# Przewodnik szybkiego startu

> Od zera do pierwszych wniosków o jakości danych w 10 minut. Przewodnik krok po kroku.

Source: https://dataqualitysense.com/pl/resources/getting-started/quick-start-guide/
Last updated: 2026-06-03

---

## Start w 10 minut

Ten przewodnik przeprowadzi Cię od zera do pierwszych wniosków o jakości Twoich danych. Wykonaj kolejne kroki, aby zrozumieć bieżący stan i ustalić, gdzie skupić się w pierwszej kolejności.

## Krok 1: Wykonaj ocenę gotowości na AI

Zacznij od bezpłatnej oceny, aby ustalić punkt odniesienia.

**Co otrzymasz:**
- Wynik w kluczowych wymiarach jakości danych
- Konkretne rekomendacje do poprawy
- Porównanie do benchmarków branżowych
- Obszary priorytetowe do podjęcia w pierwszej kolejności

**Jak wykonać:**
1. Wejdź na [ocenę gotowości na AI](/pl/ai-readiness/)
2. Odpowiedz na 10 pytań o praktyki pracy z danymi Salesforce
3. Otrzymaj wynik w 3 minuty

> **Wskazówka:** Odpowiadaj szczerze. Ocena jest dla Ciebie, nie testem do zdania. Dokładne odpowiedzi dają dokładne rekomendacje.

## Krok 2: Zrozum swój wynik

Ocena dostarcza wyników w pięciu wymiarach jakości danych:

| Wymiar | Co mierzy | Niski wynik oznacza |
|-----------|------------------|-----------------|
| Kompletność | Wypełnienie wymaganych pól | Brakujące dane w krytycznych polach |
| Poprawność | Prawidłowe formaty | Błędne adresy e-mail, numery telefonów itd. |
| Unikalność | Brak duplikatów | Duplikaty fragmentujące dane |
| Aktualność | Bieżące informacje | Przeterminowane rekordy do aktualizacji |
| Spójność | Jednolite wartości | Niespójne formaty między rekordami |

### Poziomy wyniku

| Wynik | Poziom | Co oznacza |
|-------|------|---------------|
| 80–100 | Mocny | Fundament danych jest solidny. Skup się na jego utrzymaniu. |
| 60–79 | Rozwijający się | Dobry postęp, ale konkretne obszary wymagają uwagi. |
| 40–59 | Początkowy | Wiele wymiarów wymaga poprawy przed inicjatywami AI. |
| 0–39 | Krytyczny | Istotne problemy z jakością danych. Zacznij od podstaw. |

## Krok 3: Określ obszary priorytetowe

Na podstawie wyniku wskaż 2–3 obszary, na których skupisz się najpierw. Nie próbuj naprawiać wszystkiego naraz.

### Framework priorytetyzacji

| Jeśli Twój niski wynik dotyczy… | Zacznij od… |
|----------------------------|---------------|
| Kompletność | Wskaż 5 kluczowych pól, zmierz stopień wypełnienia |
| Poprawność | Zaudytuj formaty e-maili i telefonów, dodaj reguły walidacji |
| Unikalność | Uruchom wykrywanie duplikatów, ustal proces scalania |
| Aktualność | Określ progi „świeżości", utwórz workflow aktualizacji |
| Spójność | Ustandaryzuj wartości picklist, oczyść warianty |

### Punkty startowe o wysokim wpływie

Dla większości organizacji największy wpływ mają te pola:

**Contacts:**
- Email (poprawność, kompletność)
- Phone (poprawność, kompletność)
- Title (kompletność, spójność)

**Accounts:**
- Industry (kompletność, spójność)
- Annual Revenue (aktualność, kompletność)
- Billing Address (poprawność, kompletność)

**Opportunities:**
- Close Date (aktualność)
- Amount (kompletność)
- Stage (spójność)

## Krok 4: Zainstaluj DQS

Gdy będziesz gotowy zmierzyć realne dane Salesforce, zainstaluj Data Quality Sense.

> **Pobierz Data Quality Sense:** [Zainstaluj z Salesforce AppExchange](https://appexchange.salesforce.com/appxListingDetail?listingId=e1742ac7-7ec3-4dfb-815e-7922082524c4)

### Kroki instalacji

1. Wejdź na Salesforce AppExchange
2. Wyszukaj „Data Quality Sense"
3. Kliknij „Get It Now"
4. Postępuj zgodnie z kreatorem instalacji
5. Przypisz uprawnienia użytkownikom, którzy będą konfigurować i uruchamiać skany

### Co dodaje DQS

Po instalacji masz dostęp do:

| Funkcja | Opis |
|---------|-------------|
| Definition Builder | Konfiguracja tego, co analizować |
| Scan Execution | Uruchamianie kontroli jakości danych |
| Results Dashboard | Podgląd metryk i drążenie w dane |
| Export | Pobranie rekordów do wyczyszczenia |

## Krok 5: Utwórz pierwszą Definition

Definition mówi DQS, co analizować. Zacznij od wąskiego zakresu.

> **Zobacz w akcji:** [Obejrzyj ten krok w wideo demo (0:29)](#dqs-demo-29)

### Rekomendowana pierwsza Definition

Na pierwszy skan wybierz jeden obiekt o wysokim wpływie biznesowym:

**Opcja A: Jakość danych Contact**
- Obiekt: Contact
- Pola: Email, Phone, MailingCity, MailingState, MailingCountry
- Wymiary: Kompletność, Poprawność, Spójność

**Opcja B: Account Health Check**
- Obiekt: Account
- Pola: Industry, AnnualRevenue, BillingCity, BillingState
- Wymiary: Kompletność, Spójność, Aktualność

**Opcja C: Opportunity Pipeline**
- Obiekt: Opportunity
- Pola: Amount, CloseDate, StageName
- Wymiary: Kompletność, Aktualność

### Kroki w Definition Builder

1. Kliknij **New Definition** w DQS
2. Wybierz **Capabilities** (które wymiary mierzyć)
3. Wybierz **Object** i **Fields** do analizy
4. Opcjonalnie dodaj **Filters**, aby zawęzić zakres
5. **Skonfiguruj** progi dla każdego wymiaru
6. **Sprawdź** i zapisz

Szczegółowe wskazówki znajdziesz w [przewodniku Definition Builder](/resources/using-dqs/definition-builder/).

## Krok 6: Uruchom pierwszy skan

Gdy Definition jest zapisana, uruchom pierwszy skan.

> **Zobacz w akcji:** [Obejrzyj ten krok w wideo demo (2:32)](#dqs-demo-152)

1. Otwórz Definition
2. Kliknij **Run Scan**
3. Poczekaj na zakończenie przetwarzania (czas zależy od liczby rekordów)
4. Przejrzyj wyniki na dashboardzie

### Zaplanuj cykliczne skany

Z DQS możesz automatyzować skany, dzięki czemu jakość danych jest monitorowana ciągle, bez ręcznego wysiłku.

1. Otwórz swoją Definition
2. Przejdź do zakładki **Schedule**
3. Ustaw częstotliwość (codziennie, co tydzień lub co miesiąc)
4. Wybierz preferowaną godzinę i dzień
5. Zapisz harmonogram

Krok po kroku opisuje to [przewodnik schedulingu](/resources/using-dqs/running-scans/).

Zaplanowane skany uruchamiają się automatycznie w tle i odświeżają dashboard nowymi wynikami. To rekomendowane podejście do ciągłego monitorowania — wcześnie wykrywasz pogorszenie jakości danych bez konieczności pamiętania o ręcznym uruchamianiu skanów.

### Czego się spodziewać

Pierwsze skany często ujawniają więcej problemów, niż się spodziewano. To normalne. Twoim celem jest widoczność, nie doskonałość.

Typowe wyniki pierwszego skanu:
- 10–30 % rekordów ma co najmniej jeden problem
- Niektóre pola mają znacznie niższy stopień wypełnienia, niż oczekiwano
- Wykrywanie duplikatów znajduje rekordy, o których nie wiedziałeś
- Walidacja formatu ujawnia niespójności w sposobie wprowadzania danych

## Co robić dalej

### Tydzień 1: Zrozum bazę

- Przejrzyj wyniki skanu
- Zidentyfikuj 3 największe problemy według wolumenu
- Zrozum, które rekordy są dotknięte

### Tygodnie 2–4: Zajmij się problemami priorytetowymi

- Zacznij od najbardziej wpływowych i najłatwiejszych do naprawy
- Utwórz plan czyszczenia dotkniętych rekordów
- Dodaj reguły walidacji, aby zapobiec nowym problemom

### Na bieżąco: Monitoruj i utrzymuj

- Planuj cykliczne skany
- Mierz postęp w czasie
- Rozszerzaj zakres na kolejne obiekty i pola

## Dalsze kroki

- [Rozumienie wyników](/resources/using-dqs/understanding-results/): jak interpretować dane ze skanu
- [Przewodnik Definition Builder](/resources/using-dqs/definition-builder/): szczegółowa konfiguracja
- [Przygotowanie do Agentforce](/pl/resources/ai-readiness/agentforce-preparation/): przygotowanie danych pod Agentforce
- [Dobre praktyki](/pl/resources/best-practices/common-pitfalls/): unikanie typowych błędów w jakości danych