Hoeveel van de verwachte capaciteit van je team wordt daadwerkelijk gelogd in Autotask? Dit rapport vergelijkt time entries met capacity-instellingen per resource en onthult een compliance gap die al je utilization metrics ondergraaft.
Hoeveel van de verwachte capaciteit van je team wordt daadwerkelijk gelogd in Autotask? Dit rapport vergelijkt time entries met capacity-instellingen per resource en onthult een compliance gap die al je utilization metrics ondergraaft.
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: Operations managers, service delivery leads, and MSP owners managing capacity
Hoe vaak: Wekelijks for scheduling, monthly for utilization reviews, quarterly for staffing decisions
Hoeveel van de verwachte capaciteit van je team wordt daadwerkelijk gelogd in Autotask? Dit rapport vergelijkt time entries met capacity-instellingen per resource en onthult een compliance gap die al je utilization metrics ondergraaft.
BI_Autotask_Time_Entries tabel en draaide Autotask Capacity measures (Billable %, Unwritten %, Internal %) per resource. De compliance rate vergelijkt totaal gelogde uren met de capacity hours die in Autotask geconfigureerd zijn per resource. Alle data is geanonimiseerd.
Gelogde uren vs. ongelogde capaciteit over alle 77 resources
De linker donut toont het grote plaatje. Van alle verwachte capacity hours over 77 resources heeft slechts ongeveer 0,2% een bijbehorende time entry in Autotask. De overige 99,8% is volledig niet verantwoord.
De rechter donut laat een lichtpuntje zien: van de uren die wel gelogd zijn, is 75,6% billable. Het team logt geen low-value interne tijd in plaats van klantwerk. Ze loggen simpelweg het grootste deel van hun tijd helemaal niet.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Time_Entries'[resource_name],
"BillablePct", [Billable % (Autotask Capacity)],
"UnwrittenPct", [Unwritten % (Autotask Capacity)],
"InternalPct", [Internal % (Autotask Capacity)]
)
ORDER BY [UnwrittenPct] DESCTop 15 resources op gelogde uren, met capacity-based compliance
| Metric | Value |
|---|---|
| Total Tickets | 67,521 |
| Tickets with Time | 36,285 (53.7%) |
| Tickets without Time | 31,236 (46.3%) |
| Avg Hours per Ticket | 1.40h |
| Total Hours | 50,752 |
| Total Entries | 82,790 |
EVALUATE ROW("TotalTickets", COUNTROWS('BI_Autotask_Tickets'), "TicketsWithTime", DISTINCTCOUNT('BI_Autotask_Time_Entries'[ticket_id]), "AvgHoursPerTicket", DIVIDE(SUM('BI_Autotask_Time_Entries'[hours_worked]), DISTINCTCOUNT('BI_Autotask_Time_Entries'[ticket_id])))Is dit een logprobleem of een configuratieprobleem?
Een ongeschreven percentage van 99,8% over elke resource heen is niet normaal. Er zijn twee verklaringen, en beide vereisen actie.
Scenario 1: Capacity-instellingen kloppen niet. Autotask laat je capacity hours per resource instellen. Als die nooit geconfigureerd zijn, of als ze op een onrealistisch getal staan (24 uur per dag, 7 dagen per week), wordt de noemer in elke capacity-based measure absurd groot. Een resource die 40 uur per week logt tegen een capacity van 168 uur zal altijd op 24% uitkomen, niet de 100% die je verwacht. Als de default nog hoger is, krijg je de sub-1% getallen uit dit rapport.
Scenario 2: Het team logt daadwerkelijk heel weinig. Sommige MSP's hebben een cultuur waarin alleen billable klantwerk gelogd wordt. Interne meetings, projectwerk, admin en trainingen worden niet geregistreerd. Als dat hier het geval is, vertegenwoordigen de 50.752 gelogde uren slechts het topje van de ijsberg, en heb je geen zicht op waar de rest van de tijd naartoe gaat.
Het meest waarschijnlijke antwoord is een combinatie van beide. Begin met het auditen van de capacity-instellingen in Autotask Admin > Resources. Als de getallen daar niet kloppen met de werkelijke contracturen van je team, pas ze dan eerst aan. Meet daarna opnieuw.
Wat slechte tijdregistratie compliance betekent voor je andere metrics
Tijdregistratie compliance is niet alleen een procesmetric. Het is de basis voor elk financieel en operationeel rapport dat je bouwt. Als 99,8% van de capaciteit ongeregistreerd blijft, worden de volgende metrics onbetrouwbaar:
Utilization rate is het meest voor de hand liggende slachtoffer. Als je team 0,2% van de capaciteit logt, tonen je utilization dashboards je MSP als bijna inactief. Dat is duidelijk niet waar als je tickets afhandelt en projecten afrondt. Maar iemand die naar de data kijkt zonder context trekt de verkeerde conclusie.
Revenue per hour berekeningen vallen uiteen. Je kunt revenue per gelogd uur berekenen, maar niet revenue per beschikbaar uur. Het verschil doet ertoe als je wilt begrijpen of je te veel of te weinig personeel hebt.
Resource planning wordt giswerk. Zonder accurate tijddata kun je niet zien welke technici overbelast zijn en welke ruimte hebben. Personeelsbeslissingen worden gebaseerd op buikgevoel in plaats van data.
Client profitability rapporten onderschatten de werkelijke kosten van servicelevering. Als een technicus 3 uur aan een klant besteedt maar slechts 1 logt, toont het profitability rapport een marge die niet bestaat.
EVALUATE
ROW(
"TotalHours", SUM('BI_Autotask_Time_Entries'[hours_worked]),
"BillableHours", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
"ResourceCount", DISTINCTCOUNT('BI_Autotask_Time_Entries'[resource_name]),
"BillableRatio", DIVIDE(
SUM('BI_Autotask_Time_Entries'[Billable Hours]),
SUM('BI_Autotask_Time_Entries'[hours_worked])
)
)De 50.752 uren die wél geregistreerd zijn onder de loep
Los van het capacity-probleem vertellen de gelogde uren een bemoedigender verhaal. Van 50.752 totaal gelogde uren over alle resources is 75,6% billable. Dat is een solide ratio voor MSP-standaarden, waar het gebruikelijke bereik tussen 60% en 80% ligt.
Dit betekent dat het team prioriteit geeft aan het loggen van billable klantwerk. De gap zit in al het andere: interne projecten, meetings, trainingen, admin en reistijd. Die uren worden of helemaal niet gelogd, of ze vinden plaats maar niemand registreert ze.
De 24,4% die non-billable is, is geen verspilde tijd. Het omvat interne tickets, projectwerk en operationele taken die de MSP draaiende houden. Maar zonder die uren consistent te loggen kun je niet het verschil zien tussen een team dat 10% aan intern werk besteedt en een team dat 40% besteedt.
Geen enkele resource in de dataset logt meer dan 0,23% van de verwachte capaciteit. Dit is een systemisch probleem, geen individueel prestatieprobleem. De Autotask capacity-configuratie is de meest waarschijnlijke root cause en moet geaudit worden voordat je utilization conclusies trekt.
Utilization rates, resource planning en client profitability rapporten hangen allemaal af van accurate tijddata. Met een gap van 99,8% tussen capaciteit en gelogde uren is geen van deze metrics te vertrouwen. Elke zakelijke beslissing gebaseerd op utilization data uit deze PSA-instance brengt significant risico met zich mee.
Het team logt billable werk als eerste, en dat is de juiste prioriteit. Maar het ontbreken van interne time entries betekent dat je geen zicht hebt op overhead, training of adminuren. De werkelijke billable ratio (ten opzichte van totale werktijd) is onbekend.
Stap-voor-stap plan om de compliance gap te dichten
Ga naar Autotask Admin > Resources en check de capacity hours voor elke resource. Als ze op defaults staan (of onrealistisch hoge getallen), werk ze dan bij naar de werkelijke contracturen. Een resource die 40 uur per week werkt, moet 40 uur per week capacity hebben, niet 168. Deze ene fix verplaatst je compliance metrics van 0,2% naar iets betekenisvols.
Na het fixen van capacity-instellingen, stel een teamdoel. De meeste MSP's mikken op 85-95% van de capaciteit gelogd. Verwacht geen 100%. Meetings worden onderbroken, context-switching gebeurt, en sommige tijd is niet logbaar. Maar van 0,2% naar 85% gaan zal je rapportagekwaliteit transformeren.
Maak standaard interne taskcategorieen: meetings, trainingen, admin, projectwerk. Maak het net zo makkelijk om interne tijd te loggen als tickettijd. Het doel is volledig zicht, niet alleen billable tracking. Zonder interne time entries weet je nooit je echte utilization rate.
Herhaal dit rapport elke maand na het doorvoeren van wijzigingen. Compliance-verbeteringen moeten binnen de eerste rapportagecyclus zichtbaar zijn. Als de getallen niet bewegen, is het probleem niet bewustwording maar proces. Kijk of je PSA tijdloggen te moeilijk maakt of er geen accountability-mechanisme is.
Deel per-resource compliance getallen wekelijks met teamleads. Niet als straftool, maar als zichtbaarheidmetric. Teams die hun eigen getallen zien verbeteren sneller dan teams die een preek krijgen over tijdregistratie. Maak de data zichtbaar en laat peer accountability de rest doen.
De meest waarschijnlijke oorzaak is verkeerd geconfigureerde capacity-instellingen in Autotask. Als resource capacity op een onrealistisch hoog getal staat (zoals 24/7 beschikbaarheid), zal zelfs een volledige werkweek van 40 uur als een fractie van een procent verschijnen. Check Admin > Resources in Autotask en verifieer dat capacity hours overeenkomen met werkelijke contracturen per resource.
De meeste goed draaiende MSP's mikken op 85-95% van de capacity hours gelogd. Dit omvat zowel billable als interne tijd. 100% halen is onrealistisch omdat kleine gaten tussen taken, context switching en korte onderbrekingen altijd bestaan. De sleutel is de gap genoeg verkleinen zodat utilization metrics betrouwbaar worden.
Nee. De 50.752 gelogde uren en 75,6% billable ratio laten zien dat je team actief en productief is. Het probleem is dat de capacity baseline in Autotask niet de werkelijkheid weerspiegelt. Zodra capacity-instellingen gecorrigeerd zijn, springt de compliance rate naar een veel realistischer getal.
Elke resource in Autotask heeft een capacity-instelling die de verwachte werkuren definieert. Proxuma Power BI gebruikt deze om measures als Billable %, Unwritten % en Internal % te berekenen. Als een resource 2.080 uur/jaar capacity heeft (40 uur/week) en 1.800 uur logt, is de compliance 87%. Als de capacity op 8.760 uur staat (24/7), toont dezelfde 1.800 uur als 21%.
Utilization rate, resource planning nauwkeurigheid, client profitability berekeningen en revenue-per-hour metrics hangen allemaal af van accurate tijddata. Compliance fixen maakt personeelsbeslissingen ook datagedreven in plaats van giswerk. Je weet dan wie reservecapaciteit heeft en wie overbelast is.
Ja. Verbind Proxuma Power BI met je Autotask-instance, voeg een AI-tool toe (Claude, ChatGPT of Copilot) via MCP, en stel dezelfde vraag. De AI schrijft de DAX queries, voert ze uit op je 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