الاكتمال: سيناريوهات الإعداد

ما تغطّيه هذه السيناريوهات

تستعرض هذه الصفحة ثلاثة إعدادات من العالم الحقيقي لتحليل اكتمال DQS. يغطّي كل سيناريو مشكلة عمل محدّدة، ويُظهر الإعدادات الدقيقة للاستخدام، ويشرح كيفية قراءة النتائج.

تبني هذه الجولات على المفاهيم من مقالة الاكتمال الرئيسية. اقرأها أولًا إذا كنت جديدًا على مقاييس الاكتمال أو قمع التشخيص.

السيناريو 1: نظافة البريد الإلكتروني على Contacts

المشكلة

يُبلّغ فريق المبيعات أن حملات البريد الإلكتروني لديها معدلات تسليم منخفضة. يلوم فريق عمليات التسويق البيانات، لكن لا أحد يعرف كم بيانات بريد إلكتروني مفقودة فعلًا. تحتاج إلى عدّ واضح لـ Contacts التي لا تحتوي على عنوان بريد إلكتروني قابل للاستخدام.

الإعداد

هذا فحص معدّل تعبئة مباشر. استخدم وضع Basic Completeness على كائن Contact، مستهدفًا حقل Email.

حقل Email هو حقل نصي في Salesforce، لذا ينتج DQS تفصيلات null و blank.

نتائج عيّنة

إجمالي سجلات Contact: 10000.

قراءة النتائج

ابدأ بالعنوان: اكتمال 73%. هذا يعني أن 2700 Contact ليس لديهم عنوان بريد إلكتروني. حملات بريدك الإلكتروني يمكن أن تصل إلى 7300 من أصل 10000 contact في أفضل الأحوال.

الآن امشِ عبر قمع التشخيص لفهم لماذا 2700 سجل فارغة.

Null Count: 1800. هذه Contacts لم يُدخَل لها بريد إلكتروني قط. الحقل لم يُمَسّ أبدًا. هذا النمط شائع مع السجلات المنشأة يدويًا حيث يتخطّى المندوبون حقل البريد الإلكتروني أثناء إدخال البيانات السريع، أو مع السجلات القديمة المستوردة من نظام لم يلتقط البريد الإلكتروني.

Blank Count: 900. هذه Contacts لديها سلسلة فارغة في حقل البريد الإلكتروني. الحقل كُتب إليه، ولكن بدون قيمة. يشير هذا النمط إلى سبب جذري مختلف: تكاملات نماذج الويب التي تُرسل السجل حتى عندما يُترك حقل البريد الإلكتروني فارغًا. يكتب التكامل '' (سلسلة فارغة) بدلًا من ترك الحقل null.

سببان جذريان يتطلّبان إصلاحَين مختلفين:

• للـ 1800 nulls: عالج ثغرة إدخال البيانات. اجعل حقل البريد الإلكتروني مطلوبًا على تخطيط صفحة Contact، أو أضف مطالبة أثناء إنشاء السجل.
• للـ 900 blanks: أصلح التكامل. أضف تحقّقًا من جانب العميل إلى نموذج الويب حتى لا تُرسَل حقول البريد الإلكتروني الفارغة، أو أضف قاعدة تحقّق في Salesforce ترفض السلاسل الفارغة على البريد الإلكتروني.

ماذا تفعل بعد ذلك

استخدم Empty Count (2700) لتحديد نطاق مشروع إثراء بيانات. إذا كنت تعمل مع مزوّد بيانات، فهذا هو عدد سجلاتك لتقدير التكلفة. تتبّع Completeness Rate عبر الزمن لقياس ما إذا كانت الإصلاحات تعمل.

السيناريو 2: كشف placeholder لـ Industry على Accounts

المشكلة

تُظهر تقارير تقسيم Account لديك أن 94% من Accounts لديها قيمة Industry. يثق فريق التسويق بهذا الرقم ويستخدمه لاستهداف الحملات. تشتبه في أن الـ 94% مُضخَّمة بقيم نائبة مثل «N/A» و«Unknown» التي تبدو كبيانات لكنها لا تحمل أي معلومات.

الإعداد

استخدم وضع Contextual Completeness على كائن Account، مستهدفًا حقل Industry. يُفعّل هذا الوضع كشف placeholder، وهو ما تحتاجه لاختبار نظريتك.

أوقف حساسية حالة الأحرف لهذا الفحص. يُدخل المستخدمون العناصر النائبة بجميع أنواع الأحرف الكبيرة والصغيرة: «n/a» و«N/a» و«N/A». التقاط جميع الاختلافات يمنحك الصورة الحقيقية.

نتائج عيّنة

إجمالي سجلات Account: 10000.

قراءة النتائج

الرقم الرئيسي يبدو صحيًّا: اكتمال 94%. لكن هذا بالضبط ما كنت تشتبه أنه مُضلّل.

انظر إلى الفجوة بين Empty Count و Incompleted Count. يقول Empty Count إن 600 سجل ليس لها قيمة على الإطلاق. يقول Incompleted Count إن 2400 سجل ليس لها قيمة قابلة للاستخدام. الفرق هو 1800 سجل بقيم placeholder.

إليك العملية الحسابية:

Incompleted Count (2400) = Empty Count (600) + Placeholder Count (1800)

600 سجل فارغ بوضوح. أي شخص يشغّل تقرير Salesforce قياسيًا سيكتشف هذه. لكن 1800 سجل يحتوي على قيم مثل «N/A» أو «Other» أو «Unknown» تُضخّم معدّل الاكتمال دون توفير بيانات تقسيم حقيقية.

الاكتمال الحقيقي القابل للاستخدام أقرب إلى 76%، لا 94%. تلك الفجوة 18 نقطة هي الاكتمال الخفي الذي تفوّته التقارير القياسية.

لماذا يهمّ هذا للتقسيم: إذا شغّل التسويق حملة تستهدف Accounts من صناعة «Technology»، فإن عدّ القطاع دقيق. لكن إذا شغّلوا تقريرًا يُظهر إجمالي التغطية حسب الصناعة، فإن العنوان 94% يُخفي حقيقة أن ما يقارب 1 من كل 5 سجلات «معبّأة» لا تحمل أي معلومات صناعة قابلة للاستخدام. تعيينات المناطق، والتوجيه القائم على الصناعة، ولوحات المعلومات التنفيذية كلها ترث هذا التشويه.

ماذا تفعل بعد ذلك

حدّد نطاق مشروع إثراء البيانات إلى 2400 سجل، لا 600. هدف التنظيف هو Incompleted Count، لا Empty Count. اعمل مع مديري Account لملء قيم صناعة حقيقية، أو استخدم خدمة إثراء. شغّل الفحص مرة أخرى بعد التنظيف لقياس التحسّن.

السيناريو 3: عمق Case Description للجاهزية للذكاء الاصطناعي

المشكلة

تقيّم شركتك أداة ذكاء اصطناعي تُلخّص أوصاف Case لوكلاء الدعم. يقول المزوّد إن الذكاء الاصطناعي يحتاج إلى «بيانات نصية غنية» ليعمل بفعالية. قبل الاستثمار في الأداة، تحتاج إلى تقييم ما إذا كان حقل Description في Cases لديه محتوى كافٍ ليُنتج الذكاء الاصطناعي ملخّصات مفيدة.

الإعداد

استخدم وضع Contextual Completeness على كائن Case، مستهدفًا حقل Description. تحتاج إلى المجموعة الكاملة من المقاييس السياقية: كشف placeholder ومقاييس جودة النص (Rich Text Ratio و Text Field Utilization و Average Utilization).

قائمة placeholder هنا تعكس كيف يملأ وكلاء الدعم فعلًا حقل Description. بدلًا من كتابة وصف حقيقي، يكتبون اختصارًا سريعًا. هذه الإدخالات معبّأة تقنيًا لكنها لا تُعطي الذكاء الاصطناعي ما يُلخّصه.

نتائج عيّنة

إجمالي سجلات Case: 4200 (مقدّرة من الأعداد الفارغة + المعبّأة، حيث 500 فارغة من أصل ~4200 إجمالي تعطي معدّل اكتمال 88%).

قراءة النتائج

ابدأ بالعنوان: اكتمال 88%. يبدو ذلك صحيًّا لحقل نصي. لكن هذا التحليل يتعلّق بالجاهزية للذكاء الاصطناعي، لا بنظافة البيانات. الرقم الرئيسي ليس كافيًا.

Incompleted Count مقابل Empty Count. 500 سجل ليس لها وصف على الإطلاق. لكن 1800 سجل غير مكتملة عندما تُدرج placeholders. الفجوة البالغة 1300 سجل تحتوي على إدخالات مثل «See email» و«Call back» و«Pending». تمرّ هذه السجلات من فحص اكتمال أساسي لكنها لا تُعطي الذكاء الاصطناعي ما يعمل به.

Rich Text Ratio: 31%. هذا هو الرقم الذي يُجيب عن سؤالك. 31% فقط من أوصاف Case لديها محتوى ذي معنى فوق عتبة عدد الأحرف. الـ 69% الأخرى من الأوصاف «المعبّأة» هي إما عناصر نائبة (مُعدّة بالفعل أعلاه) أو إدخالات قصيرة جدًّا وضحلة على الذكاء الاصطناعي أن يُلخّصها، أشياء مثل «تم الإبلاغ عن المشكلة» أو «اتصل العميل» أو «تصعيد».

Text Field Utilization: 12%. حقل Description هو Long Text Area بسعة أحرف كبيرة. تستخدم السجلات 12% فقط من تلك السعة في المتوسط عبر مجموعة البيانات. هذا يؤكّد أن معظم الإدخالات قصيرة جدًّا.

Average Utilization: 8,4%. متوسّط الاستخدام عبر جميع السجلات هو 8,4% من سعة الحقل. معظم الأوصاف عبارة عن بضع كلمات، لا فقرات.

حكم الجاهزية للذكاء الاصطناعي: ستُنتج أداة التلخيص بالذكاء الاصطناعي نتائج مفيدة لحوالي 31% من Cases. للـ 69% المتبقية، سيفشل الذكاء الاصطناعي في توليد ملخّص أو سيُنتج شيئًا بناءً على جزء من جملة. ستُقصّر الأداة على أكثر من ثلثَي حجم حالاتك.

ماذا تفعل بعد ذلك

قدّم هذه البيانات إلى أصحاب المصلحة قبل الالتزام بأداة الذكاء الاصطناعي. الأرقام توضّح الحجة: يحتاج مشروع الذكاء الاصطناعي إلى مرحلة إثراء بيانات أولًا. عرّف Rich Text Ratio هدفًا (ابدأ بـ 60% أو أعلى) وابنِ خطة لتحسين جودة الوصف. تشمل الخيارات:

• تحديث عمليات إنشاء Case لطلب حدّ أدنى لطول الوصف
• تدريب وكلاء الدعم على كتابة أوصاف مفيدة
• إضافة screen flows تطالب بمعلومات تفصيلية أثناء تلقي Case

شغّل الفحص مرة أخرى بعد كل دورة تحسين. تتبّع Rich Text Ratio كمقياس تقدّم أساسي للجاهزية للذكاء الاصطناعي.

اختيار إعدادك

استخدم هذا الجدول لاختيار نقطة البداية الصحيحة لتحليل الاكتمال لديك.

للحصول على مرجع كامل لجميع مقاييس الاكتمال الثلاثة عشر وكيف تتناسب مع قمع التشخيص، عُد إلى مقالة الاكتمال الرئيسية.

لترى كيف يؤثّر الاكتمال وأبعاد جودة البيانات الأخرى على جاهزيتك للذكاء الاصطناعي، أجرِ تقييم الجاهزية للذكاء الاصطناعي.