Actualidad: escenarios de configuración

Lo que cubren estos escenarios

Esta página recorre tres configuraciones del mundo real del análisis de actualidad de DQS. Cada escenario cubre un problema de negocio concreto, muestra los ajustes exactos que utilizar y explica cómo leer los resultados.

Estos recorridos se apoyan en los conceptos del artículo principal de Actualidad. Léalo primero si es nuevo en las métricas de actualidad, el flujo de diagnóstico o las opciones de configuración como Freshness Window y Null As Stale.

Escenario 1: frescura de contacto con leads en un campo de fecha personalizado

El problema

Su equipo de ventas registra cuándo se contactó por última vez con cada lead en un campo personalizado Last_Outreach_Date__c del objeto Lead. Los SDR actualizan este campo manualmente tras cada llamada o correo. El CRM muestra 8000 leads abiertos, pero nadie sabe cuántos han tenido contacto reciente. Con algunos leads nunca se contactó en absoluto porque el campo se dejó en blanco. El equipo de sales ops necesita un recuento claro de leads frescos frente a obsoletos para poder priorizar la cola y recuperar a los leads que se han quedado por el camino.

¿Por qué un campo personalizado? Los campos de fecha estándar de Salesforce como LastModifiedDate siempre están cumplimentados y se actualizan automáticamente. Un campo de fecha personalizado como Last_Outreach_Date__c depende de la entrada del usuario. Puede ser null (nunca contactado), estar desfasado (contactado hace meses) o estar vigente. Eso lo convierte en un buen objetivo para el análisis de frescura con Null As Stale activado.

Configuración

Esta es una comprobación directa de frescura. Utilice el modo Data Freshness sobre el objeto Lead, dirigiéndose al campo Last_Outreach_Date__c. Necesita la tasa de frescura principal y el desglose de obsolescencia, no las métricas avanzadas de anomalías.

Last_Outreach_Date__c es un campo de «último evento». Freshness Rate es la métrica principal adecuada aquí. Overdue Rate saldría tautológicamente alta porque la mayoría de las fechas de contacto están en el pasado por naturaleza.

Resultados de ejemplo

Total de registros de Lead evaluados: 8000.

Leer los resultados

Empiece por la cifra principal: 38 % de frescura. Eso significa que el 62 % de sus leads abiertos, 4960 registros, no han tenido contacto en los últimos 30 días. Sus SDR trabajan con un conjunto de 8000 leads donde casi dos tercios están fríos.

Ahora desglose qué contiene ese 62 % de obsolescencia.

Null As Stale está activado, así que los nulls se cuentan como obsoletos. Si 1200 de esos 4960 registros obsoletos tienen un Last_Outreach_Date__c null, esos leads nunca tuvieron contacto alguno. Entraron en el sistema a través de un formulario web, una importación o una integración y nadie registró el contacto. Los 3760 registros restantes tienen una fecha de contacto, pero anterior a 30 días.

Dos grupos, dos acciones distintas:

• Para los 1200 nulls: son leads sin tocar. Asígnelos a los SDR para un primer contacto. No están «obsoletos» en el sentido tradicional. Son leads que se han quedado por el camino.
• Para los 3760 con fechas de contacto antiguas: son leads en los que hubo contacto pero la interacción se detuvo. Revise la distribución de antigüedad. Si la mayoría de las fechas se concentra entre los 31 y 45 días, una campaña rápida de seguimiento puede devolver muchas a la ventana de frescura. Si la mayoría tiene más de 90 días, plantéese reciclarlos o archivarlos.

Qué hacer a continuación

Utilice la Freshness Rate para segmentar su conjunto de leads. Cree una vista de lista o un informe filtrado por Last_Outreach_Date__c dentro de los últimos 30 días y asigne primero esos 3040 leads frescos a sus SDR. Haga seguimiento de la Freshness Rate a lo largo del tiempo. Si cae entre análisis, su proceso de seguimiento de leads tiene una laguna. Si sube, su cadencia de contacto está funcionando.

Escenario 2: seguimiento de fechas límite de renovación de contratos

El problema

Su equipo de customer success gestiona 2500 contratos activos. Las renovaciones se registran en el campo Contract_End_Date__c del objeto Account. El equipo recibe un informe trimestral de próximas renovaciones, pero los contratos que pasan su fecha de finalización sin renovarse pasan desapercibidos durante semanas. Para cuando alguien detecta un contrato vencido, el cliente ya ha empezado a evaluar a competidores. Necesita una forma de medir cuántos contratos están vencidos y en cuánto.

Configuración

Utilice el modo Advanced Data Freshness sobre el objeto Account, dirigiéndose al campo Contract_End_Date__c. Necesita Overdue Rate con un período de gracia porque este es un campo de fecha límite donde «vencido» tiene un significado de negocio directo.

Contract_End_Date__c es un campo de fecha límite. Overdue Rate es la métrica principal adecuada aquí, no Freshness Rate. La pregunta es «¿cuántos contratos están vencidos?», no «¿cuántas fechas de contrato son recientes?».

Resultados de ejemplo

Métricas base:

Métricas avanzadas:

Total de registros de Account evaluados: 2500.

Leer los resultados

Overdue Rate (14 %) es su cifra principal. 350 contratos están más de 30 días por detrás de su fecha de finalización sin haberse actualizado. Son riesgos activos de fuga de ingresos. El período de gracia de 30 días ya ha filtrado los contratos que están en la ventana normal de renovación, así que esos 350 están realmente atascados.

Freshness Rate (64 %) aporta contexto. El 64 % de las fechas de finalización de contrato caen dentro de los últimos 365 días. Esto le indica que la mayoría de los contratos se han tocado dentro de un ciclo de renovación. El 34,8 % que está obsoleto incluye tanto los contratos vencidos como los que tienen fechas de finalización muy antiguas que nunca se actualizaron tras la renovación.

Average Age (210 días) revela la profundidad del problema. La antigüedad media de las fechas de finalización es de 210 días. Con una ventana de frescura de 365 días, esta media queda dentro de la ventana pero más cerca del límite de obsolescencia. Su conjunto de datos se inclina hacia fechas más antiguas, lo que significa que muchos contratos se acercan a su próxima ventana de renovación.

Future Rate (1,2 %) marca 30 registros con fechas de finalización en el futuro. Para una fecha de finalización de contrato, una fecha futura es normal. Significa que el contrato aún no ha vencido. Un 1,2 % de Future Rate sobre 2500 contratos significa que solo 30 tienen fechas de finalización futuras. Es un dato útil: le indica que la gran mayoría de los contratos de su sistema ya ha superado su fecha de finalización y que el campo Contract_End_Date__c rara vez se actualiza para reflejar las extensiones de renovación.

La aritmética del negocio: 350 contratos vencidos, al valor medio de contrato, representan ingresos reales en riesgo. Si su contrato anual medio es de 15 000 dólares, son 5,25 millones de dólares en contratos vencidos sin una renovación activa en el registro.

Qué hacer a continuación

Construya una cola de prioridad a partir de los 350 contratos vencidos. Ordénelos por valor de contrato y días de retraso. Asigne cada uno a un customer success manager para un contacto inmediato. Tras la limpieza inicial, ejecute el análisis mensualmente. Siga Overdue Rate como su principal métrica de salud de renovaciones. Una Overdue Rate al alza entre análisis significa que su proceso de renovación se está quedando atrás.

Escenario 3: limpieza de fechas de pipeline tras una migración de datos

El problema

Su empresa migró 12 000 registros de Opportunity desde un CRM heredado a Salesforce hace seis meses. Los informes de pipeline parecen incorrectos: los acuerdos aparecen en trimestres a los que no pertenecen y los totales de previsión incluyen importes de oportunidades de hace años. El equipo de RevOps sospecha que el campo CloseDate contiene fechas heredadas del sistema antiguo (algunas de 2015) y fechas placeholder (2099-12-31) inyectadas por la herramienta de migración. Antes de que el equipo pueda confiar en el pipeline, necesita saber exactamente cuántas fechas de cierre caen fuera de un rango realista.

Configuración

Utilice el modo Advanced Data Freshness sobre el objeto Opportunity, dirigiéndose al campo CloseDate. Necesita Operational Range Rate para definir qué se considera una fecha de cierre «realista» y detectar todo lo que quede fuera de ese límite.

Las entradas de Operational Range utilizan «días en el pasado» y «días en el futuro» desde hoy. DQS los convierte en fechas absolutas en el momento del análisis. Si ejecuta este análisis el 1 de marzo de 2026, el rango pasa a ser del 1 de marzo de 2025 al 28 de agosto de 2026. Cualquier fecha de cierre anterior al 1 de marzo de 2025 o posterior al 28 de agosto de 2026 se marca como fuera de rango.

Resultados de ejemplo

Métricas base:

Métricas avanzadas:

Total de registros de Opportunity evaluados: 12 000.

Leer los resultados

Operational Range Rate (71 %) es su cifra principal. El 71 % de las fechas de cierre se encuentra dentro del rango realista (1 año pasado a 6 meses futuro). Eso significa que el 29 %, o 3480 registros, tiene fechas de cierre fuera de este límite. Son los registros que distorsionan su pipeline.

Desglose qué queda fuera del rango:

Future Rate (9,5 %) marca 1140 registros con fechas de cierre en el futuro. Algunos son normales: las Opportunities abiertas con fechas de cierre próximas dentro de los siguientes 6 meses son esperables y caen dentro del rango operativo. Los registros que Future Rate marca aquí son todas las fechas de cierre posteriores a hoy. Cruce con el rango operativo: los registros que son a la vez futuros Y están fuera del límite de 180 días en el futuro son los problemáticos. Son fechas placeholder como 2099-12-31 o fechas de cierre poco realistas y muy lejanas procedentes de la migración.

El desglose del fuera de rango tiene este aspecto:

Average Age (285 días) confirma la carga de los datos heredados. La antigüedad media en todas las fechas de cierre es de 285 días, muy por fuera de su ventana de frescura de 180 días. Esta media alta refleja el gran volumen de fechas antiguas migradas que tiran de la cifra al alza. Tras limpiar los registros heredados, espere que esta cifra caiga con fuerza.

Freshness Rate (52 %) le da la línea base de salud del pipeline. Solo la mitad, aproximadamente, de las fechas de cierre está dentro de los últimos 6 meses. Tras eliminar los 3480 registros fuera de rango, vuelva a calcular. Su conjunto de datos limpio de 8520 registros tendrá una tasa de frescura mucho mayor y sus informes de pipeline por fin reflejarán los acuerdos actuales.

Qué hacer a continuación

Exporte los 3480 registros fuera de rango. Divídalos en dos vías de limpieza:

• Fechas heredadas (2340 registros): revise por etapa. Las oportunidades Closed-Won y Closed-Lost con fechas de cierre antiguas son registros históricos. Déjelas, pero exclúyalas de las vistas de pipeline activo. Las oportunidades abiertas con fechas de cierre entre 2015 y 2024 son acuerdos muertos que nunca se cerraron en el sistema antiguo. Actualice su etapa a Closed-Lost.
• Fechas placeholder (1140 registros): sustituya 2099-12-31 y placeholders similares por fechas de cierre realistas basadas en la etapa de la oportunidad y la fecha de creación. Para los acuerdos sin un calendario de cierre claro, fije la fecha de cierre a final del trimestre en curso y márquelos para revisión de ventas.

Tras la limpieza, vuelva a analizar. Su objetivo es una Operational Range Rate por encima del 95 % y una Freshness Rate por encima del 75 % para el pipeline activo.

Elegir su configuración

Utilice esta tabla para elegir el punto de partida adecuado para su análisis de actualidad.

Para una referencia completa de las 6 métricas de actualidad y su encaje en el flujo de diagnóstico, vuelva al artículo principal de Actualidad.

¿Listo para medir su propia calidad de datos? Realice la Evaluación de preparación para la IA para ver sus puntuaciones de actualidad y más.