Start w 10 minut
Ten przewodnik przeprowadzi Cię od zera do pierwszych wniosków o jakości Twoich danych. Wykonaj kolejne kroki, aby zrozumieć bieżący stan i ustalić, gdzie skupić się w pierwszej kolejności.
Krok 1: Wykonaj ocenę gotowości na AI
Zacznij od bezpłatnej oceny, aby ustalić punkt odniesienia.
Co otrzymasz:
- Wynik w kluczowych wymiarach jakości danych
- Konkretne rekomendacje do poprawy
- Porównanie do benchmarków branżowych
- Obszary priorytetowe do podjęcia w pierwszej kolejności
Jak wykonać:
- Wejdź na ocenę gotowości na AI
- Odpowiedz na 10 pytań o praktyki pracy z danymi Salesforce
- Otrzymaj wynik w 3 minuty
Wskazówka: Odpowiadaj szczerze. Ocena jest dla Ciebie, nie testem do zdania. Dokładne odpowiedzi dają dokładne rekomendacje.
Krok 2: Zrozum swój wynik
Ocena dostarcza wyników w pięciu wymiarach jakości danych:
| Wymiar | Co mierzy | Niski wynik oznacza |
|---|---|---|
| Kompletność | Wypełnienie wymaganych pól | Brakujące dane w krytycznych polach |
| Poprawność | Prawidłowe formaty | Błędne adresy e-mail, numery telefonów itd. |
| Unikalność | Brak duplikatów | Duplikaty fragmentujące dane |
| Aktualność | Bieżące informacje | Przeterminowane rekordy do aktualizacji |
| Spójność | Jednolite wartości | Niespójne formaty między rekordami |
Poziomy wyniku
| Wynik | Poziom | Co oznacza |
|---|---|---|
| 80–100 | Mocny | Fundament danych jest solidny. Skup się na jego utrzymaniu. |
| 60–79 | Rozwijający się | Dobry postęp, ale konkretne obszary wymagają uwagi. |
| 40–59 | Początkowy | Wiele wymiarów wymaga poprawy przed inicjatywami AI. |
| 0–39 | Krytyczny | Istotne problemy z jakością danych. Zacznij od podstaw. |
Krok 3: Określ obszary priorytetowe
Na podstawie wyniku wskaż 2–3 obszary, na których skupisz się najpierw. Nie próbuj naprawiać wszystkiego naraz.
Framework priorytetyzacji
| Jeśli Twój niski wynik dotyczy… | Zacznij od… |
|---|---|
| Kompletność | Wskaż 5 kluczowych pól, zmierz stopień wypełnienia |
| Poprawność | Zaudytuj formaty e-maili i telefonów, dodaj reguły walidacji |
| Unikalność | Uruchom wykrywanie duplikatów, ustal proces scalania |
| Aktualność | Określ progi „świeżości”, utwórz workflow aktualizacji |
| Spójność | Ustandaryzuj wartości picklist, oczyść warianty |
Punkty startowe o wysokim wpływie
Dla większości organizacji największy wpływ mają te pola:
Contacts:
- Email (poprawność, kompletność)
- Phone (poprawność, kompletność)
- Title (kompletność, spójność)
Accounts:
- Industry (kompletność, spójność)
- Annual Revenue (aktualność, kompletność)
- Billing Address (poprawność, kompletność)
Opportunities:
- Close Date (aktualność)
- Amount (kompletność)
- Stage (spójność)
Krok 4: Zainstaluj DQS
Gdy będziesz gotowy zmierzyć realne dane Salesforce, zainstaluj Data Quality Sense.
Kroki instalacji
- Wejdź na Salesforce AppExchange
- Wyszukaj „Data Quality Sense”
- Kliknij „Get It Now”
- Postępuj zgodnie z kreatorem instalacji
- Przypisz uprawnienia użytkownikom, którzy będą konfigurować i uruchamiać skany
Co dodaje DQS
Po instalacji masz dostęp do:
| Funkcja | Opis |
|---|---|
| Definition Builder | Konfiguracja tego, co analizować |
| Scan Execution | Uruchamianie kontroli jakości danych |
| Results Dashboard | Podgląd metryk i drążenie w dane |
| Export | Pobranie rekordów do wyczyszczenia |
Krok 5: Utwórz pierwszą Definition
Definition mówi DQS, co analizować. Zacznij od wąskiego zakresu.
Rekomendowana pierwsza Definition
Na pierwszy skan wybierz jeden obiekt o wysokim wpływie biznesowym:
Opcja A: Jakość danych Contact
- Obiekt: Contact
- Pola: Email, Phone, MailingCity, MailingState, MailingCountry
- Wymiary: Kompletność, Poprawność, Spójność
Opcja B: Account Health Check
- Obiekt: Account
- Pola: Industry, AnnualRevenue, BillingCity, BillingState
- Wymiary: Kompletność, Spójność, Aktualność
Opcja C: Opportunity Pipeline
- Obiekt: Opportunity
- Pola: Amount, CloseDate, StageName
- Wymiary: Kompletność, Aktualność
Kroki w Definition Builder
- Kliknij New Definition w DQS
- Wybierz Capabilities (które wymiary mierzyć)
- Wybierz Object i Fields do analizy
- Opcjonalnie dodaj Filters, aby zawęzić zakres
- Skonfiguruj progi dla każdego wymiaru
- Sprawdź i zapisz
Szczegółowe wskazówki znajdziesz w przewodniku Definition Builder.
Krok 6: Uruchom pierwszy skan
Gdy Definition jest zapisana, uruchom pierwszy skan.
- Otwórz Definition
- Kliknij Run Scan
- Poczekaj na zakończenie przetwarzania (czas zależy od liczby rekordów)
- Przejrzyj wyniki na dashboardzie
Zaplanuj cykliczne skany
Z DQS możesz automatyzować skany, dzięki czemu jakość danych jest monitorowana ciągle, bez ręcznego wysiłku.
- Otwórz swoją Definition
- Przejdź do zakładki Schedule
- Ustaw częstotliwość (codziennie, co tydzień lub co miesiąc)
- Wybierz preferowaną godzinę i dzień
- Zapisz harmonogram
Krok po kroku opisuje to przewodnik schedulingu.
Zaplanowane skany uruchamiają się automatycznie w tle i odświeżają dashboard nowymi wynikami. To rekomendowane podejście do ciągłego monitorowania — wcześnie wykrywasz pogorszenie jakości danych bez konieczności pamiętania o ręcznym uruchamianiu skanów.
Czego się spodziewać
Pierwsze skany często ujawniają więcej problemów, niż się spodziewano. To normalne. Twoim celem jest widoczność, nie doskonałość.
Typowe wyniki pierwszego skanu:
- 10–30 % rekordów ma co najmniej jeden problem
- Niektóre pola mają znacznie niższy stopień wypełnienia, niż oczekiwano
- Wykrywanie duplikatów znajduje rekordy, o których nie wiedziałeś
- Walidacja formatu ujawnia niespójności w sposobie wprowadzania danych
Co robić dalej
Tydzień 1: Zrozum bazę
- Przejrzyj wyniki skanu
- Zidentyfikuj 3 największe problemy według wolumenu
- Zrozum, które rekordy są dotknięte
Tygodnie 2–4: Zajmij się problemami priorytetowymi
- Zacznij od najbardziej wpływowych i najłatwiejszych do naprawy
- Utwórz plan czyszczenia dotkniętych rekordów
- Dodaj reguły walidacji, aby zapobiec nowym problemom
Na bieżąco: Monitoruj i utrzymuj
- Planuj cykliczne skany
- Mierz postęp w czasie
- Rozszerzaj zakres na kolejne obiekty i pola
Dalsze kroki
- Rozumienie wyników: jak interpretować dane ze skanu
- Przewodnik Definition Builder: szczegółowa konfiguracja
- Przygotowanie do Agentforce: przygotowanie danych pod Agentforce
- Dobre praktyki: unikanie typowych błędów w jakości danych