Hoe oud zijn je 844 openstaande tickets, in welke statussen ze staan en hoeveel er overschreden zijn. Gegenereerd door AI via de Proxuma Power BI MCP-server.
Hoe oud zijn je 844 openstaande tickets, in welke statussen ze staan en hoeveel er overschreden zijn. Gegenereerd door AI via de Proxuma Power BI MCP-server.
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
Hoe oud zijn je 844 openstaande tickets, in welke statussen ze staan en hoeveel er overschreden zijn. Gegenereerd door AI via de Proxuma Power BI MCP-server.
EVALUATE VAR OpenT = FILTER('BI_Autotask_Tickets','BI_Autotask_Tickets'[status_name]<>"Complete") RETURN ROW("OpenCount", COUNTROWS(OpenT), "AvgAge", AVERAGEX(OpenT,'BI_Autotask_Tickets'[ticket_age_days]), "Over180", COUNTROWS(FILTER(OpenT,'BI_Autotask_Tickets'[ticket_age_days]>180)), "OverdueResolveSLA", COUNTROWS(FILTER(OpenT,'BI_Autotask_Tickets'[resolved_due_age_days]>0)))Alle 844 openstaande tickets gegroepeerd per leeftijdscategorie. De grootste concentratie (58,3%) zit tussen 61 en 90 dagen oud. Geen enkel ticket is jonger dan 61 dagen.
(same OpenT var; bucketed by ticket_age_days)Hoe de 844 openstaande tickets verdeeld zijn over Autotask-statussen
| Status | Count | % of Open |
|---|---|---|
| Planned | 213 | 25.2% |
| In progress | 205 | 24.3% |
| New | 169 | 20.0% |
| Waiting Customer | 116 | 13.7% |
| Customer has responded | 102 | 12.1% |
| Waiting for third party | 38 | 4.5% |
| Assigned | 1 | 0.1% |
EVALUATE ADDCOLUMNS(SUMMARIZE(FILTER('BI_Autotask_Tickets','BI_Autotask_Tickets'[status_name]<>"Complete"),'BI_Autotask_Tickets'[status_name]), "Count", CALCULATE(COUNTROWS('BI_Autotask_Tickets'))) ORDER BY [Count] DESC360 van 844 openstaande tickets (42,7%) hebben hun SLA-oplossingsdeadline overschreden
(OpenT filtered to resolved_due_age_days>0; 360 tickets are past resolution SLA)De opvallendste bevinding is niet het totale aantal. 844 openstaande tickets is een getal waar je mee kunt werken. Het probleem zit in het leeftijdsprofiel. Elk ticket in deze backlog is minimaal 61 dagen oud. Er zitten nul tickets in de categorieen 0 tot 7, 8 tot 14, 15 tot 30 of 31 tot 60 dagen. Dat betekent een van twee dingen: of nieuwe tickets worden binnen de eerste twee maanden opgelost en gesloten (goed), of nieuwe tickets stromen helemaal niet in dit systeem (het controleren waard).
Het grootste deel van de backlog, 492 tickets (58,3%), zit in de categorie 61 tot 90 dagen. Dit zijn tickets die ongeveer twee tot drie maanden geleden zijn aangemaakt en niet zijn opgelost. Samen met de 276 tickets van 91 tot 180 dagen oud en de 76 tickets ouder dan 180 dagen, beslaat dat alle 844 openstaande tickets. Op die leeftijd zijn dit geen actieve werkitems meer. Ze zijn verouderd.
169 tickets staan nog steeds als "New" ondanks dat ze minimaal twee maanden oud zijn. Deze zijn nooit getriageerd, nooit toegewezen en nooit bewerkt. Ze staan onaangeroerd in de wachtrij. Ondertussen staan 102 tickets op "Customer has responded", wat betekent dat de klant heeft gereageerd maar jouw team niet heeft opgepakt. Beide groepen vormen een direct risico voor klanttevredenheid.
Het overschrijdingspercentage van 42,7% (360 tickets) is hoog maar niet verrassend gezien het leeftijdsprofiel. Wanneer het jongste ticket in je backlog al twee maanden oud is, zullen veel tickets logischerwijs hun SLA hebben overschreden. Dit aantal verlagen begint bij het verlagen van de leeftijd, niet bij het verlengen van deadlines.
De 76 tickets ouder dan 180 dagen zijn een categorie apart. Na zes maanden of langer zijn deze vrijwel zeker vastgelopen: wachtend op een beslissing die nooit is genomen, een leveranciersreactie die nooit kwam, of een projectticket dat zijn eigenaar is kwijtgeraakt. Een gerichte opruimsessie voor alleen deze 76 tickets zou de gemiddelde backlogleeftijd al met meerdere dagen verlagen en items sluiten waar niemand actief aan werkt.
5 prioriteiten op basis van bovenstaande bevindingen
Deze tickets staan al meer dan een maand onaangeroerd. Loop ze deze week door en wijs ze toe, sluit ze of voeg ze samen. Een ticket dat 30+ dagen op "New" staat, wordt niet beheerd. Het wordt genegeerd. Klanten die deze tickets hebben ingediend, wachten of hebben het al opgegeven.
De klant heeft zijn deel gedaan. Die heeft gereageerd. Nu is de bal bij jouw team en dat is al minimaal 61 dagen het geval. Dit zijn de tickets die het meest waarschijnlijk klachten opleveren. Sorteer ze op leeftijd, begin met de oudste en los elk ticket op of werk het bij met een volgende stap.
Zes maanden is lang genoeg dat de meeste van deze tickets hun oorspronkelijke context zijn kwijtgeraakt. Plan een sessie van twee uur met het serviceteam. Bekijk elk ticket. Als het nog geldig is, wijs een eigenaar toe en stel een deadline. Als dat niet zo is, sluit het met een notitie. Deze opruimen verlaagt je gemiddelde backlogleeftijd op zichzelf al met meerdere dagen.
De lege categorieen voor 0 tot 30 dagen kunnen betekenen dat je team nieuwe tickets snel oplost, wat geweldig is. Maar het kan ook betekenen dat tickets direct in projectwachtrijen of met oudere datumbereiken worden aangemaakt. Verifieer dat nieuwe inkomende tickets correct in deze dataset terechtkomen en dat je geen recente instroom mist.
Draai dit rapport wekelijks. Volg het totale aantal, de gemiddelde leeftijd en het overschrijdingspercentage over tijd. Als de gemiddelde leeftijd stijgt, veroudert je backlog. Als het daalt, werken je opruiminspanningen. Een check van vijf minuten op maandagochtend voorkomt dat de backlog stilletjes weer uit de hand loopt.
Elk ticket in Autotask waarvan de status niet "Complete" is. Dat omvat New, Assigned, In Progress, Planned, Waiting Customer, Customer Responded en Waiting Third Party. Het rapport filtert afgeronde tickets volledig uit, zodat je alleen ziet wat nog in je actieve backlog staat.
Ticketleeftijd is het aantal kalenderdagen tussen de aanmaakdatum van het ticket en vandaag. Het Proxuma Power BI-datamodel slaat dit op in de ticket_age_days-kolom, die bij elke dataverversing opnieuw wordt berekend. Er wordt geen rekening gehouden met kantooruren of SLA-pauzes.
Een ticket is overschreden wanneer de resolved_due_age_days-waarde groter is dan nul. Dit betekent dat het ticket de SLA-oplossingsdeadline heeft overschreden zonder te zijn afgerond. De SLA-deadline wordt ingesteld door Autotask op basis van de ticketprioriteit en de SLA gekoppeld aan het klantcontract.
Dit betekent waarschijnlijk dat recente tickets binnen de eerste twee maanden worden opgelost en gesloten, waardoor ze niet in de openstaande backlog verschijnen. Het kan ook betekenen dat nieuwe tickets worden aangemaakt met teruggedateerde aanmaakdatums of in een wachtrij die hier niet wordt meegenomen. Beide scenario's zijn het verifiëren waard in je Autotask-configuratie.
Ja. Koppel Proxuma Power BI aan je Autotask-account, voeg een AI-tool (Claude, ChatGPT of Copilot) toe via MCP en stel dezelfde vraag. De AI schrijft de DAX-queries, voert ze uit op je echte data en produceert een rapport zoals dit in minder dan vijftien minuten.
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