Maandelijkse analyse van aangemaakt versus afgesloten tickets. Volgt sluitingstrends en achterstandsopbouw voor alle klanten op basis van Autotask PSA-data via Proxuma Power BI.
Maandelijkse analyse van aangemaakt versus afgesloten tickets. Volgt sluitingstrends en achterstandsopbouw voor alle klanten op basis van Autotask PSA-data via Proxuma Power BI.
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 desk managers, dispatch leads, and operations teams
Hoe vaak: Dagelijks for queue management, weekly for trend analysis, monthly for capacity planning
Maandelijkse analyse van aangemaakt versus afgesloten tickets. Volgt sluitingstrends en achterstandsopbouw voor alle klanten op basis van Autotask PSA-data via Proxuma Power BI.
EVALUATE
ROW(
"Tickets_Created", [Tickets - Count - Created],
"Tickets_Completed", [Tickets - Count - Completed],
"Closure_Rate", [Tickets - Closure Rate %],
"Open_Now", [Open Tickets (Current)]
)Afgelopen 12 maanden. Een sluitingspercentage onder 99% kan wijzen op oplopende capaciteitsdruk.
| Maand | Aangemaakt | Afgesloten | Verschil | Sluitingspercentage | Trend |
|---|---|---|---|---|---|
| Feb 2025 | 3.478 | 3.476 | −2 | 99,9% | Stabiel |
| Mrt 2025 | 3.766 | 3.766 | 0 | 100% | Op schema |
| Apr 2025 | 4.341 | 4.339 | −2 | 99,95% | Stabiel |
| Mei 2025 | 3.639 | 3.634 | −5 | 99,9% | Stabiel |
| Jun 2025 | 3.651 | 3.642 | −9 | 99,75% | Let op |
| Jul 2025 | 6.613 | 6.606 | −7 | 99,9% | Volumepiek |
| Aug 2025 | 3.607 | 3.599 | −8 | 99,8% | Lichte vertraging |
| Sep 2025 | 4.563 | 4.530 | −33 | 99,3% | Dalend |
| Okt 2025 | 4.013 | 3.966 | −47 | 98,8% | Dalend |
| Nov 2025 | 3.327 | 3.262 | −65 | 98,1% | Let op |
| Dec 2025 | 2.940 | 2.771 | −169 | 94,3% | Alarm |
| Jan 2026 | 2.164 | 1.671 | −493 | 77,2% | Kritiek |
EVALUATE
FILTER(
ADDCOLUMNS(
SUMMARIZE(
'BI_Common_Dim_Date',
'BI_Common_Dim_Date'[year_month],
'BI_Common_Dim_Date'[month_year]
),
"Created", [Tickets - Count - Created],
"Completed", [Tickets - Count - Completed],
"Closure_Rate", [Tickets - Closure Rate %]
),
NOT ISBLANK([Created])
)
ORDER BY 'BI_Common_Dim_Date'[year_month] ASCSluitingspercentage per maand. Het omslagpunt ligt in sep 2025, toen de achterstand sneller begon te groeien dan het team kon bijhouden.
EVALUATE
FILTER(
ADDCOLUMNS(
SUMMARIZE(
'BI_Common_Dim_Date',
'BI_Common_Dim_Date'[year_month],
'BI_Common_Dim_Date'[month_year]
),
"Closure_Rate_Pct", [Tickets - Closure Rate %]
),
NOT ISBLANK([Closure_Rate_Pct])
)
ORDER BY 'BI_Common_Dim_Date'[year_month] ASCDe 10 klanten met het hoogste volume. Bekijk hun individuele sluitingsverschillen om te zien welke accounts bijdragen aan de achterstand.
| # | Klant | Aangemaakt | Afgesloten | Verschil | Sluiting |
|---|---|---|---|---|---|
| 1 | Rivers, Rogers and Mitchell | 6.381 | 6.268 | 113 | 98,2% |
| 2 | Craig-Huynh | 5.458 | 5.393 | 65 | 98,8% |
| 3 | Little Group | 5.290 | 5.250 | 40 | 99,2% |
| 4 | Martin Group | 2.775 | 2.742 | 33 | 98,8% |
| 5 | Wall PLC | 2.376 | 2.356 | 20 | 99,2% |
| 6 | Blanchard-Glenn | 2.364 | 2.364 | 0 | 100% |
| 7 | Thompson, Contreras and Rios | 1.803 | 1.783 | 20 | 98,9% |
| 8 | Lewis LLC | 1.758 | 1.745 | 13 | 99,3% |
| 9 | Ramos Group | 1.728 | 1.692 | 36 | 97,9% |
| 10 | Price-Gomez | 2.180 | 2.155 | 25 | 98,9% |
EVALUATE
TOPN(
10,
SUMMARIZE(
'BI_Autotask_Tickets',
'BI_Autotask_Companies'[company_name],
"Created", [Tickets - Count - Created],
"Completed", [Tickets - Count - Completed]
),
[Created], DESC
)Het sluitingspercentage lag boven de 99% in de eerste helft van 2025. Vanaf september 2025 begon het te dalen, naar 94,3% in december en 77,2% in januari 2026. Dat januaricijfer wordt waarschijnlijk beïnvloed door onvolledige maanddata, maar de directie van de trend is helder: het team sluit tickets niet zo snel af als ze binnenkomen.
In juli 2025 werden 6.613 tickets aangemaakt, bijna het dubbele van een normale maand. Het team hield dat maand gelijke tred, maar de resterende werkdruk en contextwisselingen hebben mogelijk bijgedragen aan de capaciteitsdaling die vanaf september zichtbaar werd. Onderzoek wat de julipiek veroorzaakte om herhaling te voorkomen.
Met 113 open tickets op 6.381 aangemaakt draagt deze klant onevenredig bij aan de totale achterstand. Een gerichte analyse van de ticketleeftijd en prioriteitsverdeling voor dit account is een goed vertrekpunt voor het terugdringen van het openstaande aantal.
Het all-time sluitingspercentage van 98,75% weerspiegelt een solide historische prestatie. Het huidige probleem is een recente trend en geen structurele mislukking. Door de specifieke maanden van daling en de klanten met de grootste achterstanden aan te pakken, kan het percentage snel terugkeren naar het gewenste niveau.
Een maandelijks sluitingspercentage boven 98% wordt voor de meeste MSP's als gezond beschouwd. Percentages tussen 95% en 98% vragen om aandacht, en alles onder 95% in een bepaalde maand wijst doorgaans op capaciteitsdruk, een toename van complexe tickets of personeelsproblemen. Het nuttigste getal is de trend: een gestage daling over 3 of meer maanden telt zwaarder dan één slechte maand.
Het januaricijfer weerspiegelt data tot het moment waarop dit rapport werd gegenereerd, wat een gedeeltelijke maand kan zijn. Tickets die in januari zijn aangemaakt en nog open staan, worden in latere maanden afgesloten. Zelfs als u hiermee rekening houdt, is de onderliggende trend van dalende percentages sinds september 2025 reëel en het aanpakken waard.
Volg elke maand het verschil tussen aangemaakt en afgesloten tickets. Als het verschil twee opeenvolgende maanden groeit, is dat doorgaans het signaal om bezetting, ticketcategorisering of klantscope te herzien. Combineer dit rapport met de gemiddelde uren per ticket om het FTE-equivalent te berekenen dat nodig is om de achterstand weg te werken.
Ja. De DAX-queries in dit rapport gebruiken geaggregeerde measures die filtercontext respecteren. In Power BI Desktop of Power BI Service filtert een slicer op bedrijf of wachtrij automatisch alle measures. U kunt de DAX-query ook aanpassen door een CALCULATE-filter toe te voegen voor een specifieke klantnaam of wachtrij-ID.
In Autotask verwijst "Completed" naar tickets die de definitieve afsluiting hebben bereikt, terwijl "Resolved" een tussenliggende status kan zijn vóór definitieve sluiting. Het Proxuma-datamodel bevat beide measures. Dit rapport gebruikt Tickets - Count - Completed als primaire sluitingsindicator, wat overeenkomt met afgerond werk.
Andere AI-gegenereerde Power BI-rapporten voor MSP's
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