ये Scenarios क्या Cover करते हैं
यह page DQS timeliness analysis के तीन real-world configurations के माध्यम से walk-through करती है। प्रत्येक scenario एक specific business problem cover करता है, use करने के exact settings दिखाता है, और results कैसे read करें explain करता है।
ये walkthroughs main Timeliness article के concepts पर build करती हैं। यदि आप timeliness metrics, diagnostic flow, या Freshness Window और Null As Stale जैसे configuration options में नए हैं तो पहले वह पढ़ें।
Scenario 1: Custom Date Field पर Lead Outreach Freshness
समस्या
आपकी sales team Lead object पर एक custom Last_Outreach_Date__c field में यह track करती है कि प्रत्येक lead से आखिरी बार कब contact किया गया था। SDRs प्रत्येक call या email के बाद यह field manually update करते हैं। CRM 8,000 open leads दिखाता है, लेकिन किसी को नहीं पता कि कितने leads में recent outreach है। कुछ leads को कभी contact नहीं किया गया क्योंकि field blank छोड़ी गई। Sales ops team को queue prioritize करने और cracks से गिरे leads को catch करने के लिए fresh vs stale leads की clear count चाहिए।
Custom field क्यों? Standard Salesforce date fields जैसे
LastModifiedDateहमेशा populated रहते हैं और automatically update होते हैं। एक custom date field जैसेLast_Outreach_Date__cuser input पर depend करती है। यह null हो सकती है (कभी contact नहीं किया), outdated हो सकती है (months पहले contact किया), या current हो सकती है। यही इसे Null As Stale enabled के साथ freshness analysis के लिए अच्छा target बनाता है।
Configuration
यह एक straightforward freshness check है। Lead object पर Last_Outreach_Date__c field को target करते हुए Data Freshness mode उपयोग करें। आपको headline freshness rate और staleness breakdown चाहिए, advanced anomaly metrics नहीं।
| Setting | Value | क्यों |
|---|---|---|
| Analysis Mode | Data Freshness | आपको freshness और staleness rates चाहिए, overdue tracking या anomaly detection नहीं |
| Freshness Window | 30 days | Active leads को पिछले month के भीतर engagement की जरूरत है |
| Null As Stale | ON | Null Last_Outreach_Date__c का मतलब है lead को कभी contact नहीं किया गया। यह definition से stale है। |
Last_Outreach_Date__c एक “last event” field है। Freshness Rate यहाँ सही headline metric है। Overdue Rate tautologically high read करेगी क्योंकि अधिकांश outreach dates स्वाभाविक रूप से past में होती हैं।
Sample Results
| Metric | Value |
|---|---|
| Freshness Rate | 38% |
| Staleness Rate | 62% |
कुल Lead records evaluated: 8,000।
Results पढ़ना
Headline से शुरू करें: 38% freshness। इसका मतलब है 62% open leads, 4,960 records, में पिछले 30 दिनों में कोई outreach नहीं है। आपके SDRs 8,000 leads के pool से काम कर रहे हैं जहाँ लगभग दो-तिहाई cold हैं।
अब 62% staleness में क्या है यह break down करें।
Null As Stale ON है, इसलिए nulls को stale count किया जाता है। यदि उन 4,960 stale records में से 1,200 में null Last_Outreach_Date__c है, तो वे leads बिल्कुल contact नहीं किए गए। वे web form, import, या integration के माध्यम से system में enter हुए और किसी ने outreach log नहीं किया। शेष 3,760 records में outreach date है, लेकिन यह 30 दिन से पुरानी है।
दो groups, दो अलग actions:
- 1,200 nulls के लिए: ये untouched leads हैं। First contact के लिए SDRs को route करें। वे traditional sense में “stale” नहीं हैं। वे leads हैं जो cracks से गिर गए।
- 3,760 old outreach dates वाले के लिए: ये वे leads हैं जहाँ outreach हुई लेकिन engagement रुक गई। Age distribution review करें। यदि अधिकांश dates 31-45 days के आसपास cluster होती हैं, तो एक quick follow-up campaign कई को fresh window में वापस ला सकता है। यदि अधिकांश dates 90+ days पुरानी हैं, तो उन्हें recycle या archive करने पर consider करें।
आगे क्या करें
अपने lead pool को segment करने के लिए Freshness Rate उपयोग करें। Last_Outreach_Date__c पिछले 30 दिनों के भीतर filter करते हुए list view या report बनाएँ और उन 3,040 fresh leads को पहले अपने SDRs को route करें। समय के साथ Freshness Rate track करें। यदि scans के बीच यह drop होती है, तो आपके lead follow-up process में gap है। यदि यह बढ़ती है, तो आपकी outreach cadence काम कर रही है।
Scenario 2: Contract Renewal Deadline Tracking
समस्या
आपकी customer success team 2,500 active contracts manage करती है। Renewals Account object पर Contract_End_Date__c field में track की जाती हैं। Team को upcoming renewals की quarterly report मिलती है, लेकिन contracts जो renewal के बिना अपनी end date से past हो जाते हैं वे हफ्तों तक unnoticed रहते हैं। जब तक कोई expired contract spot करता है, customer पहले से competitors evaluate करना शुरू कर चुका होता है। आपको measure करना है कि कितने contracts past due हैं और कितने समय से।
Configuration
Account object पर Contract_End_Date__c field को target करते हुए Advanced Data Freshness mode उपयोग करें। आपको grace period के साथ Overdue Rate चाहिए क्योंकि यह एक deadline field है जहाँ “past due” का direct business meaning है।
| Setting | Value | क्यों |
|---|---|---|
| Analysis Mode | Advanced Data Freshness | Full deadline picture के लिए Overdue Rate और Average Age enable करता है |
| Freshness Window | 365 days | Contracts annually renew होते हैं। पिछले year के भीतर contract end date “current” है। |
| Null As Stale | ON | Null contract end date का मतलब है date कभी set नहीं हुई। यह data gap है, clean record नहीं। |
| Overdue Tracking | ON | यह एक deadline field है। आपको जानना है कि कितने percent past due हैं। |
| Grace Period | 30 days | Contract end date के बाद overdue flag करने से पहले renewal process को 30 days दें। Renewals अक्सर expiration के हफ्तों बाद close होती हैं। |
Contract_End_Date__c एक deadline field है। Overdue Rate यहाँ सही headline metric है, Freshness Rate नहीं। सवाल यह है कि “कितने contracts past due हैं?” न कि “कितने contract dates recent हैं?”
Sample Results
Foundation Metrics:
| Metric | Value |
|---|---|
| Freshness Rate | 64% |
| Staleness Rate | 34.8% |
Advanced Metrics:
| Metric | Value |
|---|---|
| Average Age | 210 days |
| Future Rate | 1.2% |
| Overdue Rate | 14% |
कुल Account records evaluated: 2,500।
Results पढ़ना
Overdue Rate (14%) आपका headline number है। 350 contracts अपनी end date के 30 दिन से अधिक past हो गए हैं बिना update किए। ये active revenue leakage risks हैं। 30-day grace period पहले से normal renewal window में contracts को filter कर चुकी है, इसलिए ये 350 genuinely stuck हैं।
Freshness Rate (64%) context provide करती है। 64% contract end dates पिछले 365 दिनों के भीतर हैं। यह बताता है कि अधिकांश contracts एक renewal cycle के भीतर touch किए गए हैं। 34.8% जो stale हैं उनमें overdue contracts और बहुत पुरानी end dates वाले contracts शामिल हैं जिन्हें renewal के बाद कभी update नहीं किया गया।
Average Age (210 days) problem की गहराई reveal करती है। Contract end dates का mean age 210 days है। 365-day freshness window को देखते हुए, यह average window के भीतर लेकिन stale boundary के करीब बैठती है। आपका dataset पुरानी dates की ओर skew करता है, जिसका मतलब है कि कई contracts अपने next renewal window के करीब आ रहे हैं।
Future Rate (1.2%) future contract end dates वाले 30 records flag करती है। Contract end date के लिए, future date normal है। इसका मतलब है contract अभी expire नहीं हुआ। 2,500 contracts पर 1.2% Future Rate का मतलब है केवल 30 में future end dates हैं। यह एक useful data point है: यह बताता है कि आपके system में अधिकांश contracts पहले से अपनी end date past कर चुके हैं, और Contract_End_Date__c field को renewal extensions reflect करने के लिए rarely update किया जाता है।
Business math: आपके average contract value पर 350 overdue contracts real revenue risk represent करते हैं। यदि आपका average annual contract $15,000 है, तो यह $5.25 million के contracts हैं जो record पर active renewal के बिना past due बैठे हैं।
आगे क्या करें
350 overdue contracts से priority queue build करें। Contract value और days past due से sort करें। तत्काल outreach के लिए प्रत्येक को customer success manager को assign करें। Initial cleanup के बाद, monthly scan चलाएँ। Overdue Rate को अपने primary renewal health metric के रूप में track करें। Scans के बीच rising Overdue Rate का मतलब है आपकी renewal process पीछे पड़ रही है।
Scenario 3: Data Migration के बाद Pipeline Date Cleanup
समस्या
आपकी company ने छह महीने पहले एक legacy CRM से 12,000 Opportunity records Salesforce में migrate किए। Pipeline reports गलत दिखती हैं: deals उन quarters में दिखती हैं जिनसे वे belong नहीं करतीं, और forecast totals में years-old opportunities के amounts include हैं। RevOps team को suspect है कि CloseDate field में legacy dates हैं old system से (कुछ 2015 से) और placeholder dates (2099-12-31) migration tool द्वारा inject किए गए। Team pipeline पर trust करने से पहले, उन्हें exactly जानना है कि कितने close dates realistic range से बाहर हैं।
Configuration
Opportunity object पर CloseDate field को target करते हुए Advanced Data Freshness mode उपयोग करें। आपको Operational Range Rate चाहिए यह define करने के लिए कि क्या “realistic” close date count होती है और उस boundary के बाहर सब कुछ catch करने के लिए।
| Setting | Value | क्यों |
|---|---|---|
| Analysis Mode | Advanced Data Freshness | Anomaly detection के लिए Operational Range Rate और Future Rate enable करता है |
| Freshness Window | 180 days | Pipeline purposes के लिए पिछले 6 months के भीतर close date “current” है |
| Null As Stale | OFF | CloseDate Opportunities पर required field है। Nulls rare हैं और इस analysis का focus नहीं हैं। |
| Operational Range | ON | इस analysis का core। Define करें कि कौन सी dates realistic हैं। |
| Operational Range Min | 365 days in the past | आज से 1 year से पुरानी कोई भी close date legacy artifact है |
| Operational Range Max | 180 days in the future | 6 months से अधिक future में कोई भी close date या तो placeholder है या unrealistically far forecast |
Operational Range inputs आज से “days in the past” और “days in the future” use करते हैं। DQS इन्हें scan time पर absolute dates में convert करता है। यदि आप March 1, 2026 को यह scan चलाते हैं, तो range March 1, 2025 से August 28, 2026 हो जाती है। March 1, 2025 से पहले या August 28, 2026 के बाद की कोई भी close date out of range flag होती है।
Sample Results
Foundation Metrics:
| Metric | Value |
|---|---|
| Freshness Rate | 52% |
| Staleness Rate | 38.5% |
Advanced Metrics:
| Metric | Value |
|---|---|
| Average Age | 285 days |
| Future Rate | 9.5% |
| Overdue Rate | Computed नहीं (Overdue Tracking OFF) |
| Operational Range Rate | 71% |
कुल Opportunity records evaluated: 12,000।
Results पढ़ना
Operational Range Rate (71%) आपका headline number है। 71% close dates realistic range के भीतर हैं (1 year past से 6 months future)। इसका मतलब है 29%, या 3,480 records, इस boundary के बाहर close dates रखते हैं। ये वे records हैं जो आपके pipeline को distort कर रहे हैं।
Range के बाहर क्या है यह break down करें:
Future Rate (9.5%) future में close dates वाले 1,140 records flag करती है। इनमें से कुछ normal हैं: आने वाले 6 months के भीतर upcoming close dates वाले open Opportunities expected हैं और operational range के भीतर आते हैं। Future Rate यहाँ जो records flag करती है वे सभी आज के बाद close dates हैं। Operational range के साथ cross-reference करें: जो records both future-dated AND 180-day-future boundary से बाहर हैं वे problematic हैं। ये 2099-12-31 जैसे placeholder dates या migration से unrealistically far close dates हैं।
Out-of-range breakdown इस तरह दिखता है:
| Category | Estimated Records | इसका क्या मतलब है |
|---|---|---|
| Legacy dates (365 days से पुरानी) | ~2,340 | Old CRM से migrate हुईं। 2015-2024 के close dates deals पर जो कभी clean नहीं हुईं। |
| Far-future placeholders | ~1,140 | Migration tool द्वारा inject की गई 2099-12-31 जैसी dates जहाँ source system में कोई close date नहीं थी। |
| कुल out of range | ~3,480 | आपका cleanup scope |
Average Age (285 days) legacy data drag confirm करती है। सभी close dates में mean age 285 days है, आपके 180-day freshness window से बाहर। यह high average पुरानी migrated dates के large volume को reflect करती है जो number को ऊपर खींच रही हैं। Legacy records clean करने के बाद, इस number को sharply drop होने की expect करें।
Freshness Rate (52%) आपका pipeline health baseline देती है। आपकी केवल लगभग आधी close dates पिछले 6 months के भीतर हैं। 3,480 out-of-range records remove करने के बाद, recalculate करें। 8,520 records का आपका clean dataset बहुत higher freshness rate रखेगा, और आपकी pipeline reports finally current deals reflect करेंगी।
आगे क्या करें
3,480 out-of-range records export करें। उन्हें दो cleanup tracks में split करें:
- Legacy dates (2,340 records): Stage से review करें। Old close dates वाले Closed-Won और Closed-Lost opportunities historical records हैं। उन्हें छोड़ें लेकिन active pipeline views से exclude करें। 2015-2024 के close dates वाले open opportunities dead deals हैं जो old system में कभी closed नहीं हुए। उनकी stage Closed-Lost में update करें।
- Placeholder dates (1,140 records): 2099-12-31 और similar placeholders को opportunity stage और creation date के आधार पर realistic close dates से replace करें। बिना clear close timeline वाले deals के लिए, close date current quarter के end में set करें और sales review के लिए flag करें।
Cleanup के बाद, rescan करें। आपका target active pipeline के लिए 95% से ऊपर Operational Range Rate और 75% से ऊपर Freshness Rate है।
अपना Configuration चुनना
अपने timeliness analysis के लिए right starting point pick करने के लिए इस table का उपयोग करें।
| यदि आपको करना है… | यहाँ से शुरू करें | Key Settings |
|---|---|---|
| Quick hygiene audit के लिए date freshness check करें | Data Freshness | अपना Freshness Window set करें, यदि nulls missing data represent करते हैं तो Null As Stale ON |
| Lead या contact engagement recency measure करें | Data Freshness | Freshness Window: 30 days, Null As Stale ON, headline के रूप में Freshness Rate उपयोग करें |
| Deadlines और renewal compliance track करें | Advanced Data Freshness | Overdue Tracking ON, अपने business process buffer से match करने के लिए Grace Period set करें |
| Migration के बाद legacy या placeholder dates detect करें | Advanced Data Freshness | Operational Range ON, realistic date boundary define करने के लिए Min/Max set करें |
| Critical field पर full date quality picture प्राप्त करें | Advanced Data Freshness | सभी settings configured: Freshness Window + Null As Stale + Overdue Tracking + Operational Range |
| Rate से परे staleness severity समझें | Advanced Data Freshness | Appropriate remediation effort plan करने के लिए Freshness Rate के साथ Average Age review करें |
सभी 6 timeliness metrics और वे diagnostic flow में कैसे fit होते हैं का full reference के लिए main Timeliness article पर return करें।
अपनी खुद की data quality measure करने के लिए तैयार हैं? अपने timeliness scores और अधिक देखने के लिए AI Readiness Assessment लें।