ये Scenarios क्या Cover करते हैं
यह page DQS completeness analysis के तीन real-world configurations के माध्यम से walk-through करती है। प्रत्येक scenario एक specific business problem cover करता है, use करने के exact settings दिखाता है, और results कैसे read करें explain करता है।
ये walkthroughs main Completeness article के concepts पर build करती हैं। यदि आप completeness metrics या diagnostic funnel में नए हैं तो पहले वह पढ़ें।
Scenario 1: Contacts पर Email Hygiene
समस्या
आपकी sales team report करती है कि email campaigns की low delivery rates हैं। Marketing operations team data को blame करती है, लेकिन किसी को नहीं पता कि वास्तव में email data कितना missing है। आपको bिना usable email address के Contacts की clear count चाहिए।
Configuration
यह एक straightforward fill rate check है। Contact object पर Email field को target करते हुए Basic Completeness mode उपयोग करें।
| Setting | Value | क्यों |
|---|---|---|
| Analysis Mode | Basic Completeness | आपको fill rate और breakdown चाहिए, placeholder detection नहीं |
| Blank As Incomplete | ON | Form submissions से empty strings catch करें, केवल nulls नहीं |
| Placeholders As Incomplete | OFF | Email fields में “N/A” जैसे placeholder values कम ही होते हैं |
Email field Salesforce में text-based field है, इसलिए DQS दोनों null और blank breakdowns produce करता है।
Sample Results
| Metric | Value |
|---|---|
| Completeness Rate | 73% |
| Empty Count | 2,700 |
| Populated Count | 7,300 |
| Null Count | 1,800 |
| Null Rate | 18% |
| Blank Count | 900 |
| Blank Rate | 9% |
कुल Contact records: 10,000।
Results पढ़ना
Headline से शुरू करें: 73% completeness। इसका मतलब है 2,700 Contacts में कोई email address नहीं है। आपके email campaigns अधिकतम 10,000 में से 7,300 contacts तक ही reach कर सकते हैं।
अब क्यों 2,700 records empty हैं यह समझने के लिए diagnostic funnel के माध्यम से चलें।
Null Count: 1,800. इन Contacts में कभी email enter नहीं हुई। Field को कभी touch नहीं किया गया। यह pattern fast data entry के दौरान email field skip करने वाले reps के साथ manually created records के साथ common है।
Blank Count: 900. इन Contacts के email field में empty string है। Field को write किया गया, लेकिन कोई value नहीं। यह pattern एक अलग root cause की ओर point करता है: web form integrations जो record submit करते हैं जब email field empty रह जाती है।
दो root causes दो अलग fixes की जरूरत हैं:
- 1,800 nulls के लिए: Data entry gap address करें। Contact page layout पर email field को required बनाएँ।
- 900 blanks के लिए: Integration fix करें। Web form में client-side validation add करें।
आगे क्या करें
Data enrichment project scope करने के लिए Empty Count (2,700) उपयोग करें। यदि आप data vendor के साथ काम करते हैं, तो यह आपका record count है cost estimation के लिए। Fixes काम कर रहे हैं या नहीं यह measure करने के लिए समय के साथ Completeness Rate track करें।
Scenario 2: Accounts पर Industry Placeholder Detection
समस्या
आपकी Account segmentation reports दिखाती हैं कि 94% Accounts में Industry value है। Marketing इस number को trust करती है और इसे campaign targeting के लिए use करती है। आपको suspect है कि 94% “N/A” और “Unknown” जैसे placeholder values से inflated है जो data जैसे लगते हैं लेकिन कोई information नहीं carry करते।
Configuration
Account object पर Industry field को target करते हुए Contextual Completeness mode उपयोग करें। यह mode placeholder detection enable करता है।
| Setting | Value | क्यों |
|---|---|---|
| Analysis Mode | Contextual Completeness | Placeholder detection और content quality metrics enable करता है |
| Blank As Incomplete | ON | Nulls के साथ empty strings catch करें |
| Placeholders As Incomplete | ON | इस analysis का core यही है |
| Placeholder Values | N/A, TBD, Unknown, Other, None, Not Applicable, - | Picklist fields के लिए common placeholder values |
| Case-Sensitive Placeholders | OFF | ”n/a”, “tbd”, “unknown” और अन्य case variations catch करें |
Sample Results
| Metric | Value |
|---|---|
| Completeness Rate | 94% |
| Empty Count | 600 |
| Populated Count | 9,400 |
| Incompleted Count | 2,400 |
| Placeholder Count | 1,800 |
| Placeholder Rate | 18% |
कुल Account records: 10,000।
Results पढ़ना
Headline number healthy लगती है: 94% completeness। लेकिन यह exactly वही है जो आपको suspect था कि misleading है।
Empty Count और Incompleted Count के बीच gap देखें। Empty Count कहती है 600 records में कोई value नहीं है। Incompleted Count कहती है 2,400 records में कोई usable value नहीं है। Difference 1,800 records हैं जिनमें placeholder values हैं।
Math:
Incompleted Count (2,400) = Empty Count (600) + Placeholder Count (1,800)600 records visibly empty हैं। लेकिन 1,800 records में “N/A”, “Other”, या “Unknown” जैसे values हैं जो completeness rate inflate करते हैं बिना real segmentation data provide किए।
True usable completeness 76% के करीब है, 94% नहीं। वह 18-point gap hidden incompleteness है जिसे standard reports miss करती हैं।
Segmentation के लिए यह क्यों matter करता है: यदि marketing एक campaign चलाती है “Technology” industry Accounts को target करते हुए, तो segment count accurate है। लेकिन यदि वे industry द्वारा total coverage दिखाने वाली report चलाती हैं, तो 94% headline यह छुपाती है कि लगभग 5 में से 1 “populated” record में कोई usable industry information नहीं है।
आगे क्या करें
600 नहीं, 2,400 records के लिए अपना data enrichment project scope करें। Cleanup target Incompleted Count है, Empty Count नहीं।
Scenario 3: AI Readiness के लिए Case Description Depth
समस्या
आपकी कंपनी एक AI tool evaluate कर रही है जो support agents के लिए Case descriptions summarize करता है। Vendor कहता है कि AI को effectively काम करने के लिए “rich text data” चाहिए। Tool में invest करने से पहले, आपको assess करना होगा कि आपकी Case Description field में AI के लिए useful summaries produce करने के लिए पर्याप्त substance है।
Configuration
Case object पर Description field को target करते हुए Contextual Completeness mode उपयोग करें। आपको contextual metrics का full set चाहिए: placeholder detection और text quality metrics (Rich Text Ratio, Text Field Utilization, Average Utilization)।
| Setting | Value | क्यों |
|---|---|---|
| Analysis Mode | Contextual Completeness | AI readiness evaluation के लिए content depth metrics produce करता है |
| Blank As Incomplete | ON | Empty descriptions catch करें |
| Placeholders As Incomplete | ON | Shallow filler entries catch करें |
| Placeholder Values | See email, Call back, TBD, N/A, -, Pending | Common shortcuts जो agents real descriptions की बजाय use करते हैं |
Sample Results
| Metric | Value |
|---|---|
| Completeness Rate | 88% |
| Empty Count | 500 |
| Populated Count | 3,700 |
| Incompleted Count | 1,800 |
| Placeholder Count | 1,300 |
| Rich Text Ratio | 31% |
| Text Field Utilization | 12% |
| Average Utilization | 8.4% |
कुल Case records: 4,200।
Results पढ़ना
Headline से शुरू करें: 88% completeness। एक text field के लिए healthy लगती है। लेकिन यह analysis AI readiness के बारे में है, data hygiene नहीं। Headline number पर्याप्त नहीं है।
Incompleted Count बनाम Empty Count. 500 records में कोई description नहीं है। लेकिन placeholders include करने पर 1,800 records incomplete हैं। 1,300 records का gap “See email”, “Call back”, और “Pending” जैसी entries contain करता है।
Rich Text Ratio: 31%. यह वह number है जो आपके प्रश्न का उत्तर देती है। केवल 31% Case descriptions में character threshold से ऊपर meaningful content है। अन्य 69% “populated” descriptions या तो placeholders हैं या entries जो AI के summarize करने के लिए बहुत short और shallow हैं।
Text Field Utilization: 12%. Description field large character capacity वाला Long Text Area है। Records उस capacity का औसतन केवल 12% use कर रहे हैं। यह confirm करता है कि अधिकांश entries बहुत short हैं।
Average Utilization: 8.4%. सभी records में field capacity का mean usage 8.4% है। अधिकांश descriptions कुछ शब्दों की हैं, paragraphs नहीं।
AI readiness verdict: AI summarization tool लगभग 31% Cases के लिए useful results produce करेगा। शेष 69% के लिए, AI या तो summary generate करने में fail होगा या एक sentence fragment पर based कुछ produce करेगा।
आगे क्या करें
AI tool commit करने से पहले stakeholders को यह data present करें। Numbers clearly case बनाते हैं: AI project को पहले एक data enrichment phase की जरूरत है। एक target Rich Text Ratio define करें (60% या higher से शुरू करें) और description quality improve करने के लिए plan build करें। Options include करते हैं:
- Case creation processes update करें minimum description length require करने के लिए
- Support agents को useful descriptions लिखने पर train करें
- Case intake के दौरान detailed information के लिए prompt करने वाले screen flows add करें
प्रत्येक improvement cycle के बाद scan फिर चलाएँ। AI readiness के लिए primary progress metric के रूप में Rich Text Ratio track करें।
अपना Configuration चुनना
अपने completeness analysis के लिए right starting point pick करने के लिए इस table का उपयोग करें।
| यदि आपको करना है… | यहाँ से शुरू करें | Key Settings |
|---|---|---|
| Hygiene audit के लिए basic fill rates check करें | Basic Completeness | Blank As Incomplete: ON |
| Numbers inflate करने वाले placeholder values detect करें | Contextual Completeness | Placeholders As Incomplete: ON, अपनी placeholder list define करें |
| AI readiness के लिए content depth assess करें | Contextual Completeness | Placeholders As Incomplete: ON, Rich Text Ratio और Utilization metrics review करें |
| Data cleanup project scope करें | Either mode | Empty Count (basic) या Incompleted Count (contextual) record counts के लिए उपयोग करें |
| ”Never entered” और “cleared” data के बीच distinguish करें | Either mode | Root causes identify करने के लिए Null Count बनाम Blank Count compare करें |
सभी 13 completeness metrics और वे diagnostic funnel में कैसे fit होते हैं का full reference के लिए, main Completeness article पर return करें।
देखने के लिए कि completeness और अन्य data quality dimensions आपकी AI readiness को कैसे affect करती हैं, AI Readiness Assessment लें।