Un tableau de bord de la qualité des données transforme des dizaines de contrôles épars en une vue unique que l’on peut surveiller d’un coup d’œil. Dans Salesforce, le bon tableau de bord vous dit — en quelques secondes — dans quelle mesure vos données sont fiables, où se concentrent les problèmes, et si la situation s’améliore ou se dégrade. Ce guide passe en revue les métriques qui comptent et la façon de les lire.
À quoi sert un tableau de bord de la qualité des données
Un tableau de bord répond à trois questions de façon récurrente :
- Puis-je faire confiance à ces données aujourd’hui ? Un chiffre de synthèse pour une lecture immédiate.
- Où sont les problèmes ? Une ventilation qui traduit ce chiffre en tâches précises, assignables à quelqu’un.
- Progresse-t-on ? Une tendance qui montre si les corrections portent leurs fruits et qui détecte les nouveaux problèmes tôt.
Un tableau de bord qui ne répond pas aux trois est un rapport, pas un outil de surveillance.
Les métriques qui comptent
Un tableau de bord de la qualité des données Salesforce utile suit un petit ensemble de métriques complémentaires, plutôt qu’un mur de chiffres :
| Métrique | Ce qu’elle indique | Pourquoi elle compte |
|---|---|---|
| Score de qualité des données | Un chiffre unique pondéré de 0 à 100, toutes dimensions confondues | La synthèse. Un chiffre que les dirigeants peuvent suivre dans le temps. |
| Ventilation par dimension | Score par dimension (complétude, validité, unicité, cohérence, actualité) | Montre quel type de problème domine |
| Santé des champs | Taux de succès/échec par champ | Indique où exactement se trouve le problème — la couche sur laquelle on agit |
| Tendance dans le temps | L’évolution du score d’une analyse à l’autre | Montre si l’on progresse et fait remonter les nouveaux problèmes rapidement |
| Exposition aux PII | Enregistrements et champs contenant des données sensibles | Indispensable avant tout projet Agentforce ou IA |
| Pires contributeurs | Les objets et champs qui génèrent le plus d’anomalies | Indique par où commencer |
Ensemble, ces métriques permettent de passer de « quelle est la santé des données ? » à « quel champ, sur quel objet, faut-il corriger en premier ? » en trois clics.
Comment lire le tableau de bord
Lisez-le de haut en bas, de la synthèse vers l’action :
- Synthèse. Regardez le score de qualité des données. En hausse par rapport à la dernière analyse ? En baisse ? Stable ?
- Dimension. Ouvrez la ventilation par dimension pour voir quel type de problème tire le score vers le bas — un problème de complétude et un problème d’unicité appellent des corrections très différentes.
- Champ. Descendez dans la santé des champs de la dimension la plus faible pour identifier les champs précis qui génèrent des échecs. C’est la couche que quelqu’un peut prendre en charge et corriger.
- Tendance. Vérifiez la courbe de tendance. Un creux soudain signale généralement qu’une nouvelle intégration ou un nouveau processus a commencé à écrire de mauvaises données — détectez-le ici, pas dans un rapport cassé trois mois plus tard.
Pourquoi les tendances l’emportent sur les instantanés
Une mesure unique est obsolète le lendemain de sa prise, parce que les données Salesforce évoluent en permanence. La vraie valeur d’un tableau de bord de la qualité des données tient à la tendance. Un score de 82 ne signifie pas grand-chose seul ; 82 en baisse depuis trois semaines est une alerte, tandis que 82 en progression est la preuve que le programme fonctionne. Ce sont les analyses planifiées qui transforment un audit ponctuel en courbe pilotable — et qui vous permettent de fixer un objectif et de suivre la progression vers celui-ci.
À quoi ressemble « bon »
Il n’existe pas de score universel à atteindre ; tout dépend de l’usage des données. Une façon pragmatique de fixer des objectifs est de les échelonner selon les enjeux :
| Données | Objectif |
|---|---|
| Champs réglementaires / de conformité | 99 %+ |
| Données clients et revenus | 95 %+ |
| Données opérationnelles | 85 %+ |
| Données historiques / d’archivage | 70 %+ |
Définissez l’objectif par dimension et par objet, puis laissez le tableau de bord vous indiquer le chemin restant à parcourir pour chacun.
Construire le tableau de bord avec DQS
Data Quality Sense fournit ce tableau de bord de la qualité des données directement dans Salesforce, via Insight Studio. Après avoir lancé une analyse depuis le Definition Builder, Insight Studio affiche le score de qualité des données pondéré, la ventilation par dimension, la santé des champs et la tendance au fil des analyses — ainsi que l’exposition aux PII pour les travaux de préparation à l’IA. Comme les analyses s’exécutent nativement et selon un calendrier, le tableau de bord reflète toujours les données en direct dans votre org, sans export ni pipeline externe à maintenir.
Étapes suivantes
- Comment mesurer la qualité des données dans Salesforce : le score de qualité des données en détail
- La qualité des données dans Salesforce : le guide complet
- Comment améliorer la qualité des données dans Salesforce : du tableau de bord à l’action
- Mesurer la qualité des données : KPIs et scorecards en détail