Blog

¿Malos datos en Salesforce?

Los datos son un gran negocio y con la cantidad de datos que crecen en la tierra a un ritmo extraordinario, los buenos datos son cada vez más valioso y con frecuencia se puede dar muchos problemas.

 Los datos son un gran negocio y con la cantidad de datos que crecen en la tierra a un ritmo extraordinario, los buenos datos son cada vez más valioso y con frecuencia se puede dar muchos problemas. 

Salesforce tiene una gran cantidad de herramientas de informes de gran alcance a su disposición. Estas son nativas de Salesforce por ejemplo, Informes y paneles y también a su disposición en AppExchange, así como otras integraciones de API externas. Estas herramientas de información que pueden dar una visión tremendamente valiosa sobre sus clientes, usuarios internos, socios y otros datos que ha almacenado. Sin embargo, aquí es donde los datos erróneos pueden obstaculizar. Si los datos son incorrectos, mal formados, o engañosa, las ideas y los informes van a ser menos importantes. En otras palabras, la basura en la basura.
Entonces, ¿qué es un ejemplo de los malos datos en Salesforce?

Cabe citar como ejemplo que me gusta ver como cada uno puede relacionarse, es un pequeño campo llamando Billing Country. Por defecto Salesforce no tiene ninguna validación en el Billing Country (Aunque decir esto no es una característica de lista de selección en la versión Beta ver este vídeo  y documentación ).

Billing Countryes un campo muy importante si usted trata con clientes o proveedores internacionales, ya que es el campo definitivo para informar sobre para averiguar sobre la segregación país consumidor. Un ejemplo sencillo ..

Es necesario que informe sobre los clientes por país para ver dónde tiene que ser empujado los esfuerzos de marketing.

Una cosa muy fácil de hacer en Salesforce, vamos a crear un resumen de cuenta Informe, grupo en el país de facturación y la suma de la cantidad de cuentas en cada grupo, para ver un total de clientes por país. Si tenemos varios nombres para el mismo país, la información va a ser un desastre y derrota el punto de almacenar esta información la cual se pondrá a informar. Tendremos mesas separadas para cada país. El total de esta tendrá que calcular de forma manual.

Este es sólo un ejemplo de los datos erróneos. Otros ejemplos podrían incluir duplicados Records, nombres y apellidos invertidos en las columnas equivocadas, Demasiados campos que tienen una función similar, etc.

Soluciones para el mal de Datos

Entonces, ¿qué se puede hacer frente a situaciones de datos malos como el anterior? Por suerte tenemos una gran cantidad de opciones disponibles para automatizar, validar y datos limpios.

Reglas de validación

La mayoría de la gente podría considerar como reglas de validación de la forma más simple y una de las mejores maneras de validar y proteger sus datos se echen a perder. La razón de esto es que las reglas de validación se construyen dentro de Salesforce y permiten crear reglas simples a complejos para asegurarse de que los datos que no cumplen con ciertos criterios no se le permite ser salvado.

Reglas de flujo de trabajo

Reglas de flujo de trabajo son ligeramente diferentes, la mejor forma de evitar datos erróneos. Ellos no hacen exactamente limpiar o evitar que los datos que van a Salesforce, pero pueden ayudar a actualizar los campos que tal vez olvidado. Un ejemplo de esto podría ser el uso de una regla de flujo para actualizar el campo “Tipo” en la cuenta del cliente a la vez una oportunidad Opportunity = Closed Won. Esto no es infalible, pero en una gran cantidad de ejemplos se puede utilizar con gran efecto.
 
Esto son algunos puntos importantes que pueden ayudar a beneficiar la mejora de los datos en Salesforce, en CloudCo somos especialistas en el desarrollo, análisis, soporte e implementación de la plataforma de Salesforce. Conoce más 

Fuente: http://www.salesforceben.com/bad-data/

Nombre

Escrito por Pedro Jauregui Gonzalez