Ergebnisse verstehen

Ergebnisse im Überblick

Nach Abschluss eines Scans stellt DQS Ihre Ergebnisse in einer Dashboard-Ansicht dar. Das Dashboard zeigt Scores auf mehreren Ebenen:

1. Gesamtscore – Eine einzelne Zahl, die die gesamte Datenqualität abbildet
2. Dimensionsscores – Scores für jede Fähigkeit (Vollständigkeit, Gültigkeit usw.)
3. Feldscores – Scores für jedes analysierte Feld
4. Datensatzdetails – Drill-down zu bestimmten betroffenen Datensätzen

Das Ergebnis-Dashboard

Aufbau des Dashboards

┌─────────────────────────────────────────────────────────────────┐
│                      GESAMTQUALITÄTSSCORE                       │
│                           85%                                    │
│                     ▲ +3% ggü. letztem Scan                      │
├──────────────────────┬──────────────────────┬───────────────────┤
│   VOLLSTÄNDIGKEIT    │      GÜLTIGKEIT      │   EINDEUTIGKEIT   │
│        92%           │        78%           │       95%         │
├──────────────────────┼──────────────────────┼───────────────────┤
│      AKTUALITÄT      │     KONSISTENZ       │   AI READINESS    │
│        88%           │        82%           │       76%         │
└──────────────────────┴──────────────────────┴───────────────────┘

Auf Ergebnisse zugreifen

1. Öffnen Sie DQS über den App Launcher
2. Suchen Sie Ihre Definition in der Liste
3. Klicken Sie auf den Definitionsnamen
4. Wählen Sie den Tab Results
5. Wählen Sie ein Scan-Datum zur Ansicht

Standardmäßig wird der jüngste Scan angezeigt.

Gesamtqualitätsscore

Der Gesamtscore ist ein gewichteter Durchschnitt aller Dimensionsscores.

Wie er berechnet wird

DQS verwendet für jede Dimension Standardgewichtungen:

Formel: Gesamt = (Vollständigkeit x 0,25) + (Gültigkeit x 0,20) + (Eindeutigkeit x 0,20) + (Aktualität x 0,15) + (Konsistenz x 0,20)

AI-Readiness-Scores werden separat ausgewiesen und beeinflussen den Data-Quality-Gesamtscore nicht.

Interpretation des Scores

Trendindikator

Neben Ihrem Score sehen Sie einen Trendpfeil:

• Grüner Pfeil nach oben – Score hat sich gegenüber dem letzten Scan verbessert
• Roter Pfeil nach unten – Score ist gegenüber dem letzten Scan gesunken
• Grauer Strich – Score unverändert

Der Prozentwert zeigt das Ausmaß der Veränderung.

Dimensionsscores

Klicken Sie auf eine beliebige Dimensions-Karte, um detaillierte Kennzahlen zu sehen.

Completeness-Kennzahlen

Beispielinterpretation:

• Completeness Rate: 85 % bedeutet, dass bei 15 % der Datensätze Werte fehlen
• Eine hohe Placeholder Rate deutet darauf hin, dass Anwender „TBD” statt echter Daten eingeben

Validity-Kennzahlen

Beispielinterpretation:

• Eine Validity Rate von 78 % beim Email-Feld bedeutet, dass 22 % Formatprobleme aufweisen
• Häufige Probleme: fehlendes @, Leerzeichen, Tippfehler wie „.con”

Uniqueness-Kennzahlen

Beispielinterpretation:

• Eine Uniqueness Rate von 95 % bedeutet, dass 5 % Duplikate sind
• Eine niedrige Entropy deutet darauf hin, dass viele Datensätze dieselben Werte teilen

Timeliness-Kennzahlen

Beispielinterpretation:

• Eine Staleness Rate von 30 % bedeutet, dass 30 % der Datensätze innerhalb Ihres Aktualitätsfensters nicht angefasst wurden
• Eine Future Rate über 0 % weist auf Dateneingabefehler hin

Consistency-Kennzahlen

Beispielinterpretation:

• Ein Variant Count von 15 beim Country-Feld deutet auf uneinheitliche Eingaben hin (USA vs. United States vs. US)
• Dominant Values zeigt, welche Varianten am häufigsten vorkommen

AI-Readiness-Kennzahlen

PII-Erkennung:

Details auf Feldebene

Klicken Sie auf eine Dimension, um die Aufschlüsselung je Feld zu sehen.

Tabelle der Feldscores

Feldscores lesen

Jedes Feld zeigt:

• Score – Leistung für dieses Feld
• Probleme – Anzahl der problematischen Datensätze
• Aktionen – Links zu Drill-down und Export

Problemfelder identifizieren

Sortieren Sie die Felder nach Score (niedrigster zuerst), um Folgendes zu finden:

• Felder mit den meisten Problemen
• Felder, die sofortige Aufmerksamkeit benötigen
• Muster über verwandte Felder hinweg

Tipp: Konzentrieren Sie sich zuerst auf Felder mit großer Wirkung. Eine Verbesserung der Email-Gültigkeit um 10 % hat einen größeren geschäftlichen Wert als die Perfektionierung eines selten genutzten Feldes.

Drill-down zu Datensätzen

Klicken Sie auf View Records, um die betroffenen Daten zu sehen.

Datensatzlisten-Ansicht

Der Drill-down zeigt Datensätze mit Problemen:

Die Datensatzliste filtern

Filtern nach:

• Problemtyp (fehlend, ungültig, Duplikat usw.)
• Datumsbereich
• Owner
• Werte benutzerdefinierter Felder

Direkter Zugriff auf Datensätze

Klicken Sie auf einen beliebigen Datensatz, um ihn in Salesforce zu öffnen. Nehmen Sie Korrekturen direkt vor oder weisen Sie ihn dem passenden Teammitglied zu.

Ergebnisse im Zeitverlauf vergleichen

Trenddiagramme

DQS zeigt Trenddiagramme an, die Folgendes darstellen:

• Gesamtscore im Zeitverlauf
• Dimensionsscores im Zeitverlauf
• Feldscores im Zeitverlauf

Die Diagramme helfen Ihnen:

• den Verbesserungsfortschritt zu verfolgen
• nachlassende Bereiche zu erkennen
• die Wirkung von Bereinigungsmaßnahmen zu messen

Scan-Vergleich

Vergleichen Sie zwei beliebige Scans:

1. Klicken Sie auf dem Tab Results auf Compare
2. Wählen Sie einen Basis-Scan (älter)
3. Wählen Sie einen Vergleichs-Scan (neuer)
4. Sehen Sie die Kennzahlen nebeneinander

Der Vergleich hebt hervor:

• verbesserte Kennzahlen (grün)
• gesunkene Kennzahlen (rot)
• unveränderte Kennzahlen (grau)

Verbesserungsziele festlegen

Nutzen Sie historische Daten, um realistische Ziele zu setzen:

Daten exportieren

Sie können Ergebnisse für die Offline-Analyse und Bereinigungs-Workflows exportieren.

CSV-Export

Exportoptionen:

• Summary Export – nur Scores und Kennzahlen
• Affected Records Export – vollständige Liste der Datensätze mit Problemen
• Field Detail Export – Aufschlüsselung je Feld

So exportieren Sie

1. Öffnen Sie die Scan-Ergebnisse
2. Klicken Sie auf Export (Download-Symbol)
3. Wählen Sie den Exporttyp
4. Wählen Sie das Format (CSV)
5. Laden Sie die Datei herunter

Exportinhalte

Der Affected Records Export enthält:

• Record ID
• Record Name
• Feld mit Problem
• Problemtyp
• Aktueller Wert
• Empfohlene Aktion

Beispielzeile:

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

Exporte für die Bereinigung nutzen

1. Exportieren Sie betroffene Datensätze als CSV
2. Öffnen Sie die Datei in Excel oder Google Sheets
3. Prüfen und korrigieren Sie die Werte
4. Nutzen Sie den Data Loader, um Salesforce zu aktualisieren
5. Führen Sie den Scan erneut aus, um die Verbesserungen zu verifizieren

Tipp: Richten Sie einen Workflow zur Zuweisung der Bereinigung ein. Exportieren Sie Datensätze, weisen Sie Verantwortliche auf Basis von Account oder Region zu und verfolgen Sie die Korrekturen.

Ergebnisse teilen

Optionen zum Teilen

Teilen Sie Ergebnisse mit Stakeholdern:

1. Link-Sharing – URL zu den Scan-Ergebnissen kopieren
2. Screenshot – Dashboard-Ansicht für Präsentationen
3. Export – CSV für detaillierte Analysen
4. E-Mail-Zusammenfassung – automatisierte Berichte

Berichte für die Führungsebene erstellen

Konzentrieren Sie sich bei Präsentationen für die Führungsebene auf:

• Gesamtscore und Trend
• Verbesserung gegenüber dem Vorzeitraum
• die 3 wichtigsten Problembereiche
• Aktionsplan mit Zeitrahmen

Überfrachten Sie nicht mit Detailkennzahlen. Beginnen Sie mit der Geschichte.

Score-Veränderungen verstehen

Warum sich Scores ändern

Veränderungen untersuchen

Wenn sich Scores unerwartet ändern:

1. Vergleichen Sie Scans, um zu erkennen, welche Kennzahlen sich verändert haben
2. Führen Sie einen Drill-down auf Feldebene durch
3. Prüfen Sie kürzliche Datenänderungen (Importe, Integrationen)
4. Prüfen Sie, ob sich die Definitionskonfiguration geändert hat

Nächste Schritte

• Definition-Builder-Leitfaden: Schwellenwerte auf Basis der Erkenntnisse anpassen
• Scans ausführen: Regelmäßige Scans planen
• Datenqualität messen: Eine Qualitäts-Scorecard aufbauen