Comprendre les résultats

Vue d’ensemble des résultats

Une fois une analyse terminée, DQS présente vos résultats sous forme de dashboard. Le dashboard affiche les scores à plusieurs niveaux :

1. Score global — un nombre unique représentant la qualité totale des données
2. Scores par dimension — un score pour chaque capability (Complétude, Validité, etc.)
3. Scores par champ — un score pour chaque champ analysé
4. Détail des enregistrements — l’exploration en détail des enregistrements précis concernés

Le dashboard des résultats

Disposition du dashboard

┌─────────────────────────────────────────────────────────────────┐
│                     SCORE GLOBAL DE QUALITÉ                     │
│                              85 %                               │
│                ▲ +3 % depuis la dernière analyse                │
├──────────────────────┬──────────────────────┬───────────────────┤
│      COMPLÉTUDE      │       VALIDITÉ       │      UNICITÉ      │
│        92 %          │        78 %          │      95 %        │
├──────────────────────┼──────────────────────┼───────────────────┤
│      ACTUALITÉ       │      COHÉRENCE       │   AI READINESS   │
│        88 %          │        82 %          │      76 %        │
└──────────────────────┴──────────────────────┴───────────────────┘

Accéder aux résultats

1. Ouvrez DQS depuis l’App Launcher
2. Repérez votre Definition dans la liste
3. Cliquez sur le nom de la Definition
4. Sélectionnez l’onglet Results
5. Choisissez une date d’analyse à consulter

La dernière analyse s’affiche par défaut.

Score global de qualité

Le score global est une moyenne pondérée de tous les scores par dimension.

Comment il est calculé

DQS applique des pondérations par défaut à chaque dimension :

Formule : Global = (Complétude x 0,25) + (Validité x 0,20) + (Unicité x 0,20) + (Actualité x 0,15) + (Cohérence x 0,20)

Les scores AI Readiness sont affichés séparément et n’influent pas sur le score global Data Quality.

Interprétation des scores

Indicateur de tendance

À côté de votre score, vous verrez une flèche de tendance :

• Flèche verte vers le haut — le score s’est amélioré depuis la dernière analyse
• Flèche rouge vers le bas — le score a baissé depuis la dernière analyse
• Tiret gris — le score est inchangé

Le pourcentage indique l’ampleur de la variation.

Scores par dimension

Cliquez sur n’importe quelle carte de dimension pour voir le détail des métriques.

Métriques de Complétude

Exemple d’interprétation :

• Un Completeness Rate de 85 % signifie que 15 % des enregistrements n’ont pas de valeur
• Un Placeholder Rate élevé suggère que les utilisateurs saisissent « TBD » au lieu de vraies données

Métriques de Validité

Exemple d’interprétation :

• Un Validity Rate de 78 % sur le champ Email signifie que 22 % présentent des problèmes de format
• Problèmes fréquents : @ manquant, espaces, fautes de frappe comme « .con »

Métriques d’Unicité

Exemple d’interprétation :

• Un Uniqueness Rate de 95 % signifie que 5 % sont des doublons
• Une Entropy faible suggère que de nombreux enregistrements partagent les mêmes valeurs

Métriques d’Actualité

Exemple d’interprétation :

• Un Staleness Rate de 30 % signifie que 30 % des enregistrements n’ont pas été modifiés pendant votre fenêtre de fraîcheur
• Un Future Rate supérieur à 0 % indique des erreurs de saisie

Métriques de Cohérence

Exemple d’interprétation :

• Un Variant Count de 15 sur le champ Country suggère une saisie incohérente (USA vs United States vs US)
• Dominant Values indique quelles variations sont les plus courantes

Métriques d’AI Readiness

PII Detection :

Détails au niveau du champ

Cliquez sur une dimension pour voir la répartition par champ.

Tableau des scores par champ

Lire les scores par champ

Chaque champ affiche :

• Score — la performance pour ce champ
• Problèmes — le nombre d’enregistrements problématiques
• Actions — des liens vers l’exploration en détail et l’export

Identifier les champs problématiques

Triez les champs par score (le plus faible en premier) pour repérer :

• Les champs présentant le plus de problèmes
• Les champs nécessitant une attention immédiate
• Les motifs récurrents entre champs liés

Astuce : concentrez-vous d’abord sur les champs à fort impact. Une amélioration de 10 % de la validité du champ Email a plus de valeur métier que la perfection d’un champ rarement utilisé.

Exploration détaillée des enregistrements

Cliquez sur View Records pour voir les données concernées.

Vue liste des enregistrements

L’exploration en détail affiche les enregistrements présentant des problèmes :

Filtrer la liste des enregistrements

Filtrez par :

• Type de problème (manquant, invalide, doublon, etc.)
• Plage de dates
• Propriétaire
• Valeurs de champs personnalisés

Accès direct aux enregistrements

Cliquez sur n’importe quel enregistrement pour l’ouvrir dans Salesforce. Corrigez directement les données ou attribuez-les au membre de l’équipe approprié.

Comparer les résultats dans le temps

Graphiques de tendance

DQS affiche des graphiques de tendance montrant :

• Le score global dans le temps
• Les scores par dimension dans le temps
• Les scores par champ dans le temps

Les graphiques vous aident à :

• Suivre l’avancement des améliorations
• Repérer les domaines en déclin
• Mesurer l’impact des efforts de nettoyage

Comparaison d’analyses

Comparez deux analyses au choix :

1. Cliquez sur Compare dans l’onglet Results
2. Sélectionnez une analyse de référence (la plus ancienne)
3. Sélectionnez une analyse de comparaison (la plus récente)
4. Affichez les métriques côte à côte

La comparaison met en évidence :

• Les métriques améliorées (vert)
• Les métriques en baisse (rouge)
• Les métriques inchangées (gris)

Définir des objectifs d’amélioration

Servez-vous des données historiques pour fixer des objectifs réalistes :

Exporter les données

Vous pouvez exporter les résultats pour une analyse hors ligne et des workflows de nettoyage.

Export CSV

Options d’export :

• Summary Export — scores et métriques uniquement
• Affected Records Export — liste complète des enregistrements présentant des problèmes
• Field Detail Export — répartition par champ

Comment exporter

1. Ouvrez les résultats de l’analyse
2. Cliquez sur Export (icône de téléchargement)
3. Choisissez le type d’export
4. Sélectionnez le format (CSV)
5. Téléchargez le fichier

Contenu de l’export

L’Affected Records Export contient :

• Record ID
• Record Name
• Le champ présentant le problème
• Le type de problème
• La valeur actuelle
• L’action suggérée

Exemple de ligne :

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

Utiliser les exports pour le nettoyage

1. Exportez les enregistrements concernés au format CSV
2. Ouvrez le fichier dans Excel ou Google Sheets
3. Vérifiez et corrigez les valeurs
4. Utilisez Data Loader pour mettre à jour Salesforce
5. Relancez l’analyse pour vérifier les améliorations

Astuce : mettez en place un workflow d’attribution du nettoyage. Exportez les enregistrements, attribuez-les à des propriétaires selon l’Account ou la Region, et suivez les corrections.

Partager les résultats

Options de partage

Partagez les résultats avec les parties prenantes :

1. Partage de lien — copiez l’URL des résultats de l’analyse
2. Capture d’écran — la vue dashboard pour les présentations
3. Export — CSV pour une analyse détaillée
4. Récapitulatif par e-mail — rapports automatisés

Créer des rapports pour la direction

Pour les présentations à la direction, concentrez-vous sur :

• Le score global et la tendance
• L’amélioration par rapport à la période précédente
• Les 3 principaux domaines problématiques
• Un plan d’action assorti d’un calendrier

Évitez de submerger d’informations avec le détail des métriques. Commencez par le récit.

Comprendre les variations de score

Pourquoi les scores varient

Investiguer les variations

Lorsque les scores varient de façon inattendue :

1. Comparez les analyses pour identifier quelles métriques ont changé
2. Explorez en détail jusqu’au niveau du champ
3. Examinez les changements de données récents (imports, intégrations)
4. Vérifiez si la configuration de la Definition a changé

Étapes suivantes

• Guide du Definition Builder : ajuster les seuils en fonction des constats
• Lancer des analyses : planifier des analyses régulières
• Mesurer la qualité des données : construire un scorecard de qualité