EnableYourData.com

KPI · Klantenservice

Gemiddelde oplostijd: formule en voorbeeld.

De gemiddelde oplostijd is de gemiddelde tijd tussen het aanmaken van een ticket en het moment waarop het als opgelost wordt gemarkeerd. Hij laat zien hoe lang klanten in totaal op een oplossing wachten, inclusief wachttijd bij de klant zelf of bij andere afdelingen. Samen met de eerste reactietijd vormt de oplostijd de kern van servicesnelheid.

Plan een demo Alle KPI's

Formule voor gemiddelde oplostijd

Som van (tijdstip opgelost − tijdstip aangemaakt) over alle opgeloste tickets ÷ aantal opgeloste tickets

Rekenvoorbeeld

Acme Groothandel loste in maart 1.150 tickets op. De totale tijd van aanmaken tot oplossing was 23.000 uur. De gemiddelde oplostijd is 23.000 ÷ 1.150 = 20 uur.

Fictieve cijfers van Acme Groothandel.

Zo lees je deze KPI

Een kortere oplostijd betekent dat klanten sneller geholpen zijn. Kijk naast het gemiddelde naar de mediaan en naar de oplostijd per categorie, want een retour of een technische storing vraagt nu eenmaal meer tijd dan een vraag over de levertijd. Volg de trend per week of maand en vergelijk met je eigen servicenormen.

Valkuilen bij gemiddelde oplostijd

  • Tickets die op de klant wachten niet apart behandelen, waardoor de oplostijd lang lijkt terwijl het team niets kan doen.
  • Heropende tickets als nieuw ticket tellen, waardoor de werkelijke oplostijd uit beeld verdwijnt.
  • Alleen opgeloste tickets meten, terwijl de langst openstaande tickets nog niet meetellen.

SQL & DAX

Gemiddelde oplostijd berekenen in SQL en DAX

Twee voorbeelden op een fictief datawarehouse van Acme Groothandel: een query in PostgreSQL en een measure voor een Power BI-model. Pas tabel- en kolomnamen aan je eigen model aan.

SQL · PostgreSQL
SELECT date_trunc('month', resolved_at)::date AS month,
       COUNT(*) AS resolved_tickets,
       ROUND(AVG(EXTRACT(EPOCH FROM resolved_at - created_at) / 3600)::numeric, 1) AS avg_resolution_hours,
       ROUND((percentile_cont(0.5) WITHIN GROUP (
         ORDER BY EXTRACT(EPOCH FROM resolved_at - created_at)) / 3600)::numeric, 1) AS median_resolution_hours
FROM tickets
WHERE resolved_at IS NOT NULL
  AND resolved_at >= current_date - interval '12 months'
GROUP BY 1
ORDER BY 1;
DAX · Power BI
Resolved Tickets = CALCULATE(COUNTROWS(Tickets), NOT ISBLANK(Tickets[ResolvedAt]))

Avg Resolution (hours) =
DIVIDE(
    SUMX(FILTER(Tickets, NOT ISBLANK(Tickets[ResolvedAt])),
        DATEDIFF(Tickets[CreatedAt], Tickets[ResolvedAt], MINUTE)),
    [Resolved Tickets]
) / 60

In ENABLE

Deze KPI volgen in ENABLE

Vragen in gewone taal

Vraag naar gemiddelde oplostijd per maand, klant of product in de SQL Explorer met AI. De AI schrijft de SQL, jij ziet de query en voert hem zelf uit; de AI krijgt alleen metadata.

Lees meer →

In je Power BI-dashboard

Leg de KPI vast als measure in je Power BI-model en toon hem in het portaal, met "Laatst ververst" erbij. Toegangsprofielen en optioneel row-level security bepalen wie welke cijfers ziet.

Lees meer →

Eigen dashboards (pilot)

Zet de KPI als tegel in een eigen dashboard, met vergelijking met vorig jaar. De Dashboard Builder is een pilot en per klant aan te zetten.

Lees meer →

Doelen per maand

Met de ingebouwde app Targets leg je per maand een doel voor de KPI vast, zodat je realisatie en doel naast elkaar ziet.

Lees meer →

FAQ

Veelgestelde vragen

Hoe bereken je de gemiddelde oplostijd?

Je telt per opgelost ticket de tijd tussen aanmaken en oplossen op en deelt die som door het aantal opgeloste tickets. Bij 23.000 uur over 1.150 tickets is de gemiddelde oplostijd 20 uur.

Wat is het verschil tussen oplostijd en afhandeltijd?

De oplostijd is de totale doorlooptijd van een ticket, inclusief wachttijd. De afhandeltijd (AHT) is alleen de tijd die een medewerker actief aan een contact besteedt. Een ticket kan dus een oplostijd van twee dagen hebben en een afhandeltijd van tien minuten.

Hoe verkort je de oplostijd van tickets?

Je verkort de oplostijd door vragen direct bij de juiste persoon te leggen, veelvoorkomende vragen met vaste antwoorden af te handelen en wachten op andere afdelingen zichtbaar te maken. Analyseer per categorie waar de tijd zit voordat je maatregelen neemt.

AI gebruiken op je eigen data. Veilig, en zonder hoofdpijn.

In een online demo laten we zien hoe ENABLE je data veilig beschikbaar maakt en hoe je erop bouwt: een app beschrijven in de AI Builder, vragen in gewone taal, dashboards en API's. En hoe wij het voor je inrichten en beheren.

Plan een demo info@enableyourdata.com