Dit rapport combineert Microsoft 365 Lighthouse tenantdata met HiBob medewerkersrecords om in kaart te brengen hoe M365 tenantbeheer over je team is verdeeld. Twee databronnen, een vraag: welke engineers dragen te veel tenants, en welke tenants krijgen te weinig aandacht?
Dit rapport combineert Microsoft 365 Lighthouse tenantdata met HiBob medewerkersrecords om in kaart te brengen hoe M365 tenantbeheer over je team is verdeeld. Twee databronnen, een vraag: welke engineers dragen te veel tenants, en welke tenants krijgen te weinig aandacht?
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: Microsoft 365 administrators, security teams, and account managers
Hoe vaak: Wekelijks for license management, monthly for adoption reviews, quarterly for optimization
Dit rapport combineert Microsoft 365 Lighthouse tenantdata met HiBob medewerkersrecords om in kaart te brengen hoe M365 tenantbeheer over je team is verdeeld. Twee databronnen, een vraag: welke engineers dragen te veel tenants, en welke tenants krijgen te weinig aandacht?
EVALUATE ROW("TotalTenants", COUNTROWS('BI_Lighthouse_Tenant'), "Active", CALCULATE(COUNTROWS('BI_Lighthouse_Tenant_Status_Information'), 'BI_Lighthouse_Tenant_Status_Information'[onboarding_status] = "active"), "Ineligible", CALCULATE(COUNTROWS('BI_Lighthouse_Tenant_Status_Information'), 'BI_Lighthouse_Tenant_Status_Information'[onboarding_status] = "ineligible"), "Disabled", CALCULATE(COUNTROWS('BI_Lighthouse_Tenant_Status_Information'), 'BI_Lighthouse_Tenant_Status_Information'[onboarding_status] = "disabled"), "GDAP", CALCULATE(COUNTROWS('BI_Lighthouse_Tenant_Status_Information'), 'BI_Lighthouse_Tenant_Status_Information'[delegated_privilege_status] = "granularDelegatedAdminPrivileges"))| Engineer | Tenants | Actieve Gebruikers | Gebruikers/Tenant | Belastingsniveau |
|---|---|---|---|---|
| Engineer A | 14 | 1.284 | 91,7 | Overbelast |
| Engineer B | 12 | 1.067 | 88,9 | Overbelast |
| Engineer C | 10 | 834 | 83,4 | Hoog |
| Engineer D | 8 | 612 | 76,5 | Matig |
| Engineer E | 7 | 498 | 71,1 | Normaal |
| Engineer F | 6 | 423 | 70,5 | Normaal |
| Engineer G | 4 | 287 | 71,8 | Licht |
| Engineer H | 2 | 89 | 44,5 | Licht |
De verdeling is sterk scheef. Engineer A beheert 14 tenants met 1.284 actieve gebruikers terwijl Engineer H slechts 2 tenants beheert met 89 gebruikers. De top twee engineers dragen samen 26 tenants - 18% van de totale tenantbasis - terwijl de onderste twee er slechts 6 dragen. Dat is een 7:1 verhouding in werklast.
EVALUATE
SUMMARIZECOLUMNS(
BI_Lighthouse_Tenants[primary_contact],
"Tenants", COUNTROWS(BI_Lighthouse_Tenants),
"ActiveUsers", SUM(BI_Lighthouse_M365_Usage[monthly_active_users]),
"UsersPerTenant",
DIVIDE(
SUM(BI_Lighthouse_M365_Usage[monthly_active_users]),
COUNTROWS(BI_Lighthouse_Tenants)
)
)
ORDER BY [Tenants] DESCEVALUATE
ADDCOLUMNS(
SUMMARIZE(BI_Lighthouse_Tenants, BI_Lighthouse_Tenants[primary_contact]),
"TenantCount", CALCULATE(COUNTROWS(BI_Lighthouse_Tenants)),
"TotalMAU", CALCULATE(SUM(BI_Lighthouse_M365_Usage[monthly_active_users]))
)
ORDER BY [TenantCount] DESC| Engineer | Exchange | SharePoint | Teams | OneDrive | Totaal MAU |
|---|---|---|---|---|---|
| Engineer A | 412 | 298 | 387 | 187 | 1.284 |
| Engineer B | 356 | 241 | 312 | 158 | 1.067 |
| Engineer C | 278 | 189 | 245 | 122 | 834 |
| Engineer D | 204 | 138 | 178 | 92 | 612 |
| Engineer E | 167 | 113 | 143 | 75 | 498 |
Exchange en Teams domineren de servicemix voor elke engineer. Engineer A alleen al beheert 412 Exchange-gebruikers en 387 Teams-gebruikers - meer dan sommige engineers over alle services heen. De serviceverdeling is consistent over alle engineers, wat suggereert dat de complexiteit lineair schaalt met het aantal tenants.
| Engineer | Manager | Tenants | Span of Control | Risico |
|---|---|---|---|---|
| Engineer A | Teamleider 1 | 14 | 12 | Hoog |
| Engineer B | Teamleider 1 | 12 | 12 | Hoog |
| Engineer C | Teamleider 2 | 10 | 8 | Matig |
| Engineer D | Teamleider 2 | 8 | 8 | Matig |
| Engineer E | Teamleider 3 | 7 | 6 | Laag |
| Engineer F | Teamleider 3 | 6 | 6 | Laag |
Teamleider 1's groep draagt de zwaarste last. Zowel Engineer A (14 tenants) als Engineer B (12 tenants) rapporteren aan dezelfde manager die al een span of control van 12 heeft. Als een van beide engineers vertrekt of langdurig afwezig is, heeft die manager geen capaciteit om het werk op te vangen. Teamleider 3's groep is het lichtst, met ruimte om herverdeelde tenants over te nemen.
Teamleider 1 draagt bijna het dubbele van Teamleider 3. Het verplaatsen van 4 tenants van Teamleider 1 naar Teamleider 3 zou alle drie teams binnen 3 tenants van elkaar brengen en het single-point-of-failure risico voor de twee meest belaste engineers verminderen.
Engineer A (14 tenants) en Engineer B (12 tenants) beheren samen 26 van de 142 tenants. Beiden rapporteren aan dezelfde teamleider. Als een van beiden niet beschikbaar is, hebben 2.351 actieve gebruikers over 26 tenants geen dedicated contactpersoon. Dit is een single-point-of-failure probleem.
Engineer A beheert 14 tenants terwijl Engineer H er 2 beheert. Zelfs rekening houdend met complexiteitsverschillen creëert deze verdeling burn-outrisico aan de top en onderbenutting aan de onderkant. Het gemiddelde van 6,2 tenants per engineer verhult extreme variatie in beide richtingen.
De verhouding tussen Exchange, Teams, SharePoint en OneDrive gebruikers blijft consistent over alle engineers. Dit betekent dat tenant-aantal een betrouwbare proxy is voor totale werklast, en herverdeling op basis van alleen tenant-aantallen ook de servicebeheerlast proportioneel herverdeelt.
1. Herverdeel 4-6 tenants van Engineer A en B naar Engineers G en H. Begin met de kleinste tenants (laagste MAU) om transitierisico te minimaliseren. Engineer G kan comfortabel 3 extra tenants absorberen, en Engineer H heeft capaciteit voor minstens 4. Deze enkele actie vermindert de topbelasting met 30% en elimineert het ergste concentratierisico.
2. Stel een maximum van 10 tenants per engineer in. Elke engineer boven de 10 tenants zou een automatische review moeten triggeren. Bouw een Power BI alertpagina met de DAX-queries uit dit rapport om engineers te signaleren die de drempel naderen voordat ze deze bereiken. Dit voorkomt dat het probleem opnieuw ontstaat bij het onboarden van nieuwe tenants.
3. Cross-train engineers over teamleidergrenzen heen. Op dit moment zitten alle zwaar belaste engineers onder Teamleider 1. Als Teamleider 1 niet beschikbaar is, verliezen de twee meest belaste engineers hun escalatieroute. Wijs minimaal een backup uit Teamleider 3's groep aan als secundair contactpersoon voor elk van de grootste tenants van Engineer A en B.
Elke tenant in Lighthouse heeft een primary_contact veld dat naar een engineer verwijst. Dit veld wordt gematcht aan het employee_id in BI_HiBob_Employees om managerinformatie en teamstructuur op te halen. Als een tenant geen primary_contact heeft ingesteld, verschijnt deze niet in dit rapport.
Maandelijks Actieve Gebruikers (MAU) komen uit BI_Lighthouse_M365_Usage en tellen unieke gebruikers die minimaal een activiteit hebben uitgevoerd in een bepaalde M365 service gedurende de laatste 30 dagen. Een enkele gebruiker actief in zowel Exchange als Teams telt een keer per service maar een keer in het totaal.
Beide. Tenant-aantal is een goede proxy voor administratieve overhead (beveiligingsbeleid, licentiebeheer, compliance-controles). MAU meet de supportvraag van eindgebruikers. Een engineer met 4 grote tenants (800 MAU) kan drukker zijn dan iemand met 8 kleine tenants (200 MAU). Dit rapport toont beide metrics naast elkaar zodat je per geval kunt beoordelen.
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