“Tijdregistraties per Technicus: Wie Factureert en Wie Niet?”
Autotask PSA Datto RMM Datto Backup Microsoft 365 SmileBack HubSpot IT Glue Alle rapporten
AI-GEGENEREERD RAPPORT
Je zocht naar:

Tijdregistraties per Technicus: Wie Factureert en Wie Niet?

Built from: Autotask PSA
Hoe dit rapport tot stand kwam
1
Autotask PSA
Multiple data sources combined
2
Proxuma Power BI
Voorgebouwd MSP semantisch model, 50+ measures
3
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

Tijdregistraties per Technicus: Wie Factureert en Wie Niet?

This report provides a detailed breakdown of tijdregistraties per technicus: wie factureert en wie niet? 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: Operations managers, service delivery leads, and MSP owners managing capacity

Hoe vaak: Wekelijks for scheduling, monthly for utilization reviews, quarterly for staffing decisions

Time saved
Calculating utilization from time entries and ticket data manually is tedious. This report does it automatically.
Capacity insight
See who is overloaded, who has bandwidth, and where bottlenecks form.
Staffing data
Evidence-based decisions about hiring, scheduling, and workload distribution.
RapportcategorieResource & Capacity
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
DoelgroepOperations managers, service delivery leads
Waar vind je dit in Proxuma
Power BI › Resources › Tijdregistraties per Technicus: Wie F...
Wat je kunt meten in dit rapport
Team Factureerbaarheidsoverzicht
Uren per Resource — Factureerbaar vs Niet-factureerbaar
Gedetailleerde Uitsplitsing — Top 15 Resources
Factureerbaarheidsbanden
Belangrijkste Bevindingen
Veelgestelde Vragen
Totaal Gelogde Uren
Factureerbare Uren
Niet-factureerbare Uren
Bijgehouden Resources
Proxuma AI Rapport — Autotask PSA
Tijdregistraties per Resource met Factureerbare Uitsplitsing
Gegenereerd: Maart 2026
Dataset: Autotask PSA (Demo)
Rapport ID: PRX-TIME-061-NL
Sources: Autotask PSA
Tijdregistraties per Technicus: Wie Factureert en Wie Niet?
Een volledig overzicht van gelogde uren, factureerbare uren en niet-factureerbare uren per technicus. 77 resources, 50.752 uur geanalyseerd, gerangschikt op totaalvolume met kleurgecodeerde factureerbare percentages.
Demodata: Dit rapport gebruikt synthetische data. Uw verbonden Power BI-omgeving toont live cijfers uit uw eigen Autotask PSA-instantie.
01
Team Factureerbaarheidsoverzicht
Totalen over alle 77 bijgehouden resources in de Autotask-demodataset
Totaal Gelogde Uren
50.752
Alle 77 resources samen
Factureerbare Uren
38.364
75,6% van totaal
Niet-factureerbare Uren
12.388
24,4% overhead
Bijgehouden Resources
77
659u gemiddeld per resource

Een team-factureerbare ratio van 75,6% betekent dat iets meer dan driekwart van alle gelogde tijd op een factuur terechtkomt. De resterende 24,4% (12.388 uur) wordt als overhead geabsorbeerd. Bij een gemiddeld kostentarief van €80/u vertegenwoordigt die overhead ongeveer €991.000 aan arbeid die het bedrijf betaalt maar niet factureert. Een deel hiervan is onvermijdelijk — de vraag is hoeveel structureel is, en hoeveel oplosbaar.

Bekijk DAX Query — KPI Totalen
EVALUATE
ROW(
    "Total Hours", SUM('BI_Autotask_Time_Entries'[hours_worked]),
    "Billable Hours", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
    "Non Billable Hours", SUM('BI_Autotask_Time_Entries'[Non billable Hours]),
    "Resource Count", DISTINCTCOUNT('BI_Autotask_Time_Entries'[resource_name]),
    "Billable Pct", DIVIDE(
        SUM('BI_Autotask_Time_Entries'[Billable Hours]),
        SUM('BI_Autotask_Time_Entries'[hours_worked])
    )
)
02
Uren per Resource — Factureerbaar vs Niet-factureerbaar
Top 15 resources op totale uren. Groen = factureerbaar, amber = niet-factureerbaar. Gesorteerd op totaalvolume aflopend.
Factureerbare uren
Niet-factureerbare uren
Dr. Amber Ayala DVM
72,9%
James Li
61,0%
Kevin Allen
55,6%
Maxwell Reed
89,6%
Andrew Roberts
80,9%
David Hunt
76,1%
Chelsea Thomas
65,0%
Jennifer King
77,5%
Jerry Mcfarland
52,7%
Gregory Horn
63,6%
Jeremy White
73,3%
Elizabeth Ortega
91,3%
Daniel Daniels
94,7%
Brandon Bishop
97,1%
Brandon Lynn
80,9%
Bekijk DAX Query — Uren per Resource (Top 15)
EVALUATE
TOPN(
    15,
    SUMMARIZECOLUMNS(
        'BI_Autotask_Time_Entries'[resource_name],
        "Hours Worked", SUM('BI_Autotask_Time_Entries'[hours_worked]),
        "Billable Hours", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
        "Non Billable Hours", SUM('BI_Autotask_Time_Entries'[Non billable Hours])
    ),
    [Hours Worked],
    DESC
)
03
Gedetailleerde Uitsplitsing — Top 15 Resources
Gesorteerd op totale uren. Factureerbaar % kleurgecodeerd: groen = 80%+, amber = 60–79%, rood = onder 60%.
ResourceTotaalDeclarabel%
Maxwell Reed2,0501,83889.6%
Daniel Daniels1,4181,34494.7%
Jerry Mcfarland1,55481952.7%
Bekijk DAX Query — Volledig Detail met Factureerbaar %
EVALUATE TOPN(15, SUMMARIZECOLUMNS('BI_Autotask_Time_Entries'[resource_name], "TotalHours", SUM('BI_Autotask_Time_Entries'[hours_worked]), "BillableHours", SUM('BI_Autotask_Time_Entries'[Billable Hours]), "Entries", COUNTROWS('BI_Autotask_Time_Entries')), [TotalHours], DESC)

04
Factureerbaarheidsbanden
Groepering van top 15 resources in drie prestatieniveaus geeft snel inzicht in de verdeling.
Hoog Efficiënt (80%+)
Maxwell Reed — 89,6%
Andrew Roberts — 80,9%
Brandon Lynn — 80,9%
Elizabeth Ortega — 91,3%
Daniel Daniels — 94,7%
Brandon Bishop — 97,1%
6 van 15 resources
Middengroep (60–79%)
Dr. Amber Ayala DVM — 72,9%
James Li — 61,0%
David Hunt — 76,1%
Chelsea Thomas — 65,0%
Jennifer King — 77,5%
Gregory Horn — 63,6%
Jeremy White — 73,3%
7 van 15 resources
Onder Gemiddeld (<60%)
Kevin Allen — 55,6%
Jerry Mcfarland — 52,7%
2 van 15 resources

Jennifer King (77,5%) zit net onder de hoog-efficiënte grens.

Bekijk DAX Query — Resources onder 60% Factureerbaar
EVALUATE
FILTER(
    ADDCOLUMNS(
        SUMMARIZECOLUMNS(
            'BI_Autotask_Time_Entries'[resource_name],
            "Hours Worked", SUM('BI_Autotask_Time_Entries'[hours_worked]),
            "Billable Hours", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
            "Non Billable Hours", SUM('BI_Autotask_Time_Entries'[Non billable Hours])
        ),
        "Billable Pct", DIVIDE([Billable Hours], [Hours Worked])
    ),
    [Billable Pct] < 0.60
)
ORDER BY [Hours Worked] DESC
05
Belangrijkste Bevindingen
Patronen die actie vereisen op basis van de factureerbare uitsplitsing van de top resources

Brandon Bishop leidt met 97,1% factureerbaarheid

Van 1.362 gelogde uren zijn 1.322 factureerbaar. Slechts 40 niet-factureerbare uren in de volledige registratieperiode. Dit is de benchmark voor gericht, klantgericht werk. Zijn werkwijze kan andere technici helpen overhead te verminderen.

Hoogste volume is niet gelijk aan hoogste winstgevendheid

De drie resources met het hoogste volume (Ayala DVM, James Li, Kevin Allen) hebben gemiddeld 63,2% factureerbaarheid, onder het teamgemiddelde van 75,6%. Hoog urenvolume met lagere factureerbaarheid kan duiden op zware interne projectlast of administratieve rollen.

Jerry Mcfarland: 52,7% — laagste in top 15

Met 734,8 niet-factureerbare uren van 1.554 totaal bereikt bijna de helft van McFarlands gelogde tijd geen factuur. Dat verdient een gesprek: is dit bedoeld (interne rol) of een registratieprobleem?

12.388 niet-factureerbare uren over het hele team

Bij €80/u gemiddeld kostentarief is dat circa €991.000 aan overhead. Niet alles is vermijdbaar, maar zelfs 5% omzetten naar factureerbaar levert ~€50.000 extra omzet op. Inzicht is de eerste stap.

Bekijk DAX Query — Alle 77 Resources met Factureerbaarheidsbanden
EVALUATE
ADDCOLUMNS(
    SUMMARIZECOLUMNS(
        'BI_Autotask_Time_Entries'[resource_name],
        "Total Hours", SUM('BI_Autotask_Time_Entries'[hours_worked]),
        "Bill Hours", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
        "Non Bill Hours", SUM('BI_Autotask_Time_Entries'[Non billable Hours])
    ),
    "Bill Pct", DIVIDE([Bill Hours], [Total Hours]),
    "Band",
        IF(DIVIDE([Bill Hours],[Total Hours])>=0.80,"High (80%+)",
            IF(DIVIDE([Bill Hours],[Total Hours])>=0.60,"Mid (60-79%)","Low (<60%)"))
)
ORDER BY [Total Hours] DESC
06
Veelgestelde Vragen
Veelgestelde vragen over dit rapport en wat de data betekent
Wat telt als niet-factureerbaar uur in Autotask?

Niet-factureerbare uren zijn onder andere interne vergaderingen, trainingen, administratieve taken, projectwerk dat niet aan een factureerbaar contract is gekoppeld en tijdinvoeren die handmatig als niet-factureerbaar zijn gemarkeerd. De voorberekende kolom Non billable Hours stuurt deze classificatie.

Waarom heeft de technicus met het hoogste volume niet het hoogste factureerbare percentage?

Volume en efficiëntie lopen niet altijd gelijk. Technici met veel uren behandelen mogelijk escalaties, leiden interne projecten of coachen junior medewerkers. Dat is waardevol werk, maar niet factureerbaar. Dit rapport toont het patroon — de oorzaak onderzoeken vereist ook een analyse van ticketcategorieën naast de tijdregistraties.

Hoe zie ik alle 77 resources in plaats van alleen de top 15?

Verwijder de TOPN(15, ...)-wrapper uit de DAX-query en voer deze direct uit. De SUMMARIZECOLUMNS-query retourneert alle 77 resources. Verwijder de resultaatlimiet of pagineer naar wens bij uitvoering op productiedata.

Kan ik dit filteren op datumreeks of specifieke klant?

Ja. Wikkel de query in een CALCULATETABLE() met datum- of accountfilters. Bijvoorbeeld: CALCULATETABLE(SUMMARIZECOLUMNS(...), 'BI_Autotask_Time_Entries'[date_worked] >= DATE(2025,1,1)). Kruisfilter op klant via de bedrijfssleutel in de tijdregistratietabel.

Wat is een realistisch streefgetal voor factureerbaarheid bij een MSP?

De meeste servicemanagers streven naar 75–85% voor eerstelijns technici, met senior engineers vaak lager door escalatie- en coachingsoverhead. Het teamgemiddelde hier is 75,6% — goed, maar er is ruimte om circa 2.200 extra factureerbare uren te realiseren door naar 80% te stijgen.

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