Atualidade: cenários de configuração

O que estes cenários cobrem

Esta página apresenta três configurações reais da análise de atualidade do DQS. Cada cenário cobre um problema específico, mostra as configurações exatas e explica como ler os resultados.

Estes walkthroughs se apoiam nos conceitos do artigo principal de Atualidade. Leia primeiro se você é novo nas métricas, no fluxo diagnóstico ou em opções como Freshness Window e Null As Stale.

Cenário 1: frescor de outreach de Lead em um campo de data custom

O problema

Seu time de vendas registra quando cada lead foi contatado pela última vez em um campo custom Last_Outreach_Date__c no objeto Lead. Os SDRs atualizam manualmente após cada ligação ou e-mail. O CRM mostra 8.000 leads abertos, mas ninguém sabe quantos tiveram contato recente. Alguns nunca foram contatados porque o campo ficou em branco. O time de sales ops precisa de uma contagem clara de leads frescos vs desatualizados.

Por que um campo custom? Campos de data padrão do Salesforce como LastModifiedDate são sempre populados e atualizados automaticamente. Um campo custom como Last_Outreach_Date__c depende de entrada do usuário. Pode ser nulo (nunca contatado), desatualizado ou atual. Isso o torna um bom alvo para análise de frescor com Null As Stale habilitado.

Configuração

É uma checagem direta. Use Data Freshness no objeto Lead, no campo Last_Outreach_Date__c. Você precisa da freshness rate e da quebra de staleness, não das métricas avançadas de anomalia.

Last_Outreach_Date__c é um campo “último evento”. Freshness Rate é a métrica principal aqui. Overdue Rate leria tautologicamente alto porque a maioria das datas de outreach está no passado.

Resultados de exemplo

Total de Leads avaliados: 8.000.

Lendo os resultados

Comece pela headline: 38% de freshness. Isso significa que 62% dos seus leads abertos, 4.960 registros, não têm outreach nos últimos 30 dias. Seus SDRs trabalham sobre um pool em que quase dois terços estão frios.

Agora quebre o que os 62% contêm.

Null As Stale está ON, então nulls contam como stale. Se 1.200 dos 4.960 stale têm Last_Outreach_Date__c nulo, esses leads nunca foram contatados. Entraram via web form, import ou integração e ninguém logou outreach. Os outros 3.760 têm uma data, mas antiga.

Dois grupos, duas ações:

• Para os 1.200 nulls: Leads intocados. Roteie para SDRs fazerem o primeiro contato. Não são “stale” no sentido tradicional. São leads que ficaram pelo caminho.
• Para os 3.760 com datas antigas: Engajamento parou. Revise a distribuição de idade. Se a maioria fica entre 31-45 dias, uma campanha rápida de follow-up traz muitos de volta. Se a maioria está 90+ dias, considere reciclar ou arquivar.

O que fazer depois

Use a Freshness Rate para segmentar seu pool. Crie uma list view filtrada por Last_Outreach_Date__c nos últimos 30 dias e priorize os 3.040 frescos. Acompanhe a Freshness Rate ao longo do tempo. Se cair, seu follow-up tem lacuna. Se subir, sua cadência está funcionando.

Cenário 2: acompanhamento de prazo de renovação de contrato

O problema

Seu time de customer success gerencia 2.500 contratos ativos. As renovações são acompanhadas em Contract_End_Date__c no Account. O time recebe um relatório trimestral, mas contratos que passam do fim sem renovação ficam despercebidos por semanas. Quando alguém nota, o cliente já está avaliando concorrentes. Você precisa de uma forma de medir quantos estão atrasados e por quanto tempo.

Configuração

Use Advanced Data Freshness no Account, no campo Contract_End_Date__c. Você precisa de Overdue Rate com período de graça porque é um campo de prazo em que “atrasado” tem significado de negócio direto.

Contract_End_Date__c é um campo de prazo. Overdue Rate é a métrica principal, não Freshness Rate. A pergunta é “quantos contratos estão atrasados?”, não “quantas datas estão recentes?”

Resultados de exemplo

Métricas de base:

Métricas avançadas:

Total de Accounts avaliados: 2.500.

Lendo os resultados

Overdue Rate (14%) é sua headline. 350 contratos estão mais de 30 dias após o end date sem terem sido atualizados. Risco ativo de vazamento de receita. O grace period de 30 dias já filtrou os da janela normal de renovação, então esses 350 estão realmente travados.

Freshness Rate (64%) dá contexto. 64% dos end dates estão nos últimos 365 dias. A maioria dos contratos foi tocada em um ciclo de renovação. Os 34,8% stale incluem os atrasados e os com end dates muito antigos nunca atualizados após renovação.

Average Age (210 dias) revela a profundidade. A média de idade dos end dates é 210 dias. Dentro da janela de 365, mas perto do limite. Seu dataset puxa para datas mais antigas, ou seja, muitos contratos estão próximos da próxima renovação.

Future Rate (1,2%) sinaliza 30 registros com end dates no futuro. Para um end date de contrato, uma data futura é normal: significa que o contrato ainda não expirou. 1,2% em 2.500 é só 30 contratos com datas futuras. Isso mostra que a grande maioria dos contratos já passou do end date, e o campo raramente é atualizado para refletir extensões.

A matemática de negócio: 350 contratos atrasados pelo seu valor médio representam receita real em risco. Se o contrato anual médio é US$ 15.000, são US$ 5,25 milhões parados sem renovação ativa.

O que fazer depois

Monte uma fila de prioridade a partir dos 350. Ordene por valor e dias atrasados. Atribua cada um a um customer success manager para outreach imediato. Após a limpeza inicial, rode o scan mensalmente. Acompanhe Overdue Rate como sua métrica principal de saúde de renovação. Se subir entre scans, o processo está ficando para trás.

Cenário 3: limpeza de datas de pipeline após migração

O problema

Sua empresa migrou 12.000 Opportunities de um CRM legado para o Salesforce há seis meses. Relatórios de pipeline parecem errados: negócios aparecem em trimestres aos quais não pertencem e forecast totais incluem valores de oportunidades de anos atrás. O time RevOps suspeita que CloseDate contém datas do sistema antigo (algumas de 2015) e placeholders (2099-12-31) injetados pela migração. Antes de o time confiar no pipeline, precisa saber exatamente quantas close dates estão fora de uma faixa realista.

Configuração

Use Advanced Data Freshness em Opportunity, no campo CloseDate. Você precisa de Operational Range Rate para definir o que é “realista” e pegar tudo fora disso.

Os inputs de Operational Range usam “dias no passado” e “dias no futuro” a partir de hoje. O DQS converte em datas absolutas no scan. Se você rodar em 1º de março de 2026, a faixa vira de 1º de março de 2025 a 28 de agosto de 2026. Qualquer close date fora disso é sinalizada.

Resultados de exemplo

Métricas de base:

Métricas avançadas:

Total de Opportunities avaliadas: 12.000.

Lendo os resultados

Operational Range Rate (71%) é sua headline. 71% das close dates caem na faixa realista. Isso significa que 29%, ou 3.480 registros, estão fora. Esses são os registros distorcendo seu pipeline.

Quebre o que está fora:

Future Rate (9,5%) sinaliza 1.140 registros com close dates no futuro. Alguns são normais: Opportunities abertas com close dates nos próximos 6 meses são esperadas e caem dentro do operational range. Cruze com o operational range: registros que são futuros E fora do limite de 180 dias à frente são os problemáticos. Placeholders como 2099-12-31 ou datas absurdamente longínquas vindas da migração.

A quebra fora de faixa fica assim:

Average Age (285 dias) confirma o peso do legado. A média em todos os close dates é 285 dias, bem fora da janela de 180. Essa média alta reflete o volume grande de datas antigas puxando o número. Após limpar o legado, espere que caia bruscamente.

Freshness Rate (52%) dá sua baseline de saúde de pipeline. Só metade das close dates está nos últimos 6 meses. Após remover os 3.480 fora de faixa, recalcule. Seu dataset limpo de 8.520 registros terá uma freshness rate muito mais alta e seus relatórios refletirão deals atuais.

O que fazer depois

Exporte os 3.480 registros fora de faixa. Divida em duas trilhas de limpeza:

• Datas legadas (2.340 registros): Revise por estágio. Closed-Won e Closed-Lost com datas antigas são históricos. Deixe-os, mas exclua das visões de pipeline ativo. Abertas com close dates de 2015-2024 são deals mortos que nunca foram fechados no sistema antigo. Atualize o estágio para Closed-Lost.
• Placeholders (1.140 registros): Substitua 2099-12-31 e similares por datas realistas com base no estágio e na data de criação. Para deals sem cronograma claro, defina a close date para o fim do trimestre atual e sinalize para revisão de vendas.

Após a limpeza, re-execute. Meta: Operational Range Rate acima de 95% e Freshness Rate acima de 75% para o pipeline ativo.

Escolhendo sua configuração

Use esta tabela para escolher um ponto de partida.

Para referência completa das 6 métricas e do fluxo diagnóstico, volte ao artigo principal de Atualidade.

Pronto para medir sua qualidade de dados? Faça a AI Readiness Assessment para ver suas pontuações de atualidade e muito mais.