# Datakwaliteit in Salesforce meten

> Hoe een Data Quality Score (data reliability score) werkt in Salesforce: gewogen dimensies, uitsplitsingen op veldniveau en kwaliteit volgen in de tijd.

Source: https://dataqualitysense.com/nl/resources/salesforce/measure-data-quality-in-salesforce/
Last updated: 2026-06-03

---

Je kunt niet verbeteren wat je niet meet. In Salesforce betekent datakwaliteit meten dat je een vaag gevoel dat "de data rommelig is" omzet in een getal dat je kunt volgen, een uitsplitsing waar je naar kunt handelen en een trend die je kunt bewaken. Dat getal is een **Data Quality Score** — soms een data reliability score genoemd — en deze gids legt uit hoe hij werkt, hoe je hem leest en hoe je ernaar handelt.

## Wat een Data Quality Score is

Een Data Quality Score is één getal, op een schaal van 0 tot 100, dat samenvat hoe goed een set Salesforce-records voldoet aan de kwaliteitsregels die je definieert. Een score van 100 betekent dat elk record binnen scope elke controle heeft doorstaan; een lagere score vertelt je zowel hoeveel werk er nog ligt als, wanneer je hem uitsplitst, precies waar het zich concentreert.

De score is geen ijdele metric. Zijn waarde komt voort uit drie eigenschappen:

- **Hij is samengesteld.** De score rolt meerdere [datakwaliteitsdimensies](/nl/resources/data-quality/five-dimensions/) — volledigheid, geldigheid, uniciteit, consistentie, tijdigheid — op tot één vergelijkbaar getal.
- **Hij is gewogen.** Niet elk probleem telt even zwaar, dus de score weerspiegelt zakelijke prioriteit in plaats van ruwe aantallen problemen.
- **Hij is herhaalbaar.** Volgens een schema uitgevoerd, verandert dezelfde berekening een eenmalige audit in een trendlijn die je kunt sturen.

"Data reliability score" en "data quality score" beschrijven hetzelfde idee: een gekwantificeerde, betrouwbare maat voor de vraag of je data bruikbaar is.

## Hoe de score wordt berekend

Een betekenisvolle score in Salesforce wordt van onderaf opgebouwd, van velden naar dimensies naar een totaalcijfer:

1. **Controles op veldniveau.** Elke regel draait tegen de velden binnen scope. Is Account Industry gevuld? Komt Contact Email overeen met een geldig formaat? Is deze Opportunity een duplicaat? Elke controle levert een geslaagd/gefaald op recordniveau op.
2. **Dimensiescores.** Veldresultaten rollen op tot een score per dimensie. Als 92% van de records binnen scope elke volledigheidscontrole doorstaat, scoort volledigheid 92.
3. **Gewogen totaalscore.** Dimensiescores worden gecombineerd tot één cijfer, gewogen naar hoeveel elke dimensie er voor jou toe doet. Een ontbrekend Opportunity Amount kan zwaarder tellen dan een ontbrekend tweede telefoonnummer.

Deze opbouw van onderaf maakt de score juist bruikbaar. Een enkele "78" is een startpunt. De uitsplitsing erachter — *volledigheid 65 op Accounts, gedreven door een leeg Industry-veld uit één integratie* — is wat je daadwerkelijk oplost.

## Waarom weging ertoe doet

Twee orgs kunnen allebei 80 scoren en er volledig anders voorstaan. De ene heeft kleine opmaakproblemen verspreid over velden met lage inzet. De andere mist 20% van zijn Opportunity Amounts. Een ongewogen telling van fouten zou deze gelijk behandelen.

Weging lost dat op. Door hoger gewicht toe te kennen aan de velden en dimensies die omzet, rapportage en automatisering aandrijven, volgt de score de zakelijke impact in plaats van het volume aan problemen. Wanneer je de gewichten afstemt op je prioriteiten, gaat het getal iets betekenen dat een leidinggevende kan vertrouwen.

## De score lezen

Een score is alleen nuttig als je van het kopcijfer naar een beslissing kunt komen. Lees hem in drie stappen:

| Stap | Vraag | Waar je naar kijkt |
|---|---|---|
| 1. Kopcijfer | Hoe gezond is deze data in het geheel? | De enkele gewogen Data Quality Score |
| 2. Per dimensie | Welk *soort* probleem overheerst? | Scores per dimensie (bijv. volledigheid vs. uniciteit) |
| 3. Per veld | *Waar* precies zit het probleem? | Uitsplitsing op veldniveau binnen de zwakste dimensie |

Tegen de derde stap kijk je niet langer naar "datakwaliteit" in abstracte zin. Je kijkt naar een specifiek veld, op een specifiek object, met een specifiek foutpercentage — en dat is een taak die iemand kan oppakken.

## Van score naar actie

Een score verandert meting in een geprioriteerde takenlijst:

1. **Baseline.** Voer de eerste scan uit om vast te stellen waar je staat.
2. **Prioriteer.** Sorteer problemen op zakelijke impact (gewicht) afgezet tegen de oplosinspanning. De problemen met het hoogste gewicht en de laagste inspanning komen eerst.
3. **Los op.** Schoon bestaande records op, voeg validatieregels toe om nieuwe slechte data te stoppen, en pas invoerprocessen aan.
4. **Meet opnieuw.** Voer de scan opnieuw uit en zie de score bewegen. Verbetering die je niet kunt zien, is verbetering die je niet kunt verdedigen.

## Kwaliteit volgen in de tijd

Een enkele meting is de dag erna alweer achterhaald, omdat Salesforce-data voortdurend in kwaliteit achteruitgaat. Het draait bij een score om de **trend**, niet om de momentopname. Geplande scans — dagelijks, wekelijks of maandelijks — maken van de score een lijn die je kunt bewaken, zodat een nieuwe integratie die slechte data begint te schrijven zich aandient als een daling die je binnen dagen opvangt, en niet als een probleem dat je maanden later in een kapot rapport ontdekt.

## Hoe DQS het meet

Data Quality Sense produceert een gewogen Data Quality Score volledig binnen Salesforce — er worden geen records geëxporteerd. Je definieert in de Definition Builder hoe goed eruitziet (dimensies selecteren, objecten en velden binnen scope brengen, drempelwaarden en gewichten instellen), voert de scan on demand of volgens een schema uit, en verkent het resultaat in Insight Studio: de totaalscore, de uitsplitsing per dimensie, de veldgezondheid en de trend in de tijd. Omdat het native draait, weerspiegelt de score altijd de live data in je org.

## Volgende stappen

- [Datakwaliteit in Salesforce](/nl/resources/salesforce/data-quality-in-salesforce/): de complete gids
- [De vijf dimensies van datakwaliteit](/nl/resources/data-quality/five-dimensions/): wat de score meet
- [Datakwaliteit meten](/nl/resources/best-practices/measuring-data-quality/): KPI's en scorecards in detail
- [Agentforce-voorbereiding](/nl/resources/ai-readiness/agentforce-preparation/): je score AI-klaar maken