Tijdigheid: configuratiescenario's

Wat deze scenario’s behandelen

Deze pagina doorloopt drie praktijkconfiguraties van DQS-tijdigheidsanalyse. Elk scenario behandelt een specifiek zakelijk probleem, toont de exacte te gebruiken instellingen en legt uit hoe u de resultaten kunt lezen.

Deze walkthroughs bouwen voort op de concepten uit het hoofdartikel Tijdigheid. Lees dat eerst als u nieuw bent met tijdigheidsstatistieken, de diagnostische flow of configuratie-opties zoals Versheidsvenster en Null als verouderd.

Scenario 1: Versheid van Lead-outreach op een aangepast datumveld

Het probleem

Uw salesteam registreert wanneer elke lead voor het laatst is gecontacteerd in een aangepast Last_Outreach_Date__c-veld op het Lead-object. SDR’s werken dit veld handmatig bij na elk gesprek of elke e-mail. De CRM toont 8.000 open leads, maar niemand weet hoeveel er recentelijk zijn gecontacteerd. Sommige leads zijn nooit gecontacteerd omdat het veld leeg is gelaten. Het sales-ops-team heeft een duidelijk overzicht nodig van verse versus verouderde leads zodat ze de wachtrij kunnen prioriteren en leads die door de kieren zijn gevallen kunnen opsporen.

Waarom een aangepast veld? Standaard Salesforce-datumvelden zoals LastModifiedDate zijn altijd gevuld en worden automatisch bijgewerkt. Een aangepast datumveld zoals Last_Outreach_Date__c is afhankelijk van gebruikersinvoer. Het kan nul zijn (nooit gecontacteerd), verouderd (maanden geleden gecontacteerd) of actueel. Dat maakt het een goed doelwit voor versheidsanalyse met Null als verouderd ingeschakeld.

Configuratie

Dit is een eenvoudige versheidscontrole. Gebruik de modus Dataversheid op het Lead-object, gericht op het veld Last_Outreach_Date__c. U heeft de kopversheidsgraad en uitsplitsing van veroudering nodig, niet de geavanceerde anomaliestatistieken.

Last_Outreach_Date__c is een „laatste gebeurtenis”-veld. Versheidsgraad is hier de juiste koopstatistiek. Vervaldatumgraad zou tautologisch hoog lezen omdat de meeste outreach-datums van nature in het verleden liggen.

Voorbeeldresultaten

Totaal geëvalueerde Lead-records: 8.000.

Resultaten lezen

Begin met de kop: 38% versheid. Dat betekent dat 62% van uw open leads, 4.960 records, meer dan 30 dagen geen outreach heeft gehad. Uw SDR’s werken vanuit een pool van 8.000 leads waar bijna twee derde koud is.

Splits nu uit wat de 62% veroudering bevat.

Null als verouderd is AAN, dus nullen worden als verouderd geteld. Als 1.200 van die 4.960 verouderde records een null Last_Outreach_Date__c hebben, zijn die leads helemaal nooit gecontacteerd. Ze zijn het systeem binnengekomen via een webformulier, import of integratie en niemand heeft outreach geregistreerd. De resterende 3.760 records hebben een outreach-datum, maar die is ouder dan 30 dagen.

Twee groepen, twee verschillende acties:

• Voor de 1.200 nullen: Dit zijn onbehandelde leads. Stuur ze door naar SDR’s voor eerste contact. Ze zijn niet „verouderd” in de traditionele zin. Het zijn leads die door de kieren zijn gevallen.
• Voor de 3.760 met oude outreach-datums: Dit zijn leads waarbij outreach heeft plaatsgevonden maar betrokkenheid is gestopt. Bekijk de leeftijdsverdeling. Als de meeste datums rond 31-45 dagen clusteren, kan een snelle follow-upcampagne velen terugbrengen in het verse venster. Als de meeste datums 90+ dagen oud zijn, overweeg ze te recyclen of te archiveren.

Wat u vervolgens kunt doen

Gebruik de Versheidsgraad om uw leadpool te segmenteren. Maak een lijstweergave of rapport gefilterd op Last_Outreach_Date__c binnen de afgelopen 30 dagen en stuur die 3.040 verse leads als eerste door naar uw SDR’s. Volg de Versheidsgraad in de loop van de tijd. Als die daalt tussen scans, heeft uw leadopvolgingsproces een hiaat. Als die stijgt, werkt uw outreach-cadans.

Scenario 2: Tracking van contractverlengingsdeadlines

Het probleem

Uw customer-success-team beheert 2.500 actieve contracten. Verlengingen worden bijgehouden in het veld Contract_End_Date__c op het Account-object. Het team krijgt elk kwartaal een rapport van aankomende verlengingen, maar contracten die hun einddatum passeren zonder verlenging gaan wekenlang onopgemerkt voorbij. Tegen de tijd dat iemand een verlopen contract opmerkt, heeft de klant al concurrenten geëvalueerd. U heeft een manier nodig om te meten hoeveel contracten achterstallig zijn en met hoeveel.

Configuratie

Gebruik de modus Geavanceerde Dataversheid op het Account-object, gericht op het veld Contract_End_Date__c. U heeft de Vervaldatumgraad nodig met een respijtperiode omdat dit een deadline-veld is waarbij „achterstallig” directe zakelijke betekenis heeft.

Contract_End_Date__c is een deadline-veld. Vervaldatumgraad is hier de juiste koopstatistiek, niet Versheidsgraad. De vraag is „hoeveel contracten zijn achterstallig?” niet „hoeveel contractdatums zijn recent?”

Voorbeeldresultaten

Basisstatistieken:

Geavanceerde statistieken:

Totaal geëvalueerde Account-records: 2.500.

Resultaten lezen

Vervaldatumgraad (14%) is uw hoofdgetal. 350 contracten zijn meer dan 30 dagen na hun einddatum zonder te zijn bijgewerkt. Dit zijn actieve risico’s voor omzetlekkage. De respijtperiode van 30 dagen heeft contracten in het normale verlengingsvenster al uitgefilterd, dus deze 350 zijn werkelijk vastgelopen.

Versheidsgraad (64%) geeft context. 64% van de contracteinddata valt binnen de afgelopen 365 dagen. Dit vertelt u dat de meeste contracten binnen een verlengingscyclus zijn aangeraakt. De 34,8% die verouderd is, omvat zowel de achterstallige contracten als contracten met zeer oude einddata die nooit zijn bijgewerkt na verlenging.

Gemiddelde leeftijd (210 dagen) onthult de diepte van het probleem. De gemiddelde leeftijd van contracteinddata is 210 dagen. Gegeven een versheidsvenster van 365 dagen ligt dit gemiddelde binnen het venster maar dichter bij de verouderingsgrens. Uw dataset neigt naar oudere datums, wat betekent dat veel contracten hun volgende verlengingsvenster naderen.

Toekomstgraad (1,2%) markeert 30 records met contracteinddata in de toekomst. Voor een contracteinddatum is een toekomstige datum normaal. Het betekent dat het contract nog niet is verlopen. Een Toekomstgraad van 1,2% op 2.500 contracten betekent dat slechts 30 toekomstige einddata hebben. Dit is een nuttig gegeven: het vertelt u dat de overgrote meerderheid van contracten in uw systeem al voorbij hun einddatum is, en dat het veld Contract_End_Date__c zelden wordt bijgewerkt om verlengingsverlengingen te weerspiegelen.

De zakelijke berekening: 350 achterstallige contracten tegen uw gemiddelde contractwaarde vertegenwoordigen reëel omzetrisico. Als uw gemiddeld jaarcontract €15.000 is, betekent dat €5,25 miljoen aan contracten die achterstallig zijn zonder actieve verlenging.

Wat u vervolgens kunt doen

Bouw een prioriteitswachtrij van de 350 achterstallige contracten. Sorteer op contractwaarde en aantal dagen achterstallig. Wijs elk toe aan een customer-success-manager voor onmiddellijke outreach. Na de eerste opschoning voert u de scan maandelijks uit. Volg Vervaldatumgraad als uw primaire maatstaf voor verlengingsgezondheid. Een stijgende Vervaldatumgraad tussen scans betekent dat uw verlengingsproces achterloopt.

Scenario 3: Opschoning van pipelinedatums na datamigratie

Het probleem

Uw bedrijf heeft 12.000 Opportunity-records gemigreerd van een legacy-CRM naar Salesforce, zes maanden geleden. Pipeline-rapporten zien er verkeerd uit: deals verschijnen in kwartalen waar ze niet bij horen, en forecasttotalen bevatten bedragen van jaren-oude opportunities. Het RevOps-team vermoedt dat het veld CloseDate legacydatums bevat uit het oude systeem (sommige van 2015) en plaatshouderdatums (2099-12-31) die zijn ingevoegd door het migratietool. Voordat het team de pipeline kan vertrouwen, moeten ze weten hoeveel sluitingsdatums buiten een realistisch bereik vallen.

Configuratie

Gebruik de modus Geavanceerde Dataversheid op het Opportunity-object, gericht op het veld CloseDate. U heeft de Operationeel bereikgraad nodig om te definiëren wat telt als een „realistische” sluitingsdatum en alles buiten die grens op te vangen.

De Operationeel bereik-invoeren gebruiken „dagen in het verleden” en „dagen in de toekomst” vanaf vandaag. DQS converteert deze naar absolute datums op scantijdstip. Als u deze scan uitvoert op 1 maart 2026, wordt het bereik 1 maart 2025 tot en met 28 augustus 2026. Elke sluitingsdatum vóór 1 maart 2025 of na 28 augustus 2026 wordt gemarkeerd als buiten bereik.

Voorbeeldresultaten

Basisstatistieken:

Geavanceerde statistieken:

Totaal geëvalueerde Opportunity-records: 12.000.

Resultaten lezen

Operationeel bereikgraad (71%) is uw hoofdgetal. 71% van de sluitingsdatums valt binnen het realistische bereik (1 jaar verleden tot 6 maanden toekomst). Dat betekent dat 29%, ofwel 3.480 records, sluitingsdatums hebben buiten deze grens. Dit zijn de records die uw pipeline vervormen.

Splits uit wat buiten het bereik valt:

Toekomstgraad (9,5%) markeert 1.140 records met sluitingsdatums in de toekomst. Sommige hiervan zijn normaal: open Opportunities met aankomende sluitingsdatums binnen de volgende 6 maanden worden verwacht en vallen binnen het operationele bereik. De records die Toekomstgraad hier markeert zijn alle sluitingsdatums na vandaag. Kruisverwijzing met het operationele bereik: records die zowel toekomstgedateerd zijn ALS buiten de grens van 180 dagen toekomst zijn, zijn de problematische. Dit zijn plaatshouderdatums zoals 2099-12-31 of onrealistisch verre sluitingsdatums uit de migratie.

De uitsplitsing buiten bereik ziet er zo uit:

Gemiddelde leeftijd (285 dagen) bevestigt de legacy-datasleep. De gemiddelde leeftijd over alle sluitingsdatums is 285 dagen, ruim buiten uw versheidsvenster van 180 dagen. Dit hoge gemiddelde weerspiegelt het grote volume oude gemigreerde datums die het getal omhoog trekken. Na het opschonen van de legacy-records verwacht u dat dit getal scherp daalt.

Versheidsgraad (52%) geeft u de pipelinegezondheidsbasis. Slechts ongeveer de helft van uw sluitingsdatums ligt binnen de afgelopen 6 maanden. Na het verwijderen van de 3.480 buiten-bereik-records herberekent u. Uw schone dataset van 8.520 records zal een veel hogere versheidsgraad hebben, en uw pipeline-rapporten zullen eindelijk actuele deals weerspiegelen.

Wat u vervolgens kunt doen

Exporteer de 3.480 buiten-bereik-records. Splits ze op in twee opschoontracks:

• Legacydatums (2.340 records): Beoordeel op fase. Gesloten-Gewonnen en Gesloten-Verloren opportunities met oude sluitingsdatums zijn historische records. Laat ze staan maar sluit ze uit actieve pipelineweergaven. Open opportunities met sluitingsdatums van 2015-2024 zijn dode deals die nooit zijn gesloten in het oude systeem. Werk hun fase bij naar Gesloten-Verloren.
• Plaatshouderdatums (1.140 records): Vervang 2099-12-31 en vergelijkbare plaatshouders door realistische sluitingsdatums op basis van de opportunityfase en aanmaakdatum. Stel voor deals zonder duidelijke sluitingstijdlijn de sluitingsdatum in op het einde van het huidige kwartaal en markeer voor salesbeoordeling.

Na opschoning scant u opnieuw. Uw doel is een Operationeel bereikgraad boven 95% en een Versheidsgraad boven 75% voor de actieve pipeline.

Uw configuratie kiezen

Gebruik deze tabel om het juiste startpunt te kiezen voor uw tijdigheidsanalyse.

Voor een volledige referentie van alle 6 tijdigheidsstatistieken en hoe ze passen in de diagnostische flow, ga terug naar het hoofdartikel Tijdigheid.

Klaar om uw eigen datakwaliteit te meten? Neem de AI-gereedheidsbeoordeling om uw tijdigheidsscores en meer te zien.