First response en resolution SLA-rates van P1 tot P4, plus Service/Change requests. Jaar-op-jaar trends en prioriteitsspecifieke aandachtspunten. Gegenereerd door AI via Proxuma Power BI MCP-server.
First response en resolution SLA-rates van P1 tot P4, plus Service/Change requests. Jaar-op-jaar trends en prioriteitsspecifieke aandachtspunten. 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: 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
First response en resolution SLA-rates van P1 tot P4, plus Service/Change requests. Jaar-op-jaar trends en prioriteitsspecifieke aandachtspunten. Gegenereerd door AI via Proxuma Power BI MCP-server.
EVALUATE ROW("ResolutionMet", [Tickets - Resolution Met %], "FirstHourFix", [Tickets - First Hour Fix %], "SameDayRes", [Tickets - Same Day Resolution %], "ClosureRate", [Tickets - Closure Rate %], "TotalTickets", [Tickets - Count - Created])First response en resolution rates naast elkaar voor elk prioriteitsniveau
| Metric | Value |
|---|---|
| Resolution Met | 90.2% |
| First Hour Fix | 16.1% |
| Same-Day | 30.0% |
| Closure | 98.8% |
EVALUATE ROW("ResolutionMet", [Tickets - Resolution Met %], "FirstHourFix", [Tickets - First Hour Fix %], "SameDayRes", [Tickets - Same Day Resolution %], "ClosureRate", [Tickets - Closure Rate %], "TotalTickets", [Tickets - Count - Created])Hoe snel krijgen tickets hun eerste reactie, uitgesplitst per prioriteit?
First response SLA is de zwakste metric over alle prioriteiten heen. Het totaalcijfer staat op 52,9%, wat betekent dat bijna de helft van alle tickets hun first response target mist. De uitsplitsing per prioriteit laat scherpe contrasten zien.
P3 - Normaal heeft de slechtste first response rate met 34,4%. Met bijna 15.000 tickets is dit geen nicheprobleem. Een op de drie P3-tickets krijgt een tijdige eerste reactie. De overige twee derde wacht langer dan de SLA toestaat.
P1 - Kritiek scoort maar iets beter met 35,7%. Dit zijn je zwaarste tickets, en grofweg twee van de drie krijgen geen reactie binnen het SLA-venster. Dat is een flink servicegat voor kritieke issues.
P4 - Laag leidt juist met 61,1%, wat logisch is: low-priority tickets hebben doorgaans ruimere SLA-vensters. Toch mist bijna 40% het target.
Resolution SLA-rates per prioriteitsniveau
Resolution presteert over de hele linie beter dan first response, maar er is een duidelijke uitschieter: P2 - Hoog met 92,3%. Dat is een uitstekende resolution rate, zeker gezien het feit dat dit high-priority tickets zijn. Het team lost ze consequent binnen het targetvenster op.
De overige prioriteiten clusteren tussen 56% en 64%. P1 - Kritiek resolution op 56,7% baart zorgen. Bijna de helft van de kritieke tickets wordt buiten het SLA-venster opgelost. Gecombineerd met de 35,7% first response rate krijgen P1-tickets een late start en een late afronding.
Service/Change requests staan op 57,4% resolution, de op een na laagste. Deze tickets bevatten vaak goedkeuringen en overdrachten, wat de oplostijd vertraagt. Maar als de SLA-targets daar rekening mee houden, is 57% nog steeds te laag.
EVALUATE
ADDCOLUMNS(
SUMMARIZECOLUMNS(
'BI_Autotask_Tickets'[priority_name],
"TotalTickets", COUNTROWS('BI_Autotask_Tickets'),
"FirstResponseMet", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[first_response_met] + 0 = 1),
"ResolutionMet", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[resolution_met] + 0 = 1)
),
"FirstResponsePct", DIVIDE([FirstResponseMet], [TotalTickets]),
"ResolutionPct", DIVIDE([ResolutionMet], [TotalTickets])
)
ORDER BY [TotalTickets] DESCHoe de SLA-rates per prioriteit zijn veranderd van 2024 tot 2026
De jaarlijkse trends onthullen patronen die de totaalcijfers verbergen. Meerdere prioriteiten laten dramatische verschuivingen zien die aandacht verdienen.
| Priority | Count | % |
|---|---|---|
| P4 | 30,415 | 45.0% |
| Service/Change | 15,584 | 23.1% |
| P3 | 14,715 | 21.8% |
| P1 | 5,019 | 7.4% |
| P2 | 1,788 | 2.6% |
EVALUATE SUMMARIZECOLUMNS('BI_Autotask_Tickets'[priority_name], "TicketCount", COUNTROWS('BI_Autotask_Tickets'))De twee meest urgente patronen in deze dataset
P1 Kritiek first response is ingestort. In 2024 kreeg 63,6% van de kritieke tickets een tijdige eerste reactie. In 2026 is dat 22,4%. Dat is een relatieve daling van 65% in twee jaar. De positieve kant: resolution is juist verbeterd van 50,7% naar 75,3%, dus het team komt er uiteindelijk wel aan. Maar de eerste bevestiging komt consequent te laat, en dat ondermijnt het vertrouwen van klanten tijdens noodgevallen.
P2 Hoog first response daalde van 86% naar 5,5%. Dit is de steilste daling in de dataset. Resolution blijft rotsvast op 90-93%, maar first response is zo goed als verdwenen. Dit wijst op een proceswijziging: tickets worden snel opgelost maar de eerste reactie-timestamp wordt niet vastgelegd, of de auto-response is uitgeschakeld. Een andere mogelijkheid: het SLA-target voor P2 first response is aangescherpt zonder het dispatch-gedrag aan te passen. Hoe dan ook, het getal van 5,5% vraagt om onderzoek voordat je operationele conclusies trekt.
Service/Change requests stortten in 2026 in. Zowel first response (10,3%) als resolution (11,2%) daalden dramatisch na een sterk 2025. Dit kan wijzen op een dataprobleem met onvolledige 2026-data, of een werkelijke workflow-breakdown. Verifieer of de 2026-data de volledige periode beslaat voordat je actie onderneemt.
Dit verschil is te groot om puur operationeel te zijn. Resolution op 90,9% bewijst dat het team P2-tickets goed afhandelt. Het first response-getal wijst waarschijnlijk op een configuratie- of trackingprobleem. Controleer of P2-tickets een auto-acknowledgment hebben, en verifieer dat de SLA-timer op het juiste triggerpunt start. Als het SLA-target in 2025 is gewijzigd, is de historische vergelijking misleidend.
Kritieke tickets zijn de tickets die klanten onthouden. Een first response rate van 22,4% betekent dat ruwweg vier van de vijf P1-tickets starten met een late bevestiging. Resolution verbeterde naar 75,3%, wat goed is, maar een laat eerste contact bij een kritiek issue tast het vertrouwen snel aan. Bekijk de stand-by bezetting, dispatch-regels en of P1-tickets direct in de juiste wachtrij terechtkomen.
P3-tickets worden vaak deprioriteerd wanneer P1- en P2-volume piekt. Maar met bijna 15.000 tickets op dit niveau creert het pure volume aan gemiste SLA's een constante achtergrond van klantonvrede. P3 first response zit sinds 2025 vast in de mid-20%, wat wijst op een structureel capaciteitsprobleem in plaats van een tijdelijke piek.
Een daling van 86% naar 5,5% met stabiele resolution is vrijwel zeker een tracking- of configuratieprobleem. Controleer de SLA-timer trigger, auto-acknowledgment regels en of het P2 first response target is gewijzigd. Los de oorzaak op voor de volgende rapportagecyclus, zodat je de data weer kunt vertrouwen.
Kritieke tickets hebben een eerste reactie nodig binnen 15 minuten. Als je huidige dispatch-flow P1-tickets naar dezelfde algemene wachtrij stuurt als al het andere, moeten ze wachten. Overweeg een dedicated P1-handler tijdens kantooruren of een escalatiebot die de stand-by engineer direct aanpiept. De verbetering in resolution laat zien dat het team het werk aankan zodra ze erbij komen.
34,4% first response op je hoogste-volume "normaal" prioriteit betekent dat de servicedesk structureel achterloopt. Bekijk ticketaankomstpatronen per uur en dag. Als P3-tickets zich ophopen tijdens piekuren terwijl agents P1/P2 afhandelen, heb je mogelijk een gelaagd bezettingsmodel nodig of een auto-triage systeem dat de eerste bevestiging afhandelt.
Zowel FR als resolution daalde naar grofweg 10-11% in 2026. Voordat je de workflow herstructureert, verifieer de data: beslaat de 2026-dataset dezelfde periode als voorgaande jaren? Als dit gedeeltelijke-jaar data is (alleen Q1), normaliseren de cijfers mogelijk nog. Als het een volledige dataset is, is er iets veranderd in hoe service requests worden verwerkt.
P2 resolution op 92,3% bewijst dat hoge SLA-compliance haalbaar is. Bestudeer de dispatch- en escalatiepatronen voor P2-tickets en bekijk wat ze anders maakt. Dezelfde aanpak is mogelijk toepasbaar op P1 en P3 resolution workflows, die nu in het bereik van 50-60% zitten.
First response met betekent dat het ticket zijn eerste reactie (bevestiging, antwoord of statusupdate) heeft ontvangen binnen de SLA-targettijd die voor dat prioriteitsniveau is ingesteld in Autotask. Het veld is een boolean vlag op elk ticket. Een waarde van 1 betekent dat de SLA is gehaald; 0 betekent dat die is gemist.
Dit soort verschil wijst doorgaans op een configuratieprobleem. Veelvoorkomende oorzaken: de auto-acknowledgment regel is uitgeschakeld, de SLA-timer is gewijzigd naar een ander triggerpunt, of het first response SLA-target is aangescherpt zonder de dispatch-procedures aan te passen. Controleer je Autotask SLA-instellingen voor P2-tickets voordat je operationele conclusies trekt.
De prioriteitsniveaus komen rechtstreeks uit Autotask: P1 Kritiek (Critical), P2 Hoog (High), P3 Normaal (Normal), P4 Laag (Low) en Service/Change requests. Elke prioriteit heeft eigen SLA-targets voor first response en resolution. De definities en targettijden zijn ingesteld in je Autotask SLA-configuratie.
Ja. De DAX-queries kunnen worden uitgebreid met datumfilters via YEAR('BI_Autotask_Tickets'[create_date]) of FILTER-expressies. Voor klantspecifieke analyse voeg je een filter toe op 'BI_Autotask_Tickets'[company_name]. Kopieer de query uit een DAX-toggle, voeg je filter toe en draai het in Power BI Desktop.
Ja. Koppel Proxuma Power BI aan je Autotask PSA, voeg een AI-tool (Claude, ChatGPT of Copilot) toe via MCP en stel dezelfde vraag. De AI schrijft de DAX-queries, draait ze op je 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