Um dashboard de qualidade de dados transforma dezenas de verificações dispersas em uma única visão que você consegue monitorar de relance. No Salesforce, o dashboard certo diz a você — em segundos — o quanto seus dados são confiáveis, onde os problemas se concentram e se a situação está melhorando ou piorando. Este guia cobre as métricas que importam e como lê-las.
Para que serve um dashboard de qualidade de dados
Um dashboard responde a três perguntas de forma recorrente:
- Posso confiar nesses dados hoje? Um único número de destaque para uma leitura de relance.
- Onde estão os problemas? Um detalhamento que transforma o destaque em tarefas específicas e atribuíveis.
- Estamos melhorando? Uma tendência que mostra se suas correções estão funcionando e pega novos problemas cedo.
Se um dashboard não consegue responder às três, ele é um relatório, não uma ferramenta de monitoramento.
As métricas que importam
Um bom dashboard de qualidade de dados no Salesforce acompanha um pequeno conjunto de métricas complementares, em vez de uma parede de números:
| Métrica | O que ela diz a você | Por que importa |
|---|---|---|
| Pontuação de qualidade de dados | Um único número ponderado de 0 a 100 entre todas as dimensões | O destaque. Um número que os líderes podem acompanhar ao longo do tempo. |
| Detalhamento por dimensão | Pontuação por dimensão (completude, validade, unicidade, consistência, atualidade) | Mostra que tipo de problema predomina |
| Saúde dos campos | Taxa de aprovado/reprovado por campo | Mostra onde exatamente o problema vive — a camada acionável |
| Tendência ao longo do tempo | A pontuação em varreduras sucessivas | Mostra se você está melhorando e revela novos problemas rápido |
| Exposição de PII | Registros e campos contendo dados sensíveis | Crítico antes de qualquer projeto de Agentforce ou IA |
| Piores ofensores | Os objetos e campos que causam mais falhas | Diz a você por onde começar |
Juntas, essas métricas levam você de “quão saudável está o dado?” até “qual campo, em qual objeto, corrigimos primeiro?” em três cliques.
Como ler o dashboard
Leia-o de cima para baixo, do destaque até a ação:
- Destaque. Dê uma olhada na pontuação de qualidade de dados. Subiu desde a última varredura? Caiu? Estável?
- Dimensão. Abra o detalhamento por dimensão para ver qual tipo de problema está puxando a pontuação para baixo — um problema de completude e um de unicidade pedem correções bem diferentes.
- Campo. Aprofunde na saúde dos campos da dimensão mais fraca para encontrar os campos específicos que causam as falhas. Essa é a camada que alguém pode assumir e corrigir.
- Tendência. Confira a linha de tendência. Uma queda súbita geralmente significa que uma nova integração ou processo começou a escrever dados ruins — pegue aqui, não em um relatório quebrado daqui a três meses.
Por que tendências superam instantâneos
Uma única medição fica obsoleta no dia seguinte à sua coleta, porque os dados do Salesforce mudam constantemente. O valor real de um dashboard está na tendência. Uma pontuação de 82 significa pouco isoladamente; 82 e caindo há três semanas é um alarme, enquanto 82 e subindo é a prova de que seu programa funciona. Varreduras agendadas são o que transforma uma auditoria pontual em uma tendência que você pode gerenciar — e o que permite definir uma meta e ver a linha se mover em direção a ela.
Como é um resultado “bom”
Não existe uma pontuação de aprovação universal; depende de como o dado é usado. Uma forma prática de definir metas é escaloná-las pelo nível de risco:
| Dado | Meta |
|---|---|
| Campos regulatórios / de compliance | 99%+ |
| Dados voltados ao cliente e de receita | 95%+ |
| Dados operacionais | 85%+ |
| Dados históricos / de arquivo | 70%+ |
Defina a meta por dimensão e por objeto, depois deixe o dashboard dizer a você o quanto cada uma ainda tem a percorrer.
Construindo no DQS
O Data Quality Sense fornece esse dashboard dentro do Salesforce por meio do Insight Studio. Depois de rodar uma varredura a partir do Definition Builder, o Insight Studio mostra a pontuação de qualidade de dados ponderada, o detalhamento por dimensão, a saúde dos campos e a tendência entre as varreduras — além da exposição de PII para o trabalho de prontidão para IA. Como as varreduras rodam de forma nativa e em um cronograma, o dashboard sempre reflete os dados ao vivo na sua org, sem exportações e sem pipeline externo para manter.
Próximos passos
- Como medir a qualidade de dados no Salesforce: a pontuação de qualidade de dados em detalhe
- Qualidade de dados no Salesforce: o guia completo
- Como melhorar a qualidade de dados no Salesforce: do dashboard à ação
- Medindo a qualidade de dados: KPIs e scorecards em detalhe