# Jak rozumieć wyniki

> Naucz się interpretować wyniki skanowań DQS, odczytywać wyniki wymiarów, wchodzić w rekordy, których dotyczą problemy, i eksportować dane do oczyszczania.

Source: https://dataqualitysense.com/pl/resources/using-dqs/understanding-results/
Last updated: 2026-06-03

---

## Przegląd wyników

Po zakończeniu skanowania DQS prezentuje wyniki w widoku dashboardu. Dashboard pokazuje wyniki na wielu poziomach:

1. **Overall Score** — pojedyncza liczba reprezentująca całkowitą jakość danych
2. **Dimension Scores** — wyniki dla każdej funkcji (Kompletność, Poprawność itd.)
3. **Field Scores** — wyniki dla każdego analizowanego pola
4. **Record Details** — wejście w konkretne rekordy, których dotyczą problemy

## Dashboard wyników

### Układ dashboardu

```
┌─────────────────────────────────────────────────────────────────┐
│                     OVERALL QUALITY SCORE                        │
│                           85%                                    │
│                     ▲ +3% from last scan                         │
├──────────────────────┬──────────────────────┬───────────────────┤
│    COMPLETENESS      │      VALIDITY        │    UNIQUENESS     │
│        92%           │        78%           │       95%         │
├──────────────────────┼──────────────────────┼───────────────────┤
│    TIMELINESS        │    CONSISTENCY       │   AI READINESS    │
│        88%           │        82%           │       76%         │
└──────────────────────┴──────────────────────┴───────────────────┘
```

### Dostęp do wyników

1. Otwórz DQS z App Launcher
2. Znajdź swoją Definition na liście
3. Kliknij nazwę Definition
4. Wybierz zakładkę **Results**
5. Wybierz datę skanowania do podglądu

Domyślnie wyświetlane jest najnowsze skanowanie.

## Ogólny wynik jakości (Overall Quality Score)

Ogólny wynik to średnia ważona wszystkich wyników wymiarów.

### Jak jest obliczany

DQS używa domyślnych wag dla każdego wymiaru:

| Wymiar | Domyślna waga |
|--------|---------------|
| Kompletność | 25% |
| Poprawność | 20% |
| Unikalność | 20% |
| Terminowość | 15% |
| Spójność | 20% |

Wzór: Overall = (Kompletność x 0,25) + (Poprawność x 0,20) + (Unikalność x 0,20) + (Terminowość x 0,15) + (Spójność x 0,20)

Wyniki AI Readiness pokazywane są osobno i nie wpływają na ogólny wynik Data Quality.

### Interpretacja wyniku

| Zakres wyniku | Poziom jakości | Działanie |
|---------------|----------------|-----------|
| 90–100% | Doskonały | Utrzymuj obecne praktyki |
| 80–89% | Dobry | Zajmij się konkretnymi słabymi obszarami |
| 70–79% | Przeciętny | Nadaj priorytet poprawie |
| 60–69% | Słaby | Wymaga natychmiastowej uwagi |
| Poniżej 60% | Krytyczny | Konieczne gruntowne oczyszczenie danych |

### Wskaźnik trendu

Obok wyniku zobaczysz strzałkę trendu:

- **Zielona strzałka w górę** — wynik poprawił się względem ostatniego skanowania
- **Czerwona strzałka w dół** — wynik spadł względem ostatniego skanowania
- **Szara kreska** — wynik bez zmian

Wartość procentowa pokazuje wielkość zmiany.

## Wyniki wymiarów (Dimension Scores)

Kliknij dowolną kartę wymiaru, aby zobaczyć szczegółowe metryki.

### Metryki Kompletności

| Metryka | Typ | Co pokazuje |
|---------|-----|-------------|
| Completeness Rate | Procent | Pola, które mają wartości |
| Populated Count | Liczba | Rekordy z danymi |
| Incomplete Count | Liczba | Rekordy z brakującymi danymi |
| Null Rate | Procent | Pola, które są NULL |
| Blank Rate | Procent | Puste lub zawierające tylko białe znaki |
| Placeholder Rate | Procent | Wartości N/A, TBD, Unknown |

**Przykładowa interpretacja:**
- Completeness Rate na poziomie 85% oznacza, że 15% rekordów ma brakujące wartości
- Wysoki Placeholder Rate sugeruje, że użytkownicy wpisują „TBD" zamiast rzeczywistych danych

### Metryki Poprawności

| Metryka | Typ | Co pokazuje |
|---------|-----|-------------|
| Validity Rate | Procent | Wartości zgodne z oczekiwanym formatem |
| Valid Count | Liczba | Rekordy z poprawnym formatem |
| Invalid Rate | Procent | Wartości niezgodne z formatem |
| Invalid Count | Liczba | Rekordy z błędami formatu |

**Przykładowa interpretacja:**
- Validity Rate na poziomie 78% dla pola Email oznacza, że 22% ma problemy z formatem
- Częste problemy: brak @, spacje, literówki w stylu „.con"

### Metryki Unikalności

| Metryka | Typ | Co pokazuje |
|---------|-----|-------------|
| Uniqueness Rate | Procent | Wartości odrębne względem łącznej liczby |
| Distinct Count | Liczba | Liczba unikalnych wartości |
| Entropy | Liczba dziesiętna | Różnorodność wartości (wyższa = większa różnorodność) |
| Max Frequency | Liczba | Liczba wystąpień najczęstszej wartości |
| Rarity | Procent | Rozkład rzadkości wartości |

**Przykładowa interpretacja:**
- Uniqueness Rate na poziomie 95% oznacza, że 5% to duplikaty
- Niska Entropy sugeruje, że wiele rekordów ma te same wartości

### Metryki Terminowości

| Metryka | Typ | Co pokazuje |
|---------|-----|-------------|
| Freshness Rate | Procent | Rekordy w oknie świeżości |
| Staleness Rate | Procent | Rekordy poza oknem świeżości |
| Average Age | Dni | Średni wiek wartości dat |
| Recency Rate | Procent | Rekordy zaktualizowane niedawno |
| Future Rate | Procent | Rekordy z datami w przyszłości (błędy) |
| Overdue Rate | Procent | Rekordy po oczekiwanej aktualizacji |

**Przykładowa interpretacja:**
- Staleness Rate na poziomie 30% oznacza, że 30% rekordów nie było modyfikowanych w Twoim oknie świeżości
- Future Rate powyżej 0% wskazuje na błędy przy wprowadzaniu danych

### Metryki Spójności

| Metryka | Typ | Co pokazuje |
|---------|-----|-------------|
| Conformance Rate | Procent | Wartości zgodne z oczekiwanymi wzorcami |
| Conformance Count | Liczba | Rekordy, które są zgodne |
| Non-Conforming Count | Liczba | Rekordy z odchyleniami |
| Variant Count | Liczba | Liczba znalezionych odmian wartości |
| Dominant Values | JSON | Najczęstsze wartości i ich liczebność |

**Przykładowa interpretacja:**
- Variant Count na poziomie 15 dla pola Country sugeruje niespójne wprowadzanie (USA vs United States vs US)
- Dominant Values pokazuje, które odmiany są najczęstsze

### Metryki AI Readiness

**Wykrywanie PII:**
| Metryka | Co pokazuje |
|---------|-------------|
| Records with PII | Bezwzględna liczba rekordów z dopasowaniami wzorca (do określenia zakresu działań naprawczych) |
| PII Exposure Rate | Procent rekordów zawierających PII (do raportowania zgodności) |

## Szczegóły na poziomie pola

Kliknij wymiar, aby zobaczyć rozbicie per pole.

### Tabela wyników pól

| Pole | Wynik | Problemy | Akcje |
|------|-------|----------|-------|
| Email | 92% | 234 nieprawidłowe | View Records |
| Phone | 78% | 1 456 nieprawidłowych | View Records |
| MailingCity | 95% | 180 brakujących | View Records |

### Odczytywanie wyników pól

Każde pole pokazuje:
- **Wynik** — skuteczność dla tego pola
- **Problemy** — liczbę problematycznych rekordów
- **Akcje** — linki do wejścia w szczegóły i eksportu

### Identyfikowanie problematycznych pól

Posortuj pola według wyniku (od najniższego), aby znaleźć:
- Pola z największą liczbą problemów
- Pola wymagające natychmiastowej uwagi
- Wzorce w powiązanych ze sobą polach

> **Wskazówka:** Skup się najpierw na polach o dużym wpływie. Poprawa poprawności pola Email o 10% ma większą wartość biznesową niż dopracowanie rzadko używanego pola.

## Wejście w rekordy (drill-down)

Kliknij **View Records**, aby zobaczyć dane, których to dotyczy.

### Widok listy rekordów

Drill-down pokazuje rekordy z problemami:

| Name | Email | Issue | Created Date |
|------|-------|-------|--------------|
| John Smith | `john.smith@example` | Invalid format | 2026-01-15 |
| Jane Doe | `jane.doe@mail,com` | Invalid format | 2026-01-20 |

### Filtrowanie listy rekordów

Filtruj według:
- Typu problemu (brakujący, nieprawidłowy, duplikat itd.)
- Zakresu dat
- Właściciela
- Wartości pól niestandardowych

### Bezpośredni dostęp do rekordu

Kliknij dowolny rekord, aby otworzyć go w Salesforce. Wprowadź poprawki bezpośrednio lub przypisz odpowiedniemu członkowi zespołu.

## Porównywanie wyników w czasie

### Wykresy trendów

DQS wyświetla wykresy trendów pokazujące:
- Ogólny wynik w czasie
- Wyniki wymiarów w czasie
- Wyniki pól w czasie

Wykresy pomagają:
- Śledzić postęp w poprawie
- Identyfikować pogarszające się obszary
- Mierzyć efekty działań związanych z oczyszczaniem danych

### Porównanie skanowań

Porównaj dowolne dwa skanowania:

1. Kliknij **Compare** w zakładce Results
2. Wybierz skanowanie bazowe (starsze)
3. Wybierz skanowanie do porównania (nowsze)
4. Przejrzyj metryki obok siebie

Porównanie wyróżnia:
- Poprawione metryki (zielony)
- Pogorszone metryki (czerwony)
- Niezmienione metryki (szary)

### Wyznaczanie celów poprawy

Wykorzystaj dane historyczne, aby wyznaczyć realistyczne cele:

| Obecny wynik | Realistyczny cel na 90 dni |
|--------------|----------------------------|
| Poniżej 60% | 70–75% |
| 60–70% | 75–82% |
| 70–80% | 82–88% |
| 80–90% | 90–94% |
| Powyżej 90% | Utrzymanie lub 95%+ |

## Eksportowanie danych

Możesz eksportować wyniki na potrzeby analizy offline i procesów oczyszczania danych.

### Eksport CSV

Opcje eksportu:
- **Summary Export** — tylko wyniki i metryki
- **Affected Records Export** — pełna lista rekordów z problemami
- **Field Detail Export** — rozbicie per pole

### Jak eksportować

1. Otwórz wyniki skanowania
2. Kliknij **Export** (ikona pobierania)
3. Wybierz typ eksportu
4. Wybierz format (CSV)
5. Pobierz plik

### Zawartość eksportu

**Affected Records Export zawiera:**
- Record ID
- Record Name
- Pole z problemem
- Typ problemu
- Bieżącą wartość
- Sugerowane działanie

**Przykładowy wiersz:**
```
0031x00000ABC123,John Smith,Email,INVALID_FORMAT,john.smith@example,Fix email domain
```

### Wykorzystanie eksportów do oczyszczania danych

1. Wyeksportuj rekordy, których dotyczą problemy, do CSV
2. Otwórz w Excelu lub Google Sheets
3. Przejrzyj i popraw wartości
4. Użyj Data Loader, aby zaktualizować Salesforce
5. Uruchom skanowanie ponownie, aby zweryfikować poprawę

> **Wskazówka:** Stwórz proces przypisywania zadań oczyszczania. Wyeksportuj rekordy, przypisz właścicieli na podstawie Account lub Region i śledź poprawki.

## Udostępnianie wyników

### Opcje udostępniania

Udostępniaj wyniki interesariuszom:

1. **Udostępnianie linku** — skopiuj URL do wyników skanowania
2. **Zrzut ekranu** — widok dashboardu do prezentacji
3. **Eksport** — CSV do szczegółowej analizy
4. **Podsumowanie e-mail** — automatyczne raporty

### Tworzenie raportów dla kierownictwa

W prezentacjach dla zarządu skup się na:
- Ogólnym wyniku i trendzie
- Poprawie względem poprzedniego okresu
- 3 największych obszarach problemowych
- Planie działania z harmonogramem

Unikaj przytłaczania szczegółami metryk. Zacznij od opowieści.

## Zrozumieć zmiany wyników

### Dlaczego wyniki się zmieniają

| Zmiana | Częste przyczyny |
|--------|------------------|
| Wynik poprawił się | Działania oczyszczające, lepsze wprowadzanie danych |
| Wynik spadł | Nowe dane z problemami, zmienione progi |
| Duży skok w górę | Ukończono masowe oczyszczanie danych |
| Duży spadek | Import danych o niskiej jakości |

### Badanie zmian

Gdy wyniki zmieniają się niespodziewanie:

1. Porównaj skanowania, aby zidentyfikować, które metryki się zmieniły
2. Wejdź w szczegóły na poziomie pola
3. Przejrzyj niedawne zmiany danych (importy, integracje)
4. Sprawdź, czy zmieniła się konfiguracja Definition

## Kolejne kroki

- [Przewodnik po Definition Builder](/pl/resources/using-dqs/definition-builder/): dostosuj progi na podstawie ustaleń
- [Uruchamianie skanowań](/pl/resources/using-dqs/running-scans/): planuj regularne skanowania
- [Pomiar jakości danych](/pl/resources/best-practices/measuring-data-quality/): zbuduj scorecard jakości