Entender los resultados

Panorama de los resultados

Una vez completado un análisis, DQS presenta sus resultados en una vista de panel. El panel muestra puntuaciones en varios niveles:

1. Overall Score - Una única cifra que representa la calidad de datos total
2. Dimension Scores - Puntuaciones de cada capacidad (Completeness, Validity, etc.)
3. Field Scores - Puntuaciones de cada campo analizado
4. Record Details - Desglose hasta los registros afectados concretos

El panel de resultados

Distribución del panel

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

Acceder a los resultados

1. Abra DQS desde el App Launcher
2. Localice su Definition en la lista
3. Haga clic en el nombre de la Definition
4. Seleccione la pestaña Results
5. Elija una fecha de análisis para visualizar

El análisis más reciente se muestra de forma predeterminada.

Puntuación de calidad general

La puntuación general es una media ponderada de todas las puntuaciones por dimensión.

Cómo se calcula

DQS usa pesos predeterminados para cada dimensión:

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

Las puntuaciones de AI Readiness se muestran por separado y no afectan a la puntuación general de Data Quality.

Interpretación de la puntuación

Indicador de tendencia

Junto a su puntuación, verá una flecha de tendencia:

• Flecha verde hacia arriba - La puntuación mejoró respecto al análisis anterior
• Flecha roja hacia abajo - La puntuación bajó respecto al análisis anterior
• Guion gris - La puntuación no cambió

El porcentaje indica la magnitud del cambio.

Puntuaciones por dimensión

Haga clic en cualquier tarjeta de dimensión para ver las métricas detalladas.

Métricas de Completeness

Ejemplo de interpretación:

• Completeness Rate del 85 % significa que al 15 % de los registros les faltan valores
• Un Placeholder Rate alto sugiere que los usuarios introducen “TBD” en lugar de datos reales

Métricas de Validity

Ejemplo de interpretación:

• Un Validity Rate del 78 % en el campo Email significa que el 22 % tiene problemas de formato
• Problemas habituales: falta la @, espacios, erratas como “.con”

Métricas de Uniqueness

Ejemplo de interpretación:

• Un Uniqueness Rate del 95 % significa que el 5 % son duplicados
• Una Entropy baja sugiere que muchos registros comparten los mismos valores

Métricas de Timeliness

Ejemplo de interpretación:

• Un Staleness Rate del 30 % significa que el 30 % de los registros no se han tocado dentro de su ventana de frescura
• Un Future Rate por encima del 0 % indica errores de entrada de datos

Métricas de Consistency

Ejemplo de interpretación:

• Un Variant Count de 15 en el campo Country sugiere una entrada incoherente (USA vs United States vs US)
• Dominant Values muestra qué variaciones son las más comunes

Métricas de AI Readiness

PII Detection:

Detalles a nivel de campo

Haga clic en una dimensión para ver el desglose por campo.

Tabla de puntuaciones por campo

Leer las puntuaciones por campo

Cada campo muestra:

• Puntuación - Rendimiento de este campo
• Problemas - Recuento de registros problemáticos
• Acciones - Enlaces al desglose y la exportación

Identificar campos problemáticos

Ordene los campos por puntuación (de menor a mayor) para encontrar:

• Los campos con más problemas
• Los campos que requieren atención inmediata
• Patrones entre campos relacionados

Consejo: Céntrese primero en los campos de alto impacto. Una mejora del 10 % en la validez de Email tiene más valor de negocio que perfeccionar un campo que apenas se usa.

Desglose hasta los registros

Haga clic en View Records para ver los datos afectados.

Vista de lista de registros

El desglose muestra los registros con problemas:

Filtrar la lista de registros

Filtre por:

• Tipo de problema (ausente, no válido, duplicado, etc.)
• Rango de fechas
• Propietario
• Valores de campos personalizados

Acceso directo al registro

Haga clic en cualquier registro para abrirlo en Salesforce. Realice las correcciones directamente o asígnelo al miembro del equipo correspondiente.

Comparar resultados a lo largo del tiempo

Gráficos de tendencias

DQS muestra gráficos de tendencias que reflejan:

• La puntuación general a lo largo del tiempo
• Las puntuaciones por dimensión a lo largo del tiempo
• Las puntuaciones por campo a lo largo del tiempo

Los gráficos le ayudan a:

• Seguir el avance de la mejora
• Identificar áreas en declive
• Medir el impacto de los esfuerzos de limpieza

Comparación de análisis

Compare dos análisis cualesquiera:

1. Haga clic en Compare en la pestaña Results
2. Seleccione un análisis de referencia (más antiguo)
3. Seleccione un análisis de comparación (más reciente)
4. Vea las métricas en paralelo

La comparación destaca:

• Las métricas mejoradas (verde)
• Las métricas en declive (rojo)
• Las métricas sin cambios (gris)

Establecer objetivos de mejora

Use los datos históricos para fijar objetivos realistas:

Exportar datos

Puede exportar los resultados para el análisis sin conexión y los flujos de trabajo de limpieza.

Exportación a CSV

Opciones de exportación:

• Summary Export - Solo puntuaciones y métricas
• Affected Records Export - Lista completa de registros con problemas
• Field Detail Export - Desglose por campo

Cómo exportar

1. Abra los resultados del análisis
2. Haga clic en Export (icono de descarga)
3. Elija el tipo de exportación
4. Seleccione el formato (CSV)
5. Descargue el archivo

Contenido de la exportación

Affected Records Export incluye:

• Record ID
• Record Name
• Campo con el problema
• Tipo de problema
• Valor actual
• Acción sugerida

Fila de ejemplo:

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

Usar las exportaciones para la limpieza

1. Exporte los registros afectados a CSV
2. Ábralos en Excel o Google Sheets
3. Revise y corrija los valores
4. Use Data Loader para actualizar Salesforce
5. Vuelva a ejecutar el análisis para verificar las mejoras

Consejo: Cree un flujo de trabajo de asignación de limpieza. Exporte los registros, asigne propietarios según el Account o la Region, y haga seguimiento de las correcciones.

Compartir resultados

Opciones para compartir

Comparta los resultados con las partes interesadas:

1. Compartir enlace - Copie la URL de los resultados del análisis
2. Captura de pantalla - La vista del panel para presentaciones
3. Exportación - CSV para un análisis detallado
4. Resumen por correo - Informes automatizados

Crear informes para la dirección

Para las presentaciones ejecutivas, céntrese en:

• La puntuación general y la tendencia
• La mejora respecto al periodo anterior
• Las 3 principales áreas problemáticas
• Un plan de acción con calendario

Evite saturar con detalles de métricas. Empiece por la historia.

Entender los cambios de puntuación

Por qué cambian las puntuaciones

Investigar los cambios

Cuando las puntuaciones cambien de forma inesperada:

1. Compare los análisis para identificar qué métricas cambiaron
2. Desglose hasta el nivel de campo
3. Revise los cambios de datos recientes (importaciones, integraciones)
4. Compruebe si cambió la configuración de la Definition

Próximos pasos

• Guía del Definition Builder: ajuste los umbrales según los hallazgos
• Ejecutar análisis: programe análisis periódicos
• Medir la calidad de datos: construya un cuadro de mando de calidad