# As cinco dimensões da qualidade de dados

> Conheça as cinco dimensões que o DQS mede: Completude, Validade, Unicidade, Atualidade e Consistência.

Source: https://dataqualitysense.com/pt/resources/data-quality/five-dimensions/
Last updated: 2026-07-15

---

## Entendendo as cinco dimensões

Qualidade de dados é medida em cinco dimensões principais. Cada uma responde a uma pergunta específica sobre seus dados, e juntas determinam se os dados estão aptos ao propósito.

Medir por dimensão importa porque falha é a norma, não a exceção: a [pesquisa da Harvard Business Review (Nagle, Redman, Sammon, 2017)](https://hbr.org/2017/09/only-3-of-companies-data-meets-basic-quality-standards) descobriu que 47% dos registros de dados recém-criados contêm pelo menos um erro crítico. Uma única impressão geral de "qualidade" esconde qual das cinco dimensões está produzindo esses erros.

O DQS mede as cinco dimensões nativamente dentro do Salesforce.

| Dimensão | Pergunta central | Problema exemplo |
|-----------|--------------|---------------|
| Completude | Os dados estão presentes? | Endereços de e-mail faltando |
| Validade | O formato está correto? | Números de telefone malformados |
| Unicidade | Cada registro é único? | Contacts duplicados |
| Atualidade | Os dados estão atuais? | Close dates desatualizadas em Opportunities |
| Consistência | Os dados são uniformes? | "USA" vs "United States" |

## 1. Completude

Completude mede se os valores de dados obrigatórios estão presentes e não faltando.

### O que o DQS mede

- **Fill Rate**: Percentual de registros com valores não vazios
- **Blank Detection**: Strings vazias e valores só com espaços
- **Placeholder Detection**: Valores como "N/A", "TBD" ou "Unknown"

### Por que completude importa

Dados incompletos quebram automação. Quando um workflow exige um endereço de e-mail que não existe, ele falha. Quando um relatório filtra por Industry e metade dos registros não têm valor em Industry, os analytics mostram só parte do retrato.

### Problemas comuns de completude

| Problema | Exemplo | Impacto |
|-------|---------|--------|
| Campos em branco | Phone vazio em Contact | Não dá para ligar para os prospects |
| Valores placeholder | "TBD" em Company Name | Inválido para reporting |
| Só espaços em branco | "   " em Description | Parece preenchido, mas não está |

> **Dica:** Comece pelos seus campos mais críticos. Você não precisa de 100% de completude em todo campo, só naqueles que importam para o seu caso de uso.

## 2. Validade

Validade mede se os valores seguem formatos e padrões esperados.

### O que o DQS mede

- **Format Validation**: Padrões de e-mail, telefone, URL
- **Pattern Matching**: Padrões regex customizados
- **Domain Validation**: Listas de valores permitidos

### Validade vs precisão

Validade e precisão são coisas diferentes. Um e-mail pode ser válido (formato correto), mas impreciso (pessoa errada). O DQS mede validade porque a validação de formato pode ser automatizada. Precisão exige verificação externa.

| Verificação | Válido? | Preciso? |
|-------|--------|-----------|
| john@company.com | Sim | Desconhecido sem verificação |
| john@company | Não | N/A (formato errado) |
| john.smith@oldcompany.com | Sim | Não (a pessoa saiu da empresa) |

### Problemas comuns de validade no Salesforce

- Endereços de e-mail sem "@" ou domínio
- Números de telefone com contagem de dígitos errada
- URLs sem protocolo (http/https)
- Texto livre onde são esperados valores de picklist

## 3. Unicidade

Unicidade mede se os valores são distintos e não duplicados.

### O que o DQS mede

- **Duplicate Detection**: Correspondências exatas entre registros
- **Distinct Count**: Total de valores únicos por campo
- **Entropy Analysis**: Diversidade e distribuição de valores

### O custo das duplicatas

Registros duplicados desperdiçam armazenamento, confundem usuários e produzem métricas infladas. Quando vendas tem dois registros para a mesma empresa, perde contexto e corre o risco de fazer outreach duplicado.

Pesquisas mostram:
- Bases B2B contêm 10-30% de registros duplicados em média
- Cada duplicata custa às organizações em envios de e-mail desperdiçados, reporting confuso e histórico fragmentado do cliente

### Prevenção vs detecção de duplicatas

O DQS foca em detecção, que ajuda a identificar duplicatas que já existem. A prevenção (barrar duplicatas na criação) requer validation rules e matching rules na configuração do Salesforce.

## 4. Atualidade

Atualidade mede se os dados estão suficientemente atuais para o uso pretendido.

### O que o DQS mede

- **Freshness Rate**: Percentual de registros dentro da janela de atualidade
- **Staleness Detection**: Registros que excedem seu limite
- **Average Age**: Idade média dos valores de campos de data
- **Future Date Detection**: Datas inválidas no futuro

### Definindo limites de atualidade

Tipos de dados diferentes têm requisitos diferentes de atualidade:

| Tipo de dado | Limite típico | Por quê |
|-----------|-------------------|-----|
| Lead Last Activity | 30 dias | Leads frios perdem valor |
| Informações de Contact | 90 dias | Pessoas mudam de emprego |
| Opportunity Close Date | Trimestre atual | Precisão da previsão |
| Account Annual Revenue | 1 ano | Atualizações anuais esperadas |

### Por que atualidade importa para IA

Modelos de IA e machine learning aprendem com seus dados. Quando os dados estão desatualizados, a IA aprende padrões defasados. O Agentforce, por exemplo, usa seus dados do Salesforce para fundamentar respostas. Informações de contato desatualizadas levam a recomendações erradas.

## 5. Consistência

Consistência mede se os valores são uniformes e padronizados.

### O que o DQS mede

- **Conformance Rate**: Percentual que corresponde aos padrões esperados
- **Variant Detection**: Diferentes representações do mesmo valor
- **Dominant Value Analysis**: Valor mais comum por campo

### Tipos de inconsistência

| Tipo | Exemplo | Problema |
|------|---------|---------|
| Variação de formato | "USA" vs "United States" vs "US" | Quebra filtro e agrupamento |
| Variação de escrita | "Acme Corp" vs "ACME Corporation" | Cria falsas duplicatas |
| Variação de caixa | "new york" vs "New York" | Parece pouco profissional em relatórios |

### Por que consistência importa para IA

Modelos de IA tratam "USA" e "United States" como valores diferentes. Se seus registros usam os dois, a IA não consegue agrupá-los corretamente. Dados inconsistentes fragmentam o entendimento da sua IA e produzem saídas pouco confiáveis.

### Alcançando consistência

- Use picklists em vez de texto livre sempre que possível
- Padronize um único formato para cada campo
- Importe valores do campo ao configurar as verificações de consistência no DQS

## Balanceando as dimensões

Nem toda dimensão é igualmente importante para todo caso de uso. Considere o que você precisa:

| Caso de uso | Dimensões prioritárias |
|----------|---------------------|
| Campanhas de marketing | Completude, Validade (para entregabilidade) |
| Previsão de vendas | Atualidade, Completude |
| Atendimento ao cliente | Unicidade (uma única fonte de verdade) |
| AI/Agentforce | As cinco, mais verificações de AI Readiness |

## Cobertura de dimensões no DQS

O DQS mede as cinco dimensões com capacidades abrangentes:

| Dimensão | O que o DQS mede |
|-----------|-------------------|
| Completude | Fill rate, detecção de nulls, blank, placeholder, lógica contextual |
| Validade | Validação de formato, padrões regex custom, identificação de registros inválidos |
| Unicidade | Detecção de duplicatas, análise de entropia, distribuição de frequência |
| Atualidade | Freshness rate, detecção de staleness, idade média, detecção de datas futuras |
| Consistência | Verificação de conformance, descoberta de variantes, análise de valores dominantes |

## Próximos passos

Agora que você entende as cinco dimensões:

1. Faça a [AI Readiness Assessment](/pt/ai-readiness/) para ver suas pontuações atuais
2. Leia sobre [Preparação para Agentforce](/pt/resources/ai-readiness/agentforce-preparation/) para verificações adicionais além da qualidade de dados básica
3. Aprenda a usar o [Definition Builder](/resources/using-dqs/definition-builder/) para configurar seu primeiro scan