Uitsplitsing van configuratie-items per type, werklastverdeling per engineer, en analyse van facturabel vs niet-facturabel. Gegenereerd door AI via Proxuma Power BI MCP server.
Uitsplitsing van configuratie-items per type, werklastverdeling per engineer, en analyse van facturabel vs niet-facturabel. Gegenereerd door AI via 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: NOC teams, asset managers, and service delivery leads
Hoe vaak: Wekelijks for fleet reviews, monthly for lifecycle planning, quarterly for budgeting
Uitsplitsing van configuratie-items per type, werklastverdeling per engineer, en analyse van facturabel vs niet-facturabel. Gegenereerd door AI via Proxuma Power BI MCP server.
Configuratie-items gegroepeerd per type, gesorteerd op aantal. Workstations domineren het assetbestand met 50,3% van alle CI's.
Vijf extra CI-types (Azure AVD, Dockingstation, Monitor, Conference setup, UPS) komen samen op 72 items. Deze long-tail categorien staan niet in de grafiek maar zijn wel meegenomen in alle totalen.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Configuration_Items'[configuration_item_type_name],
"CICount", COUNTROWS('BI_Autotask_Configuration_Items')
)
ORDER BY [CICount] DESCAandeel van de totale uren per top vijf CI-types. Workstations genereren het meeste volume, maar servers en netwerkapparaten kunnen per eenheid meer tijd kosten.
Workstations maken de helft van de CMDB uit. Dat is te verwachten voor een typische MSP. De vraag is of workstations ook de helft van de engineer-uren opslokken, of dat kleinere categorien zoals servers en firewalls een onevenredig groot deel innemen. Sectie 6.0 gaat hier dieper op in.
Top 10 engineers gerangschikt op totaal gewerkte uren, met facturabel/niet-facturabel verdeling en ticketaantal
| # | Engineer | Totaal Uren | Facturabel | Niet-Fact. | Fact. % | Tickets |
|---|---|---|---|---|---|---|
| 1 | Engineer A | 2.400 | 1.749 | 651 | 72,9% | 603 |
| 2 | Engineer B | 2.136 | 1.303 | 833 | 61,0% | 794 |
| 3 | Engineer C | 2.060 | 1.145 | 915 | 55,6% | 99 |
| 4 | Engineer D | 2.050 | 1.838 | 213 | 89,7% | 2.613 |
| 5 | Engineer E | 1.888 | 1.527 | 361 | 80,9% | 2.297 |
| 6 | Engineer F | 1.862 | 1.416 | 446 | 76,0% | 84 |
| 7 | Engineer G | 1.780 | 1.157 | 623 | 65,0% | 149 |
| 8 | Engineer H | 1.585 | 1.228 | 357 | 77,5% | 763 |
| 9 | Engineer I | 1.554 | 819 | 735 | 52,7% | 489 |
| 10 | Engineer J | 1.505 | 957 | 548 | 63,6% | 2.017 |
Engineer D valt op met het hoogste facturabel percentage (89,7%) en de meeste tickets (2.613). Die combinatie wijst op goed geregistreerd, high-volume facturabel werk. Aan de andere kant zitten Engineer C en Engineer I onder de 56% facturabel. Dat betekent dat bijna de helft van hun uren niet-facturabel is. Dat kan duiden op interne projecten, slechte tijdregistratiegewoonten, of werk aan niet-gecontracteerde diensten.
EVALUATE
TOPN(15,
SUMMARIZECOLUMNS(
'BI_Autotask_Time_Entries'[resource_name],
"TotalHours", SUM('BI_Autotask_Time_Entries'[hours_worked]),
"BillableHrs", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
"NonBillableHrs", SUM('BI_Autotask_Time_Entries'[Non billable Hours]),
"TicketCount", DISTINCTCOUNT('BI_Autotask_Time_Entries'[ticket_id])
),
[TotalHours], DESC
)
ORDER BY [TotalHours] DESCGesegmenteerd overzicht van de uren per engineer met de facturabel/niet-facturabel verdeling in een oogopslag
Het facturabel percentage over het hele team ligt op 75,6%. Drie engineers zitten onder de 65%, wat het gemiddelde naar beneden trekt. Als die drie engineers van 55% naar 70% facturabel zouden gaan, stijgt het totaal aan facturabel uren met ongeveer 1.200 uur. Dat is een flink bedrag aan omzet tegen gangbare MSP-uurtarieven.
EVALUATE
ROW(
"TotalCIs", COUNTROWS('BI_Autotask_Configuration_Items'),
"TotalTickets", COUNTROWS('BI_Autotask_Tickets'),
"TotalTimeEntries", COUNTROWS('BI_Autotask_Time_Entries'),
"TotalHoursWorked", SUM('BI_Autotask_Time_Entries'[hours_worked]),
"TotalBillableHrs", SUM('BI_Autotask_Time_Entries'[Billable Hours]),
"TotalNonBillableHrs", SUM('BI_Autotask_Time_Entries'[Non billable Hours])
)Vergelijking van de drie grootste CI-categorien op aantal, tijdsaandeel en geschatte inspanning per eenheid
| CI Type | Aantal | % van Totaal | Volume | Typische Inspanning |
|---|---|---|---|---|
| Workstation | 6.933 | 50,3% | Hoog Volume | Laag per eenheid |
| Overig/Netwerk | 2.734 | 19,9% | Gemiddeld Volume | Gemiddeld per eenheid |
| Server | 1.461 | 10,6% | Gemiddeld Volume | Hoog per eenheid |
Workstations genereren de meeste tickets door het grote aantal, maar individuele workstation-issues zijn vaak snelle oplossingen: wachtwoordresets, software-installaties, periferie-problemen. De tijd per workstation is laag.
Servers vertellen een ander verhaal. Met slechts 1.461 stuks (10,6% van de CMDB) kosten ze per eenheid doorgaans meer engineer-tijd. Serverproblemen zijn complexer: patching, performance tuning, backup-failures en beveiligingsincidenten vragen vaak senior engineers die langere sessies draaien.
Netwerkapparaten (2.734 items, inclusief switches, firewalls en access points plus de "Overig" categorie) zitten in het midden. Ze genereren minder tickets dan workstations, maar de problemen raken vaak meerdere gebruikers, wat de urgentie en tijdbesteding verhoogt.
Engineers C, I en G zijn samen goed voor 2.273 niet-facturabel uren, bijna de helft van hun totale output. Dit patroon wijst op intern projectwerk dat apart geregistreerd moet worden, of een probleem met tijdregistratiediscipline. In beide gevallen is het een kans om omzet terug te winnen.
Engineer D behandelt 2.613 tickets in 2.050 uur (0,78 uur/ticket), terwijl Engineer C maar 99 tickets in 2.060 uur doet (20,8 uur/ticket). Dit verschil is te groot om alleen door ticket-complexiteit verklaard te worden. Het wijst waarschijnlijk op verschillende rollen: Engineer C doet projecten of escalaties, terwijl Engineer D high-volume servicedesk-werk doet. Tijdregistraties taggen per werktype zou het beeld verhelderen.
Het branchegemiddelde voor MSP facturabel utilization ligt doorgaans tussen de 60% en 70%. Met 75,6% presteert dit team goed. De kans zit niet in het overall gemiddelde verder omhoog duwen, maar in het bijbrengen van de onderste performers naar het teamgemiddelde.
1. Audit niet-facturabel uren van Engineers C, G en I. Bekijk hun tijdregistraties van de afgelopen 90 dagen. Als de niet-facturabel tijd legitiem intern werk is (documentatie, training, tooling), maak dan aparte projectcodes zodat het niet het service delivery niet-facturabel cijfer opblaast. Als het facturabel werk is dat verkeerd gelogd is, corrigeer de categorisering.
2. Introduceer tijdregistratie per CI-type. Tag tijdregistraties met het CI-type waar ze bij horen. Hiermee kun je daadwerkelijke uren per workstation vs per server berekenen, wat weer input levert voor prijsmodellen en bezettingsbeslissingen. Zonder deze tag schat je. Mee erbij heb je data.
3. Onderzoek de long-tail CI-types. Azure AVD (22), Dockingstations (20), Monitors (15) en Conference setups (14) zijn laag in aantal maar genereren mogelijk tickets die lastig te categoriseren zijn. Zorg dat deze CI's goed gekoppeld zijn aan tickets zodat de tijdregistratie klopt.
4. Stel facturabel targets per engineer-rol in. Servicedesk-engineers zouden op 80%+ facturabel moeten zitten. Projectengineers of escalatie-specialisten komen redelijkerwijs op 60-65%. De sleutel is een target per rol, niet een algemeen getal dat engineers bestraft die noodzakelijk niet-facturabel werk doen.
5. Heroverweeg Domain Registration als CI-type. Met 954 items vormen domeinregistraties 6,9% van de CMDB. Ze genereren zelden support tickets. Overweeg of ze in dezelfde CI-tracking thuishoren als hardware-assets, of dat een apart register ruis in je asset-rapporten vermindert.
Een configuratie-item is elk geregistreerd asset in je Autotask CMDB (Configuration Management Database). Dit omvat workstations, servers, firewalls, switches, mobiele apparaten, printers en andere hardware of logische items. Elk CI is gekoppeld aan een bedrijf en kan worden geassocieerd met tickets en tijdregistraties.
Tijdregistraties in Autotask worden gelogd op tickets. Tickets kunnen gekoppeld zijn aan een of meer CI's. Proxuma Power BI koppelt deze tabellen zodat je kunt zien welke CI-types de meeste engineer-tijd genereren. Als een ticket niet gekoppeld is aan een CI, verschijnen die uren niet in per-device uitsplitsingen.
Facturabel uren zijn tijdregistraties die in Autotask als facturabel zijn gemarkeerd, wat betekent dat ze gefactureerd kunnen worden aan de klant. Niet-facturabel uren omvatten intern werk, training, vergaderingen en tijd gelogd op niet-gecontracteerd werk. De classificatie komt rechtstreeks uit de Autotask tijdregistratie-instellingen.
Het gemiddelde is berekend over alle 13.769 CI's, waarvan er veel nooit een ticket genereren. Domeinregistraties (954 stuks), monitors en dockingstations hebben zelden engineer-tijd nodig. Als je filtert op alleen CI's met minimaal een gekoppeld ticket, gaat het gemiddelde per apparaat flink omhoog. Dit rapport toont het portfoliobrede gemiddelde als baseline.
Ja. De DAX queries in dit rapport draaien op de volledige dataset. Om op klant te filteren, voeg je een FILTER clausule toe op de bedrijfsnaam-kolom. Om op periode te filteren, voeg je een filter toe op de tijdregistratiedatum. Proxuma Power BI ondersteunt beide via de AI-interface. Je kunt een vervolgvraag stellen zoals "toon uren per apparaat voor Klant A in Q1 2026."
Ja. Koppel Proxuma Power BI aan je Autotask account, voeg een AI-tool toe (Claude, ChatGPT of Copilot) via MCP, en stel dezelfde vraag. De AI schrijft de DAX queries, draait ze 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