# Salesforce-dataopschoning voor Agentforce: object-voor-object gids > Een veldgericht Salesforce-dataopschoningsplan voor Agentforce. Welke objecten en velden u eerst opschoont voor service- en salesagents, gekoppeld aan DQS. Source: https://dataqualitysense.com/nl/resources/ai-readiness/salesforce-data-cleanup-for-agentforce/ Last updated: 2026-07-15 --- Welke Salesforce-objecten u eerst opschoont, hangt af van welke agents u implementeert. Serviceagents lezen Case en Knowledge; salesagents lezen Lead, Opportunity, Account en Contact. Deze gids behandelt het waar van Salesforce-dataopschoning voor Agentforce — de specifieke objecten en velden om op te schonen, de dimensie die op elk in het geding is, en de opschoningsacties om uit te voeren. Voor het wanneer — de tijdlijn van vier fasen die dit werk omringt — zie [Agentforce-datakwaliteit: Salesforce-data voorbereiden voor AI](/nl/resources/ai-readiness/agentforce-preparation/). Dit artikel past binnen Fase 2 van die tijdlijn, waar u object voor object herstelt. Voer een [DQS-scan](/nl/resources/using-dqs/running-scans/) uit op elk object voordat u begint, zodat u weet welke velden daadwerkelijk falen, in plaats van velden op te schonen die al in orde zijn. Opschoning op dit niveau is geen optioneel voorbereidingswerk. In [Salesforce's State of Data and Analytics-onderzoek](https://www.salesforce.com/news/stories/data-analytics-trends/) zei 84% van de gegevens- en analytics-leiders dat hun datastrategie een complete hervorming nodig heeft voordat hun AI-ambities kunnen slagen. Object-voor-object herstel is hoe die hervorming er in de praktijk uitziet binnen een CRM. ## Account Salesagents lezen Account om reacties te gronden over de branche, locatie en relatie van een klant. Wanneer de agent antwoordt op „wat weten we over dit account", put het uit deze velden. | Prioriteitsveld | Dimensie in het geding | Wat slechte data de agent aandoet | |---|---|---| | `Name` | Uniciteit | Dubbele accounts splitsen historie, dus de agent haalt een gedeeltelijk record op | | `Industry` | Consistentie | „Tech", „Technology" en „IT" lezen als drie segmenten, wat gegronde antwoorden breekt | | `BillingCountry` | Consistentie | „US", „USA", „United States" fragmenteren geografische context | | `Phone` / `Website` | Geldigheid | Misvormde waarden produceren onbruikbare contactgegevens in reacties | Opschoningsacties: - Voer een Uniciteitsscan uit om dubbele Accounts te vinden vóór implementatie. Duplicaten leren de agent tegenstrijdige feiten over dezelfde klant. Zie [Uniciteit](/nl/resources/data-quality/uniqueness/). - Gebruik Importeren uit veld op `Industry` en `BillingCountry` om elke bestaande variant te ontdekken, definieer vervolgens canonieke waarden in de [Definition Builder](/nl/resources/using-dqs/definition-builder/) en normaliseer. - Voer een Geldigheidsscan uit op `Phone` en `Website` om misvormde invoer op te vangen. Richt u op velden waarbij het Geldigheidspercentage onder de 90% valt. ## Contact Agents lezen Contact om te identificeren met wie ze te maken hebben en hoe ze die kunnen bereiken. Een salesagent die een outreach-bericht opstelt, haalt de naam, titel en e-mail hiervandaan. | Prioriteitsveld | Dimensie in het geding | Wat slechte data de agent aandoet | |---|---|---| | `Email` | Geldigheid | Ongeldige adressen laten door de agent voorgestelde outreach mislukken | | `Phone` | Geldigheid | Misvormde nummers verschijnen als kapotte contactgegevens | | `Title` | Volledigheid | Lege titels verwijderen de rolcontext die de agent gebruikt om te personaliseren | | `MailingCountry` | Consistentie | Inconsistente landwaarden leiden regiospecifieke antwoorden verkeerd | Opschoningsacties: - Voer een Geldigheidsscan uit op `Email` en `Phone`. Dit zijn de velden waarop een agent handelt, dus indelingsfouten worden mislukte acties. Zie [Geldigheid](/nl/resources/data-quality/validity/). - Voer een Volledigheidsscan uit op `Title` en meet het Volledigheidspercentage. Ontbrekende titels ontnemen de agent de rolcontext die het nodig heeft om een bericht op maat te maken. - Standaardiseer `MailingCountry` met Importeren uit veld, overeenkomend met de canonieke lijst die u op Account hebt gedefinieerd zodat de twee objecten het eens zijn. ## Case Serviceagents werken voornamelijk vanuit Case. De agent leest het Subject en de Description om het probleem te begrijpen, en gronden vervolgens hun antwoord in die context. Dit is het object met de hoogste hefboomwerking voor een service-implementatie. | Prioriteitsveld | Dimensie in het geding | Wat slechte data de agent aandoet | |---|---|---| | `Description` | Volledigheid | Een lege Description laat de agent geen context, dus retourneert het een generiek antwoord | | `Subject` | Volledigheid | Ontbrekende subjects verzwakken caseclassificatie en routering | | `Status` / `Origin` | Consistentie | Variantwaarden fragmenteren het zicht van de agent op casestatus en kanaal | | `Description` / Comments | PII-detectie | Burgerservicenummers en kaartnummers geplakt uit e-mail komen in de AI-context terecht | Opschoningsacties: - Voer een Volledigheidsscan uit op `Description`. Description-volledigheid staat gelijk aan agentcontext; een leeg veld is de meest voorkomende reden dat een serviceagent vaag antwoordt. Zie [Volledigheid](/nl/resources/data-quality/completeness/). - Standaardiseer `Status` en `Origin` met Importeren uit veld om elke bestaande waarde naar boven te halen, en normaliseer vervolgens naar uw canonieke picklist. - Voer een PII-scan uit op `Description` en Case Comments. Email-to-case legt klantberichten vast die PII bevatten, en de agent kan die PII in een reactie blootleggen. Zie [PII-detectie](/nl/resources/ai-readiness/pii-detection/) en de [Agentforce PII-compliancegids](/nl/resources/ai-readiness/agentforce-pii-compliance/). ## Lead Salesagents lezen Lead om inkomende interesse te kwalificeren en te routeren. De agent beslist over vervolgacties op basis van het bedrijf, de bron en de status, dus gaten hier sturen leads het verkeerde pad op. | Prioriteitsveld | Dimensie in het geding | Wat slechte data de agent aandoet | |---|---|---| | `Email` | Geldigheid | Ongeldige adressen breken door de agent aangedreven opvolging | | `Company` | Volledigheid | Ontbrekende bedrijfsdata blokkeert kwalificatielogica | | `LeadSource` | Consistentie | Inconsistente bronnen verstoren de routeringsbeslissingen van de agent | | `Status` | Consistentie | Variantstatussen verwarren waar de lead in de funnel zit | Opschoningsacties: - Voer een Geldigheidsscan uit op `Email` en een Volledigheidsscan op `Company`. Deze twee velden bepalen of de agent überhaupt op een lead kan handelen. - Gebruik Importeren uit veld op `LeadSource` en `Status` om drift te vinden, en beperk vervolgens tot een gedefinieerde waardenset. Zie [Consistentie](/nl/resources/data-quality/consistency/). - Voer een PII-scan uit op alle notitie- of description-velden waar reps ruwe inkomende berichten plakken. ## Opportunity Salesagents lezen Opportunity om pijplijn- en forecastvragen te beantwoorden. Een verouderde fase of ontbrekend bedrag produceert een vol vertrouwen fout antwoord over de dealstatus. | Prioriteitsveld | Dimensie in het geding | Wat slechte data de agent aandoet | |---|---|---| | `StageName` | Consistentie | Niet-standaard fasen geven verkeerd weer waar deals staan | | `CloseDate` | Tijdigheid | Verstreken close dates op open deals leren de agent verouderde pijplijnfeiten | | `Amount` | Volledigheid | Ontbrekende bedragen vertekenen elke forecast die de agent rapporteert | Opschoningsacties: - Voer een Tijdigheidsscan uit om open Opportunities met `CloseDate` in het verleden te markeren. Verouderde datums laten de agent een pijplijn rapporteren die niet meer bestaat. Zie [Tijdigheid](/nl/resources/data-quality/timeliness/). - Voer een Volledigheidsscan uit op `Amount`. Een agent die pijplijnwaarde samenvat, kan dat niet betrouwbaar doen wanneer bedragen leeg zijn. - Bevestig dat `StageName` overeenkomt met uw gedefinieerde verkoopproces met een Consistentiescan. ## Knowledge Serviceagents gronden antwoorden in Knowledge-artikelen. De agent haalt een artikel op en presenteert de inhoud ervan als het gezaghebbende antwoord, dus een verouderd of mager artikel wordt een fout antwoord vol vertrouwen geleverd. | Prioriteitsveld | Dimensie in het geding | Wat slechte data de agent aandoet | |---|---|---| | Laatst gewijzigde datum | Tijdigheid | Verouderde artikelen produceren verouderde antwoorden die de agent als actueel presenteert | | `Title` / `Summary` | Volledigheid | Magere metadata verzwakt ophaling, dus de agent citeert het verkeerde artikel | | Artikeltekst | PII-detectie | Ingebedde klantdata kan in een gegenereerd antwoord lekken | Opschoningsacties: - Voer een Tijdigheidsscan uit tegen de laatst gewijzigde datum om artikelen naar boven te halen die uw actualiteitsdrempel zijn gepasseerd. Verouderde artikelen zijn de belangrijkste bron van vol vertrouwen foute serviceantwoorden. - Voer een Volledigheidsscan uit op `Title` en `Summary`. De agent gebruikt deze voor ophaling, dus zwakke metadata leidt het naar de verkeerde bron. - Voer een PII-scan uit op de artikeltekst om te bevestigen dat er geen klantspecifieke data in een gepubliceerd artikel is geplakt. ## Welke objecten moet u eerst opschonen? Schoon de objecten op die uw agents daadwerkelijk lezen, in de volgorde waarin hun antwoorden ervan afhangen. De onderstaande matrix koppelt opschoningsprioriteit aan agenttype. | Object | Serviceagent | Salesagent | Werknemergerichte agent | |---|---|---|---| | Case | Prioriteit 1 | Laag | Gemiddeld | | Knowledge | Prioriteit 1 | Laag | Prioriteit 1 | | Account | Gemiddeld | Prioriteit 1 | Gemiddeld | | Contact | Gemiddeld | Prioriteit 1 | Gemiddeld | | Lead | Laag | Prioriteit 1 | Laag | | Opportunity | Laag | Prioriteit 2 | Gemiddeld | Voor een service-implementatie begint u met Case Description-volledigheid en Knowledge-tijdigheid, omdat die twee velden bepalen of de agent de juiste context heeft om vanuit te antwoorden. Voor een sales-implementatie begint u met Account en Contact, en gaat u dan over naar Lead en Opportunity. Bij elk agenttype voert u eerst PII-scans uit op de tekstvelden die de agent leest, aangezien een PII-bevinding een compliance-kwestie is en geen kwaliteitskwestie. De [Agentforce-datagereedheidschecklist](/nl/resources/ai-readiness/agentforce-data-readiness-checklist/) somt de drempels op die u per object moet halen vóór implementatie. ## Volgende stappen - [Agentforce-datakwaliteit: Salesforce-data voorbereiden voor AI](/nl/resources/ai-readiness/agentforce-preparation/): de tijdlijn van vier fasen waar deze opschoning binnen past - [Waarom Agentforce-agents falen](/nl/resources/ai-readiness/why-agentforce-agents-fail/): de dataproblemen achter onbetrouwbare agentuitvoer - [Agentforce-datagereedheidschecklist](/nl/resources/ai-readiness/agentforce-data-readiness-checklist/): drempels per object vóór implementatie - [Hoe u datakwaliteit in Salesforce verbetert](/nl/resources/salesforce/improve-data-quality-in-salesforce/): de detecteer-, herstel-, voorkom-, monitor-lus - [Agentforce-datakwaliteit FAQ](/nl/resources/ai-readiness/agentforce-data-quality-faq/): veelgestelde vragen beantwoord - [AI-gereedheidsbeoordeling](/nl/ai-readiness/): ontvang uw huidige gereedheidsscore