AI-GEGENEREERD RAPPORT

Je zocht naar:

Hoe verdeelt sla-prestaties zich per prioriteit?

SLA-prestaties per prioriteitsniveau

Built from: Autotask PSA

Hoe dit rapport tot stand kwam

Autotask PSA

Multiple data sources combined

Proxuma Power BI

Voorgebouwd MSP semantisch model, 50+ measures

AI via MCP

Claude of ChatGPT schrijft DAX-queries, voert ze uit en formatteert de output

4
Dit Rapport
KPI's, uitsplitsingen, trends, aanbevelingen

                Klaar in < 15 min

SLA-prestaties per prioriteitsniveau

This report provides a detailed breakdown of sla-prestaties per prioriteitsniveau for managed service providers.

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

Time saved

Pulling per-client SLA data from PSA manually takes hours. This report delivers the breakdown in minutes.

Client-level clarity

Portfolio averages mask the clients getting poor service. This report surfaces the specific accounts that need attention.

Contract evidence

Concrete SLA data per client gives you proof points for renewals, pricing adjustments, or staffing conversations.

RapportcategorieSLA & Service Performance

DatabronAutotask PSA · Datto RMM · Datto Backup · Microsoft 365 · SmileBack · HubSpot · IT Glue

RefreshReal-time via Power BI

GeneratietijdMinder dan 15 minuten

AI vereistClaude, ChatGPT or Copilot

DoelgroepService delivery managers, operations leads

Waar vind je dit in Proxuma

Power BI › SLA › SLA-prestaties per prioriteitsniveau

Dit rapport voor jouw MSP

Wat je kunt meten in dit rapport

AI-gegenereerd Power BI-rapport

Databron: Autotask PSA · Gegenereerd maart 2026

EN versie

SLA-prestaties per prioriteitsniveau

Eerste reactie- en oplossings-SLA per ticketprioriteit — 67.521 tickets geanalyseerd

55,2%

P3 ER-percentage

Slechtste eerste reactie

71,8%

P2 Opl-percentage

Zwakste oplossings-SLA

82,4%

P1 ER-percentage

Kritisch beter dan Hoog

97,3%

Service/Wijziging ER

Vrijwel perfecte naleving

SLA-prestaties per prioriteit — Volledig overzicht

Eerste Reactie SLA (groen) en Oplossings-SLA (blauw) per prioriteitsniveau. Balken geschaald op 100%. Percentages onder 70% zijn rood gemarkeerd.

P1 - Kritisch5.019 tickets · 3.187 met ER SLA · 4.933 met Opl SLA

Eerste Reactie

82,4%

Oplossing

94,0%

P2 - Hoog1.788 tickets · 932 met ER SLA · 1.411 met Opl SLA

Eerste Reactie

68,6%

Oplossing

71,8%

P3 - Medium14.715 tickets · 9.173 met ER SLA · 10.760 met Opl SLA

Eerste Reactie

55,2%

Oplossing

83,8%

P4 - Laag30.415 tickets · 22.255 met ER SLA · 21.295 met Opl SLA

Eerste Reactie

83,5%

Oplossing

90,6%

Service / Wijzigingsverzoek15.584 tickets · 9.041 met ER SLA · 9.170 met Opl SLA

Eerste Reactie

97,3%

Oplossing

97,5%

Metric	Value
Resolution Met	90.2%
First Hour Fix	16.1%
Same-Day	30.0%
Closure	98.8%

DAX-query bekijken — SLA-prestaties per prioriteit

EVALUATE ROW("ResolutionMet", [Tickets - Resolution Met %], "FirstHourFix", [Tickets - First Hour Fix %], "SameDayRes", [Tickets - Same Day Resolution %], "ClosureRate", [Tickets - Closure Rate %], "TotalTickets", [Tickets - Count - Created])

Belangrijkste inzichten

Wat de prioriteits-SLA-data laat zien — en waarom de patronen anders zijn dan verwacht.

P3 Medium heeft de slechtste eerste reactie-SLA op 55% — lager dan P1 Kritisch

Met 14.715 tickets en een eerste reactiepercentage van 55,2% is P3 Medium het grootste SLA-probleem qua volume. Bijna de helft van alle medium-prioriteitstickeets krijgt geen eerste reactie binnen de SLA. Dit gebeurt wanneer technici eerst P1-tickets oppakken, P3-tickets overslaan voor snelle P4-fixes, waarna P3-tickets onerkend opstapelen.

P2 Hoog heeft het zwakste oplossingspercentage op 71,8%

Er zijn maar 1.788 P2 Hoog-tickets — een klein volume — maar bijna 1 op de 3 wordt niet binnen de SLA opgelost. P2-tickets vereisen vaak escalatie of een specialist, en zonder duidelijk eigenaarschap lopen ze vast. Het eerste reactiepercentage (68,6%) ligt ook onder P1 Kritisch (82,4%), wat bevestigt dat P2 niet met de juiste urgentie wordt behandeld.

P4 Laag scoort beter dan P2 Hoog en P3 Medium op eerste reactie

P4 Laag-tickets hebben een eerste reactiepercentage van 83,5% — beter dan beide hogere prioriteiten. Dit is het "eenvoudig ticket"-effect: P4-tickets zijn snel te erkennen en snel te sluiten, waardoor ze met minder wrijving door het SLA-venster bewegen. Het hoge volume (30.415) zorgt ook voor meer data en consistentere verwerking.

Service/Wijzigingsverzoeken halen 97%+ op beide metrics — beste prestatie overall

Service- en wijzigingsverzoeken halen 97,3% eerste reactie en 97,5% oplossing. Dit zijn doorgaans geplande of vooraf ingeplande werkzaamheden, met voorspelbare tijdlijnen en duidelijk eigenaarschap. De vrijwel perfecte scores suggereren dat de SLA-doelen voor dit type passend zijn en het proces volwassen is.

Veelgestelde vragen

Waarom heeft P3 een slechtere SLA dan P1? +

P1-tickets krijgen onmiddellijk aandacht vanwege hun zichtbare urgentie — technici merken en erkennen ze snel. P3-tickets zijn "medium" genoeg om uit te stellen, maar niet laag genoeg om te batchen. Ze wachten in wachtrijen op een natuurlijk moment om opgepakt te worden. Als SLA-vensters voor P3 kort zijn (bijv. 4 uur), veroorzaken zelfs korte vertragingen al overschrijdingen. Controleer of je P3 SLA-vensters de realistische reactiecapaciteit weerspiegelen.

Wat is het verschil tussen Eerste Reactie SLA en Oplossings-SLA? +

Eerste Reactie SLA meet of iemand op het ticket heeft gereageerd (eerste contact, notitie toegevoegd, status gewijzigd) binnen het geconfigureerde SLA-venster. Oplossings-SLA meet of het ticket volledig is opgelost en gesloten binnen een tweede, doorgaans langere, termijn. Een ticket kan de eerste reactie halen maar de oplossing missen als het probleem langer duurt dan verwacht. De twee metrics vertellen vaak een ander verhaal over waar knelpunten optreden.

Hoe verbeter ik de P3 Medium SLA-prestaties? +

Drie aanpakken werken: (1) Verleng het P3 eerste reactie-SLA-venster zodat het aansluit op de werkelijke capaciteit — als het team de 4 uur niet haalt, zet het dan op 8. (2) Maak een triageregel die P3-tickets bij aanmaak automatisch toewijst aan een specifieke wachtrij of persoon, zodat de "niemand kijkt hiernaar"-gap verdwijnt. (3) Voeg een dagelijkse P3-controle toe: een check van 10 minuten 's ochtends die alle P3-tickets van de afgelopen 24 uur erkent en de SLA-klok reset.

Genereer rapporten als deze vanuit je eigen data

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

SLA-prestaties per prioriteitsniveau

SLA-prestaties per prioriteitsniveau

P3 Medium heeft de slechtste eerste reactie-SLA op 55% — lager dan P1 Kritisch

P2 Hoog heeft het zwakste oplossingspercentage op 71,8%

P4 Laag scoort beter dan P2 Hoog en P3 Medium op eerste reactie

Service/Wijzigingsverzoeken halen 97%+ op beide metrics — beste prestatie overall

Veelgestelde vragen

Gerelateerde rapporten

Genereer rapporten als deze vanuit je eigen data