# Salesforce でデータ品質を改善する方法

> Salesforce のデータ品質を改善し維持するための、実践的で繰り返し可能なワークフロー：検出、優先順位付け、修正、予防、監視。

Source: https://dataqualitysense.com/ja/resources/salesforce/improve-data-quality-in-salesforce/
Last updated: 2026-07-15

---

Salesforce のデータ品質改善は、終了日のあるプロジェクトではありません。CRM データは継続的に劣化していきます — 手入力、連携、時間の経過、そして今やレコードを読み書きする AI エージェントを通じて。ですから目標は一度きりのクリーンアップではなく、新しいデータが流れ込んでくる中でも品質を高く保ち続ける、繰り返し可能なループです。その劣化率は十分に文書化されています。B2B コンタクトデータは月ごとに約 [2.1% の割合で古くなり、または年間で約 22.5%](https://pipeline.zoominfo.com/marketing/b2b-data-decay) です。つまり、1 月に終了したクリーンアップは、夏までに測定可能に古くなっているということです。本ガイドでは、そのループと、各ステップを機能させる Salesforce 固有の戦術を解説します。

## 改善のループ

持続可能なデータ品質プログラムは、手作業で運用する場合でもツールを使う場合でも、いずれも同じ 5 つのステップに従います。

1. **検出（Detect）** — ディメンション別・項目別に、現在地を測定する。
2. **優先順位付け（Prioritize）** — ビジネスインパクトと修正の労力を照らし合わせて問題を順位付けする。
3. **修正（Fix）** — 既存のレコードをクリーンアップする。
4. **予防（Prevent）** — 同じ問題が再発しないようにする。
5. **監視（Monitor）** — スケジュールに沿って再測定し、新たな問題を早期に表面化させる。

どのステップを飛ばしても、ループは壊れます。予防せずにクリーンアップだけ行えば、四半期ごとに同じ重複を直し続けることになります。監視せずに予防だけ行えば、それが効いたのかどうかを知ることはできません。各ステップは互いを補強し合います。

## ステップ 1：検出

見えないものは優先順位付けできません。まずは [データ品質を測定する](/ja/resources/salesforce/measure-data-quality-in-salesforce/) ことから始め、ディメンション別・項目別に分解された基準のデータ品質スコアを得ます。重要なのはこの内訳です。「Account の完全性は 64 で、その要因は空欄の Industry 項目だ」というのは、行動に移せる出発点です。一方、「データが乱れている」というのは出発点になりません。

良い基準値は、3 つの問いに答えます。どのオブジェクトが最も悪いのか、どのディメンションが問題の中心なのか、そしてどの具体的な項目が失敗を引き起こしているのか。

## ステップ 2：優先順位付け

すべての問題が同じ緊急度に値するわけではありません。見つけたものを 2 つの軸で順位付けします。

- **ビジネスインパクト** — この項目は売上、レポーティング、自動化、あるいは AI を左右するか？ 欠落した Opportunity Amount は予測をゆがめますが、欠落した副 FAX 番号はそうではありません。
- **修正の労力** — 一括更新と入力規則で解決できるのか、それともプロセス変更やステークホルダーの合意が必要なのか？

インパクトが大きく労力が小さい問題から着手しましょう。それは勢いを生み、より難しい構造的な問題に取り組むための余力を解放します。

## ステップ 3：修正

Salesforce では、修正はいくつかの繰り返し可能なパターンに整理できます。

| 問題 | 典型的な修正方法 |
|---|---|
| 値の欠落（完全性） | 信頼できるソースからの一括更新、エンリッチメント、適切な箇所で項目を必須化する |
| 無効な形式（妥当性） | 一括修正を行い、以降の形式を強制する入力規則を設定する |
| 重複（一意性） | レコードを結合（マージ）し、新たな重複を防ぐ重複ルールと一致ルールを構成する |
| 不整合な値（一貫性） | 管理された選択リストに標準化し、自由記述を制約付きの項目に置き換える |
| 古いレコード（適時性） | 再エンゲージメントまたはアーカイブのワークフロー、鮮度のしきい値を超えたレコードにフラグを立てる |
| 露出した PII | [PII 検出](/ja/resources/ai-readiness/pii-detection/) で特定し、マスキング、アクセス制限、または削除を行う |

既存の積み残しを修正することは必要ですが、それだけでは終わりのないランニングマシンのようなものです。本当のテコの効果は、次のステップにあります。

## ステップ 4：予防

一度きりのクリーンアップと持続的な改善を分けるものは、予防です。経済学もそれを支持しています。品質管理研究からの 1-10-100 ルール（Labovitz and Chang、*Making Quality Work*、1992 年）は、エラーの予防に 1 ドル、後で修正するのに 10 ドル、顧客や意思決定に到達すると 100 ドルがかかると推定しています。Salesforce には、不良データを発生源で止めるためのネイティブな制御機能が備わっています。

- **入力規則（Validation Rule）** は、不正な値が保存される前に拒否します。
- **必須項目**（ページレイアウト上、または入力規則による）は、入力の段階で完全性のギャップを塞ぎます。
- **重複ルールと一致ルール** は、Account や Contact の重複を作成時にブロックします。
- **自由記述ではなく選択リスト** は、一連の一貫性問題をまるごと取り除きます。
- **連携の取り決め** — どのシステムがどの項目を所有するかを合意すること — は、2 つのソースが互いを上書きするのを防ぎます。

追加する制御のひとつひとつが、新たな問題が発生する速度を下げます。そしてそれこそが、時間をかけてスコアを実際に動かすものなのです。

## ステップ 5：監視

たった 1 つの修正は、新しいデータが流れ始めた瞬間に見えなくなります。日次、週次、月次といった定期的なスキャンをスケジュール化し、データ品質スコアをスナップショットではなくトレンドの線にしましょう。新しい連携が不良データを書き込み始めると、監視されたスコアは数日のうちに下がり、それがレポートや AI モデルに届く前に気づくことができます。監視がなければ、同じ問題は数か月後に、誰も信頼しない壊れたダッシュボードとして表面化します。

## DQS による支援

Data Quality Sense は、データを書き出すことなく、この一連のループ全体を Salesforce 内で支援します。Definition Builder で「良い」とは何かを定義し、スキャンを実行して項目単位の内訳を伴う加重データ品質スコアを取得し、それを繰り返すようスケジュール化して、Insight Studio でトレンドを追跡します。検出と優先順位付けは、表計算作業ではなくダッシュボードになります。こうしてループは、四半期ごとにやり直すプロジェクトではなく、継続的に回し続けるものになるのです。

## 次のステップ

- [Salesforce におけるデータ品質](/ja/resources/salesforce/data-quality-in-salesforce/)：完全ガイド
- [Salesforce でデータ品質を測定する方法](/ja/resources/salesforce/measure-data-quality-in-salesforce/)：データ品質スコア
- [よくある落とし穴](/ja/resources/best-practices/common-pitfalls/)：データ品質プログラムを台無しにする誤り
- [データ品質文化の構築](/ja/resources/best-practices/building-data-quality-culture/)：改善を定着させる