Alerts'[autoresolve_mins])
)
ORDER BY [AlertCount] DESCHoewel alert-tickets 29,3% van het ticketvolume uitmaken, verbruiken ze slechts 22,8% van de totale factureerbare inspanning. Incidents domineren zowel volume (41,0%) als inspanning (38,7%). Serviceverzoeken slaan boven hun gewicht met 18,7% van de tickets maar 21,6% van de uren. Dit bevestigt dat automatisering zijn werk doet: alert-tickets genereren volume zonder een evenredige inspanningskost.
| Source | Count | Avg Resolution (hrs) |
|---|---|---|
| 31,184 | 21.0 | |
| Phone | 15,611 | 22.2 |
| Datto RMM | 13,379 | 2.6 |
| Client Portal | 2,161 | 25.6 |
| E-mail (Notifications) | 2,753 | 12.3 |
| Recurring | 969 | 9.6 |
| SalesBuildr | 530 | 22.1 |
Alert-tickets kosten gemiddeld 0,74 factureerbare uren tegenover 0,90 voor incidents. Over 19.790 alert-tickets is dat ruwweg 3.166 uur bespaard per jaar vergeleken met het afhandelen als standaard incidents. Daarbovenop lost 97,5% van alle RMM-alerts automatisch op in minder dan zes minuten, wat betekent dat slechts een fractie je servicedesk bereikt. De ROI op je Datto RMM-investering is duidelijk zichtbaar in de data.
Slechts 79 van de 19.790 alert-tickets kregen een CSAT-reactie (0,4%). Dat maakt het onmogelijk om betrouwbare conclusies te trekken over klanttevredenheid bij geautomatiseerde oplossingen. Het positieve percentage van 93,7% ziet er goed uit op papier, maar met zo'n kleine steekproef kan een handvol reacties het drastisch verschuiven. Als je echte CSAT-data wilt over alert-tickets, moet je bekijken of SmileBack-enquetes worden verstuurd voor dit tickettype en of de ontvanger logisch is bij geautomatiseerde oplossingen.
Serviceverzoeken vormen 18,7% van het ticketvolume maar 21,6% van de totale inspanning. Met gemiddeld 1,10 uur duren ze 49% langer dan alert-tickets en 22% langer dan incidents. Dit suggereert dat serviceverzoeken werk bevatten dat deels geautomatiseerd kan worden, vooraf ingevuld met templates, of opgedeeld in kleinere taken. Het reviewen van de top serviceverzoekcategorieen voor automatiseringsmogelijkheden kan significante capaciteit vrijmaken.
Met 97,5% van de alerts die automatisch oplossen, verdienen de overige 2,5% aandacht. Trek een lijst van onopgeloste alerts gegroepeerd per alerttype en locatie. Zoek naar patronen: zijn dit dezelfde monitors die falen bij meerdere klanten? Zijn het verouderde alerts van uitgefaseerde apparaten? Het opschonen van deze staart verbetert je resolve-ratio en vermindert ruis voor de servicedesk.
Een CSAT-responspercentage van 0,4% op alert-tickets betekent dat je blind vaart op klanttevredenheid voor bijna een derde van je ticketvolume. Controleer of SmileBack-enquetes worden verstuurd bij het sluiten van alert-tickets en of de enquete naar het juiste contact gaat. Overweeg een korte oplosnotitie toe te voegen aan alert-tickets zodat de klant begrijpt wat er is opgelost voordat de enquete binnenkomt.
Serviceverzoeken kosten gemiddeld 1,10 uur, het hoogste van elk volumetickettype. Splits dit uit per categorie en zoek naar types die baat hebben bij self-service portals, vooraf goedgekeurde automatisering of betere documentatie. Zelfs een verlaging van 0,10 uur over 12.653 tickets bespaart meer dan 1.265 uur per jaar.
De cijfers vertellen een sterk verhaal: 135K alerts gemonitord, 97,5% automatisch opgelost in minder dan zes minuten, en de tickets die wel worden aangemaakt kosten 18% minder inspanning dan standaard incidents. Verwerk dit in je QBR-slides en salesvoorstellen. Prospects en bestaande klanten willen bewijs dat proactieve monitoring daadwerkelijk downtime en kosten verlaagt. Deze data is dat bewijs.
Je huidige ratio is 14,6% (19.790 tickets van 135.387 alerts). Stel dit in als maandelijkse KPI. Als de ratio stijgt, moeten je alertdrempels mogelijk worden bijgesteld of genereren nieuwe apparaattypen luidruchtige alerts. Als de ratio daalt, verbeteren je automatiseringsbeleiden. Hoe dan ook, de trend is belangrijker dan het absolute getal.
Alert-tickets zijn Autotask-tickets met tickettype 5 (Alert). Deze worden automatisch aangemaakt door Datto RMM wanneer een monitoringalert triggert en geconfigureerd is om een ticket aan te maken in Autotask. Ze verschillen van incidents (type 2), serviceverzoeken (type 1) en wijzigingsverzoeken (type 4), die handmatig worden aangemaakt door technici of via klantportals.
De meeste alert-tickets worden opgelost zonder directe klantinteractie. De klant weet misschien niet eens dat er een ticket bestond. SmileBack-enquetes worden bij afsluiting naar het ticketcontact gestuurd, maar bij geautomatiseerde alert-tickets is dat contact zich vaak niet bewust van het probleem en voelt geen reden om te reageren.
Totale uren zijn geschat door de gemiddelde factureerbare uren per ticket te vermenigvuldigen met het aantal tickets per type. Bijvoorbeeld: 19.790 alert-tickets maal 0,74 gemiddelde uren geeft circa 14.645 totale uren. Dit zijn schattingen op basis van gemiddelden en kunnen licht afwijken van een directe som van alle individuele ticketuren.
Auto-resolve betekent dat de conditie die de alert triggerde vanzelf verdween zonder menselijke tussenkomst. Bijvoorbeeld: een diskruimte-alert kan afgaan bij 90% gebruik, maar als een geplande opschoning het onder de drempel brengt, lost de alert automatisch op. In Datto RMM markeert het resolved-veld deze. De gemiddelde auto-resolve tijd van 5,45 minuten geeft aan dat de meeste alerts tijdelijke condities zijn.
Ja. Voeg de bedrijfsnaam- of locatiekolom toe aan de DAX-queries om resultaten per klant te groeperen. Dit is met name nuttig om klanten te identificeren die onevenredig veel alerts genereren of een lage auto-resolve ratio hebben, wat kan wijzen op infrastructuurproblemen die proactief aangepakt moeten worden.
De ongekoppelde CSAT-reacties (7.688 totaal, 7.195 positief, 253 negatief) zijn SmileBack-reviews die niet gekoppeld konden worden aan een specifiek tickettype. Dit gebeurt doorgaans wanneer het ticket is verwijderd, het tickettype is gewijzigd nadat de enquete is verstuurd, of er hiaten zijn in de SmileBack-Autotask-synchronisatie. Deze reacties zijn nog steeds geldige tevredenheidsdata maar kunnen niet worden toegeschreven aan een specifieke workflow.
Ja. Koppel Proxuma Power BI aan je Datto RMM- en Autotask-accounts, voeg een AI-tool (Claude, ChatGPT of Copilot) toe via MCP, en stel dezelfde vraag. De AI schrijft de DAX-queries, voert ze uit op jouw echte data en produceert een rapport zoals 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