# كيف تحسّن جودة البيانات في Salesforce

> سير عمل عملي وقابل للتكرار لتحسين جودة البيانات في Salesforce والحفاظ عليها: الاكتشاف، وترتيب الأولويات، والإصلاح، والوقاية، والمراقبة.

Source: https://dataqualitysense.com/ar/resources/salesforce/improve-data-quality-in-salesforce/
Last updated: 2026-07-15

---

تحسين جودة البيانات في Salesforce ليس مشروعًا له تاريخ انتهاء. فبيانات الـ CRM تتدهور باستمرار — عبر الإدخال اليدوي وعمليات التكامل ومرور الوقت، والآن عبر وكلاء الذكاء الاصطناعي الذين يقرؤون السجلات ويكتبون فيها — لذا فإن الهدف ليس تنظيفًا لمرة واحدة بل حلقة قابلة للتكرار تُبقي الجودة عالية كلما وصلت بيانات جديدة. معدّل التحلّل موثّق جيدًا: بيانات جهات الاتصال B2B تتحلّل بمعدّل تقريبي بنسبة [2.1% شهريًا، أو حوالي 22.5% سنويًا](https://pipeline.zoominfo.com/marketing/b2b-data-decay)، ما يعني أن التنظيف الذي ينتهي في يناير يصبح قديمًا بقياس معين بحلول الصيف. يعرض هذا الدليل تلك الحلقة والأساليب الخاصة بـ Salesforce التي تجعل كل خطوة تؤدي عملها.

## حلقة التحسين

يتبع كل برنامج جودة بيانات قابل للاستدامة، سواء أدرته يدويًا أو بأداة، الخطوات الخمس نفسها:

1. **الاكتشاف** — قِس أين تقف اليوم، حسب البُعد وحسب الحقل.
2. **ترتيب الأولويات** — رتّب المشكلات بحسب الأثر على العمل مقابل الجهد اللازم للإصلاح.
3. **الإصلاح** — نظّف السجلات الموجودة.
4. **الوقاية** — أوقِف عودة المشكلة نفسها.
5. **المراقبة** — أعِد القياس وفق جدول كي تظهر المشكلات الجديدة مبكرًا.

تخطّي أي خطوة يكسر الحلقة. فالتنظيف دون وقاية يعني أنك تصلح التكرارات نفسها كل ربع سنة. والوقاية دون مراقبة تعني أنك لن تعرف أبدًا ما إذا كانت قد نجحت. الخطوات يعزّز بعضها بعضًا.

## الخطوة 1: الاكتشاف

لا يمكنك ترتيب أولوية ما لا تراه. ابدأ بـ[قياس جودة بياناتك](/ar/resources/salesforce/measure-data-quality-in-salesforce/) للحصول على درجة جودة بيانات أساسية مفصّلة حسب البُعد والحقل. والتفصيل هو ما يهم: عبارة "الاكتمال 64 في سجلات Accounts، بسبب حقل Industry فارغ" نقطة انطلاق يمكنك التصرّف بناءً عليها؛ أما "البيانات فوضوية" فلا.

تجيب نقطة الانطلاق الجيدة عن ثلاثة أسئلة: أي الكائنات الأسوأ، وأي بُعد يهيمن على المشكلة، وأي الحقول تحديدًا تقود حالات الفشل.

## الخطوة 2: ترتيب الأولويات

ليست كل مشكلة تستحق الإلحاح نفسه. رتّب ما وجدته على محورين:

- **الأثر على العمل** — هل يقود هذا الحقل الإيرادات أو التقارير أو الأتمتة أو الذكاء الاصطناعي؟ غياب Opportunity Amount يشوّه التنبؤ؛ أما غياب رقم فاكس ثانوي فلا.
- **الجهد اللازم للإصلاح** — هل يمكن حلّ هذا بتحديث جماعي وقاعدة تحقق، أم يحتاج إلى تغيير في العملية وموافقة أصحاب المصلحة؟

ابدأ بالمشكلات عالية الأثر منخفضة الجهد. فهي تبني الزخم وتفرّغ القدرة لمعالجة المشكلات البنيوية الأصعب.

## الخطوة 3: الإصلاح

ينقسم الإصلاح إلى بضعة أنماط متكررة في Salesforce:

| المشكلة | الإصلاح المعتاد |
|---|---|
| القيم المفقودة (الاكتمال) | تحديث جماعي من مصدر موثوق؛ الإثراء؛ جعل الحقل إلزاميًا حيث يناسب |
| الصيغ غير الصالحة (الصلاحية) | تصحيح جماعي، ثم قاعدة تحقق تفرض الصيغة مستقبلًا |
| التكرارات (التفرّد) | دمج السجلات؛ إعداد قواعد التكرار والمطابقة (duplicate and matching rules) لحجب الجديدة |
| القيم غير المتسقة (الاتساق) | التوحيد القياسي على picklist مضبوطة؛ استبدال النص الحر بحقل مقيّد |
| السجلات القديمة (التوقيت) | سير عمل لإعادة التفاعل أو الأرشفة؛ وضع علامة على السجلات التي تجاوزت عتبة الحداثة |
| الـ PII المكشوفة | حدّدها بـ[اكتشاف الـ PII](/ar/resources/ai-readiness/pii-detection/)، ثم أخفِها أو قيّدها أو أزِلها |

إصلاح المتراكم الموجود ضروري، لكنه وحده أشبه بجهاز جري في المكان. تكمن الرافعة في الخطوة التالية.

## الخطوة 4: الوقاية

الفرق بين تنظيف لمرة واحدة وتحسين دائم هو الوقاية. الاقتصاديات تميل نحوها بقوة: قاعدة 1-10-100 من بحث إدارة الجودة (Labovitz و Chang، *Making Quality Work*، 1992) تقدّر أن الخطأ يكلّف 1 دولار لمنعه عند الإدخال، و 10 دولارات لتصحيحه لاحقًا، و 100 دولار بمجرّد وصوله إلى العملاء أو القرارات. يمنحك Salesforce أدوات تحكم أصلية لإيقاف البيانات الرديئة عند المصدر:

- **قواعد التحقق (validation rules)** ترفض القيم المشوّهة قبل حفظها.
- **الحقول الإلزامية** (في تخطيط الصفحة أو عبر التحقق) تسدّ ثغرات الاكتمال عند الإدخال.
- **قواعد التكرار والمطابقة** تحجب سجلات Accounts وContacts المكررة وقت إنشائها.
- **القوائم المنسدلة (picklists) بدلًا من النص الحر** تقضي على فئة كاملة من مشكلات الاتساق.
- **اتفاقيات التكامل** — الاتفاق على أي نظام يملك أي حقل — تمنع مصدرَين من الكتابة فوق أحدهما الآخر.

كل أداة تحكم تضيفها تخفّض معدّل ظهور المشكلات الجديدة، وهذا ما يحرّك الدرجة فعليًا عبر الزمن.

## الخطوة 5: المراقبة

يصبح أي إصلاح منفرد غير مرئي لحظة بدء تدفّق بيانات جديدة. جدوِل عمليات فحص متكررة — يومية أو أسبوعية أو شهرية — كي تصبح درجة جودة بياناتك خط اتجاه لا لقطة. فحين يبدأ تكامل جديد بكتابة بيانات رديئة، تنخفض الدرجة المراقَبة خلال أيام فتلتقط الأمر قبل أن يصل إلى تقرير أو نموذج ذكاء اصطناعي. وبدون مراقبة، تطفو المشكلة نفسها بعد أشهر على هيئة لوحة معلومات معطوبة لا يثق بها أحد.

## كيف يساعد DQS

يدعم Data Quality Sense الحلقة بأكملها داخل Salesforce، دون تصدير بيانات. تحدد ما يبدو عليه "الجيد" في Definition Builder، وتُجري فحصًا للحصول على درجة جودة بيانات مرجّحة مع تفصيل على مستوى الحقل، وتجدوله ليتكرر، وتتتبع الاتجاه في Insight Studio. يصبح الاكتشاف وترتيب الأولويات لوحة معلومات بدلًا من تمرين على جداول البيانات — بحيث تكون الحلقة شيئًا تشغّله باستمرار، لا مشروعًا تعيد إطلاقه كل ربع سنة.

## الخطوات التالية

- [جودة البيانات في Salesforce](/ar/resources/salesforce/data-quality-in-salesforce/): الدليل الكامل
- [كيف تقيس جودة البيانات في Salesforce](/ar/resources/salesforce/measure-data-quality-in-salesforce/): درجة جودة البيانات
- [الأخطاء الشائعة](/ar/resources/best-practices/common-pitfalls/): أخطاء تقوّض برامج جودة البيانات
- [بناء ثقافة جودة البيانات](/ar/resources/best-practices/building-data-quality-culture/): جعل التحسين راسخًا