开始了解数据质量（01 Get Started with Data Quality）
本单元通过 Gelato 公司的故事认识常见的数据质量问题——缺失、重复、不完整、陈旧的记录，并理解坏数据的代价和好数据的价值，包括它对 AI 的影响。
坏数据再次来袭（Bad Data Strikes Again）
你是 Gelato 的 Salesforce 管理员。Gelato 是一家炙手可热的新媒体科技公司，开发了一个先进的平台，用于投放流媒体 4K 超高清广告内容。你们面向 B2B 市场，客户包括广告主、媒体代理和其他广告行业参与者。
为了推动业务增长，新任销售总监想更好地识别客户及其需求，于是请你提供一个客户账户的 360 度视图。你打开电脑、跑了几张 Salesforce 报表，正准备享受赞美……结果一看报表，问题就来了——仅仅美国西部地区，数据就有一堆明显的问题。
缺失记录（Missing Records）
光是加州，你们就有 500 多个客户，但报表里整个西部地区的账户只有大约 200 个。现实和 Salesforce 里记录的数据之间存在巨大缺口。
重复记录（Duplicate Records）
扫一眼账户列表就能发现：拥有多个营业地点的客户，其数据被记成了多条账户记录。重复多得你甚至搞不清到底什么才算「一个客户」——是地址？还是公司名？
没有数据标准（No Data Standards）
一份区域划分报表显示，客户分布在 87 个州——可你明明记得只有 50 个州。光「加州」就被写成了：CA、Calif、Cali，还有你最喜欢的「Surfin', USA」。没有任何统一的命名和格式标准。
不完整记录（Incomplete Records）
西部地区的账户几乎都缺关键数据：消费者账户缺电话和邮箱，企业账户缺行业、营收和员工数。关键业务字段普遍是空白。
陈旧数据（Stale Data）
西部至少有一半账户在过去 6 个月 里没更新过，你根本不知道这些数据有多准确。而且数据一直在变——平均每 30 分钟，就有 120 个企业地址变更、75 个电话号码变更、20 位 CEO 离职、30 家新企业成立。
带着这些数据问题，你的报表往好里说是残缺，往坏里说是错误。你自然很担心，于是开了一个 Chatter 帖子征求所有销售经理的意见：纽约经理说「在 Salesforce 里找东西太难，我们团队基本不用」；伦敦经理说「我们想清理重复数据，但它们归别的团队所有」；香港的市场经理说「我们生成的线索细节太少，没法判断该做什么，而且数据第二天就过时了」。
坏数据有什么用？（Bad Data: What Is It Good For?）
数据质量就像面包里的酵母——没有它，就没法发酵起来，只剩一块干巴巴的「营收小饼干」。数据质量很重要，你查了一下发现：
- 不准确或不完整的数据会导致 20% 的生产力停滞（相当于每周白干一天）；
- 平均每家公司因数据不准确损失 12% 的营收；
- 40% 的业务举措因数据质量差而未能实现预期收益。
坏数据始终与这些问题挂钩：营收损失、缺失或不准确的洞察、浪费时间和资源、低效、检索信息慢、客户服务差、声誉受损、代表采用率下降。坏数据让你没法给销售总监提供 360 度视图，她就无法判断该瞄准哪些潜在客户、如何对齐区域、该追哪些交叉销售机会、该优先哪些线索。想象一下那些跑在这些数据上的销售和营销流程——更别提如果公司收购了主要竞争对手、要合并客户数据，或者数据过时时要如何满足 GDPR 等数据隐私法规。
AI 数据呢？（And What About AI Data?）
数据质量在塑造 AI 系统的结果和可靠性方面也扮演着重要角色。使用 AI 时，糟糕的数据质量会损害系统性能，导致有偏差的结果、漏洞，甚至伦理和社会层面的影响；杂乱或不具代表性的数据会导致错误的业务决策和更高的运营成本。
高质量的数据能确保 AI 模型准确、无偏、稳健，让模型更好地预测真实场景，并在应用中建立可信度。从经济角度看，用高质量数据能最大化 AI 投入的回报。说到底，任何有效 AI 系统的根基，都在于数据的完整性与质量。
好数据让你的世界更美好（Good Data Rocks Your World）
好数据能让你的公司：
- 挖掘并瞄准新客户；
- 识别交叉销售和向上销售（cross-sell / upsell）机会；
- 获得账户洞察；
- 提高效率、快速检索到正确信息；
- 与客户建立信任；
- 提升代表的采用率；
- 更好地规划和对齐区域；
- 更快地对线索评分和路由。
这份清单还能一直列下去。你开始想象好数据能为公司带来什么：代表们愉快地在准确、最新的记录里查找联系信息来转化线索；经理们发现对齐区域、识别新市场变得如此简单；高管们排着队来握你的手，只为看一眼你的仪表盘。
评估数据质量（02 Assess the Quality of Data）
本单元学习如何评估数据质量：先弄清业务如何使用数据，再了解六个数据质量维度，最后安装并运行数据质量分析仪表盘 App 来衡量你的数据。
确定业务如何使用数据（Determine How Your Business Uses Data）
评估数据质量的第一步，是弄清你的公司如何用客户数据来支持业务目标。你与 Gelato 各部门的经理和代表开会，问他们：
- 你们的业务目标是什么？
- 支持这些目标需要哪些客户数据？
- 你们如何使用这些客户数据？
- 客户数据存在哪里？
结果发现：虽然每个部门的目标各不相同，但很多部门在使用同样的客户数据——可惜每个部门创建和维护这些数据的流程各不相同。比如几乎所有部门都需要客户联系信息，但每个部门都有自己的「真相来源」：销售用 Salesforce，财务用一套复杂的电子表格，客户支持几乎什么系统都没有。还有销售经理说，她的团队把所有客户信息放在共享电子表格里，每月月底由助理转到 Salesforce——直到助理三个月前离职；另一位销售经理直接让团队别往 Salesforce 里录数据（尽管这是公司规定！）。有这样的数据实践，你的报表里满是重复、不完整和陈旧的数据也就不奇怪了。
审查数据质量报告与仪表盘（Review Data Quality Reports and Dashboards）
数据质量有几个关键维度，在动手修复之前先要理解它们：
- 时效性（Age）：每条记录上次更新是什么时候？（数据可不像好酒越陈越香）
- 完整性（Completeness）：关键业务字段都填了吗？（缺了公司层级和行业信息，你就无法发现向上销售机会）
- 准确性（Accuracy）：数据是否与可信来源比对过？（射偏靶子拿不到奥运金牌）
- 一致性（Consistency）：所有记录用的是相同的格式、拼写和语言吗？
- 重复（Duplication）：组织里是否存在重复的记录和数据？（有时两个并不比一个好）
- 使用（Usage）：数据有没有被用到报表、仪表盘和应用里？（不用则废）
评估这些维度可以用报表，也可以用 AgentExchange 上的数据质量 App。
安装并运行数据质量分析仪表盘 App（Install and Run the Data Quality Analysis Dashboards App）
与其手动生成一堆报表，不如用 AgentExchange 上的 Data Quality Analysis Dashboards App 来评估数据质量。安装步骤很简单：
- 点击 Install a Package 标签页；
- 把包 ID
04t20000000D24R粘贴到字段里； - 点击 Install；
- 选择 Install for Admins Only，再点击 Install。
安装完成后，从应用菜单点击 Dashboards，再点 All Dashboards 查看包里的所有仪表盘。
运行 High Level Data Quality Analysis 仪表盘时，你会看到整体数据质量概览：
运行 Account, Contact & Opportunity Data Quality 仪表盘时，能看到每个对象的整体质量和缺失数据情况：
根据仪表盘，Gelato 的数据「还算不错，但仍需要一些细心呵护」。进一步下钻商机数据会发现，许多商机缺失了线索来源（lead source）和下一步（next steps）等关键业务字段——这些字段你已经确认过对支持 Gelato 业务目标至关重要，所以是销售团队需要优先补上的。
提升数据质量（03 Improve Data Quality）
本单元制定数据管理计划，并用 Salesforce 的功能来实施它——必填字段、验证规则、流程、页面布局、仪表盘、重复管理等。
制定数据管理计划（Develop a Data Management Plan）
改善数据质量的第一步是制定数据管理计划。你既然已经知道哪些客户数据能支持 Gelato 的业务目标、谁在用数据、怎么用，剩下的就是创建计划。一份典型的数据管理计划会定义创建、处理和维护数据的标准：
- 命名（Naming）：为记录设定命名规范（是否保留 Inc./Corp. 后缀？缩写？）——例如公司名绝不缩写，除非缩写本身就是标准名。
- 格式（Formatting）：确定日期和金额如何表示——例如所有日期统一用 dd/mm/yyyy。
- 工作流（Workflow）：确定记录的创建、审核、更新、归档流程，以及记录生命周期中的所有阶段——例如把加州公司的服务请求路由给加州的代表。
- 质量（Quality）：设定可衡量的数据质量标准，给时效、完整、使用、准确、一致、重复等维度赋分——例如活跃线索至少每月更新一次。
- 角色与归属（Roles and Ownership）：确定谁拥有记录、谁对数据变更负责、数据变更时通知谁——例如把加州公司的线索分配给加州的销售代表。
- 安全与权限（Security and Permissions）：确定适当的数据隐私级别，遵守法规、法律和合同义务——例如只有区域团队成员能查看其线索的机密信息。
- 监控（Monitoring）：制定数据质量控制的流程，确定频率、范围、负责人和检查项，以及可在仪表盘中监控的指标——例如每月第一天审核没有行业信息的线索。
在 Salesforce 中实施数据管理计划（Implement Your Data Management Plan in Salesforce）
你知道了数据质量多重要、评估了数据、也制定了计划——但如果不能付诸行动，这些知识和计划就像潜水艇上的雨伞一样没用。答案就是：Salesforce。
Salesforce 的力量在于它的灵活性——你可以轻松定制它来支持你的数据管理计划，让创建、更新和维护客户数据变得更容易。下面这些 Salesforce 功能是关键。
必填字段（Required Fields）
你已经知道哪些字段对支持业务目标是必需的，那就把它们设为必填。对 Gelato 的线索，你把几个自定义字段设为必填，包括重要日期和行业信息相关的字段——这样线索才能被正确地评分、分配和转化。
验证规则（Validation Rules）
想确保电话号码遵循特定格式？为任意字段设置验证规则。这样记录保存时，数据会被检查是否符合格式。验证规则非常万能——例如，要让标准字段必填，你可以用一条验证规则来检查字段是否为空。你为电话、信用卡和客户 ID 字段设置了验证规则，也设置了验证规则让标准线索联系信息字段变成必填。
流程（Flows）
自动化是你 Salesforce 实施中的「魔法棒」。Flow Builder 让你自动化标准的内部流程，为公司节省时间。你可以构建流程，把线索路由到最近的代表，也用同样的方式自动分配服务请求——这样 Gelato 的代表就能把时间花在增长业务上，而不是手动分配记录上。
页面布局（Page Layouts）
有些记录有海量字段，而你知道代表们根本不用——那就把它们从页面布局里去掉。你为 Gelato 不同类型的代表和经理创建定制化的页面布局，在需要的时候给他们需要的字段，并把最重要、必填的字段放在顶部。
仪表盘（Dashboards）
何必让代表和经理在报表与记录的沼泽里跋涉？不如创建简单的仪表盘来支持业务目标。对 Gelato，你为各部门经理创建了一系列仪表盘，展示线索分配和缺失的营销活动数据等内容。
数据补全工具（Data Enrichment Tools）
数据几乎一录入就过时了，所以定期把数据和可信来源做匹配很重要。AgentExchange 上「Data Apps」分类里的许多产品都能帮你完成这项工作，对你的记录进行补全和校验。
重复管理（Duplicate Management）
重复记录是每个代表的噩梦——到底哪条记录才是对的？你要确保每个 Gelato 客户只有一条账户记录，然后用 Salesforce 内置的 Duplicate Management 工具，从现在开始防止重复。
自定义字段类型（Custom Field Types）
你知道公司想要的日期和货币格式，那就对自定义字段使用正确的字段类型：所有自定义日期字段设为 Type = Date，所有自定义货币字段设为 Type = Currency，有标准值列表的字段用 Type = Picklist。说到选值列表，你还要设置州和国家/地区选值列表（state/country picklists）——这样代表录入地址时，只能从标准化的州和国家列表里选择，保证数据一致。