Een visuele uitsplitsing van first response en resolution SLA compliance over 67.521 tickets uit Autotask PSA. Twee donutgrafieken laten de verhouding gehaald/niet-gehaald in een oogopslag zien, met maandelijkse trenddata en de exacte DAX-queries achter elke visual. Bron: PSA
Een visuele uitsplitsing van first response en resolution SLA compliance over 67.521 tickets uit Autotask PSA. Twee donutgrafieken laten de verhouding gehaald/niet-gehaald in een oogopslag zien, met maandelijkse trenddata en de exacte DAX-queries achter elke visual. 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 visuele uitsplitsing van first response en resolution SLA compliance over 67.521 tickets uit Autotask PSA. Twee donutgrafieken laten de verhouding gehaald/niet-gehaald in een oogopslag zien, met maandelijkse trenddata en de exacte DAX-queries achter elke visual. Bron: PSA
Totaaloverzicht van SLA-metrics over alle 67.521 tickets in de Autotask PSA dataset.
EVALUATE ROW("ResolutionMet", [Tickets - Resolution Met %], "FirstHourFix", [Tickets - First Hour Fix %], "SameDayRes", [Tickets - Same Day Resolution %], "ClosureRate", [Tickets - Closure Rate %], "TotalTickets", [Tickets - Count - Created])Van de 67.521 tickets met een first response SLA-waarde hebben 54.080 het doel gehaald en 13.441 niet.
De first response SLA staat op 80,1%. Dat betekent dat ongeveer een op de vijf tickets geen eerste reactie krijgt binnen het afgesproken tijdvenster. Voor MSP's die verkopen op snelheid van reageren is dit het getal waar klanten als eerste naar kijken. Het verschil tussen 80,1% en het gangbare 85%-doel vertaalt zich naar zo'n 3.300 extra gemiste reacties over deze dataset.
EVALUATE
ROW(
"MetCount", CALCULATE(
COUNTROWS(
FILTER('BI_Autotask_Tickets',
'BI_Autotask_Tickets'[first_response_met] + 0 = 1)
),
NOT(ISBLANK('BI_Autotask_Tickets'[first_response_met]))
),
"NotMetCount", CALCULATE(
COUNTROWS(
FILTER('BI_Autotask_Tickets',
'BI_Autotask_Tickets'[first_response_met] + 0 = 0)
),
NOT(ISBLANK('BI_Autotask_Tickets'[first_response_met]))
)
)Van de 67.521 tickets met een resolution SLA-waarde hebben 60.907 het doel gehaald en 6.614 niet.
De resolution SLA vertelt een beter verhaal met 90,2%. Zodra het team een ticket oppakt, wordt het negen van de tien keer binnen het afgesproken venster afgesloten. Het verschil van 10 procentpunten tussen first response en resolution bevestigt dat de bottleneck in triage en initieel toewijzen zit, niet in het daadwerkelijk oplossen. Dat is de grootste hefboom voor verbetering.
Zes maanden first response SLA compliance. De stijgende lijn vanaf oktober laat zien dat recente procesverbeteringen effect hebben.
Oktober was het dieptepunt met 74,9%. Sindsdien is elke maand beter. Januari 2026 kwam uit op 87,8%, waarmee voor het eerst in dit venster het 85%-doel werd gehaald. Wat er eind november in het dispatch-proces is veranderd, werkt. De vraag is nu of het team boven de 85% kan blijven in Q1.
EVALUATE
TOPN(6,
SUMMARIZECOLUMNS(
'BI_Common_Dim_Date'[year_month],
"FirstResponseMet", [Tickets - First Response Met %]
),
'BI_Common_Dim_Date'[year_month], DESC
)Met 80,1% zit de first response SLA 5 procentpunten onder het standaarddoel van 85%. Dat vertaalt zich naar zo'n 13.400 tickets waarbij de klant langer wachtte dan beloofd op een eerste reactie. In SLA-reviews met klanten is dit het getal dat als eerste wordt aangekaart.
90,2% resolution compliance haalt de 85%-grens ruimschoots. Zodra een ticket is toegewezen en opgepakt, wordt het negen van de tien keer binnen het venster afgesloten. Dit is een stevige basis om op verder te bouwen.
Van het oktoberdal van 74,9% naar 87,8% in januari: de first response compliance is in drie maanden met 12,9 procentpunten gestegen. Dat is geen toeval. Er is iets veranderd in het dispatch- of triageproces, en de data bevestigt dat het beklijft. Als je dit boven de 85% houdt in Q1, komt het voortschrijdend gemiddelde in lijn met het doel.
Autotask PSA heeft een ingebouwde rapportage-engine, maar die is beperkt tot tabelweergaven en standaard staafdiagrammen. Er is geen donut- of taartgrafiekoptie, en de SLA-velden (first_response_met, resolution_met) zijn opgeslagen als integer flags die berekende aggregaties vereisen. Power BI leest deze velden via het Proxuma datamodel en bouwt elke visual die je nodig hebt, inclusief de donutgrafieken in dit rapport.
De first_response_met en resolution_met velden in de BI_Autotask_Tickets tabel zijn int64-kolommen. Een waarde van 1 betekent gehaald, 0 betekent gemist. Omdat ze als integers zijn opgeslagen in plaats van booleans, gebruikt het DAX-filter het patroon [veld] + 0 = 1 om gehaalde tickets te tellen. Tickets waar het veld leeg is worden uitgesloten van zowel teller als noemer.
Ja. Kopieer een query uit de toggles hierboven en plak hem in DAX Studio of de performance analyzer van Power BI Desktop. De queries verwijzen naar standaard Proxuma datamodel-tabellen en measures die in elke Proxuma Power BI deployment aanwezig zijn. Als je dataset hetzelfde schema gebruikt, geven de queries jouw eigen cijfers terug.
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