# Salesforce datakvalitets-dashboard: mätvärden som spelar roll

> Vad ett datakvalitets-dashboard i Salesforce bör följa: datakvalitetspoängen, dimensionsuppdelningar, fälthälsa, trender och PII-exponering.

Source: https://dataqualitysense.com/sv/resources/salesforce/salesforce-data-quality-dashboard/
Last updated: 2026-06-03

---

Ett datakvalitets-dashboard förvandlar dussintals utspridda kontroller till en enda vy du kan övervaka med en blick. I Salesforce talar rätt dashboard om för dig — på några sekunder — hur pålitlig din data är, var problemen koncentreras och om läget blir bättre eller sämre. Den här guiden går igenom de mätvärden som spelar roll och hur du läser dem.

## Vad ett datakvalitets-dashboard är till för

Ett dashboard besvarar tre frågor återkommande:

- **Kan jag lita på den här datan idag?** En enda huvudsiffra för en avläsning med en blick.
- **Var finns problemen?** En uppdelning som förvandlar huvudsiffran till specifika, ägbara uppgifter.
- **Förbättras vi?** En trend som visar om dina åtgärder fungerar och fångar nya problem tidigt.

Om ett dashboard inte kan besvara alla tre är det en rapport, inte ett övervakningsverktyg.

## Mätvärdena som spelar roll

Ett användbart datakvalitets-dashboard i Salesforce följer en liten uppsättning kompletterande mätvärden snarare än en vägg av siffror:

| Mätvärde | Vad det talar om för dig | Varför det spelar roll |
|---|---|---|
| **Datakvalitetspoäng** | En enda viktad siffra 0–100 över alla dimensioner | Huvudsiffran. Ett tal ledningen kan följa över tid. |
| **Dimensionsuppdelning** | Poäng per dimension (fullständighet, giltighet, unikhet, konsekvens, aktualitet) | Visar *vilken sorts* problem som dominerar |
| **Fälthälsa** | Godkänt/underkänt-frekvens per fält | Visar *var exakt* problemet bor — det åtgärdbara lagret |
| **Trend över tid** | Poängen över på varandra följande skanningar | Visar om du förbättras och lyfter fram nya problem snabbt |
| **PII-exponering** | Poster och fält som innehåller känslig data | Kritiskt före något Agentforce- eller AI-projekt |
| **Värsta bovarna** | De objekt och fält som driver flest fel | Talar om för dig var du ska börja |

Tillsammans tar de dig från "hur frisk är datan?" ner till "vilket fält, på vilket objekt, åtgärdar vi först?" på tre klick.

## Hur du läser dashboardet

Läs det uppifrån och ner, från huvudsiffra till handling:

1. **Huvudsiffra.** Kasta en blick på datakvalitetspoängen. Upp sedan förra skanningen? Ner? Oförändrad?
2. **Dimension.** Öppna dimensionsuppdelningen för att se vilken typ av problem som drar ner poängen — ett fullständighetsproblem och ett unikhetsproblem kräver mycket olika åtgärder.
3. **Fält.** Borra ner i den svagaste dimensionens fälthälsa för att hitta de specifika fält som driver felen. Detta är lagret som någon kan äga och åtgärda.
4. **Trend.** Kolla trendlinjen. En plötslig svacka betyder oftast att en ny integration eller process började skriva dålig data — fånga det här, inte i en trasig rapport tre månader fram.

## Varför trender slår ögonblicksbilder

En enstaka mätning är föråldrad dagen efter att du gör den, eftersom Salesforce-data förändras ständigt. Det verkliga värdet av ett dashboard är **trenden**. En poäng på 82 betyder lite i sig själv; 82 och fallande i tre veckor är ett larm, medan 82 och stigande är ett bevis på att ditt program fungerar. Schemalagda skanningar är det som förvandlar en engångsrevision till en trend du kan styra — och det som låter dig sätta ett mål och se linjen röra sig mot det.

## Hur "bra" ser ut

Det finns ingen universell godkänd poäng; det beror på hur datan används. Ett praktiskt sätt att sätta mål är att gradera dem efter insats:

| Data | Mål |
|---|---|
| Regulatoriska / efterlevnadsfält | 99 %+ |
| Kundvänd data och intäktsdata | 95 %+ |
| Operativ data | 85 %+ |
| Historisk / arkiverad data | 70 %+ |

Sätt målet per dimension och per objekt, och låt sedan dashboardet tala om för dig hur långt var och en har kvar.

## Att bygga det i DQS

Data Quality Sense tillhandahåller detta dashboard inuti Salesforce genom Insight Studio. När du har kört en skanning från Definition Builder visar Insight Studio den viktade datakvalitetspoängen, uppdelningen per dimension, fälthälsa och trenden över skanningar — plus PII-exponering för AI-mognadsarbete. Eftersom skanningar körs nativt och på schema speglar dashboardet alltid live-data i din org, utan exporter och utan någon extern pipeline att underhålla.

## Nästa steg

- [Hur du mäter datakvalitet i Salesforce](/sv/resources/salesforce/measure-data-quality-in-salesforce/): datakvalitetspoängen på djupet
- [Datakvalitet i Salesforce](/sv/resources/salesforce/data-quality-in-salesforce/): den kompletta guiden
- [Hur du förbättrar datakvalitet i Salesforce](/sv/resources/salesforce/improve-data-quality-in-salesforce/): från dashboard till handling
- [Att mäta datakvalitet](/sv/resources/best-practices/measuring-data-quality/): KPI:er och scorecards på djupet