# Atualidade: cenários de configuração > Três walkthroughs práticos mostrando como configurar a análise de atualidade do DQS para diferentes necessidades de negócio. Source: https://dataqualitysense.com/pt/resources/use-cases/timeliness-scenarios/ Last updated: 2026-04-16 --- ## O que estes cenários cobrem Esta página apresenta três configurações reais da análise de atualidade do DQS. Cada cenário cobre um problema específico, mostra as configurações exatas e explica como ler os resultados. Estes walkthroughs se apoiam nos conceitos do artigo principal de [Atualidade](/pt/resources/data-quality/timeliness/). Leia primeiro se você é novo nas métricas, no fluxo diagnóstico ou em opções como Freshness Window e Null As Stale. ## Cenário 1: frescor de outreach de Lead em um campo de data custom ### O problema Seu time de vendas registra quando cada lead foi contatado pela última vez em um campo custom `Last_Outreach_Date__c` no objeto Lead. Os SDRs atualizam manualmente após cada ligação ou e-mail. O CRM mostra 8.000 leads abertos, mas ninguém sabe quantos tiveram contato recente. Alguns nunca foram contatados porque o campo ficou em branco. O time de sales ops precisa de uma contagem clara de leads frescos vs desatualizados. > **Por que um campo custom?** Campos de data padrão do Salesforce como `LastModifiedDate` são sempre populados e atualizados automaticamente. Um campo custom como `Last_Outreach_Date__c` depende de entrada do usuário. Pode ser nulo (nunca contatado), desatualizado ou atual. Isso o torna um bom alvo para análise de frescor com Null As Stale habilitado. ### Configuração É uma checagem direta. Use **Data Freshness** no objeto Lead, no campo `Last_Outreach_Date__c`. Você precisa da freshness rate e da quebra de staleness, não das métricas avançadas de anomalia. | Configuração | Valor | Por quê | |---------|-------|-----| | Modo de análise | Data Freshness | Você precisa das taxas de freshness e staleness, não overdue nem anomalia | | Freshness Window | 30 dias | Leads ativos precisam de engajamento no último mês | | Null As Stale | ON | Um `Last_Outreach_Date__c` nulo significa que o lead nunca foi contatado. Isso é stale por definição. | `Last_Outreach_Date__c` é um campo "último evento". Freshness Rate é a métrica principal aqui. Overdue Rate leria tautologicamente alto porque a maioria das datas de outreach está no passado. ### Resultados de exemplo | Métrica | Valor | |--------|-------| | Freshness Rate | 38% | | Staleness Rate | 62% | Total de Leads avaliados: 8.000. ### Lendo os resultados Comece pela headline: 38% de freshness. Isso significa que 62% dos seus leads abertos, 4.960 registros, não têm outreach nos últimos 30 dias. Seus SDRs trabalham sobre um pool em que quase dois terços estão frios. Agora quebre o que os 62% contêm. **Null As Stale está ON, então nulls contam como stale.** Se 1.200 dos 4.960 stale têm `Last_Outreach_Date__c` nulo, esses leads nunca foram contatados. Entraram via web form, import ou integração e ninguém logou outreach. Os outros 3.760 têm uma data, mas antiga. Dois grupos, duas ações: - **Para os 1.200 nulls:** Leads intocados. Roteie para SDRs fazerem o primeiro contato. Não são "stale" no sentido tradicional. São leads que ficaram pelo caminho. - **Para os 3.760 com datas antigas:** Engajamento parou. Revise a distribuição de idade. Se a maioria fica entre 31-45 dias, uma campanha rápida de follow-up traz muitos de volta. Se a maioria está 90+ dias, considere reciclar ou arquivar. ### O que fazer depois Use a Freshness Rate para segmentar seu pool. Crie uma list view filtrada por `Last_Outreach_Date__c` nos últimos 30 dias e priorize os 3.040 frescos. Acompanhe a Freshness Rate ao longo do tempo. Se cair, seu follow-up tem lacuna. Se subir, sua cadência está funcionando. --- ## Cenário 2: acompanhamento de prazo de renovação de contrato ### O problema Seu time de customer success gerencia 2.500 contratos ativos. As renovações são acompanhadas em `Contract_End_Date__c` no Account. O time recebe um relatório trimestral, mas contratos que passam do fim sem renovação ficam despercebidos por semanas. Quando alguém nota, o cliente já está avaliando concorrentes. Você precisa de uma forma de medir quantos estão atrasados e por quanto tempo. ### Configuração Use **Advanced Data Freshness** no Account, no campo `Contract_End_Date__c`. Você precisa de Overdue Rate com período de graça porque é um campo de prazo em que "atrasado" tem significado de negócio direto. | Configuração | Valor | Por quê | |---------|-------|-----| | Modo de análise | Advanced Data Freshness | Habilita Overdue Rate e Average Age | | Freshness Window | 365 dias | Contratos renovam anualmente | | Null As Stale | ON | Um end date nulo é lacuna de dados, não registro limpo | | Overdue Tracking | ON | É um campo de prazo. Você precisa do percentual atrasado | | Grace Period | 30 dias | Dê ao processo de renovação 30 dias após o fim do contrato antes de marcar como atrasado | `Contract_End_Date__c` é um campo de prazo. Overdue Rate é a métrica principal, não Freshness Rate. A pergunta é "quantos contratos estão atrasados?", não "quantas datas estão recentes?" ### Resultados de exemplo **Métricas de base:** | Métrica | Valor | |--------|-------| | Freshness Rate | 64% | | Staleness Rate | 34,8% | **Métricas avançadas:** | Métrica | Valor | |--------|-------| | Average Age | 210 dias | | Future Rate | 1,2% | | Overdue Rate | 14% | Total de Accounts avaliados: 2.500. ### Lendo os resultados **Overdue Rate (14%) é sua headline.** 350 contratos estão mais de 30 dias após o end date sem terem sido atualizados. Risco ativo de vazamento de receita. O grace period de 30 dias já filtrou os da janela normal de renovação, então esses 350 estão realmente travados. **Freshness Rate (64%) dá contexto.** 64% dos end dates estão nos últimos 365 dias. A maioria dos contratos foi tocada em um ciclo de renovação. Os 34,8% stale incluem os atrasados e os com end dates muito antigos nunca atualizados após renovação. **Average Age (210 dias) revela a profundidade.** A média de idade dos end dates é 210 dias. Dentro da janela de 365, mas perto do limite. Seu dataset puxa para datas mais antigas, ou seja, muitos contratos estão próximos da próxima renovação. **Future Rate (1,2%) sinaliza 30 registros com end dates no futuro.** Para um end date de contrato, uma data futura é normal: significa que o contrato ainda não expirou. 1,2% em 2.500 é só 30 contratos com datas futuras. Isso mostra que a grande maioria dos contratos já passou do end date, e o campo raramente é atualizado para refletir extensões. **A matemática de negócio:** 350 contratos atrasados pelo seu valor médio representam receita real em risco. Se o contrato anual médio é US$ 15.000, são US$ 5,25 milhões parados sem renovação ativa. ### O que fazer depois Monte uma fila de prioridade a partir dos 350. Ordene por valor e dias atrasados. Atribua cada um a um customer success manager para outreach imediato. Após a limpeza inicial, rode o scan mensalmente. Acompanhe Overdue Rate como sua métrica principal de saúde de renovação. Se subir entre scans, o processo está ficando para trás. --- ## Cenário 3: limpeza de datas de pipeline após migração ### O problema Sua empresa migrou 12.000 Opportunities de um CRM legado para o Salesforce há seis meses. Relatórios de pipeline parecem errados: negócios aparecem em trimestres aos quais não pertencem e forecast totais incluem valores de oportunidades de anos atrás. O time RevOps suspeita que `CloseDate` contém datas do sistema antigo (algumas de 2015) e placeholders (2099-12-31) injetados pela migração. Antes de o time confiar no pipeline, precisa saber exatamente quantas close dates estão fora de uma faixa realista. ### Configuração Use **Advanced Data Freshness** em Opportunity, no campo `CloseDate`. Você precisa de Operational Range Rate para definir o que é "realista" e pegar tudo fora disso. | Configuração | Valor | Por quê | |---------|-------|-----| | Modo de análise | Advanced Data Freshness | Habilita Operational Range Rate e Future Rate | | Freshness Window | 180 dias | Close date nos últimos 6 meses é "atual" para pipeline | | Null As Stale | OFF | `CloseDate` é obrigatório em Opportunities. Nulls são raros. | | Operational Range | ON | O cerne desta análise | | Operational Range Min | 365 dias no passado | Qualquer close date além de 1 ano atrás é artefato legado | | Operational Range Max | 180 dias no futuro | Qualquer close date além de 6 meses à frente é placeholder ou forecast irreal | Os inputs de Operational Range usam "dias no passado" e "dias no futuro" a partir de hoje. O DQS converte em datas absolutas no scan. Se você rodar em 1º de março de 2026, a faixa vira de 1º de março de 2025 a 28 de agosto de 2026. Qualquer close date fora disso é sinalizada. ### Resultados de exemplo **Métricas de base:** | Métrica | Valor | |--------|-------| | Freshness Rate | 52% | | Staleness Rate | 38,5% | **Métricas avançadas:** | Métrica | Valor | |--------|-------| | Average Age | 285 dias | | Future Rate | 9,5% | | Overdue Rate | Não computado (Overdue Tracking OFF) | | Operational Range Rate | 71% | Total de Opportunities avaliadas: 12.000. ### Lendo os resultados **Operational Range Rate (71%) é sua headline.** 71% das close dates caem na faixa realista. Isso significa que 29%, ou 3.480 registros, estão fora. Esses são os registros distorcendo seu pipeline. Quebre o que está fora: **Future Rate (9,5%) sinaliza 1.140 registros com close dates no futuro.** Alguns são normais: Opportunities abertas com close dates nos próximos 6 meses são esperadas e caem dentro do operational range. Cruze com o operational range: registros que são futuros E fora do limite de 180 dias à frente são os problemáticos. Placeholders como 2099-12-31 ou datas absurdamente longínquas vindas da migração. **A quebra fora de faixa fica assim:** | Categoria | Registros estimados | O que significa | |----------|-------------------|---------------| | Datas legadas (além de 365 dias) | ~2.340 | Migradas do CRM antigo. Close dates de 2015-2024 em deals nunca limpos. | | Placeholders futuros distantes | ~1.140 | Datas tipo 2099-12-31 injetadas pela ferramenta de migração. | | **Total fora de faixa** | **~3.480** | **Seu escopo de limpeza** | **Average Age (285 dias) confirma o peso do legado.** A média em todos os close dates é 285 dias, bem fora da janela de 180. Essa média alta reflete o volume grande de datas antigas puxando o número. Após limpar o legado, espere que caia bruscamente. **Freshness Rate (52%) dá sua baseline de saúde de pipeline.** Só metade das close dates está nos últimos 6 meses. Após remover os 3.480 fora de faixa, recalcule. Seu dataset limpo de 8.520 registros terá uma freshness rate muito mais alta e seus relatórios refletirão deals atuais. ### O que fazer depois Exporte os 3.480 registros fora de faixa. Divida em duas trilhas de limpeza: - **Datas legadas (2.340 registros):** Revise por estágio. Closed-Won e Closed-Lost com datas antigas são históricos. Deixe-os, mas exclua das visões de pipeline ativo. Abertas com close dates de 2015-2024 são deals mortos que nunca foram fechados no sistema antigo. Atualize o estágio para Closed-Lost. - **Placeholders (1.140 registros):** Substitua 2099-12-31 e similares por datas realistas com base no estágio e na data de criação. Para deals sem cronograma claro, defina a close date para o fim do trimestre atual e sinalize para revisão de vendas. Após a limpeza, re-execute. Meta: Operational Range Rate acima de 95% e Freshness Rate acima de 75% para o pipeline ativo. --- ## Escolhendo sua configuração Use esta tabela para escolher um ponto de partida. | Se você precisa... | Comece com | Configurações-chave | |--------------------|------------|--------------| | Verificar frescor para auditoria rápida | Data Freshness | Defina Freshness Window, Null As Stale ON se nulls representam dados faltando | | Medir recência de engajamento com leads/contatos | Data Freshness | Janela de 30 dias, Null As Stale ON, Freshness Rate como headline | | Acompanhar prazos e compliance de renovação | Advanced Data Freshness | Overdue Tracking ON, Grace Period conforme o buffer de processo | | Detectar datas legadas ou placeholders pós-migração | Advanced Data Freshness | Operational Range ON, defina Min/Max | | Obter o quadro completo em um campo crítico | Advanced Data Freshness | Todas configurações: Freshness Window + Null As Stale + Overdue Tracking + Operational Range | | Entender severidade além da taxa | Advanced Data Freshness | Revise Average Age ao lado de Freshness Rate | Para referência completa das 6 métricas e do fluxo diagnóstico, volte ao artigo principal de [Atualidade](/pt/resources/data-quality/timeliness/). Pronto para medir sua qualidade de dados? Faça a [AI Readiness Assessment](/pt/ai-readiness/) para ver suas pontuações de atualidade e muito mais.