Actualité

Qu’est-ce que l’actualité ?

L’actualité mesure si vos valeurs de date sont suffisamment à jour pour l’usage que vous en faites. Un champ date est à jour lorsqu’il tombe dans votre fenêtre de fraîcheur acceptable. Il est périmé lorsqu’il se situe au-delà de cette fenêtre, c’est-à-dire que la donnée ne reflète plus la réalité actuelle.

Chaque champ date de votre CRM porte une attente temporelle. Une LastActivityDate vieille de 18 mois signale un lead mort. Un Contract_End_Date__c fixé à 2099 est un placeholder, pas une vraie échéance. Une Date_of_Birth__c dans le futur est une erreur de saisie. L’analyse d’actualité attrape tout cela.

Taux de fraîcheur = (Enregistrements avec date dans la fenêtre / Total) x 100

Si 659 des 1 000 enregistrements ont une Last_Certification_Date__c dans les 90 derniers jours, votre taux de fraîcheur est de 65,9 %. Les 34,1 % restants sont soit périmés, soit null, soit datés dans le futur. Ce chiffre unique vous dit à quel point un champ est à jour dans votre jeu de données.

Pourquoi l’actualité compte

Reporting

Des dates périmées déforment vos analytiques. Quand 30 % de vos CloseDate d’Opportunity sont dans le passé sur des affaires ouvertes, vos rapports de pipeline montrent des deals bloqués, ignorés ou déjà perdus mais jamais mis à jour. Les prévisions bâties sur ces dates trompent la direction.

Automatisation

L’automatisation Salesforce dépend des valeurs de date. Un Workflow de renouvellement qui se déclenche 30 jours avant Contract_End_Date__c échoue quand la date a cinq ans. Une escalade SLA déclenchée sur Due_Date__c génère de fausses alertes quand la date n’a jamais été mise à jour après résolution.

IA et Agentforce

Les modèles d’IA traitent vos valeurs de date comme la vérité actuelle. Agentforce utilise les dates pour prioriser les actions, planifier les relances et évaluer l’urgence. Quand vos dates sont périmées, le modèle recommande de contacter des leads partis il y a deux ans, signale des contrats renouvelés il y a plusieurs mois et rate ceux qui ont vraiment besoin d’attention.

Comment DQS mesure l’actualité

DQS produit 6 métriques d’actualité organisées autour d’une question de diagnostic : « La donnée est-elle à jour, quel âge a-t-elle, et y a-t-il des dates qui n’ont pas de sens ? »

Considérez ces métriques comme un flux de diagnostic. Chaque étape s’appuie sur la précédente.

Étape 1 : la donnée est-elle à jour ?

Le taux de fraîcheur est la métrique principale. Il calcule le pourcentage d’enregistrements où la valeur de date tombe dans votre fenêtre de fraîcheur configurée (par exemple, les 90 derniers jours). C’est le chiffre à afficher sur un dashboard.

Vous scannez le champ LastActivityDate des Opportunities avec une fenêtre de 30 jours. Le taux de fraîcheur revient à 41 %. Cela signifie que 59 % de vos Opportunities ouvertes n’ont eu aucune activité dans le dernier mois. Les revues de pipeline, l’exactitude des prévisions et le coaching commercial travaillent tous sur des signaux périmés.

Staleness Rate quantifie le côté problème. Il mesure le pourcentage d’enregistrements où le champ date est null ou plus ancien que la fenêtre de fraîcheur. Les enregistrements datés dans le futur sont exclus de la péremption car ils relèvent d’un autre type de problème (capturé par Future Rate).

Exemple : Contract_End_Date__c sur Accounts affiche un Staleness Rate de 28 % avec une fenêtre de 365 jours. Près d’un tiers de vos contrats ont une date de fin de plus d’un an dans le passé. Ce sont soit des contrats expirés encore marqués actifs, soit des contrats renouvelés mais jamais mis à jour. Dans tous les cas, votre pipeline de renouvellement est inexact.

La décomposition en trois

Chaque enregistrement tombe dans exactement une de trois catégories. Les taux se somment toujours à 100 % :

Cette décomposition donne à chaque catégorie un sens distinct. Une partie prenante qui demande « quel pourcentage est périmé ? » obtient un chiffre qui signifie « dépassé ou manquant », pas « dépassé ou manquant ou impossible dans le futur ».

Étape 2 : quel âge a-t-il ?

Le taux de fraîcheur est binaire : un enregistrement est soit frais, soit périmé. Average Age ajoute de la nuance.

Average Age calcule le nombre moyen de jours entre la valeur de chaque enregistrement daté dans le passé et aujourd’hui, divisé par le total des enregistrements. Les null et les dates futures contribuent 0 à la somme mais comptent dans le dénominateur.

Deux champs peuvent afficher 60 % de fraîcheur, mais l’un a un âge moyen de 15 jours (majoritairement récent, quelques valeurs aberrantes) tandis que l’autre a une moyenne de 90 jours (péremption répartie uniformément). La stratégie de remédiation diffère.

Exemple : Last_Contacted_Date__c sur Leads affiche 55 % de fraîcheur (fenêtre de 30 jours) et un âge moyen de 45 jours. La péremption n’est pas grave, car la plupart des enregistrements périmés sont juste à l’extérieur de la fenêtre. Une campagne de relance rapide peut faire grimper le taux de fraîcheur significativement.

Étape 3 : y a-t-il des anomalies ?

Deux métriques attrapent des dates qui n’ont pas leur place.

Future Rate mesure le pourcentage d’enregistrements où la valeur de date est dans le futur. Pour des champs historiques comme Created Date, Last Modified Date ou Date_of_Birth__c, les dates futures sont presque toujours des erreurs : problèmes de fuseau, erreurs de saisie, ou placeholders comme 2099-12-31.

Exemple : Date_of_Birth__c sur Contacts affiche un Future Rate de 0,8 %. Cela fait 400 enregistrements sur 50 000 avec des dates de naissance dans le futur. Ils cassent la segmentation par âge, les contrôles de conformité et les campagnes marketing qui filtrent par tranche d’âge.

Operational Range Rate mesure le pourcentage d’enregistrements où la date tombe dans une plage opérationnelle définie (une date minimale et une date maximale que vous configurez). Les dates en dehors de cette plage sont signalées comme anomalies.

Certains champs date ont des bornes naturelles. Une Hire_Date__c avant 1950 est fausse. Un Project_Deadline__c fixé à 2099 est un placeholder. Operational Range Rate attrape ces valeurs aberrantes qui passent les contrôles de fraîcheur basiques.

Exemple : vous définissez une plage opérationnelle de 365 jours dans le passé à 0 jour dans le futur sur Close_Date__c des Opportunities. Operational Range Rate est de 84 %. L’enquête révèle 200 enregistrements avec des dates de clôture de 2005 (migrés depuis un système legacy) et 50 enregistrements avec des dates en 2099 (placeholder d’une intégration).

Remarque : quand votre maximum de plage opérationnelle est à 0 (aujourd’hui), toutes les dates futures sont aussi hors plage. Future Rate et Operational Range Rate se chevauchent sur les enregistrements datés dans le futur. Ce sont des vues complémentaires, pas additives.

Étape 4 : les échéances sont-elles tenues ?

Overdue Rate mesure le pourcentage d’enregistrements où le champ date est au-delà de la date d’aujourd’hui, avec une période de grâce optionnelle. Il est conçu pour les champs de type échéance où « en retard » a un sens métier.

Overdue Rate diffère de Staleness Rate sur deux points. D’abord, il ajoute un tampon configurable de période de grâce (par exemple, 14 jours) pour que le scan ne signale pas des enregistrements comme en retard dès le lendemain de l’échéance. Ensuite, il cible des champs comme les dates de renouvellement, de certification et de fin de contrat.

Exemple : Renewal_Date__c sur Contracts avec une période de grâce de 30 jours affiche un Overdue Rate de 12 %. Cela signifie que 12 % des contrats sont à plus de 30 jours au-delà de leur date de renouvellement sans avoir été renouvelés ou clôturés. Ce sont des risques de fuite de chiffre d’affaires.

Champs « dernier événement » vs « échéance »

Toutes les métriques d’actualité ne conviennent pas à tous les champs. Overdue Rate donne des valeurs tautologiquement élevées sur des champs de « dernier événement » parce que la plupart des événements sont, par définition, dans le passé. Choisissez votre métrique principale selon le type de champ :

Pourquoi toutes les métriques utilisent le total des enregistrements

Les 6 métriques d’actualité utilisent le même dénominateur : le total des enregistrements, null compris. Cela garde toutes les métriques comparables au sein d’un même scan.

Quand Null As Stale est activé, les enregistrements null comptent contre la fraîcheur (ils sont au dénominateur mais pas au numérateur de la fraîcheur). Quand il est désactivé, les null sont exclus à la fois du numérateur et du dénominateur.

Référence des métriques

Métriques fondamentales

Ces 2 métriques forment la base de toute analyse d’actualité. Elles répondent à la question centrale : cette donnée est-elle à jour ?

Métriques avancées

Ces 4 métriques vont au-delà de « est-ce à jour ? » pour analyser la distribution d’âge, les anomalies de date et le respect des échéances.

Couverture des types de champs

DQS mesure l’actualité uniquement sur les champs Date et DateTime. L’actualité est intrinsèquement temporelle.

Deux modes d’analyse

DQS propose deux modes :

Le mode Data Freshness répond à la question : « La donnée est-elle à jour ou périmée ? » Il produit les 2 métriques fondamentales et convient à tout org avec des processus sensibles aux dates.

Le mode Advanced Data Freshness va plus loin. Il produit les 6 métriques, y compris âge moyen, anomalies de dates futures, suivi des retards et conformité à la plage opérationnelle.

Configurer l’actualité

DQS propose cinq paramètres de configuration pour l’actualité. Chacun peut être défini globalement et surchargé au niveau du champ.

Astuce : différents champs date ont différentes attentes de fraîcheur. Une LastActivityDate sur Opportunities ouvertes a besoin d’une fenêtre de 30 jours. Un Contract_End_Date__c a besoin de 365 jours. Utilisez des surcharges au niveau du champ.

Choisir votre fenêtre de fraîcheur

La fenêtre de fraîcheur est la décision de configuration la plus importante. Voici des points de départ par type de champ :

Configuration de la plage opérationnelle

La plage opérationnelle utilise « jours dans le passé » et « jours dans le futur » au lieu de dates absolues. DQS les convertit en dates absolues au moment du scan.

Exemple : vous définissez 365 jours dans le passé et 0 jour dans le futur. Le 22 février 2026, DQS convertit cela en la plage du 22 février 2025 au 22 février 2026. Toute date avant ou après est hors plage.

Problèmes d’actualité courants

Dates d’activité périmées sur Opportunities ouvertes

Les commerciaux arrêtent de mettre à jour les Opportunities mais les laissent à un stade « Open ». La LastActivityDate vieillit en silence. Vos rapports de pipeline montrent des affaires actives, mais les dates révèlent que personne n’y a touché depuis des mois.

Correctif : définissez une fenêtre de fraîcheur de 30 jours sur LastActivityDate pour les Opportunities ouvertes. Utilisez Staleness Rate pour cadrer combien d’affaires ont besoin d’une relance ou d’une correction de stade.

Dates futures placeholder

Les intégrations et imports massifs utilisent souvent des dates placeholder comme 2099-12-31 pour des champs qui exigent une valeur. Ces placeholders ressemblent à des données renseignées mais déforment toute analyse temporelle.

Correctif : utilisez Future Rate pour identifier les enregistrements avec des dates après aujourd’hui. Utilisez Operational Range Rate pour attraper à la fois les placeholders lointains et les dates legacy anciennes.

Contrats expirés jamais mis à jour

Les contrats se renouvellent, mais Contract_End_Date__c n’est jamais mis à jour vers la nouvelle échéance. Votre système affiche des contrats expirés à côté des actifs sans moyen de les distinguer.

Correctif : activez Overdue Tracking avec une période de grâce alignée sur votre cycle de renouvellement (par exemple 30 jours).

Dates null masquant la péremption

Quand Null As Stale est désactivé (par défaut), les dates null sont exclues de l’évaluation. Si 20 % de vos enregistrements ont des dates null, votre Freshness Rate est calculé sur les 80 % restants. Cela peut faire paraître vos chiffres meilleurs qu’ils ne le sont.

Correctif : activez Null As Stale si les dates null représentent des données manquantes qui méritent votre attention.

Bonnes pratiques

Choisissez la bonne métrique principale

Freshness Rate est la bonne métrique pour les champs « dernier événement ». Overdue Rate est la bonne pour les champs d’échéance. Présenter Overdue Rate sur une LastActivityDate produit un chiffre artificiellement élevé.

Définissez des fenêtres spécifiques au champ

Une fenêtre de fraîcheur unique pour tous les champs date passe à côté du sujet. Utilisez des surcharges au niveau du champ pour correspondre au contexte métier.

Utilisez Average Age pour planifier la remédiation

Freshness Rate vous dit l’ampleur du problème. Average Age vous dit à quel point c’est grave. Un champ à 40 % de péremption et âge moyen de 45 jours a besoin d’une campagne de relance rapide. Un champ à 40 % de péremption et âge moyen de 400 jours a besoin d’un projet d’enrichissement.

Suivez les tendances

Un scan unique montre l’état actuel. Exécutez des scans réguliers pour détecter la dégradation de la fraîcheur, mesurer l’impact des initiatives de nettoyage et identifier les sources de données qui introduisent des enregistrements périmés.

Combinez actualité et complétude

Un champ date peut être complété à 95 % mais frais à seulement 50 %. La complétude vous dit que le champ a une valeur. L’actualité vous dit si cette valeur est à jour. Lancez les deux dimensions sur vos champs date.

Étapes suivantes

Vous comprenez désormais comment mesurer et diagnostiquer les problèmes de fraîcheur des dates. Poursuivez avec la dimension suivante :

• Dans Salesforce : La qualité des données dans Salesforce — gardez vos enregistrements Salesforce à jour
• Suivant : Cohérence — garantir une standardisation uniforme
• Précédent : Unicité — détecter et prévenir les doublons
• Associé : Les cinq dimensions — vue d’ensemble
• Action : Évaluation de préparation à l’IA — voir vos scores d’actualité actuels