Aktualitet: Konfigurationsscenarier

Vad dessa scenarier täcker

Den här sidan går igenom tre verkliga konfigurationer av DQS aktualitetsanalys. Varje scenario täcker ett specifikt affärsproblem, visar exakta inställningar att använda och förklarar hur man läser resultaten.

Dessa genomgångar bygger på koncepten från den huvudsakliga artikeln Aktualitet. Läs den först om du är ny för aktualitetsmätvärden, det diagnostiska flödet eller konfigurationsalternativ som Färskhetsfönster och Null som inaktuell.

Scenario 1: Färskhet för Lead-outreach på ett anpassat datumfält

Problemet

Ditt säljteam spårar när varje Lead senast kontaktades i ett anpassat fält Last_Outreach_Date__c på Lead-objektet. SDR:er uppdaterar det här fältet manuellt efter varje samtal eller e-post. CRM:et visar 8 000 öppna Leads, men ingen vet hur många som har haft nylig outreach. Vissa Leads kontaktades aldrig alls eftersom fältet lämnades tomt. Säljoperationsteamet behöver ett tydligt antal färska kontra inaktuella Leads så att de kan prioritera kön och fånga Leads som fallit igenom sprickorna.

Varför ett anpassat fält? Standarddatumfält i Salesforce som LastModifiedDate är alltid ifyllda och uppdateras automatiskt. Ett anpassat datumfält som Last_Outreach_Date__c beror på användarinmatning. Det kan vara null (aldrig kontaktat), föråldrat (kontaktat för månader sedan) eller aktuellt. Det gör det till ett bra mål för färskhetssanalys med Null som inaktuell aktiverad.

Konfiguration

Det här är en enkel färskhets­kontroll. Använd läget Datafärskhet på Lead-objektet, och rikta dig mot fältet Last_Outreach_Date__c. Du behöver rubrik­färskhetstakten och inaktualitetsuppdelningen, inte de avancerade anomalimätvärdena.

Last_Outreach_Date__c är ett “senaste händelse”-fält. Färskhetstakt är rätt rubrikmätvärde här. Förfallograden skulle läsas tautologiskt högt eftersom de flesta outreach-datum i sin natur är i det förflutna.

Exempelresultat

Totalt antal Lead-poster utvärderade: 8 000.

Läsa resultaten

Börja med rubriken: 38 % färskhet. Det innebär att 62 % av dina öppna Leads, 4 960 poster, inte har haft någon outreach de senaste 30 dagarna. Dina SDR:er arbetar från en pool på 8 000 Leads där nästan två tredjedelar är kalla.

Bryt nu ner vad de 62 % inaktualitet innehåller.

Null som inaktuell är PÅ, så nollor räknas som inaktuella. Om 1 200 av dessa 4 960 inaktuella poster har ett null Last_Outreach_Date__c, kontaktades dessa Leads aldrig alls. De kom in i systemet via ett webbformulär, import eller integration och ingen loggade outreach. De återstående 3 760 posterna har ett outreach-datum, men det är äldre än 30 dagar.

Två grupper, två olika åtgärder:

• För de 1 200 nullorna: Dessa är orörda Leads. Dirigera dem till SDR:er för första kontakt. De är inte “inaktuella” i traditionell mening. De är Leads som fallit igenom sprickorna.
• För de 3 760 med gamla outreach-datum: Dessa är Leads där outreach skedde men engagemanget upphörde. Granska åldersfördelningen. Om de flesta datum klustrar runt 31-45 dagar kan en snabb uppföljnings­kampanj flytta många tillbaka till det färska fönstret. Om de flesta datum är 90+ dagar gamla, överväg att återvinna eller arkivera dem.

Vad du gör härnäst

Använd Färskhetstakten för att segmentera din Lead-pool. Skapa en listvy eller rapport filtrerad till Last_Outreach_Date__c inom de senaste 30 dagarna och dirigera dessa 3 040 färska Leads till dina SDR:er först. Spåra Färskhetstakten över tid. Om den sjunker mellan genomsökningar har din Lead-uppföljningsprocess en lucka. Om den stiger fungerar din outreach-kadence.

Scenario 2: Spårning av förnyelsedatum för kontrakt

Problemet

Ditt kundframgångsteam hanterar 2 500 aktiva kontrakt. Förnyelser spåras i fältet Contract_End_Date__c på Account-objektet. Teamet får en kvartalsvis rapport om kommande förnyelser, men kontrakt som passerar sitt slutdatum utan förnyelse går oupptäckta i veckor. Innan någon upptäcker ett utgånget kontrakt har kunden redan börjat utvärdera konkurrenter. Du behöver ett sätt att mäta hur många kontrakt som är förfallna och med hur mycket.

Konfiguration

Använd läget Avancerad datafärskhet på Account-objektet, och rikta dig mot fältet Contract_End_Date__c. Du behöver Förfallotakt med en respitperiod eftersom det här är ett tidsgräns­fält där “förfallet” har direkt affärsmässig innebörd.

Contract_End_Date__c är ett tidsgräns­fält. Förfallotakt är rätt rubrikmätvärde här, inte Färskhetstakt. Frågan är “hur många kontrakt är förfallna?” inte “hur många kontraktsdatum är aktuella?”

Exempelresultat

Grundläggande mätvärden:

Avancerade mätvärden:

Totalt antal Account-poster utvärderade: 2 500.

Läsa resultaten

Förfallotakt (14 %) är ditt rubriktal. 350 kontrakt är mer än 30 dagar förbi sitt slutdatum utan att uppdateras. Dessa är aktiva intäkts­läckagerisker. De 30 dagars respitperiod filtrerade redan bort kontrakt i det normala förnyelsesfönstret, så dessa 350 är genuint fastnade.

Färskhetstakt (64 %) ger sammanhang. 64 % av kontraktssslutdatumen faller inom de senaste 365 dagarna. Det berättar för dig att de flesta kontrakt har berörts inom en förnyelsecykel. De 34,8 % som är inaktuella inkluderar både de förfallna kontrakten och kontrakt med mycket gamla slutdatum som aldrig uppdaterades efter förnyelse.

Genomsnittlig ålder (210 dagar) avslöjar problemets djup. Medianåldern för kontraktssslutdatum är 210 dagar. Med ett 365-dagars färskhetsfönster sitter detta genomsnitt innanför fönstret men närmare den inaktuella gränsen. Din datamängd lutar mot äldre datum, vilket innebär att många kontrakt närmar sig sitt nästa förnyelsefönster.

Framtidstakt (1,2 %) flaggar 30 poster med kontraktssslutdatum i framtiden. För ett kontraktssslutdatum är ett framtida datum normalt. Det innebär att kontraktet ännu inte har löpt ut. En Framtidstakt på 1,2 % av 2 500 kontrakt innebär att bara 30 har framtida slutdatum. Det här är en användbar datapunkt: det berättar för dig att den stora majoriteten av kontrakt i ditt system redan är förbi sitt slutdatum, och att fältet Contract_End_Date__c sällan uppdateras för att återspegla förnyelseförlängningar.

Affärsmatten: 350 förfallna kontrakt till ditt genomsnittliga kontraktsvärde representerar verkliga intäkter i riskzonen. Om ditt genomsnittliga årskontrakt är 150 000 kr, är det 52,5 miljoner kronor i kontrakt som ligger förfallna utan aktiv förnyelse registrerad.

Vad du gör härnäst

Bygg en prioritetskö från de 350 förfallna kontrakten. Sortera efter kontraktsvärde och dagar förbi förfallodatum. Tilldela varje till en kundframgångschef för omedelbar outreach. Efter den initiala rensningen, kör genomsökningen månadsvis. Spåra Förfallotakt som ditt primära förnyelsehälso­mätvärde. En stigande Förfallotakt mellan genomsökningar innebär att din förnyelseprocess halkar efter.

Scenario 3: Pipeline-datumrensning efter datamigrering

Problemet

Ditt företag migrerade 12 000 Opportunity-poster från ett äldre CRM till Salesforce för sex månader sedan. Pipeline-rapporter ser fel ut: affärer visas i kvartal de inte tillhör, och prognostotaler inkluderar belopp från år gamla möjligheter. RevOps-teamet misstänker att fältet CloseDate innehåller äldre datum från det gamla systemet (vissa från 2015) och platshållardatum (2099-12-31) injekterade av migrerings­verktyget. Innan teamet kan lita på pipelinen behöver de veta exakt hur många slutdatum faller utanför ett realistiskt intervall.

Konfiguration

Använd läget Avancerad datafärskhet på Opportunity-objektet, och rikta dig mot fältet CloseDate. Du behöver Operationellt intervallgrad för att definiera vad som räknas som ett “realistiskt” slutdatum och fånga allt utanför den gränsen.

Operationellt intervall-inputsen använder “dagar bakåt” och “dagar framåt” från idag. DQS konverterar dessa till absoluta datum vid genomsökningstid. Om du kör den här genomsökningen den 1 mars 2026 blir intervallet 1 mars 2025 till 28 augusti 2026. Alla slutdatum före 1 mars 2025 eller efter 28 augusti 2026 flaggas som utanför intervallet.

Exempelresultat

Grundläggande mätvärden:

Avancerade mätvärden:

Totalt antal Opportunity-poster utvärderade: 12 000.

Läsa resultaten

Operationellt intervallgrad (71 %) är ditt rubriktal. 71 % av slutdatumen faller inom det realistiska intervallet (1 år bakåt till 6 månader framåt). Det innebär att 29 %, eller 3 480 poster, har slutdatum utanför den gränsen. Det här är posterna som förvränger din pipeline.

Bryt ner vad som finns utanför intervallet:

Framtidstakt (9,5 %) flaggar 1 140 poster med slutdatum i framtiden. Vissa av dessa är normala: öppna Opportunities med kommande slutdatum inom de nästa 6 månaderna förväntas och faller inom det operationella intervallet. Posterna som Framtidstakt flaggar här är alla slutdatum efter idag. Korsreferera med det operationella intervallet: poster som är både framtidsdaterade OCH utanför den 180-dagars-framtida gränsen är de problematiska. Det här är platshållardatum som 2099-12-31 eller orealistiskt avlägsna slutdatum från migreringen.

Uppdelningen utanför intervallet ser ut så här:

Genomsnittlig ålder (285 dagar) bekräftar det äldre datadragets inverkan. Medelåldern över alla slutdatum är 285 dagar, väl utanför ditt 180-dagars färskhetsfönster. Det här höga genomsnittet återspeglar den stora volymen gamla migrerade datum som drar upp siffran. Efter att du rensar de äldre posterna förväntas det här talet sjunka kraftigt.

Färskhetstakt (52 %) ger din pipeline-hälsobaslinje. Bara ungefär hälften av dina slutdatum är inom de senaste 6 månaderna. Efter att ha tagit bort de 3 480 utanför-intervallet-posterna, räkna om. Din rena datamängd på 8 520 poster kommer att ha en mycket högre färskhetstakt, och dina pipeline-rapporter kommer äntligen att återspegla aktuella affärer.

Vad du gör härnäst

Exportera de 3 480 utanför-intervallet-posterna. Dela upp dem i två rensningsspår:

• Äldre datum (2 340 poster): Granska per fas. Vunna och förlorade Opportunities med gamla slutdatum är historiska poster. Lämna dem men exkludera dem från aktiva pipeline-vyer. Öppna möjligheter med slutdatum från 2015-2024 är döda affärer som aldrig stängdes i det gamla systemet. Uppdatera deras fas till Stängd-Förlorad.
• Platshållardatum (1 140 poster): Ersätt 2099-12-31 och liknande platshållare med realistiska slutdatum baserade på möjlighetens fas och skapandedatum. För affärer utan tydlig tidslinje, ange slutdatum till slutet av aktuellt kvartal och flagga för säljgranskning.

Efter rensning, genomsök igen. Ditt mål är en Operationell intervallgrad över 95 % och en Färskhetstakt över 75 % för den aktiva pipelinen.

Välja din konfiguration

Använd den här tabellen för att välja rätt startpunkt för din aktualitetsanalys.

För en fullständig referens av alla 6 aktualitetsmätvärden och hur de passar in i det diagnostiska flödet, återvänd till den huvudsakliga artikeln Aktualitet.

Redo att mäta din egen datakvalitet? Ta AI-beredskapsbedömningen för att se dina aktualitetspoäng och mer.