Maandelijkse SLA-naleving over 46.102 tickets. Eerste reactie-percentage, oplossingspercentage, ticketvolume en overtredingsaantal per maand met trendanalyse.
Maandelijkse SLA-naleving over 46.102 tickets. Eerste reactie-percentage, oplossingspercentage, ticketvolume en overtredingsaantal per maand met trendanalyse.
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
Maandelijkse SLA-naleving over 46.102 tickets. Eerste reactie-percentage, oplossingspercentage, ticketvolume en overtredingsaantal per maand met trendanalyse.
EVALUATE ROW("TotalTickets", COUNTROWS('BI_Autotask_Tickets'), "FRMet", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[first_response_met] + 0 = 1), "ResMet", CALCULATE(COUNTROWS('BI_Autotask_Tickets'), 'BI_Autotask_Tickets'[resolution_met] + 0 = 1), "AvgFR", AVERAGE('BI_Autotask_Tickets'[first_response_duration_hours]), "AvgRes", AVERAGE('BI_Autotask_Tickets'[resolution_duration_hours]))Eerste reactie- en oplossingspercentages per maand met ticketvolume en overtredingsaantal. Maanden onder 75% ER zijn gemarkeerd.
| Maand | Tickets | ER % | ER-overtr. | Opl. % | Status |
|---|---|---|---|---|---|
| feb. 2025 | 3.478 | 82,7% | 414 | 94,3% | Goed |
| mrt. 2025 | 3.766 | 78,5% | 574 | 94,5% | Aandacht |
| apr. 2025 | 4.341 | 86,1% | 404 | 95,6% | Goed |
| mei 2025 | 3.639 | 83,1% | 292 | 90,5% | Goed |
| jun. 2025 | 3.651 | 69,2% | 478 | 81,7% | Kritiek |
| jul. 2025 | 6.613 | 68,7% | 840 | 89,1% | Kritiek |
| aug. 2025 | 3.607 | 78,1% | 514 | 87,3% | Aandacht |
| sep. 2025 | 4.563 | 78,8% | 601 | 88,4% | Aandacht |
| okt. 2025 | 4.013 | 75,0% | 665 | 86,1% | Aandacht |
| nov. 2025 | 3.327 | 75,4% | 555 | 87,4% | Aandacht |
| dec. 2025 | 2.940 | 84,1% | 355 | 87,3% | Goed |
| jan. 2026 | 2.164 | 87,8% | 189 | 94,4% | Goed |
EVALUATE
SUMMARIZECOLUMNS(
'BI_Common_Dim_Date'[year_month],
"FR_Met_Pct", DIVIDE(
COUNTX(FILTER('BI_Autotask_Tickets',
'BI_Autotask_Tickets'[first_response_met] + 0 = 1
&& NOT(ISBLANK('BI_Autotask_Tickets'[first_response_met]))), 1),
COUNTX(FILTER('BI_Autotask_Tickets',
NOT(ISBLANK('BI_Autotask_Tickets'[first_response_met]))), 1), 0),
"Res_Met_Pct", DIVIDE(
COUNTX(FILTER('BI_Autotask_Tickets',
'BI_Autotask_Tickets'[resolution_met] + 0 = 1
&& NOT(ISBLANK('BI_Autotask_Tickets'[resolution_met]))), 1),
COUNTX(FILTER('BI_Autotask_Tickets',
NOT(ISBLANK('BI_Autotask_Tickets'[resolution_met]))), 1), 0),
"Total_Tickets", COUNTROWS('BI_Autotask_Tickets'),
"FR_Breaches", COUNTX(FILTER('BI_Autotask_Tickets',
'BI_Autotask_Tickets'[first_response_met] + 0 = 0
&& NOT(ISBLANK('BI_Autotask_Tickets'[first_response_met]))), 1)
)
ORDER BY 'BI_Common_Dim_Date'[year_month] ASCEerste reactie scoort elke maand consequent lager dan oplossing. Het verschil vergroot wanneer het ticketvolume piekt.
De trend over twaalf maanden kent drie duidelijke fasen. Begin 2025 (feb–apr) liet sterke prestaties zien, met eerste reactiepercentages van 78,5% tot 86,1%. April 2025 was de beste maand van het jaar met 86,1% ER en 95,6% oplossing. Er was iets wat in Q1 werkte en in Q2 stopte met werken.
Juni en juli 2025 waren het dieptepunt. ER daalde naar 69,2% in juni, waarna juli een volumepiek toevoegde van 6.613 tickets, de hoogste maand in de dataset, met slechts 68,7% ER-naleving en 840 overtredingen. De volumepiek overbelastte de capaciteit. Oplossing hield stand in juli (89,1%), wat aangeeft dat het team goed bijbeelde na het inhalen, maar de initiële reactie was consequent te laat.
Het herstel van augustus tot januari 2026 verliep geleidelijk. ER steeg van 78% in augustus-september naar 87,8% in januari, de beste maand in het afgelopen jaar. Oplossing was gedurende de hele periode consequent sterk, van 86% tot 95%, wat aangeeft dat de onderliggende capaciteit er wel is. Het knelpunt bij eerste reactie is een triage- en routeringsprobleem, geen capaciteitsprobleem.
Drie acties op basis van het twaalfmaandenpatroon
April was je beste maand met 86,1% ER. Juni was je slechtste met 69,2%. Die daling van 17 procentpunten in zestig dagen wijst op een specifieke gebeurtenis: een proceswijziging, een personeelswisseling, een wachtrijconfiguratie-update of een volumepiek bij een specifiek account. Haal de ticketdata van mei en juni op en vergelijk wachtrijroutering en accountmix. Het vinden van die oorzaak vertelt je precies wat je in de toekomst moet beschermen.
Juli 2025 leverde met 6.613 tickets 840 ER-overtredingen op. Je team handelde oplossing goed af (89,1%), maar niet de eerste reactie. Bouw een piekprotocol: automatische wachtrijescalatie wanneer het uurvolume een drempel overschrijdt, tijdelijke cross-wachtrij-toewijzingen en vooraf goedgekeurde overwerktriggers. De data vertelt je het volumeniveau dat de eerste reactie breekt. Gebruik dat als drempelwaarde.
Met 87,8% ER en 94,4% oplossing is januari 2026 je beste recente maand. Identificeer wat er nu anders is vergeleken met het dieptepunt van juli–oktober. Lager volume speelt een rol, maar als er ook routeringswijzigingen of andere aanpassingen zijn gedaan, documenteer die dan. De prestaties van januari zijn de benchmark die je wilt vasthouden door de volgende periode met hoog volume heen.
Eerste reactievensters zijn veel korter, doorgaans één tot vier uur. Zodra een technicus ingrijpt, is er aanzienlijk meer tijd voor de oplossingsdeadline. Dit patroon houdt elke maand stand: oplossing scoort altijd 8 tot 16 procentpunten hoger dan eerste reactie.
Juli 2025 laat de relatie duidelijk zien: 6.613 tickets leverden slechts 68,7% ER-naleving op. Maar mei had 3.639 tickets bij 83,1% ER, en oktober 4.013 bij 75,0%. Volume alleen verklaart niet alles. Routeringsefficiëntie en bezettingsdekking spelen net zo'n grote rol als het ruwe ticketaantal.
Een daling van 5 procentpunten in één maand is het noteren waard. Twee opeenvolgende maanden zo'n daling is een signaal dat onderzoek verdient. De dubbele dip van jun–jul 2025 was het duidelijkste signaal in deze dataset en viel samen met de hoogste overtredingsperiode.
Ja. Verbind Proxuma Power BI met je Autotask-account, voeg een AI-tool toe via MCP en stel dezelfde vraag. De AI schrijft de DAX-queries op je live data en produceert dit trendoverzicht in minder dan een kwartier.
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