Aktualność

Czym jest aktualność?

Aktualność mierzy, czy Twoje wartości dat są wystarczająco bieżące do zamierzonego użytku. Pole daty jest aktualne, gdy mieści się w Twoim akceptowalnym oknie świeżości. Pole daty jest nieaktualne, gdy leży poza tym oknem, co oznacza, że dane nie odzwierciedlają już obecnej rzeczywistości.

Każde pole daty w Twoim CRM niesie oczekiwanie czasowe. LastActivityDate sprzed 18 miesięcy sygnalizuje martwego Leada. Contract_End_Date__c ustawione na 2099 to wartość zastępcza, a nie prawdziwy termin. Date_of_Birth__c w przyszłości to błąd wprowadzania danych. Analiza aktualności wychwytuje wszystkie te przypadki.

Freshness Rate = (Rekordy z datą w oknie świeżości / Łączna liczba rekordów) x 100

Jeśli 659 z 1000 rekordów ma Last_Certification_Date__c w ciągu ostatnich 90 dni, Twój stopień świeżości wynosi 65,9%. Pozostałe 34,1% jest albo nieaktualne, null, albo z datą w przyszłości. Ta jedna liczba mówi Ci, jak bieżące jest pole w Twoim zbiorze danych.

Dlaczego aktualność ma znaczenie

Raportowanie

Nieaktualne daty zniekształcają Twoją analitykę. Gdy 30% wartości CloseDate dla Opportunities jest w przeszłości na otwartych transakcjach, Twoje raporty pipeline pokazują transakcje, które utknęły, są ignorowane lub już przegrane, ale nigdy nie zaktualizowane. Prognozy zbudowane na tych datach wprowadzają w błąd kierownictwo.

Automatyzacja

Automatyzacja Salesforce zależy od wartości dat. Flow odnowienia wyzwalany 30 dni przed Contract_End_Date__c zawodzi, gdy data ma pięć lat. Eskalacja SLA uruchamiana na Due_Date__c wyzwala fałszywe alarmy, gdy data nigdy nie została zaktualizowana po rozwiązaniu.

AI i Agentforce

Modele AI traktują Twoje wartości dat jako bieżącą prawdę. Agentforce używa dat, aby priorytetyzować działania, planować kontakty i oceniać pilność. Gdy Twoje daty są nieaktualne, model rekomenduje kontakt z Leads, którzy odeszli dwa lata temu, flaguje kontrakty, które zostały odnowione miesiące temu, i pomija te, które faktycznie wymagają uwagi.

Jak DQS mierzy aktualność

DQS produkuje 6 metryk aktualności zorganizowanych wokół pytania diagnostycznego: „Czy dane są bieżące, jak stare są i czy są daty, które nie mają sensu?”

Pomyśl o tych metrykach jak o przepływie diagnostycznym. Każdy krok opiera się na poprzednim.

Krok 1: Czy dane są bieżące?

Freshness Rate to metryka nagłówkowa. Oblicza procent rekordów, w których wartość pola daty mieści się w Twoim skonfigurowanym oknie świeżości (na przykład ostatnie 90 dni). To liczba, którą umieszcza się na dashboardzie.

Uruchamiasz skanowanie pola LastActivityDate dla Opportunities z oknem świeżości 30 dni. Freshness Rate wraca 41%. Oznacza to, że 59% Twoich otwartych Opportunities nie miało aktywności w ostatnim miesiącu. Przeglądy pipeline, dokładność prognoz i coaching sprzedażowy działają na nieaktualnych sygnałach.

Staleness Rate kwantyfikuje stronę problemową. Mierzy procent rekordów, w których pole daty jest null lub starsze niż okno świeżości. Rekordy z datą w przyszłości są wykluczone ze staleness, ponieważ to inny typ problemu (wychwytywany przez Future Rate).

Przykład: Contract_End_Date__c na Accounts pokazuje 28% Staleness Rate z oknem 365 dni. Niemal jedna trzecia kontraktów pokazuje daty zakończenia ponad rok w przeszłości. To albo wygasłe kontrakty wciąż oznaczone jako aktywne, albo kontrakty odnowione, ale nigdy nie zaktualizowane. Tak czy inaczej, Twój pipeline odnowień jest niedokładny.

Trójstronny rozkład

Każdy rekord wpada dokładnie w jedną z trzech kategorii. Stopnie zawsze sumują się do 100%:

Ten rozkład daje każdej kategorii odrębne znaczenie. Interesariusz pytający „jaki procent jest nieaktualny?” dostaje liczbę, która oznacza „przeterminowane lub brakujące”, a nie „przeterminowane, brakujące lub niemożliwie datowane w przyszłości”.

Krok 2: Jak stare to jest?

Freshness Rate jest binarny: rekord jest albo świeży, albo nieaktualny. Average Age dodaje niuans.

Average Age oblicza średnią liczbę dni między każdą wartością z przeszłości a dzisiaj, podzieloną przez łączną liczbę rekordów. Null i daty w przyszłości wnoszą 0 do sumy, ale są liczone w mianowniku.

Dwa pola mogą oba pokazywać 60% świeżości, ale jedno ma średni wiek 15 dni (głównie świeże, kilka odstających) podczas gdy drugie ma średni wiek 90 dni (nieaktualność rozłożona równomiernie). Strategia naprawy się różni. Pole z niskim średnim wiekiem potrzebuje ukierunkowanego czyszczenia kilku starych rekordów. Pole z wysokim średnim wiekiem potrzebuje szerszego wysiłku odświeżenia.

Przykład: Last_Contacted_Date__c na Leads ma 55% świeżości (okno 30 dni) i średni wiek 45 dni. Nieaktualność nie jest dotkliwa, większość nieaktualnych rekordów leży lekko poza oknem. Szybka kampania outreach może znacząco przesunąć stopień świeżości.

Krok 3: Czy są anomalie?

Dwie metryki wychwytują daty, które nie należą.

Future Rate mierzy procent rekordów, w których wartość daty jest w przyszłości. Dla historycznych pól dat jak Created Date, Last Modified Date czy Date_of_Birth__c, daty z przyszłości to prawie zawsze błędy: problemy ze strefą czasową, błędy wprowadzania danych lub wartości zastępcze jak 2099-12-31.

Przykład: Date_of_Birth__c na Contacts pokazuje Future Rate 0,8%. To 400 rekordów z 50 000 z datami urodzenia w przyszłości. Łamią one segmentację opartą na wieku, sprawdzenia zgodności i kampanie marketingowe filtrowane według grupy wiekowej.

Operational Range Rate mierzy procent rekordów, w których wartość daty mieści się w zdefiniowanej granicy operacyjnej (minimalna data i maksymalna data, które konfigurujesz). Daty poza tym zakresem są flagowane jako anomalie.

Niektóre pola dat mają naturalne granice. Hire_Date__c przed 1950 jest błędne. Project_Deadline__c ustawione na 2099 to wartość zastępcza. Operational Range Rate wychwytuje te wartości odstające, które przechodzą podstawowe sprawdzenia świeżości, ponieważ pole jest wypełnione, tylko z nierealnymi wartościami.

Przykład: Ustawiasz zakres operacyjny 365 dni w przeszłości do 0 dni w przyszłości na Close_Date__c dla Opportunities. Operational Range Rate wynosi 84%. Badanie ujawnia 200 rekordów z datami zamknięcia z 2005 (zmigrowanych ze starego systemu) i 50 rekordów z datami zamknięcia w 2099 (wartość zastępcza z integracji). Obie grupy zniekształcają analitykę pipeline.

Uwaga: Gdy maksimum Twojego zakresu operacyjnego jest ustawione na 0 (dzisiaj), wszystkie daty przyszłe są również poza zakresem. Future Rate i Operational Range Rate nakładają się na rekordy z datą w przyszłości. Są widokami komplementarnymi, a nie addytywnymi.

Krok 4: Czy terminy są dotrzymywane?

Overdue Rate mierzy procent rekordów, w których pole daty jest po dzisiejszej dacie, z opcjonalnym okresem karencji. Jest skonstruowana celowo dla pól typu deadline, gdzie „po terminie” ma znaczenie biznesowe.

Overdue Rate różni się od Staleness Rate na dwa sposoby. Po pierwsze, dodaje konfigurowalny bufor karencji (na przykład 14 dni), aby skanowanie nie oznaczało rekordów jako przeterminowanych dzień po terminie. Po drugie, celuje w pola takie jak daty odnowienia, daty certyfikacji i daty zakończenia kontraktów, gdzie przeszła data oznacza, że potrzebne jest działanie.

Przykład: Renewal_Date__c na Contracts z okresem karencji 30 dni pokazuje Overdue Rate 12%. Oznacza to, że 12% kontraktów jest ponad 30 dni po dacie odnowienia bez odnowienia lub zamknięcia. To ryzyka wycieku przychodów.

Pola „ostatnie zdarzenie” vs „termin”

Nie każda metryka aktualności pasuje do każdego pola. Overdue Rate brzmi tautologicznie wysoko na polach „ostatnie zdarzenie”, ponieważ większość zdarzeń jest z definicji w przeszłości. Wybierz swoją metrykę nagłówkową w oparciu o typ pola:

Dlaczego wszystkie metryki używają łącznej liczby rekordów

Wszystkie 6 metryk aktualności używa tego samego mianownika: łącznej liczby rekordów, w tym null. Utrzymuje to każdą metrykę porównywalną w ramach tego samego skanowania. Gdyby jedna metryka wykluczała null, a inna je uwzględniała, interesariusz porównujący „świeżość 66% vs przyszłość 1,6%” porównywałby dwa różne uniwersum, nie wiedząc o tym.

Gdy Null As Stale jest włączone, rekordy null liczą się przeciwko świeżości (są w mianowniku, ale nie w liczniku świeżości). Gdy wyłączone, null są wykluczone zarówno z licznika, jak i mianownika, a świeżość jest obliczana tylko dla wypełnionych rekordów.

Referencja metryk

Metryki podstawowe

Te 2 metryki tworzą bazę każdej analizy aktualności. Odpowiadają na podstawowe pytanie: czy te dane są bieżące?

Metryki zaawansowane

Te 4 metryki wykraczają poza „czy jest bieżące?”, aby analizować rozkład wieku, anomalie dat i zgodność z terminami. Wymagają trybu analizy Advanced Data Freshness.

Pokrycie typów pól

DQS mierzy aktualność tylko na polach Date i DateTime. Aktualność jest z natury temporalna. W przeciwieństwie do kompletności (która działa na wszystkich 20+ typach pól), aktualność ma zastosowanie tylko do pól reprezentujących punkty w czasie.

Dwa tryby analizy

DQS oferuje dwa tryby analizy aktualności:

Data Freshness odpowiada na pytanie: „Czy dane są bieżące czy nieaktualne?” Produkuje 2 metryki podstawowe i pokrywa podstawy dla każdego org z procesami wrażliwymi na daty. Używaj tego trybu do szybkich sprawdzeń higieny i audytów bazowych.

Advanced Data Freshness idzie głębiej. Produkuje wszystkie 6 metryk, w tym średni wiek, anomalie dat w przyszłości, śledzenie terminów i zgodność z zakresem operacyjnym. Używaj tego trybu, gdy musisz zrozumieć pełny obraz jakości dat, a nie tylko wynik świeżości.

Konfigurowanie aktualności

DQS udostępnia pięć wejść konfiguracyjnych dla aktualności. Każde można ustawić na poziomie globalnym (dotyczy wszystkich pól) i nadpisać na poziomie pojedynczego pola.

Wskazówka: Różne pola dat mają różne oczekiwania świeżości. LastActivityDate na otwartych Opportunities potrzebuje okna 30 dni. Contract_End_Date__c na Accounts potrzebuje 365 dni. Używaj nadpisań na poziomie pola, aby ustawić odpowiednie okno dla każdego pola.

Wybór okna świeżości

Okno świeżości to najważniejsza decyzja konfiguracyjna dla aktualności. Oto punkty startowe według typu pola:

Konfiguracja zakresu operacyjnego

Zakres operacyjny używa „dni w przeszłości” i „dni w przyszłości” zamiast dat bezwzględnych. DQS konwertuje je na daty bezwzględne w czasie skanowania, używając dzisiejszej daty.

Przykład: Ustawiasz 365 dni w przeszłości i 0 dni w przyszłości. 22 lutego 2026 roku DQS konwertuje to na zakres od 22 lutego 2025 do 22 lutego 2026. Każda data przed 22 lutego 2025 lub po dzisiaj jest poza zakresem.

Oznacza to, że zakres przesuwa się naprzód każdego dnia. Rekord, który jest w zakresie dzisiaj, może jutro wypaść z zakresu, gdy okno się przesunie.

Typowe problemy z aktualnością

Nieaktualne daty aktywności na otwartych Opportunities

Przedstawiciele sprzedaży przestają aktualizować Opportunities, ale pozostawiają je w „otwartym” etapie. LastActivityDate starzeje się cicho. Twoje raporty pipeline pokazują aktywne transakcje, ale daty ujawniają, że nikt ich nie dotykał od miesięcy.

Rozwiązanie: Ustaw okno świeżości 30 dni na LastActivityDate dla otwartych Opportunities. Użyj Staleness Rate, aby określić zakres, ile transakcji wymaga kontynuacji lub korekty etapu.

Daty zastępcze w przyszłości

Integracje i masowe importy często używają dat zastępczych typu 2099-12-31 dla pól wymagających wartości. Te wartości zastępcze wyglądają jak wypełnione dane, ale zniekształcają każdą analizę czasową.

Rozwiązanie: Użyj Future Rate, aby zidentyfikować rekordy z datami po dzisiaj. Użyj Operational Range Rate, aby wychwycić zarówno daleko-przyszłe wartości zastępcze, jak i pradawne stare daty w jednej metryce.

Wygasłe kontrakty nigdy nie zaktualizowane

Kontrakty są odnawiane, ale Contract_End_Date__c nigdy nie zostaje zaktualizowane do nowego terminu wygaśnięcia. Twój system pokazuje wygasłe kontrakty obok aktywnych bez sposobu na rozróżnienie bez sprawdzenia dat.

Rozwiązanie: Włącz Overdue Tracking z okresem karencji pasującym do Twojego cyklu odnowień (na przykład 30 dni). Overdue Rate pokazuje dokładnie, ile kontraktów jest po terminie i nieodnowionych.

Daty null ukrywające nieaktualność

Gdy Null As Stale jest wyłączone (domyślnie), daty null są całkowicie wykluczone z oceny. Jeśli 20% Twoich rekordów ma daty null, Twój Freshness Rate jest obliczany tylko na pozostałych 80%. To może sprawić, że Twoje liczby wyglądają zdrowiej niż są.

Rozwiązanie: Włącz Null As Stale, jeśli daty null reprezentują brakujące dane wymagające uwagi. Obejmuje to rekordy, gdzie żadna aktywność nigdy nie miała miejsca, lub pola, które nigdy nie zostały wypełnione podczas migracji.

Najlepsze praktyki

Wybierz odpowiednią metrykę nagłówkową

Freshness Rate to odpowiednia metryka nagłówkowa dla pól „ostatnie zdarzenie” (kiedy to zostało ostatnio zaktualizowane?). Overdue Rate to odpowiednia metryka dla pól terminów (czy to jest po terminie?). Prezentowanie Overdue Rate na LastActivityDate produkuje mylnie wysoką liczbę, ponieważ większość aktywności jest z natury w przeszłości.

Ustawiaj okna specyficzne dla pól

Pojedyncze okno świeżości dla wszystkich pól dat mija się z celem. Daty aktywności potrzebują ciasnych okien (30 dni). Daty kontraktów potrzebują szerszych okien (365 dni). Daty certyfikacji zależą od cyklu odnowień Twojej branży. Używaj nadpisań na poziomie pola, aby dopasować się do kontekstu biznesowego każdego pola.

Używaj Average Age do planowania naprawy

Freshness Rate mówi Ci, jak duży jest problem. Average Age mówi, jak poważny. Pole z 40% nieaktualnością i średnim wiekiem 45 dni potrzebuje szybkiej kampanii outreach. Pole z 40% nieaktualnością i średnim wiekiem 400 dni potrzebuje projektu wzbogacania danych. Ten sam procent, inna naprawa.

Śledź trendy między skanowaniami

Pojedyncze skanowanie pokazuje aktualny stan. Uruchamiaj skanowania regularnie, aby wykrywać degradację świeżości, mierzyć wpływ inicjatyw czyszczenia i identyfikować źródła danych wprowadzające nieaktualne rekordy. Pole, które spada z 80% do 60% świeżości między skanowaniami, ma nowe źródło problemu.

Łącz aktualność z kompletnością

Pole daty może być w 95% kompletne, ale tylko w 50% świeże. Kompletność mówi, że pole ma wartość. Aktualność mówi, czy ta wartość jest bieżąca. Uruchamiaj oba wymiary na swoich polach dat, aby uzyskać pełny obraz.

Następne kroki

Teraz rozumiesz, jak mierzyć i diagnozować problemy świeżości dat. Kontynuuj naukę o następnym wymiarze:

• Dalej: Spójność - Zapewnij jednolitą standaryzację danych
• Poprzednio: Unikalność - Wykrywaj i zapobiegaj duplikatom
• Powiązane: Pięć wymiarów - Przegląd wszystkich wymiarów
• Działanie: Ocena gotowości na AI - Zobacz swoje aktualne wyniki aktualności