Entendendo os resultados

Visão geral dos resultados

Depois que uma varredura é concluída, o DQS apresenta seus resultados em uma visão de dashboard. O dashboard mostra pontuações em vários níveis:

1. Overall Score - Um único número que representa a qualidade total dos dados
2. Dimension Scores - Pontuações para cada capability (Completeness, Validity etc.)
3. Field Scores - Pontuações para cada campo analisado
4. Record Details - Detalhamento até registros afetados específicos

O dashboard de resultados

Layout do dashboard

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

Acessando os resultados

1. Abra o DQS pelo App Launcher
2. Encontre sua Definition na lista
3. Clique no nome da Definition
4. Selecione a aba Results
5. Escolha uma data de varredura para visualizar

A varredura mais recente é exibida por padrão.

Overall Quality Score

A pontuação geral é uma média ponderada de todas as pontuações de dimensão.

Como ela é calculada

O DQS usa pesos padrão para cada dimensão:

Fórmula: Overall = (Completeness x 0,25) + (Validity x 0,20) + (Uniqueness x 0,20) + (Timeliness x 0,15) + (Consistency x 0,20)

As pontuações de AI Readiness são exibidas separadamente e não afetam a pontuação geral de Data Quality.

Interpretação da pontuação

Indicador de tendência

Ao lado da sua pontuação, você verá uma seta de tendência:

• Seta verde para cima - A pontuação melhorou em relação à última varredura
• Seta vermelha para baixo - A pontuação caiu em relação à última varredura
• Traço cinza - A pontuação não mudou

O percentual mostra o valor da mudança.

Dimension Scores

Clique em qualquer card de dimensão para ver as métricas detalhadas.

Métricas de Completeness

Exemplo de interpretação:

• Completeness Rate: 85% significa que 15% dos registros têm valores ausentes
• Um Placeholder Rate alto sugere que os usuários inserem “TBD” em vez de dados reais

Métricas de Validity

Exemplo de interpretação:

• Um Validity Rate de 78% no campo Email significa que 22% têm problemas de formato
• Problemas comuns: @ ausente, espaços, erros de digitação como “.con”

Métricas de Uniqueness

Exemplo de interpretação:

• Um Uniqueness Rate de 95% significa que 5% são duplicatas
• Uma Entropy baixa sugere que muitos registros compartilham os mesmos valores

Métricas de Timeliness

Exemplo de interpretação:

• Um Staleness Rate de 30% significa que 30% dos registros não foram tocados dentro da sua janela de atualidade
• Um Future Rate acima de 0% indica erros de entrada de dados

Métricas de Consistency

Exemplo de interpretação:

• Um Variant Count de 15 no campo Country sugere entrada inconsistente (USA vs. United States vs. US)
• Dominant Values mostra quais variações são mais comuns

Métricas de AI Readiness

PII Detection:

Detalhes no nível de campo

Clique em uma dimensão para ver o detalhamento por campo.

Tabela de Field Scores

Lendo os Field Scores

Cada campo mostra:

• Score - Desempenho deste campo
• Issues - Contagem de registros problemáticos
• Actions - Links para detalhamento e exportação

Identificando campos problemáticos

Ordene os campos por pontuação (do menor primeiro) para encontrar:

• Campos com mais problemas
• Campos que precisam de atenção imediata
• Padrões entre campos relacionados

Dica: Foque primeiro nos campos de alto impacto. Uma melhoria de 10% na validade do Email tem mais valor de negócio do que aperfeiçoar um campo raramente usado.

Detalhamento até os registros

Clique em View Records para ver os dados afetados.

Visão de lista de registros

O detalhamento mostra os registros com problemas:

Filtrando a lista de registros

Filtre por:

• Tipo de problema (ausente, inválido, duplicado etc.)
• Intervalo de datas
• Owner
• Valores de campos customizados

Acesso direto ao registro

Clique em qualquer registro para abri-lo no Salesforce. Faça correções diretamente ou atribua ao membro de equipe apropriado.

Comparando resultados ao longo do tempo

Gráficos de tendência

O DQS exibe gráficos de tendência que mostram:

• Overall score ao longo do tempo
• Dimension scores ao longo do tempo
• Field scores ao longo do tempo

Os gráficos ajudam você a:

• Acompanhar o progresso da melhoria
• Identificar áreas em declínio
• Medir o impacto dos esforços de limpeza

Comparação de varreduras

Compare duas varreduras quaisquer:

1. Clique em Compare na aba Results
2. Selecione uma varredura base (mais antiga)
3. Selecione uma varredura de comparação (mais recente)
4. Veja as métricas lado a lado

A comparação destaca:

• Métricas que melhoraram (verde)
• Métricas que pioraram (vermelho)
• Métricas inalteradas (cinza)

Definindo metas de melhoria

Use dados históricos para definir metas realistas:

Exportando dados

Você pode exportar resultados para análise offline e fluxos de trabalho de limpeza.

Exportação em CSV

Opções de exportação:

• Summary Export - Apenas pontuações e métricas
• Affected Records Export - Lista completa de registros com problemas
• Field Detail Export - Detalhamento por campo

Como exportar

1. Abra os resultados da varredura
2. Clique em Export (ícone de download)
3. Escolha o tipo de exportação
4. Selecione o formato (CSV)
5. Baixe o arquivo

Conteúdo da exportação

O Affected Records Export inclui:

• Record ID
• Record Name
• Campo com o problema
• Tipo de problema
• Valor atual
• Ação sugerida

Exemplo de linha:

0031x00000ABC123,John Smith,Email,INVALID_FORMAT,john.smith@example,Fix email domain

Usando exportações para limpeza

1. Exporte os registros afetados para CSV
2. Abra no Excel ou no Google Sheets
3. Revise e corrija os valores
4. Use o Data Loader para atualizar o Salesforce
5. Rode a varredura novamente para verificar as melhorias

Dica: Crie um fluxo de trabalho de atribuição de limpeza. Exporte os registros, atribua responsáveis com base na Account ou na Region e acompanhe as correções.

Compartilhando resultados

Opções de compartilhamento

Compartilhe os resultados com as partes interessadas:

1. Compartilhamento de link - Copie a URL para os resultados da varredura
2. Captura de tela - Visão do dashboard para apresentações
3. Exportação - CSV para análise detalhada
4. Resumo por e-mail - Relatórios automatizados

Criando relatórios para a liderança

Para apresentações executivas, foque em:

• Pontuação geral e tendência
• Melhoria em relação ao período anterior
• As 3 principais áreas problemáticas
• Plano de ação com cronograma

Evite sobrecarregar com detalhes de métricas. Comece pela história.

Entendendo as mudanças de pontuação

Por que as pontuações mudam

Investigando as mudanças

Quando as pontuações mudam de forma inesperada:

1. Compare as varreduras para identificar quais métricas mudaram
2. Detalhe até o nível de campo
3. Revise as mudanças recentes de dados (importações, integrações)
4. Verifique se a configuração da Definition mudou

Próximos passos

• Guia do Definition Builder: ajuste os limiares com base nos achados
• Executando varreduras: agende varreduras regulares
• Medindo a qualidade de dados: construa um scorecard de qualidade