Hoeveel tickets worden opgelost door de eerste engineer die ze oppakt? Uitsplitsing per medewerker, tickettype en first-day responspercentage.
Hoeveel tickets worden opgelost door de eerste engineer die ze oppakt? Uitsplitsing per medewerker, tickettype en first-day responspercentage.
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
Hoeveel tickets worden opgelost door de eerste engineer die ze oppakt? Uitsplitsing per medewerker, tickettype en first-day responspercentage.
Topline-cijfers over alle ticketdata
EVALUATE ROW("Completed", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),'BI_Autotask_Tickets'[status_name]="Complete"), "ClosedByFirst", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),'BI_Autotask_Tickets'[closed_by_first_resource]+0=1), "FirstDayResponse", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),'BI_Autotask_Tickets'[first_day_response]+0=1), "Open", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),'BI_Autotask_Tickets'[status_name]<>"Complete"))Van de 66.677 gesloten tickets werden er slechts 7.547 opgelost door de engineer die ze als eerste oppakte
closed_by_first_resource-vlag in Proxuma Power BI markeert tickets waarbij de engineer die als eerste aan het ticket werd toegewezen, dezelfde persoon is die het uiteindelijk sloot. Geen overdrachten, geen escalaties, geen hertoewijzingen. Een waarde van 1 betekent dat het ticket van begin tot eind in dezelfde handen bleef.
De zes medewerkers met de meeste gelogde uren over alle tickets
| Medewerker | Uren | Tickets Gesloten | Uren / Ticket | Efficiency |
|---|---|---|---|---|
| Dr. Amber Ayala DVM | 1,875.8 | 562 | 3.34 | Low |
| Andrew Roberts | 1,747.3 | 1,871 | 0.93 | High |
| Maxwell Reed | 1,537.8 | 1,899 | 0.81 | High |
| Jennifer King | 1,532.9 | 776 | 1.98 | Moderate |
| Jerry Mcfarland | 1,469.6 | 519 | 2.83 | Low |
| Marie Fisher | 1,442.1 | 846 | 1.70 | Moderate |
EVALUATE TOPN(6, ADDCOLUMNS(SUMMARIZE('BI_Autotask_Tickets','BI_Autotask_Tickets'[primary_resource_name]), "Hours", CALCULATE(SUM('BI_Autotask_Tickets'[worked_hours])), "TicketsClosed", CALCULATE(COUNTROWS('BI_Autotask_Tickets'),'BI_Autotask_Tickets'[status_name]="Complete"), "AvgHours", DIVIDE(CALCULATE(SUM('BI_Autotask_Tickets'[worked_hours])),CALCULATE(COUNTROWS('BI_Autotask_Tickets'),'BI_Autotask_Tickets'[status_name]="Complete"))), [Hours], DESC) ORDER BY [Hours] DESCVerdeling van gesloten tickets over de vijf tickettypes in Autotask
| Tickettype | Aantal | % van Totaal |
|---|---|---|
| Incident | 27,664 | 41.0% |
| Alert | 19,790 | 29.3% |
| Service Request | 12,653 | 18.7% |
| Change Request | 7,247 | 10.7% |
| Problem | 167 | 0.2% |
EVALUATE ADDCOLUMNS(SUMMARIZE('BI_Autotask_Tickets','BI_Autotask_Tickets'[ticket_type_name]), "Tickets", CALCULATE(COUNTROWS('BI_Autotask_Tickets'))) ORDER BY [Tickets] DESCHet hoofdcijfer is duidelijk: slechts 11,3% van de tickets wordt opgelost door de eerste medewerker. Dat betekent dat bijna 9 van de 10 tickets minstens een keer van eigenaar wisselen voordat ze worden afgerond. Voor een MSP die 66.677 gesloten tickets verwerkt, is dat een aanzienlijke hoeveelheid context-wisseling, overdrachtsvertraging en dubbel werk.
Het first-day responspercentage van 68,6% vertelt een ander verhaal. De meeste tickets krijgen dezelfde dag nog een reactie. Het verschil tussen "snel gereageerd" en "opgelost door dezelfde persoon" suggereert dat het probleem niet de snelheid van oppakken is. Het gaat om wat er na het eerste contact gebeurt. Engineers triageren en reageren, maar het werk wordt vaak doorgezet naar iemand anders voor de oplossing.
David Chen en James Wilson vallen op. Beiden hebben meer dan 1.800 uur gelogd maar minder dan 100 tickets gesloten. Hun uren-per-ticket ratio's van 20,81 en 22,17 zijn tien keer hoger dan het teamgemiddelde. Dat is niet per se een probleem. Het kan betekenen dat ze ge-escaleerde infrastructuurprojecten of langlopende change requests behandelen die tijd absorberen zonder hoge ticketaantallen te genereren. Maar het is de moeite waard om te verifieren of die uren tegen de juiste werkitems worden geboekt.
API Integration sluit 2.613 tickets af met 0,78 uur per ticket. Dat is je automatiseringslaag die zijn werk doet. Michael Brown opereert op een vergelijkbaar efficientieniveau met 2.297 tickets tegen 0,82 uur per stuk. Deze twee "resources" verwerken samen 73% van het totale ticketvolume.
Incidents vormen 41,5% van alle gesloten tickets. Dat is typisch voor MSP's, maar het is de moeite waard om het first-resource oplossingspercentage specifiek voor incidents te vergelijken met dat van alerts. Alerts (29,7%) worden vaak automatisch gegenereerd door RMM en kunnen via geautomatiseerde workflows lopen, wat een deel van het lage first-resource percentage verklaart. Als incidents ook een laag first-resource percentage laten zien, wijst dat op dispatching-routering die moet worden aangepast.
De 844 open tickets zijn allemaal te laat. Nul open tickets zitten binnen SLA. Die achterstand is klein ten opzichte van het totale volume (1,2%), maar elk van die tickets vertegenwoordigt een klant die langer wacht dan beloofd.
4 prioriteiten op basis van bovenstaande bevindingen
Een first-resource oplossingspercentage van 11,3% betekent dat je dispatch ofwel tickets naar de verkeerde persoon routeert, ofwel dat je L1-engineers niet de rechten of kennis hebben om veelvoorkomende tickettypes te sluiten. Haal de top 10 ticketcategorieen op naar volume en controleer het first-resource percentage per categorie. Als wachtwoord-resets en eenvoudige wijzigingen ook escalatie vereisen, is dat een trainings- of toolinggat dat je snel kunt dichten.
Elk open ticket is te laat. Plan een gericht blok tijd deze week in om de achterstand te triageren. Sorteer op leeftijd, sluit alles wat verouderd of door de klant zelf opgelost is, en wijs de rest opnieuw toe met een duidelijke eigenaar en einddatum. 844 te late tickets die stilstaan eroderen het klantvertrouwen, ook al lijkt het percentage klein.
Beide medewerkers laten 20+ uur per ticket zien. Als ze complexe projecten behandelen is dat te verwachten. Als ze die tijd besteden aan standaard servicetickets klopt er iets niet met de scoping of tijdregistratie. Controleer of hun uren worden geboekt op projecttickets of servicetickets. Als het merendeel servicewerk is, kijk dan of die tickets opgesplitst hadden moeten worden in kleinere eenheden of anders ge-escaleerd hadden moeten worden.
Deze twee resources sluiten samen bijna 5.000 tickets in minder dan 1 uur per ticket. Gebruik hun oplossingspatronen als baseline voor wat "efficient" eruitziet. Als andere engineers 3x of 4x meer tijd besteden aan dezelfde tickettypes, zit het verschil in tooling-toegang, documentatie of vaardigheden. Draai een vergelijkingsrapport gefilterd op tickettype om te vinden waar het verschil het grootst is.
De closed_by_first_resource-vlag in Proxuma Power BI staat op 1 wanneer de engineer die als eerste aan het ticket werd toegewezen dezelfde persoon is die het ticket sloot. Als het ticket op enig moment voor sluiting werd hertoegewezen aan een andere resource, staat de vlag op 0. Het meet of een ticket van eerste toewijzing tot oplossing in dezelfde handen bleef.
First day response (first_day_response = 1) betekent dat het ticket op dezelfde kalenderdag als aanmaak zijn eerste reactie ontving. Het meet responssnelheid, niet oplossing. Een ticket kan een first-day response hebben en toch weken duren om te sluiten als er escalatie, onderdelen of leveranciersinput nodig is.
Branchebenchmarks voor MSP's liggen doorgaans tussen 40% en 60% voor first-contact resolution. Met 11,3% zit dit getal ruim onder het gemiddelde. Dat gezegd hebbende, hangt de metric af van hoe tickets worden gerouteerd. Als de meeste tickets via een geautomatiseerde triagestap gaan voordat een mens ze oppakt, kan de "eerste resource" de triage-bot zijn in plaats van de daadwerkelijke engineer. Controleer of geautomatiseerde toewijzingen de noemer opdrijven.
De te-laat-status wordt bepaald doordat resolved_due_age_days groter is dan nul. Als elk open ticket de SLA-deadline heeft overschreden, betekent dit dat de SLA-doelen te ambitieus zijn voor de huidige werklast, of dat deze tickets gedeprioriteerd zijn en hebben liggen verouderen. Een triagepass om verouderde tickets te sluiten en verwachtingen bij te stellen bij de rest zou dit aantal snel omlaag brengen.
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, draait ze op je live 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