Actualité : scénarios de configuration

Ce que couvrent ces scénarios

Cette page déroule trois configurations réelles de l’analyse d’actualité DQS. Chaque scénario couvre un problème métier précis, montre les paramètres exacts à utiliser et explique comment lire les résultats.

Ces pas à pas s’appuient sur les concepts de l’article principal Actualité.

Scénario 1 : fraîcheur de relance des Leads sur un champ date personnalisé

Le problème

Votre équipe commerciale suit dans un champ personnalisé Last_Outreach_Date__c sur l’objet Lead la date à laquelle chaque lead a été contacté pour la dernière fois. Les SDR mettent à jour ce champ manuellement. Le CRM affiche 8 000 leads ouverts, mais personne ne sait combien ont une relance récente. Certains leads n’ont jamais été contactés parce que le champ est resté vide. L’équipe sales ops a besoin d’un chiffre clair fresh vs stale pour prioriser la file.

Pourquoi un champ personnalisé ? Les champs date standards comme LastModifiedDate sont toujours renseignés et se mettent à jour automatiquement. Un champ personnalisé comme Last_Outreach_Date__c dépend de la saisie utilisateur. Il peut être null, obsolète ou à jour.

Configuration

C’est un contrôle de fraîcheur simple. Utilisez le mode Data Freshness sur l’objet Lead, en ciblant Last_Outreach_Date__c.

Last_Outreach_Date__c est un champ « dernier événement ». Freshness Rate est la bonne métrique principale.

Exemple de résultats

Total Leads : 8 000.

Lire les résultats

Commencez par la tête d’affiche : 38 % de fraîcheur. 62 % de vos leads ouverts, 4 960 enregistrements, n’ont pas eu de relance dans les 30 derniers jours.

Null As Stale est ON, donc les nulls comptent comme périmés. Si 1 200 de ces 4 960 enregistrements ont une date null, ces leads n’ont jamais été contactés. Les 3 760 autres ont une date de relance, mais plus ancienne que 30 jours.

Deux groupes, deux actions différentes :

• Pour les 1 200 nulls : ce sont des leads intouchés. Routez-les vers les SDR pour un premier contact.
• Pour les 3 760 avec dates anciennes : ce sont des leads où la relance a eu lieu mais l’engagement s’est arrêté. Examinez la distribution d’âges.

Que faire ensuite

Utilisez le taux de fraîcheur pour segmenter votre pool de leads. Créez une vue filtrée sur les 30 derniers jours et routez ces leads frais vers vos SDR en priorité. Suivez la fraîcheur dans le temps.

Scénario 2 : suivi des échéances de renouvellement de contrats

Le problème

Votre équipe customer success gère 2 500 contrats actifs. Les renouvellements sont suivis dans Contract_End_Date__c sur l’Account. L’équipe reçoit un rapport trimestriel des renouvellements à venir, mais les contrats qui passent leur échéance sans renouvellement passent inaperçus pendant des semaines.

Configuration

Utilisez le mode Advanced Data Freshness sur l’Account, en ciblant Contract_End_Date__c.

Contract_End_Date__c est un champ d’échéance. Overdue Rate est la bonne métrique principale.

Exemple de résultats

Métriques fondamentales :

Métriques avancées :

Total Accounts : 2 500.

Lire les résultats

Overdue Rate (14 %) est votre chiffre principal. 350 contrats sont à plus de 30 jours au-delà de leur date de fin sans être mis à jour. Ce sont des risques de fuite de chiffre d’affaires.

Freshness Rate (64 %) apporte le contexte. 64 % des dates tombent dans la dernière année.

Average Age (210 jours) révèle la profondeur du problème. Votre dataset penche vers des dates plus anciennes.

Future Rate (1,2 %) signale 30 enregistrements avec des dates futures. Pour des dates de fin de contrat, une date future est normale.

Le calcul métier : 350 contrats en retard au valeur moyenne représentent un vrai revenu en risque. Si la valeur annuelle moyenne est de 15 000 $, cela fait 5,25 M$ de contrats en retard.

Que faire ensuite

Construisez une file de priorité à partir des 350 contrats en retard. Triez par valeur de contrat et jours de retard. Assignez à un CSM pour relance immédiate. Lancez ce scan mensuellement.

Scénario 3 : nettoyage des dates pipeline après migration

Le problème

Votre entreprise a migré 12 000 Opportunities depuis un CRM legacy il y a six mois. Les rapports pipeline semblent faux : des affaires apparaissent dans des trimestres où elles n’ont pas leur place, et les totaux de prévision incluent des montants d’Opportunities vieilles d’années. L’équipe RevOps suspecte que CloseDate contient des dates legacy (certaines de 2015) et des placeholders (2099-12-31) injectés par l’outil de migration.

Configuration

Utilisez le mode Advanced Data Freshness sur Opportunity, en ciblant CloseDate.

Exemple de résultats

Métriques fondamentales :

Métriques avancées :

Total Opportunities : 12 000.

Lire les résultats

Operational Range Rate (71 %) est votre chiffre principal. 71 % des dates tombent dans la plage réaliste. 29 %, soit 3 480 enregistrements, ont des dates hors de cette plage.

Future Rate (9,5 %) signale 1 140 enregistrements avec des dates dans le futur. Certains sont normaux (Opportunities ouvertes avec dates à venir dans les 6 prochains mois). Les enregistrements signalés ici sont tous après aujourd’hui. Croisez avec la plage opérationnelle.

Décomposition hors plage :

Average Age (285 jours) confirme le poids des données legacy. Après nettoyage, attendez-vous à ce que ce chiffre chute.

Freshness Rate (52 %) donne la référence. Après retrait des 3 480 enregistrements hors plage, recalculez.

Que faire ensuite

Exportez les 3 480 enregistrements hors plage. Divisez en deux voies de nettoyage :

• Dates legacy (2 340) : passer en revue par stade. Fermez les affaires ouvertes mortes.
• Placeholders (1 140) : remplacez 2099-12-31 par des dates réalistes selon le stade et la date de création.

Après nettoyage, rescannez. Cible : Operational Range Rate au-dessus de 95 % et Freshness Rate au-dessus de 75 % pour le pipeline actif.

Choisir votre configuration

Pour la référence complète, revenez à l’article principal Actualité.

Passez l’évaluation de préparation à l’IA pour voir vos scores d’actualité.