측정하지 않는 것은 개선할 수 없습니다. Salesforce에서 데이터 품질을 측정한다는 것은 “데이터가 지저분하다”는 막연한 느낌을 추적할 수 있는 수치, 실행으로 옮길 수 있는 분해 결과, 지켜볼 수 있는 추세로 바꾸는 것을 의미합니다. 그 수치가 바로 데이터 품질 점수(Data Quality Score) , 때로는 데이터 신뢰도 점수라 불리는 것이며, 이 가이드에서는 그것이 어떻게 작동하는지, 어떻게 읽는지, 그리고 그것을 바탕으로 어떻게 행동하는지 설명합니다.
데이터 품질 점수란 무엇인가
데이터 품질 점수는 0~100 척도의 단일 수치로, 일련의 Salesforce 레코드가 사용자가 정의한 품질 규칙을 얼마나 잘 충족하는지를 요약합니다. 점수가 100이면 범위 내 모든 레코드가 모든 검사를 통과했다는 뜻이며, 점수가 낮으면 얼마나 많은 작업이 남았는지와 분해했을 때 그것이 정확히 어디에 집중되어 있는지를 함께 알려 줍니다.
이 점수는 허영 지표(vanity metric)가 아닙니다. 그 가치는 세 가지 속성에서 나옵니다.
- 복합적이다. 점수는 완전성, 유효성, 고유성, 일관성, 시의성 등 여러 데이터 품질 차원을 하나의 비교 가능한 수치로 묶습니다.
- 가중치가 부여된다. 모든 문제가 똑같이 중요한 것은 아니므로, 점수는 단순한 문제 건수가 아니라 비즈니스 우선순위를 반영합니다.
- 반복 가능하다. 일정에 따라 실행하면 동일한 계산이 일회성 감사를 관리할 수 있는 추세선으로 바꿔 놓습니다.
“데이터 신뢰도 점수”와 “데이터 품질 점수”는 같은 개념을 가리킵니다. 즉, 데이터가 사용에 적합한지를 정량화하고 신뢰할 수 있게 측정한 값입니다.
점수는 어떻게 계산되는가
Salesforce에서 의미 있는 점수는 필드에서 차원으로, 다시 전체 수치로 이어지는 상향식(bottom-up)으로 구축됩니다.
- 필드 수준 검사. 각 규칙이 범위 내 필드를 대상으로 실행됩니다. Account Industry가 채워져 있는가? Contact Email이 유효한 형식과 일치하는가? 이 Opportunity는 중복인가? 모든 검사는 레코드 수준에서 통과/실패를 산출합니다.
- 차원 점수. 필드 결과가 각 차원의 점수로 집계됩니다. 범위 내 레코드의 92%가 모든 완전성 검사를 통과하면, 완전성 점수는 92가 됩니다.
- 가중치가 부여된 전체 점수. 차원 점수들이 각 차원이 사용자에게 얼마나 중요한지에 따라 가중치를 받아 하나의 수치로 결합됩니다. 누락된 Opportunity Amount는 누락된 보조 전화번호보다 더 큰 비중을 가질 수 있습니다.
이 상향식 구조가 점수를 실행 가능하게 만듭니다. 단일한 “78”은 출발점에 불과합니다. 그 뒤에 있는 분해 결과, 즉 Account의 완전성이 65이며, 그 원인은 한 연동에서 비롯된 비어 있는 Industry 필드 가 바로 실제로 수정하는 대상입니다.
가중치가 중요한 이유
두 조직이 모두 80점을 받고도 완전히 다른 상태일 수 있습니다. 한 곳은 비중이 낮은 필드 전반에 걸친 사소한 형식 문제를 갖고 있습니다. 다른 한 곳은 Opportunity Amount의 20%가 누락되어 있습니다. 가중치 없는 단순 실패 건수는 이 둘을 똑같이 취급할 것입니다.
가중치는 이를 바로잡습니다. 매출, 리포팅, 자동화를 좌우하는 필드와 차원에 더 높은 가중치를 부여함으로써, 점수는 문제의 양이 아니라 비즈니스 영향을 추적합니다. 우선순위에 맞게 가중치를 조정하면, 그 수치는 경영진이 신뢰할 수 있는 의미를 갖기 시작합니다.
점수 읽기
점수는 대표 수치에서 의사 결정으로 나아갈 수 있을 때에만 유용합니다. 세 번에 걸쳐 읽으십시오.
| 단계 | 질문 | 살펴보는 것 |
|---|---|---|
| 1. 대표 수치 | 이 데이터는 전반적으로 얼마나 건강한가? | 단일한 가중치 기반 데이터 품질 점수 |
| 2. 차원별 | 어떤 종류의 문제가 지배적인가? | 차원별 점수(예: 완전성 대 고유성) |
| 3. 필드별 | 문제가 정확히 어디에 있는가? | 가장 취약한 차원 내 필드 수준 분해 |
세 번째 단계에 이르면 더 이상 추상적인 “데이터 품질”을 보고 있는 것이 아닙니다. 특정 객체의 특정 필드를, 특정 실패율과 함께 보고 있는 것이며, 이는 누군가가 책임지고 맡을 수 있는 작업입니다.
점수에서 행동으로
점수는 측정을 우선순위가 매겨진 할 일 목록으로 바꿔 놓습니다.
- 기준선 설정. 첫 스캔을 실행해 현재 위치를 파악합니다.
- 우선순위 지정. 수정 노력 대비 비즈니스 영향(가중치)으로 문제를 정렬합니다. 가중치가 가장 높고 노력이 가장 적은 문제가 먼저입니다.
- 수정. 기존 레코드를 정리하고, 새로운 나쁜 데이터를 막기 위한 검증 규칙을 추가하며, 입력 프로세스를 조정합니다.
- 재측정. 스캔을 다시 실행해 점수가 움직이는 것을 지켜봅니다. 볼 수 없는 개선은 입증할 수 없는 개선입니다.
시간에 따른 품질 추적
Salesforce 데이터는 끊임없이 저하되기 때문에, 단일 측정값은 측정한 다음 날이면 이미 낡은 것이 됩니다. 점수의 핵심은 스냅숏이 아니라 추세입니다. 매일, 매주, 또는 매월 예약된 스캔은 점수를 모니터링할 수 있는 선으로 바꿔 놓습니다. 그래서 나쁜 데이터를 기록하기 시작한 새 연동은 며칠 안에 잡아내는 하락으로 드러나며, 몇 달 뒤 망가진 보고서에서 발견하는 문제가 되지 않습니다.
DQS가 측정하는 방법
Data Quality Sense는 레코드를 전혀 내보내지 않고 전적으로 Salesforce 내부에서 가중치 기반 데이터 품질 점수를 산출합니다. Definition Builder에서 좋음이 무엇인지 정의하고(차원 선택, 객체와 필드 범위 지정, 임곗값과 가중치 설정), 스캔을 필요할 때 또는 일정에 따라 실행한 뒤, Insight Studio에서 결과를 살펴봅니다. 전체 점수, 차원별 분해, 필드 상태, 시간에 따른 추세를 확인할 수 있습니다. 네이티브로 실행되기 때문에, 점수는 항상 조직의 실시간 데이터를 반영합니다.
다음 단계
- Salesforce의 데이터 품질: 전체 가이드
- 데이터 품질의 다섯 가지 차원: 점수가 측정하는 것
- 데이터 품질 측정하기: KPI와 스코어카드 심층 설명
- Agentforce 준비: 점수를 AI에 맞게 준비하기