Aktualität

Was ist Aktualität?

Aktualität misst, ob Ihre Datumswerte für ihre beabsichtigte Nutzung aktuell genug sind. Ein Datumsfeld ist aktuell, wenn es in Ihr akzeptables Frische-Fenster fällt. Ein Datumsfeld ist veraltet, wenn es jenseits dieses Fensters liegt, was bedeutet, dass die Daten nicht mehr die gegenwärtige Realität widerspiegeln.

Jedes Datumsfeld in Ihrem CRM trägt eine zeitbasierte Erwartung. Ein LastActivityDate, das 18 Monate alt ist, signalisiert einen toten Lead. Ein Contract_End_Date__c, das auf 2099 gesetzt ist, ist ein Platzhalter, keine echte Frist. Ein Date_of_Birth__c in der Zukunft ist ein Dateneingabefehler. Aktualitätsanalyse fängt all diese ab.

Freshness Rate = (Datensätze mit Datum im Frische-Fenster / Gesamtdatensätze) x 100

Wenn 659 von 1.000 Datensätzen ein Last_Certification_Date__c innerhalb der letzten 90 Tage haben, beträgt Ihre Freshness Rate 65,9 %. Die verbleibenden 34,1 % sind entweder veraltet, null oder zukunftsdatiert. Diese einzelne Zahl sagt Ihnen, wie aktuell ein Feld in Ihrem Datensatz ist.

Warum Aktualität wichtig ist

Reporting

Veraltete Daten verzerren Ihre Analysen. Wenn 30 % Ihrer Opportunity-CloseDate-Werte bei offenen Deals in der Vergangenheit liegen, zeigen Ihre Pipeline-Berichte Deals, die feststecken, ignoriert oder bereits verloren sind, aber nie aktualisiert wurden. Auf diesen Daten aufgebaute Prognosen führen die Führung in die Irre.

Automatisierung

Salesforce-Automatisierung hängt von Datumswerten ab. Ein Renewal-Workflow, der 30 Tage vor Contract_End_Date__c auslöst, schlägt fehl, wenn das Datum fünf Jahre alt ist. Eine SLA-Eskalation, die auf Due_Date__c auslöst, triggert Fehlalarme, wenn das Datum nach der Lösung nie aktualisiert wurde.

KI und Agentforce

KI-Modelle behandeln Ihre Datumswerte als aktuelle Wahrheit. Agentforce nutzt Daten, um Aktionen zu priorisieren, Nachverfolgungen zu planen und Dringlichkeit zu bewerten. Wenn Ihre Daten veraltet sind, empfiehlt das Modell, Leads zu kontaktieren, die vor zwei Jahren gegangen sind, markiert Verträge, die vor Monaten verlängert wurden, und übersieht diejenigen, die tatsächlich Aufmerksamkeit benötigen.

Wie DQS Aktualität misst

DQS erzeugt 6 Aktualitätsmetriken rund um eine diagnostische Frage: „Sind die Daten aktuell, wie alt sind sie, und gibt es Daten, die keinen Sinn ergeben?”

Betrachten Sie diese Metriken als diagnostischen Ablauf. Jeder Schritt baut auf dem vorherigen auf.

Schritt 1: Sind die Daten aktuell?

Freshness Rate ist die Leitmetrik. Sie berechnet den Prozentsatz der Datensätze, bei denen der Wert des Datumsfelds in Ihr konfiguriertes Frische-Fenster fällt (z. B. die letzten 90 Tage). Dies ist die Zahl, die Sie auf ein Dashboard setzen.

Sie führen einen Scan auf dem Feld LastActivityDate für Opportunities mit einem 30-Tage-Frische-Fenster durch. Freshness Rate kommt mit 41 % zurück. Das bedeutet, 59 % Ihrer offenen Opportunities hatten im letzten Monat keine Aktivität. Pipeline-Reviews, Prognosegenauigkeit und Vertriebscoaching arbeiten alle mit veralteten Signalen.

Staleness Rate quantifiziert die Problemseite. Sie misst den Prozentsatz der Datensätze, bei denen das Datumsfeld null oder älter als das Frische-Fenster ist. Zukunftsdatierte Datensätze werden von der Staleness ausgeschlossen, da sie ein anderer Problemtyp sind (erfasst von Future Rate).

Beispiel: Contract_End_Date__c auf Accounts zeigt 28 % Staleness Rate mit einem 365-Tage-Fenster. Fast ein Drittel Ihrer Verträge zeigt Enddaten mehr als ein Jahr in der Vergangenheit. Dies sind entweder abgelaufene Verträge, die noch als aktiv markiert sind, oder Verträge, die verlängert, aber nie aktualisiert wurden. In jedem Fall ist Ihre Renewal-Pipeline ungenau.

Die dreiteilige Zerlegung

Jeder Datensatz fällt in genau eine von drei Kategorien. Die Raten summieren sich immer zu 100 %:

Diese Zerlegung gibt jeder Kategorie eine distinkte Bedeutung. Ein Stakeholder, der fragt „welcher Prozentsatz ist veraltet?”, erhält eine Zahl, die „veraltet oder fehlend” bedeutet, nicht „veraltet oder fehlend oder unmöglich zukunftsdatiert”.

Schritt 2: Wie alt ist es?

Freshness Rate ist binär: ein Datensatz ist entweder frisch oder veraltet. Average Age fügt Nuancen hinzu.

Average Age berechnet die mittlere Anzahl an Tagen zwischen dem Wert jedes vergangenheitsdatierten Datensatzes und heute, geteilt durch die Gesamtdatensätze. Nulls und zukünftige Daten tragen 0 zur Summe bei, werden aber im Nenner gezählt.

Zwei Felder können beide 60 % Frische zeigen, aber eines hat ein Durchschnittsalter von 15 Tagen (meist jüngere, ein paar Ausreißer), während das andere einen Durchschnitt von 90 Tagen hat (gleichmäßig verteilte Veraltung). Die Behebungsstrategie unterscheidet sich. Ein Feld mit niedrigem Durchschnittsalter benötigt gezielte Bereinigung einiger alter Datensätze. Ein Feld mit hohem Durchschnittsalter benötigt einen breiteren Auffrischungsaufwand.

Beispiel: Last_Contacted_Date__c auf Leads hat 55 % Frische (30-Tage-Fenster) und ein Durchschnittsalter von 45 Tagen. Die Veraltung ist nicht gravierend, da die meisten veralteten Datensätze leicht außerhalb des Fensters liegen. Eine schnelle Outreach-Kampagne kann die Freshness Rate signifikant verschieben.

Schritt 3: Gibt es Anomalien?

Zwei Metriken erfassen Daten, die nicht hingehören.

Future Rate misst den Prozentsatz der Datensätze, bei denen der Datumswert in der Zukunft liegt. Für historische Datumsfelder wie Created Date, Last Modified Date oder Date_of_Birth__c sind zukünftige Daten fast immer Fehler: Zeitzonenprobleme, Dateneingabefehler oder Platzhalterwerte wie 2099-12-31.

Beispiel: Date_of_Birth__c auf Contacts zeigt eine Future Rate von 0,8 %. Das sind 400 Datensätze von 50.000 mit Geburtstagen in der Zukunft. Diese brechen altersbasierte Segmentierung, Compliance-Prüfungen und Marketingkampagnen, die nach Altersgruppe filtern.

Operational Range Rate misst den Prozentsatz der Datensätze, bei denen der Datumswert in eine definierte operative Grenze fällt (ein Mindestdatum und ein Höchstdatum, die Sie konfigurieren). Daten außerhalb dieses Bereichs werden als Anomalien markiert.

Einige Datumsfelder haben natürliche Grenzen. Ein Hire_Date__c vor 1950 ist falsch. Ein Project_Deadline__c, das auf 2099 gesetzt ist, ist ein Platzhalter. Operational Range Rate fängt diese Ausreißer ab, die grundlegende Frischeprüfungen bestehen, weil das Feld befüllt ist, nur mit unrealistischen Werten.

Beispiel: Sie setzen einen operativen Bereich von 365 Tagen in der Vergangenheit bis 0 Tagen in der Zukunft auf Close_Date__c für Opportunities. Operational Range Rate beträgt 84 %. Untersuchungen zeigen 200 Datensätze mit Close-Daten aus 2005 (aus einem Legacy-System migriert) und 50 Datensätze mit Close-Daten in 2099 (Platzhalter aus einer Integration). Beide Gruppen verzerren Ihre Pipeline-Analysen.

Hinweis: Wenn Ihr Maximum des operativen Bereichs auf 0 (heute) gesetzt ist, sind alle zukünftigen Daten ebenfalls außerhalb des Bereichs. Future Rate und Operational Range Rate überschneiden sich bei zukunftsdatierten Datensätzen. Sie sind komplementäre, nicht additive Ansichten.

Schritt 4: Werden Fristen eingehalten?

Overdue Rate misst den Prozentsatz der Datensätze, bei denen das Datumsfeld nach dem heutigen Datum liegt, mit einer optionalen Kulanzfrist. Es ist speziell für Fristen-Typ-Felder konzipiert, bei denen „überfällig” geschäftliche Bedeutung hat.

Overdue Rate unterscheidet sich auf zwei Arten von Staleness Rate. Erstens fügt es einen konfigurierbaren Kulanzfrist-Puffer hinzu (z. B. 14 Tage), sodass der Scan Datensätze nicht am Tag nach der Frist als überfällig markiert. Zweitens zielt es auf Felder wie Renewal-Daten, Zertifizierungsdaten und Vertragsenddaten ab, bei denen ein vergangenes Datum bedeutet, dass Handeln erforderlich ist.

Beispiel: Renewal_Date__c auf Contracts mit einer 30-Tage-Kulanzfrist zeigt eine Overdue Rate von 12 %. Das bedeutet, 12 % der Verträge sind mehr als 30 Tage über ihrem Renewal-Datum, ohne verlängert oder abgeschlossen zu sein. Dies sind Umsatzverlust-Risiken.

„Last Event” vs. „Deadline”-Felder

Nicht jede Aktualitätsmetrik passt zu jedem Feld. Overdue Rate liest sich tautologisch hoch auf „Last Event”-Feldern, weil die meisten Ereignisse per Definition in der Vergangenheit liegen. Wählen Sie Ihre Leitmetrik basierend auf dem Feldtyp:

Warum alle Metriken die Gesamtdatensätze verwenden

Alle 6 Aktualitätsmetriken verwenden denselben Nenner: Gesamtdatensätze, einschließlich Nulls. Dies hält jede Metrik innerhalb desselben Scans vergleichbar. Wenn eine Metrik Nulls ausschließen würde und eine andere sie einschließen würde, würde ein Stakeholder, der „Frische 66 % vs. Zukunft 1,6 %” vergleicht, zwei verschiedene Universen vergleichen, ohne es zu wissen.

Wenn Null As Stale aktiviert ist, zählen null-Datensätze gegen die Frische (sie sind im Nenner, aber nicht im Frische-Zähler). Wenn deaktiviert, werden Nulls sowohl aus dem Zähler als auch aus dem Nenner ausgeschlossen, und Frische wird nur über befüllte Datensätze berechnet.

Metrik-Referenz

Basismetriken

Diese 2 Metriken bilden die Basis jeder Aktualitätsanalyse. Sie beantworten die Kernfrage: sind diese Daten aktuell?

Erweiterte Metriken

Diese 4 Metriken gehen über „ist es aktuell?” hinaus, um Altersverteilung, Datumsanomalien und Fristeinhaltung zu analysieren. Sie erfordern den Analysemodus Advanced Data Freshness.

Feldtyp-Abdeckung

DQS misst Aktualität nur auf Date- und DateTime-Feldern. Aktualität ist inhärent zeitlich. Im Gegensatz zur Vollständigkeit (die auf allen 20+ Feldtypen funktioniert) gilt Aktualität nur für Felder, die Zeitpunkte darstellen.

Zwei Analysemodi

DQS bietet zwei Aktualitätsanalysemodi:

Data Freshness beantwortet die Frage: „Sind die Daten aktuell oder veraltet?” Es erzeugt die 2 Basismetriken und deckt die Grundlagen für jede Org mit datumssensitiven Prozessen ab. Verwenden Sie diesen Modus für schnelle Hygieneprüfungen und Baseline-Audits.

Advanced Data Freshness geht tiefer. Es erzeugt alle 6 Metriken, einschließlich Durchschnittsalter, Future-Date-Anomalien, Überfälligkeits-Tracking und operativer Bereichskonformität. Verwenden Sie diesen Modus, wenn Sie das vollständige Bild der Datumsqualität verstehen müssen, nicht nur den Frische-Score.

Aktualität konfigurieren

DQS bietet fünf Konfigurationseingaben für Aktualität. Jede kann auf globaler Ebene (gilt für alle Felder) festgelegt und auf Feldebene überschrieben werden.

Tipp: Verschiedene Datumsfelder haben verschiedene Frische-Erwartungen. Ein LastActivityDate auf offenen Opportunities benötigt ein 30-Tage-Fenster. Ein Contract_End_Date__c auf Accounts benötigt 365 Tage. Verwenden Sie Feldüberschreibungen, um das richtige Fenster für jedes Feld festzulegen.

Wahl Ihres Frische-Fensters

Das Frische-Fenster ist die wichtigste Konfigurationsentscheidung für Aktualität. Hier sind Ausgangspunkte nach Feldtyp:

Konfiguration des operativen Bereichs

Der operative Bereich verwendet „Tage in Vergangenheit” und „Tage in Zukunft” statt absoluter Daten. DQS konvertiert diese zur Scan-Zeit mit dem heutigen Datum in absolute Daten.

Beispiel: Sie setzen 365 Tage in der Vergangenheit und 0 Tage in der Zukunft. Am 22. Februar 2026 konvertiert DQS dies in den Bereich 22. Februar 2025 bis 22. Februar 2026. Jedes Datum vor dem 22. Februar 2025 oder nach heute liegt außerhalb des Bereichs.

Dies bedeutet, dass sich der Bereich täglich nach vorne verschiebt. Ein Datensatz, der heute im Bereich ist, kann morgen aus dem Bereich fallen, wenn sich das Fenster bewegt.

Häufige Aktualitätsprobleme

Veraltete Aktivitätsdaten auf offenen Opportunities

Sales-Reps hören auf, Opportunities zu aktualisieren, lassen sie aber in einer „offenen” Phase. Das LastActivityDate altert stillschweigend. Ihre Pipeline-Berichte zeigen aktive Deals, aber die Daten offenbaren, dass niemand sie seit Monaten berührt hat.

Fix: Setzen Sie ein 30-Tage-Frische-Fenster auf LastActivityDate für offene Opportunities. Verwenden Sie die Staleness Rate, um abzugrenzen, wie viele Deals Nachverfolgung oder Phasenkorrektur benötigen.

Zukünftige Platzhalterdaten

Integrationen und Massenimporte verwenden oft Platzhalterdaten wie 2099-12-31 für Felder, die einen Wert erfordern. Diese Platzhalter sehen wie befüllte Daten aus, verzerren aber jede zeitbasierte Analyse.

Fix: Verwenden Sie Future Rate, um Datensätze mit Daten nach heute zu identifizieren. Verwenden Sie Operational Range Rate, um sowohl weit-zukünftige Platzhalter als auch uralte Legacy-Daten in einer einzigen Metrik zu erfassen.

Nie aktualisierte abgelaufene Verträge

Verträge erneuern sich, aber das Contract_End_Date__c wird nie auf das neue Ablaufdatum aktualisiert. Ihr System zeigt abgelaufene Verträge neben aktiven, ohne dass man den Unterschied ohne Datumsprüfung erkennen kann.

Fix: Aktivieren Sie Overdue Tracking mit einer Kulanzfrist, die zu Ihrem Renewal-Zyklus passt (z. B. 30 Tage). Overdue Rate zeigt Ihnen genau, wie viele Verträge überfällig und nicht erneuert sind.

Null-Daten, die Veraltung verbergen

Wenn Null As Stale deaktiviert ist (Standard), werden null-Daten vollständig von der Auswertung ausgeschlossen. Wenn 20 % Ihrer Datensätze null-Daten haben, wird Ihre Freshness Rate nur über die verbleibenden 80 % berechnet. Dies kann Ihre Zahlen gesünder aussehen lassen, als sie sind.

Fix: Aktivieren Sie Null As Stale, wenn null-Daten fehlende Daten darstellen, die Aufmerksamkeit benötigen. Dies schließt Datensätze ein, bei denen nie Aktivität stattgefunden hat, oder Felder, die während der Migration nie befüllt wurden.

Best Practices

Wählen Sie die richtige Leitmetrik

Freshness Rate ist die richtige Leitmetrik für „Last Event”-Felder (wann wurde dies zuletzt aktualisiert?). Overdue Rate ist die richtige Leitmetrik für Fristen-Felder (ist dies überfällig?). Overdue Rate auf einem LastActivityDate zu präsentieren, erzeugt eine irreführend hohe Zahl, weil die meisten Aktivitäten per Natur in der Vergangenheit liegen.

Feldspezifische Fenster setzen

Ein einzelnes Frische-Fenster über alle Datumsfelder verfehlt den Punkt. Aktivitätsdaten benötigen enge Fenster (30 Tage). Vertragsdaten benötigen breitere Fenster (365 Tage). Zertifizierungsdaten hängen vom Erneuerungszyklus Ihrer Branche ab. Verwenden Sie Feldüberschreibungen, um den geschäftlichen Kontext jedes Feldes zu treffen.

Durchschnittsalter zur Behebungsplanung verwenden

Freshness Rate sagt Ihnen, wie groß das Problem ist. Average Age sagt Ihnen, wie schlimm. Ein Feld mit 40 % Veraltung und einem Durchschnittsalter von 45 Tagen benötigt eine schnelle Outreach-Kampagne. Ein Feld mit 40 % Veraltung und einem Durchschnittsalter von 400 Tagen benötigt ein Datenanreicherungsprojekt. Gleicher Prozentsatz, verschiedener Fix.

Trends über Scans verfolgen

Ein einzelner Scan zeigt den aktuellen Zustand. Führen Sie regelmäßig Scans aus, um Frische-Verschlechterungen zu erkennen, die Auswirkungen von Bereinigungsinitiativen zu messen und Datenquellen zu identifizieren, die veraltete Datensätze einführen. Ein Feld, das zwischen Scans von 80 % auf 60 % Frische fällt, hat eine neue Problemquelle.

Aktualität mit Vollständigkeit kombinieren

Ein Datumsfeld kann zu 95 % vollständig, aber nur zu 50 % frisch sein. Vollständigkeit sagt Ihnen, dass das Feld einen Wert hat. Aktualität sagt Ihnen, ob dieser Wert aktuell ist. Führen Sie beide Dimensionen auf Ihren Datumsfeldern aus, um das vollständige Bild zu erhalten.

Nächste Schritte

Sie verstehen jetzt, wie man Datumsfrische-Probleme misst und diagnostiziert. Lernen Sie weiter über die nächste Dimension:

• In Salesforce: Datenqualität in Salesforce - halten Sie Salesforce-Datensätze aktuell
• Nächste: Konsistenz - Stellen Sie einheitliche Datenstandardisierung sicher
• Vorherige: Eindeutigkeit - Erkennen und verhindern Sie Dubletten
• Verwandt: Die fünf Dimensionen - Überblick über alle Dimensionen
• Aktion: AI Readiness Assessment - Sehen Sie Ihre aktuellen Aktualitäts-Scores