bad-data-ccg-header.jpg

Tipps & Tricks

Schlechte Daten vermeiden

Bad Data!

In Salesforce stehen Ihnen verschiedene integrierte Werkzeuge zur Verfügung, die Sie dabei unterstützen, eine Übersicht über Ihre Daten zu erhalten und diese mit Hilfe von Berichten, Filtern und Funktion in Dashboards darstellen zu lassen.

Auch kann man hierbei auf Apps aus dem AppExchange zurückgreifen um mangelhafte Daten zu identifizieren und ggf. auch zu eliminieren. Wir haben durch unsere Erfahrung mit verschiedenen Salesforce Umgebungen und diversen Kundenanfragen auch eigene Lösungen und Best Practices entwickelt um „Bad Data“ zu identifizieren.

Bad Data – Was genau ist das?

Bad Data definiert sich durch eine schlechte Datenqualität, die dazu führt, dass sich Daten nicht optimal auswerten lassen. Häufig kommt das bei unangebrachten „Freitextfeldern“ vor, aber um um eine Vergleichbarkeit von Daten zu ermöglichen, sind Auswahllisten oft besser. Ein einleuchtendes Beispiel, das wir häufig verwenden, ist ein kleines Feld namens „Rechnungsland“. Standardmäßig verfügt Salesforce über keine Validierung für das Feld Rechnungsland (obwohl es laut Dokumentation eine Funktion für Auswahllisten in der Betaversion gibt.).

In dieses Feld könnten Sie alles Mögliche als Land eingeben, zum Beispiel könnten Sie für die USA Bezeichnungen wie US, Vereinigte Staaten, US&A oder, falls Sie einen wirklich schlechten Tag haben, Alaska, Texas oder Apfelkuchen eingeben. Das Rechnungsland ist z.B. ein sehr wichtiges Feld um Berichte für die Kundenverteilung in verschiedenen Ländern zu erstellen, wenn Sie mit Kunden oder Lieferanten im Ausland interagieren.

Eine weitere häufige Fehlerquelle für die fehlerhafte Verarbeitung und Anzeige von Daten in Salesforce basiert auf Kodierungsfehlern. Diese tauchen häufig im Rahmen von Massenuploads oder in Verbindungen mit externen Datenbanken auf. Hier können Sonderzeichen durch fehlerhafte Kodierung nicht dargestellt werden und daher auch vom Benutzer nicht wiedergefunden werden.

Ein etwas anderer Fall von Bad Data kann dazu führen, dass vorhandene Datensätze auf Grund von fehlenden Informationen nicht für den Marketing oder Verkaufsprozess verwendet werden können. Dieses Phänomen lässt sich in Salesforce Umgebungen erkennen, in denen beispielsweise keine Kontaktdetails auf den Kundenobjekten hinterlegt sind und diese dadurch auch nicht kontaktierbar sind.

Lösungen zur Vermeidung von Bad Data

Was kann man also gegen Bad Data unternehmen? Zum Glück stehen uns viele Möglichkeiten wie z.B. Validierungsregeln, Workflows, Prozesse, die Optimierung bestehender Einstellungen oder externe Apps aus der AppExchange zur Verfügung.

Validierungsregeln

Die meisten User sehen Validierungsregeln als einfachste und beste Möglichkeit, um Ihre Daten zu bestätigen und sich vor Qualitätsverlust zu schützen. Denn Validierungsregeln stellen in Salesforce durch einfache bis komplexe Regeln sicher, dass Daten, die bestimmte Kriterien nicht erfüllen, nicht gespeichert werden dürfen. Eine unserer gängigsten Varianten ist Beispielsweise die Möglichkeit einen Lead oder Kontakt nur abspeichern zu können, so lange mindestens eine Kontaktmöglichkeit vorhanden ist. Salesforce stellt auch verschiedene Beispiele für Validierungsregeln zur Verfügung, die als nützliche Vorlage für eigene Validierungsregeln dienen.

Hier ist ein Beispiel für die Formel für eine Validierungsregel, um mindestens eine Kontaktmöglichkeit anzugeben: AND(ISBLANK(phone), ISBLANK(mobile), ISBLANK(email))

Auswahllisten

Eine andere sehr einfache Lösung ist die Verwendung von Auswahllisten, beispielsweise wenn Sie eine begrenzte Anzahl von Einträgen haben, die in ein Feld eingefügt werden können, z. B. Kunde, Interessent, Lieferant im Feld "Kundentyp". In diesem Fall sollten Sie eine Auswahlliste verwenden, denn ein offenes Textfeld, dass unterschiedlich interpretiert werden kann und Raum für Rechtschreibfehler bietet, macht hier einfach keinen Sinn. Wir raten aber zur Vorsicht bei "Mehrfach-Auswahllisten", denn in Reports und Filtern ist es hierbei nicht möglich mit Operatoren wie „Enthält / Enthält nicht“ zu arbeiten. In Salesforce Schulungen für Administratoren wird einem deswegen regelrecht eingebläut, diese Art von Picklisten nur im absoluten Notfall zu verwenden.

Zu guter Letzt möchten wir Ihnen noch die seit dem Winter '16 zur Verfügung stehenden "Globalen Picklisten" ans Herz legen. Diese neue Funktion kann zu einer zusätzlichen Erhöhung der Datenqualität beitragen, denn auch Picklisten können in verschiedenen Objekten mit unterschiedlichen Listenwerten verwendet werden, obwohl sie den gleichen Zweck erfüllen. Mit Globalen Picklisten können Sie die Listenwerte an einem Ort erstellen und pflegen, und über Picklisten auf anderen Objekten auf diese zugreifen. Der unschlagbare Vorteil ist, dass die Listenwerte nicht einzeln an jedem Objekt gepflegt werden müssen.

Datenmigration

Sowohl bei der Datenmigration über Integrations-Plattformen, APIs oder einfachen CSV Dateien ist es besonders wichtig, auf eine UTF-8 Kodierung zu setzen, damit Sonderzeichen korrekt dargestellt werden und es zu keinem Datenverlust kommt, wenn nach bestimmten Daten gefiltert wird. Beim Thema Datenmigration empfiehlt sich unseren Blogartikel "Datenmigration – Sonderzeichen fehlerfrei anzeigen lassen".

„Watchdog“-Berichte

Da Salesforce Berichte oder auch Dashboards zu festen Zeitpunkten aktualisiert und versendet werden können, kann man diese sehr gut zum Überprüfen der Datenvollständigkeit verwenden. Dazu kann man basierend auf Inhaberschaft und verschiedenen anderen Kriterien die Reports wöchentlich an einen "Datensheriff" versenden. Dieser kann die Inhaber der Datensätze anschließend darauf hinweisen, Daten ordentlich zu pflegen bzw. selber Strategien zu implementieren, um die Datenqualität zu erhöhen. Zum diesem Thema empfehlen wir auch unseren Blogartikel „Erweiterte Reporting-Funktionen in Salesforce“.

Workflow-Regeln

Workflow-Regeln sind ein etwas anderer Weg, um den schlechten Daten Herr zu werden. Sie reinigen die Daten nicht wirklich und verhindern auch nicht, dass solche Daten in Salesforce eingespeist werden, aber sie können Ihnen bei der Aktualisierung von Feldern helfen, die Sie eventuell vergessen haben zu pflegen. Ein Beispiel dafür wäre die Verwendung einer Workflow-Regel zur Aktualisierung des Feldes „Typ“ auf einem Account für einen Kunden, sobald eine Opportunity = Geschlossen und Gewonnen ist. Dies ist keine fehlersichere Lösung, aber in vielen Beispielen kann sie sehr effektiv eingesetzt werden.

Warnhinweise

Wem Validierungsregeln zu hart erscheinen, kann auch mit Warnhinweisen arbeiten. Diese machen auf eine niedrige Datenqualität aufmerksam und gibt dem User dennoch die Möglichkeit den Datensatz abzuspeichern.

Data Quality Score

Ein sogenannter Datenqualitätsindex ermöglicht es, die Kriterien für die Datenqualität an einem Objekt wie z.B. Accounts oder Contacts selber zu definieren. Dieser kann als Prozentwert und grafische Komponente auf dem jeweiligen Datensatz und auch in Listenansichten angezeigt werden. Die Datensätze eines Objekts können dann in einer Listenansicht nach dem Score aufsteigend oder absteigend sortiert werden. Somit gibt man dem User ein effektives Tool an die Hand, um die Datenqualität der eigenen Datensätze zu überwachen bzw. zu erhöhen.

AppExchange

Mit einem kurzer Besuch der AppExchange kann man viele bewährte Apps finden, die auf die Vermeidung von Bad Data spezialisiert sind. Dupecatcher ist so etwas wie der Industriestandard für Dublettenbereinigung. Cloudingo bietet ebenfalls ein Tools zum Monitoring und Bereinigung der Salesforce Daten. Eine unserer Lieblingsapps ist Addresstools. Mit dieser App können Sie automatische Auswahllisten erstellen, sodass Sie bei der Eingabe eines Rechnungslandes aus einer begrenzten Anzahl von Ländern wählen können. Es lohnt sich auf jeden Fall diese App auszuprobieren.

Gefahren und Herausforderungen

Validierungsregeln und Warnhinweise in der „Run“ Phase zu etablieren birgt Herausforderungen und Chancen. Gehen wir von der Validierungsregel aus, welche dafür sorgt, dass mindestens ein Kontaktdetail (Email, Phone) vorhanden sein muss, damit ein Datensatz gespeichert werden kann. Soll ein Mitarbeiter einen bestehenden Datensatz ohne diese Daten bearbeiten, und möchte nur den Namen oder die Ansprache ändern, kann dieser Datensatz nicht abspeichert werden, ohne dass auch das fehlende Kontaktdetail hinzufügt wird. Dies bewegt zwar User dazu, ihre Kundendaten zu pflegen, kann aber auch dazu führen, dass „Dummy“ Werte eingetragen werden. In Salesforce Organisationen, in denen vermehrt Datensätze mit dem Dataloader oder über Integrationen aktualisiert werden, können diese Validierungsregeln auch zu Fehlerquellen werden und müssen ggf. erst deaktiviert werden.

Fazit

Salesforce stellt Ihnen verschiedenste Werkzeuge zur Verbesserung der Datenqualität zur Verfügung. Trotz der Vorteile all dieser Tools sollten Sie natürlich auch immer die Folgen mangelnder Datenqualität an Ihr Team kommunizieren. Klären Sie Ihre Mitarbeiter darüber auf, welche Möglichkeiten Salesforce bietet, um eine hohe Datenqualität zu erreichen und motivieren Sie Ihr Team dieses Level zu erreichen. Hierbei können auch kleine teaminterne Wettbewerbe helfen, denn der Spaß sollte nie auf der Strecke bleiben.

Ressourcen

Teilen Sie diesen Artikel

Beliebteste Artikel