Atualidade

O que é atualidade?

Atualidade mede se seus valores de data estão suficientemente atuais para o uso pretendido. Um campo de data é atual quando cai dentro da sua janela aceitável de frescor. É desatualizado quando fica fora dessa janela, o que significa que o dado não reflete mais a realidade presente.

Todo campo de data no seu CRM carrega uma expectativa temporal. Um LastActivityDate de 18 meses sinaliza um lead morto. Um Contract_End_Date__c em 2099 é um placeholder, não um prazo real. Um Date_of_Birth__c no futuro é um erro de entrada. A análise de atualidade captura todos esses casos.

Freshness Rate = (Registros com data na janela de frescor / Total de registros) x 100

Se 659 de 1.000 registros têm um Last_Certification_Date__c nos últimos 90 dias, sua freshness rate é 65,9%. Os outros 34,1% estão desatualizados, nulos ou com data futura. Esse número dá uma visão geral de quão atual está um campo em todo o seu dataset.

Por que atualidade importa

Relatórios

Datas desatualizadas distorcem seus analytics. Quando 30% dos valores de CloseDate de Opportunities estão no passado em negócios abertos, seus relatórios de pipeline mostram negócios parados, abandonados ou já perdidos mas nunca atualizados. Previsões construídas sobre essas datas induzem a liderança ao erro.

Automação

A automação do Salesforce depende de valores de data. Um workflow de renovação que dispara 30 dias antes de Contract_End_Date__c falha quando a data é de cinco anos atrás. Uma escalação de SLA que dispara em Due_Date__c gera alertas falsos quando a data nunca foi atualizada após a resolução.

IA e Agentforce

Modelos de IA tratam seus valores de data como verdade atual. O Agentforce usa datas para priorizar ações, agendar follow-ups e avaliar urgência. Quando as datas estão desatualizadas, o modelo recomenda entrar em contato com leads que foram embora há dois anos, sinaliza contratos que já foram renovados há meses e perde os que realmente precisam de atenção.

Como o DQS mede atualidade

O DQS produz 6 métricas de atualidade organizadas em torno de uma pergunta diagnóstica: “Os dados estão atuais, quão antigos são e há datas que não fazem sentido?”

Pense nessas métricas como um fluxo diagnóstico. Cada passo se apoia no anterior.

Passo 1: Os dados estão atuais?

Freshness Rate é a métrica principal. Calcula o percentual de registros em que o valor da data cai dentro da janela de frescor configurada (por exemplo, os últimos 90 dias). Esse é o número para o dashboard.

Você roda um scan no LastActivityDate de Opportunities com janela de frescor de 30 dias. Freshness Rate volta em 41%. Isso significa que 59% das Opportunities abertas não tiveram atividade no último mês. Revisões de pipeline, precisão de forecast e coaching de vendas estão todos operando com sinais desatualizados.

Staleness Rate quantifica o lado do problema. Mede o percentual de registros em que a data está nula ou mais antiga que a janela de frescor. Registros com data futura são excluídos do staleness porque são um tipo diferente de problema (capturado por Future Rate).

Exemplo: Contract_End_Date__c em Accounts mostra Staleness Rate de 28% com janela de 365 dias. Quase um terço dos contratos mostra datas de fim no passado há mais de um ano. São contratos expirados ainda marcados como ativos ou contratos renovados mas nunca atualizados. Em qualquer dos casos, seu pipeline de renovação está impreciso.

A decomposição em três vias

Todo registro cai em exatamente uma de três categorias. As taxas sempre somam 100%:

Essa decomposição dá a cada categoria um significado distinto. Um stakeholder perguntando “que percentual está desatualizado?” recebe um número que significa “fora da janela ou faltando”, não “fora da janela, faltando ou impossivelmente no futuro”.

Passo 2: Quão antigo está?

Freshness Rate é binário: um registro está atual ou desatualizado. Average Age adiciona nuance.

Average Age calcula a quantidade média de dias entre o valor de cada registro passado e hoje, dividida pelo total de registros. Nulls e datas futuras contribuem com 0 à soma, mas contam no denominador.

Dois campos podem mostrar ambos 60% de freshness, mas um tem idade média de 15 dias (a maioria recente, alguns outliers) enquanto o outro tem média de 90 dias (staleness distribuído uniformemente). A estratégia de remediação difere. Um campo com idade média baixa precisa de uma limpeza direcionada. Um campo com idade média alta precisa de um refresh mais amplo.

Exemplo: Last_Contacted_Date__c em Leads tem 55% de freshness (janela de 30 dias) e idade média de 45 dias. O staleness não é severo: a maioria dos registros desatualizados está só um pouco fora da janela. Uma campanha de outreach rápida pode subir a freshness rate significativamente.

Passo 3: Há anomalias?

Duas métricas pegam datas que não deveriam estar lá.

Future Rate mede o percentual de registros em que o valor da data está no futuro. Para campos históricos como Created Date, Last Modified Date ou Date_of_Birth__c, datas futuras são quase sempre erros: questões de fuso horário, erros de entrada ou placeholders como 2099-12-31.

Exemplo: Date_of_Birth__c em Contacts mostra Future Rate de 0,8%. São 400 registros de 50.000 com datas de nascimento no futuro. Esses quebram segmentação por idade, verificações de compliance e campanhas que filtram por faixa etária.

Operational Range Rate mede o percentual de registros em que o valor da data cai dentro de um limite operacional definido (uma data mínima e máxima que você configura). Datas fora dessa faixa são sinalizadas como anomalias.

Alguns campos têm limites naturais. Um Hire_Date__c antes de 1950 está errado. Um Project_Deadline__c em 2099 é um placeholder. Operational Range Rate pega esses outliers que passam em checagens básicas de freshness porque o campo está populado, só que com valores irreais.

Exemplo: Você define um operational range de 365 dias no passado a 0 dias no futuro em Close_Date__c para Opportunities. Operational Range Rate é 84%. A investigação revela 200 registros com close dates de 2005 (migrados de sistema legado) e 50 registros com close dates em 2099 (placeholder de integração). Ambos os grupos distorcem seus analytics de pipeline.

Observação: Quando o máximo do operational range é 0 (hoje), todas as datas futuras também ficam fora do range. Future Rate e Operational Range Rate se sobrepõem em registros de data futura. São visões complementares, não aditivas.

Passo 4: Os prazos estão sendo cumpridos?

Overdue Rate mede o percentual de registros em que o campo de data está no passado em relação a hoje, com um período de graça opcional. É feita sob medida para campos do tipo “prazo”, onde “atrasado” tem significado de negócio.

Overdue Rate difere de Staleness Rate de duas formas. Primeiro, adiciona um buffer configurável (por exemplo, 14 dias) para que o scan não marque registros como atrasados no dia seguinte ao prazo. Segundo, foca em campos como datas de renovação, datas de certificação e datas de fim de contrato, onde uma data passada significa que uma ação é necessária.

Exemplo: Renewal_Date__c em Contracts com período de graça de 30 dias mostra Overdue Rate de 12%. Isso significa que 12% dos contratos estão a mais de 30 dias do prazo de renovação sem terem sido renovados ou fechados. Esses são riscos de vazamento de receita.

Campos “último evento” vs “prazo”

Nem toda métrica de atualidade se encaixa em todo campo. Overdue Rate lê tautologicamente alto em campos “último evento” porque a maioria dos eventos, por definição, está no passado. Escolha sua métrica principal com base no tipo do campo:

Por que todas as métricas usam o total de registros

Todas as 6 métricas de atualidade usam o mesmo denominador: total de registros, incluindo nulls. Isso mantém cada métrica comparável dentro do mesmo scan. Se uma métrica excluísse nulls e outra os incluísse, um stakeholder comparando “freshness 66% vs future 1,6%” estaria comparando dois universos diferentes sem saber.

Quando Null As Stale está habilitado, registros null contam contra freshness (ficam no denominador mas não no numerador). Quando desabilitado, nulls são excluídos do numerador e do denominador, e o freshness é calculado sobre os registros populados apenas.

Referência de métricas

Métricas de base

Essas 2 métricas formam a base de toda análise de atualidade. Respondem à pergunta central: este dado está atual?

Métricas avançadas

Essas 4 métricas vão além de “está atual?” para analisar distribuição de idade, anomalias de data e cumprimento de prazos. Exigem o modo Advanced Data Freshness.

Cobertura de tipos de campo

O DQS mede atualidade apenas em campos Date e DateTime. Atualidade é inerentemente temporal. Ao contrário de completude (que funciona em todos os 20+ tipos), atualidade aplica-se apenas a campos que representam pontos no tempo.

Dois modos de análise

O DQS oferece dois modos de análise de atualidade:

Data Freshness responde à pergunta: “Os dados estão atuais ou desatualizados?” Produz as 2 métricas de base e cobre o essencial para qualquer org com processos sensíveis a data. Use este modo para checagens rápidas de higiene e auditorias base.

Advanced Data Freshness vai mais fundo. Produz todas as 6 métricas, incluindo idade média, anomalias de data futura, tracking de overdue e compliance de range operacional. Use quando precisar do quadro completo da qualidade das datas.

Configurando atualidade

O DQS oferece cinco inputs de configuração para atualidade. Cada um pode ser definido no nível global (aplica-se a todos os campos) e sobrescrito no nível do campo.

Dica: Diferentes campos de data têm diferentes expectativas de freshness. LastActivityDate em Opportunities abertas precisa de janela de 30 dias. Contract_End_Date__c em Accounts precisa de 365 dias. Use sobrescritas de nível de campo para definir a janela certa para cada campo.

Escolhendo sua janela de freshness

A janela de freshness é a decisão de configuração mais importante. Aqui vão pontos de partida por tipo de campo:

Configuração de operational range

Operational range usa “dias no passado” e “dias no futuro” em vez de datas absolutas. O DQS converte para datas absolutas no momento do scan usando a data de hoje.

Exemplo: Você define 365 dias no passado e 0 dias no futuro. Em 22 de fevereiro de 2026, o DQS converte isso para a faixa de 22 de fevereiro de 2025 a 22 de fevereiro de 2026. Qualquer data antes de 22 de fevereiro de 2025 ou depois de hoje fica fora do range.

Isso significa que a faixa se move para frente a cada dia. Um registro que está dentro do range hoje pode cair fora amanhã, conforme a janela avança.

Problemas comuns de atualidade

Datas de atividade desatualizadas em Opportunities abertas

Os sales reps param de atualizar as Opportunities mas as deixam em estágio “Open”. O LastActivityDate envelhece silenciosamente. Seus relatórios de pipeline mostram negócios ativos, mas as datas revelam que ninguém os tocou há meses.

Correção: Defina uma janela de freshness de 30 dias em LastActivityDate para Opportunities abertas. Use Staleness Rate para dimensionar quantos negócios precisam de follow-up ou correção de estágio.

Datas futuras placeholder

Integrações e importações em massa frequentemente usam datas placeholder como 2099-12-31 para campos que exigem valor. Esses placeholders parecem dados populados, mas distorcem qualquer análise temporal.

Correção: Use Future Rate para identificar registros com datas após hoje. Use Operational Range Rate para pegar tanto placeholders distantes no futuro quanto datas antigas de sistemas legados em uma única métrica.

Contratos expirados nunca atualizados

Contratos são renovados, mas o Contract_End_Date__c nunca é atualizado para a nova expiração. Seu sistema mostra contratos expirados ao lado dos ativos sem como diferenciá-los sem checar as datas.

Correção: Habilite Overdue Tracking com um período de graça que corresponda ao seu ciclo de renovação (por exemplo, 30 dias). Overdue Rate mostra exatamente quantos contratos estão atrasados e não renovados.

Datas nulas escondendo staleness

Quando Null As Stale está desabilitado (padrão), datas nulas são excluídas da avaliação. Se 20% dos seus registros têm datas nulas, sua Freshness Rate é calculada apenas sobre os outros 80%. Isso pode fazer seus números parecerem mais saudáveis do que realmente são.

Correção: Habilite Null As Stale se datas nulas representam dados faltando que precisam de atenção. Inclui registros em que nenhuma atividade jamais ocorreu ou campos nunca populados durante a migração.

Melhores práticas

Escolha a métrica principal certa

Freshness Rate é a métrica certa para campos “último evento” (quando foi atualizado pela última vez?). Overdue Rate é a métrica certa para campos de prazo (está atrasado?). Apresentar Overdue Rate em LastActivityDate produz um número enganosamente alto, pois a maioria das atividades está, por natureza, no passado.

Defina janelas específicas por campo

Uma janela única para todos os campos de data erra o ponto. Datas de atividade precisam de janelas apertadas (30 dias). Datas de contrato precisam de janelas amplas (365 dias). Datas de certificação dependem do ciclo do seu setor. Use sobrescritas por campo para alinhar ao contexto de negócio.

Use Average Age para planejar remediação

Freshness Rate diz o tamanho do problema. Average Age diz a gravidade. Um campo com 40% de staleness e idade média de 45 dias precisa de uma campanha rápida de outreach. Um com 40% de staleness e idade média de 400 dias precisa de um projeto de enriquecimento. Mesmo percentual, correção diferente.

Acompanhe tendências entre scans

Um único scan mostra o estado atual. Rode scans regularmente para detectar degradação de freshness, medir o impacto de iniciativas de limpeza e identificar fontes que introduzem registros desatualizados. Um campo que cai de 80% para 60% de freshness entre scans tem uma nova fonte de problema.

Combine atualidade com completude

Um campo de data pode estar 95% completo mas apenas 50% atual. Completude diz que o campo tem valor. Atualidade diz se esse valor está atual. Rode ambas as dimensões nos seus campos de data para ter o quadro completo.

Próximos passos

Você agora entende como medir e diagnosticar problemas de frescor de datas. Continue aprendendo sobre a próxima dimensão:

• No Salesforce: Qualidade de dados no Salesforce - mantenha seus registros do Salesforce atualizados
• Próximo: Consistência - Garanta padronização uniforme dos dados
• Anterior: Unicidade - Detecte e previna duplicatas
• Relacionado: As cinco dimensões - Visão geral de todas as dimensões
• Ação: AI Readiness Assessment - Veja suas pontuações atuais de atualidade