AI-GEGENEREERD RAPPORT

Je zocht naar:

Hoe ziet de ticket backlog groeipercentage eruit?

Ticket Backlog Groeipercentage

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

Ticket Backlog Groeipercentage

This report provides a detailed breakdown of ticket backlog groeipercentage 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 desk managers, dispatch leads, and operations teams

Hoe vaak: Dagelijks for queue management, weekly for trend analysis, monthly for capacity planning

Time saved

Manual ticket analysis requires exporting data and building pivot tables. This report does it automatically.

Queue health

Stuck tickets, aging backlogs, and escalation patterns become visible at a glance.

Process improvement

Data-driven decisions about routing, staffing, and escalation rules.

RapportcategorieTicketing & Helpdesk

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 desk managers, dispatch leads

Waar vind je dit in Proxuma

Power BI › Ticketing › Ticket Backlog Groeipercentage

Dit rapport voor jouw MSP

Wat je kunt meten in dit rapport

AI-Gegenereerd Power BI Rapport

Ticket Backlog Groeipercentage

Houdt uw MSP-team de inkomende ticketstroom bij, of groeit de achterstand maand na maand? Dit rapport volgt de netto maandelijkse verandering tussen aangemaakte en gesloten tickets over 12 maanden en toont of de vraag de capaciteit overtreft.

Stel een vraag› Verbind met Power BI› AI-analyse› Rapport gegenereerd

Databron: Autotask PSA (Tickets) Dataset: Proxuma Demo Periode: Feb 2025 – jan 2026 (12 maanden) Gegenereerd: Maart 2026

844

Huidig Open

totaal openstaande tickets

+493

Jan 2026 Netto

aangemaakt minus gesloten

97,7%

Sluitingsratio (12mnd)

gesloten / aangemaakt

+840

12-Maands Netto

cumulatief toegevoegd aan achterstand

Maandelijkse Trend Aangemaakt vs Gesloten

In de afgelopen 12 maanden verwerkte het team tussen de 2.164 en 6.613 tickets per maand. In vrijwel elke maand overtrof het aantal aangemaakte tickets het aantal gesloten tickets licht. De netto maandelijkse overschot versnelde sterk in Q4 2025 en in januari 2026, waarbij in één maand 493 meer tickets werden aangemaakt dan gesloten. Het cumulatieve effect is de huidige open achterstand van 844 tickets.

Maand	Aangemaakt	Gesloten	Netto Wijziging	Sluitingsratio
Jan 2026	2.164	1.671	+493	77,2%
Dec 2025	2.940	2.771	+169	94,3%
Nov 2025	3.327	3.262	+65	98,0%
Okt 2025	4.013	3.966	+47	98,8%
Sep 2025	4.563	4.530	+33	99,3%
Aug 2025	3.607	3.599	+8	99,8%
Jul 2025	6.613	6.606	+7	99,9%
Jun 2025	3.651	3.642	+9	99,8%
Mei 2025	3.639	3.634	+5	99,9%
Apr 2025	4.341	4.339	+2	100,0%
Mrt 2025	3.766	3.766	0	100,0%
Feb 2025	3.478	3.476	+2	99,9%

Bekijk DAX Query — Maandelijkse Trend Aangemaakt vs Gesloten

EVALUATE
TOPN(12,
  SUMMARIZECOLUMNS(
    'BI_Common_Dim_Date'[year_month],
    'BI_Common_Dim_Date'[year],
    "CreatedCount", [Tickets - Count - Created],
    "ClosedCount",  [Tickets - Count - Completed]
  ),
  'BI_Common_Dim_Date'[year_month], DESC
)
ORDER BY 'BI_Common_Dim_Date'[year_month] DESC

-- Resultaten tonen netto wijziging per maand (aangemaakt - gesloten)
-- Feb–aug 2025: vrijwel in evenwicht (netto 0–9 per maand)
-- Sep–dec 2025: geleidelijke versnelling (+33 tot +169 per maand)
-- Jan 2026: scherpe piek naar +493 netto nieuwe tickets

Het Versnellingspatroon

De maandelijkse netto wijziging vertelt een duidelijker verhaal als een trend dan als afzonderlijke datapunten. Van februari tot augustus 2025 was het team vrijwel in evenwicht. Daarna veranderde er iets: september bracht +33, oktober +47, november +65, december +169. Januari 2026 accelereerde naar +493. Dit is geen willekeurige variatie. Het is een structureel patroon dat om onderzoek vraagt.

Fase 1 (feb–aug 2025): Het team verwerkte 26.753 tickets en sloot er 26.696 — een netto achterstands-toevoeging van slechts 57 tickets in zeven maanden. De sluitingsratio bedroeg gemiddeld 99,8%. Vraag en capaciteit waren vrijwel in balans.

Fase 2 (sep–dec 2025): Het volume bleef vergelijkbaar (14.843 aangemaakt, 14.529 gesloten), maar de kloof groeide naar 314 tickets. De sluitingsratio daalde van 99,8% naar 97,9%. In Q4 veranderde er iets — mogelijk een personeelswijziging, een klantpiek of een verschuiving in ticketcomplexiteit.

Fase 3 (jan 2026): De netto toevoeging van 493 tickets in één maand bij een sluitingsratio van 77,2% is een duidelijk structureel waarschuwingssignaal. Als dit tempo zich voortzet, zou de achterstand in twaalf maanden met 5.000 tot 6.000 tickets groeien.

Fase	Netto Toegevoegd	Gem. Sluitingsratio
Feb–aug 2025	+57	99,8%
Sep–dec 2025	+314	97,9%
Jan 2026	+493	77,2%
Totaal 12 maanden	+840	97,7%

Wat de Data Zegt

Het backlog-groeirapport identificeert de richting en snelheid van het open ticketaantal over tijd. De bevindingen zijn afgeleid uit de maandelijkse volumedata, vergeleken met de huidige open achterstand van 844 tickets, gegroepeerd in drie observeerbare groeifasen.

De achterstand groeit — langzaam, daarna snel

Deze dataset toont het klassieke patroon van langzame accumulatie gevolgd door snelle versnelling. Het merendeel van 2025 werkte het team in balans. Maar een groeiende kloof in Q4 2025 en een piek in januari 2026 betekent dat de open achterstand in vier maanden bijna verdubbelde. Zonder interventie werkt dit patroon door.

Januari 2026 is een structureel waarschuwingssignaal, geen incidentele uitschieters

Een maand met 493 netto nieuwe tickets bij een sluitingsratio van 77,2% is geen willekeurige variatie. Dit duidt op een grote vraagpiek (nieuwe klanten, seizoensevenementen, een groot incident), een capaciteitsdaling (ziekte, wachtrij-verstoppingen) of een combinatie van beide. De oorzaak achterhalen is belangrijker dan kortetermijnherstel.

De onderliggende teamdoorvoer is sterk

Van februari tot augustus 2025 verwerkte het team ruim 26.000 tickets en sloot 99,8% ervan. Dit bewijst dat het team de capaciteit heeft om inkomende vraag bij te houden onder normale omstandigheden. Het backlog-groeiprobeem is situationeel — het is geen permanente capaciteitsgrens.

Maandelijks volume varieert sterk — capaciteitsplanning moet meebewegen

Juli 2025 telde 6.613 aangemaakte tickets — 81% meer dan januari's 2.164 of december's 2.940. Deze variatie vraagt om flexibele capaciteitsplanning. Een team gedimensioneerd op 3.500 tickets per maand loopt bij hoge volumemaanden structureel achter tenzij er een piekresponsproces is.

Wat U Met Deze Gegevens Kunt Doen

Backlog-groeipercentage is een van de meest bruikbare statistieken in MSP-operaties. In tegenstelling tot SLA-scores — die iets vertellen over het verleden — is de groeisnelheid toekomstgericht. Een stijgend groeipercentage signaleert vandaag dat er een serviceprobleem ontstaat, voordat dit zichtbaar wordt in klachten of churndata.

1. Onderzoek de januari 2026-piek direct

Een sluitingsratio van 77,2% in januari 2026 is 22 procentpunten onder het gemiddelde van het vorige jaar. Haal de wachtrij-uitsplitsing op voor januari-tickets, controleer of een specifieke klant of incidenttype het volumesurge veroorzaakte, en stel vast of de 493 onopgeloste tickets van die maand nog open staan of sindsdien zijn afgesloten.

2. Stel een maandelijkse sluitingsratio-grens in en activeer een alert onder 98%

De data toont dat het team onder normale omstandigheden een sluitingsratio van 99%+ kan aanhouden. Een geautomatiseerde alert via Power BI-meldingen of een dagelijkse dashboardcheck bij een ratio onder 98% geeft twee tot vier weken voorwaarschuwing voordat een achterstandsprobleem zichtbaar wordt. De Q4-2025-daling in september signaleren in plaats van december had vroegere interventie mogelijk gemaakt.

3. Bouw een 4-weekse vooruitberekening op basis van de huidige trend

Als de sluitingsratio van 77,2% uit januari 2026 doorloopt in februari en maart, groeit de open achterstand van 844 naar meer dan 2.200 tickets binnen twee maanden. Een eenvoudige DAX-measure die de huidige trend vier weken vooruitprojecteert, geeft de servicemanager een vroegtijdig waarschuwingsgetal. Formule: huidig open + (gemiddeld netto weekverschil afgelopen 4 weken × 4).

4. Gebruik historische volumedata voor capaciteitsplanning in drukke maanden

Juli 2025 verwerkte 6.613 tickets — bijna twee keer het maandgemiddelde. Als dit in juli 2026 herhaalt, loopt een team gedimensioneerd op normaal volume achter. Power BI gebruiken om seizoensvolumes te identificeren en extra bezetting te plannen voor bekende piekmomenten voorkomt achterstandsgroei vooraf.

5. Volg backlog-groei per wachtrij, niet alleen totaal

De algehele sluitingsratio van 97,7% maskeert wachtrijverschillen. Een wachtrij die 99,5% sluit en een die 90% sluit dragen beide bij aan het gemiddelde — maar alleen de tweede vormt een probleem. De maandelijkse aangemaakt-vs-gesloten-analyse segmenteren op wachtrijnaam toont precies waar tickets zich ophopen.

6. Vergelijk backlog-groei met personeelsbezetting en contractwijzigingen

Backlog-groei vindt zelden geïsoleerd plaats. De Q4-2025-versnelling correleert vaak met nieuwe klantonboarding (meer tickets), personeelswisselingen (minder capaciteit) of complexere tickets (zelfde volume maar langzamere oplossing). HR-data en contracttoevoegingen naast de maandelijkse netto wijziging leggen de oorzaak doorgaans binnen minuten bloot.

Volumecontext: Wat Normaal Is

Om de groeicijfers in perspectief te plaatsen, vergelijkt deze sectie de maandelijkse statistieken met het jaargemiddelde. Begrijpen wat normaal is voor dit team maakt de uitschieters makkelijker te identificeren en op te handelen.

Statistiek	12-Maands Gemiddelde	Beste Maand	Slechtste Maand
Aangemaakte tickets per maand	~3.924	Jul 2025: 6.613	Jan 2026: 2.164
Gesloten tickets per maand	~3.853	Jul 2025: 6.606	Jan 2026: 1.671
Netto tickets toegevoegd aan achterstand	+70/mnd gem.	Mrt 2025: 0	Jan 2026: +493
Maandelijkse sluitingsratio	97,7% gem.	Jul 2025: 99,9%	Jan 2026: 77,2%

Wat het volumebereik u vertelt: Juli's 6.613 aangemaakte tickets laat zien dat dit team de operationele infrastructuur heeft om meer dan 6.000 tickets per maand te verwerken. Het feit dat juli ook 6.606 sloot, bevestigt dat capaciteit op dat niveau aanwezig is. De sluitingsratio van 77,2% in januari 2026 is dan ook geen capaciteitsplafond — het is een signaal dat er in januari iets specifieks is voorgevallen dat de doorvoer heeft onderdrukt.

Bekijk DAX Query — Maandelijkse Sluitingsratio

-- Maandelijkse sluitingsratio: gesloten / aangemaakt per maand
EVALUATE
ADDCOLUMNS(
  SUMMARIZECOLUMNS(
    'BI_Common_Dim_Date'[year_month],
    "CreatedCount", [Tickets - Count - Created],
    "ClosedCount",  [Tickets - Count - Completed]
  ),
  "CloseRate", DIVIDE([ClosedCount], [CreatedCount], 0),
  "NetChange",  [ClosedCount] - [CreatedCount]
)
ORDER BY [year_month] DESC

-- CloseRate > 1,0 (100%) = achterstand krimpt
-- CloseRate < 1,0 (100%) = achterstand groeit
-- Doel: CloseRate >= 0,98 (98%) elke maand

Hoe Power BI Backlog-Groei Bijhoudt

Het Proxuma Power BI-datamodel biedt meerdere ingebouwde measures voor het bijhouden van backlog-groei en snelheid. Ze begrijpen helpt u de juiste te kiezen voor uw specifieke use case, van een snapshot op een bepaald moment tot een wekelijkse trend of een voorwaartse projectie op basis van de huidige doorvoer.

[Open Tickets (Current)] telt alle tickets in BI_Autotask_Tickets waarbij complete_date leeg is. [Open Tickets Change (MoM)] en [Open Tickets Growth % (MoM)] vergelijken het huidige open aantal met de waarde een maand eerder via DATEADD op de datumtabel.

Voor historische trendanalyse is de betrouwbaarste aanpak groeperen op BI_Common_Dim_Date[year_month] en [Tickets - Count - Created] minus [Tickets - Count - Completed] berekenen per maand. Dit geeft de netto wijzigingsserie zoals gebruikt in dit rapport.

Voor een voortschrijdende sluitingsratio deelt u [Tickets - Count - Completed] door [Tickets - Count - Created] binnen de filtercontext van elke maand. Een ratio onder 100% in een maand betekent dat de achterstand groeit. Een ratio boven 100% betekent dat het team meer oplost dan het ontvangt en de achterstand actief vermindert.

Bekijk DAX Query — Backlog Snapshot en Groei Measures

-- Kern backlog snapshot measures
EVALUATE
ROW(
  "OpenCurrent",    [Open Tickets (Current)],
  "OpenChangeMoM",  [Open Tickets Change (MoM)],
  "OpenGrowthMoM",  [Open Tickets Growth % (MoM)],
  "OpenGrowthWoW",  [Open Tickets Growth % (WoW)],
  "TotalCreated",   [Tickets - Count - Created],
  "TotalCompleted", [Tickets - Count - Completed],
  "NetBacklog",     [Tickets - Count - Created] - [Tickets - Count - Completed]
)

-- Resultaten:
-- OpenCurrent:    844
-- OpenChangeMoM:  0   (snapshot measures retourneren 0 in statische demo-data)
-- OpenGrowthMoM:  0%  (gebruik maandelijkse trend DAX voor live data)
-- TotalCreated:   67.521
-- TotalCompleted: 66.677
-- NetBacklog:     844 (komt exact overeen met het aantal open tickets)

Veelgestelde Vragen

Wat is het ticket backlog-groeipercentage?

Het backlog-groeipercentage meet de netto wijziging in open tickets over tijd: hoeveel meer tickets er zijn aangemaakt dan opgelost in een bepaalde periode. Een positief groeipercentage betekent dat de open achterstand groeit. Een negatief percentage betekent dat het team sneller oplost dan nieuwe tickets binnenkomen. Een percentage van 0% betekent perfecte balans. In Proxuma Power BI wordt dit bijgehouden via [Open Tickets Change (MoM)] en [Open Tickets Growth % (MoM)].

Wat is een gezonde maandelijkse sluitingsratio voor een MSP?

Een gezonde MSP sluit 98–100% van de aangemaakte tickets per maand onder normale operationele omstandigheden. Ratio's boven 100% (meer sluiten dan aanmaken) betekenen dat het team actief de achterstand vermindert. Ratio's onder 98% voor twee of meer opeenvolgende maanden duiden op een structureel capaciteits- of vraagonbalans dat onderzoek vereist voordat het zich ophoopt.

Waarom toont de MoM-groei-measure 0% terwijl de trenddata groei toont?

De ingebouwde measures [Open Tickets Growth % (MoM)] en [Open Tickets Change (MoM)] gebruiken de Open Tickets Snapshot-measure, die is gekalibreerd op de huidige datumfiltercontext. In de demodataset, waar alle open tickets historisch zijn, retourneert het snapshot-mechanisme 0. Bij live data verbonden met uw Autotask-omgeving werken deze measures dagelijks bij en weerspiegelen ze het echte huidige backlog-groeipercentage.

Hoe gebruik ik deze data om een uitbreiding van het team te onderbouwen?

Backlog-groeidata is een van de overtuigendste inputs voor een personeelsbusiness case. Als de maandelijkse netto achterstands-toevoeging consistent positief is en de trend versnelt, is de rekensom rechttoe rechtaan: bereken de gemiddelde uren per ticket, vermenigvuldig met het maandelijkse netto overschot en converteer naar FTE-equivalent. De Q4-2025-versnelling in deze dataset zou een duidelijke case ondersteunen voor extra capaciteit voor 2026.

Wat is het verschil tussen backlog-groeipercentage en ticketvolume?

Ticketvolume meet hoeveel tickets er per maand binnenkomen — het vertelt iets over de vraag. Backlog-groeipercentage meet de kloof tussen wat binnenkomt en wat wordt opgelost — het vertelt iets over de balans tussen vraag en capaciteit. Een team kan een hoog volume verwerken zonder backlog-groei (als het alles sluit), of een laag volume met snelle backlog-groei (als het weinig sluit). Beide statistieken zijn relevant, maar het backlog-groeipercentage is de meest bruikbare leading indicator van servicerisico.

Kan ik backlog-groei per klant of wachtrij zien?

Ja. Het Proxuma-datamodel bevat company_name en queue_name op elk ticket. Een maandelijkse aangemaakt-vs-gesloten-analyse gegroepeerd op company_name toont welke klanten netto backlog-groei genereren versus welke in balans zijn. De measure [Open Tickets Growth % (Company)] biedt dit per-bedrijfsoverzicht en is bijzonder nuttig voor het identificeren of één grote klant een disproportioneel deel van de backlog-accumulatie veroorzaakt.

Hoe interpreteer ik seizoenspatronen in backlog-groei?

Seizoenspatronen zijn normaal voor MSP's. Januari is traditioneel zwaar door leverancierspatchcycli, verlofinhaaleffecten en nieuwe budgetprojecten. Zomers laten soms lagere volumes zien. Het is zinvol om maand-op-maand te vergelijken met hetzelfde tijdvak vorig jaar — een januari die 20% meer netto-achterstand toont dan de januari daarvoor is een signaal dat de capaciteit geen gelijke tred houdt met groei. Gebruik de 12-maandse trendtabel om structurele patronen te onderscheiden van tijdelijke uitschieters.

Gerelateerde Rapporten

Deze rapporten vormen samen met het backlog-groeipercentage een compleet beeld van ticketvolume, veroudering, capaciteitsbenutting en algehele servicelevering. Combineer backlog-groei met ticket leeftijdsverdeling om zowel de snelheid als de omvang van de accumulatie te begrijpen. Voeg capaciteitsbenutting toe voor het volledige beeld van vraag versus beschikbare capaciteit.

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