Salesforceは多機能なCRMですが、運用を続けるうちにリード・取引先・商談データに重複・表記ゆれ・孤立レコードが蓄積し、営業活動の妨げになります。「同じ会社が取引先に20件登録されている」「リードと取引先で同じ顧客が別々に管理されている」「商談の関連する取引先データが古い」——こうしたデータ品質問題は、Salesforceの運用で発生しやすい代表的な課題です。本記事では、Salesforce標準機能と外部ツールを組み合わせたデータ品質管理の実務を解説します。
Salesforceデータ品質問題① 重複レコード
Salesforceで代表的なデータ品質問題の一つが、取引先・取引先責任者・リードの重複です。複数の営業担当者が同じ顧客を別々に登録したり、名刺取り込みや外部リスト流し込みで既存レコードと重複するケースが頻発します。
- 標準機能（重複管理ルール）の活用：Salesforceの「重複管理」機能（Duplicate Management）で、取引先・取引先責任者・リードの重複検知ルールとアラートを設定します。既存レコードとの重複候補を登録時に提示し、確認を促します
- 一括マージ：重複が発生してしまった後は、重複ルールやレポートなどで重複候補を特定し、SalesforceのMerge機能で代表レコードにマージします（標準Merge機能は1回につき最大3件まで対応）。大量の重複データを扱う場合は、Data Loaderによるデータ抽出・一括更新や、Cloudingo・DemandToolsなどのサードパーティ製データクレンジング・名寄せツールを組み合わせます
- 定期的な重複チェックの仕組み化：重複管理ルールを設定しても完全には防げないため、例えば四半期ごとに重複チェックレポートを実行し、マージ作業をルーティン化します
Salesforceデータ品質問題② 入力値の不統一・必須項目の空欄
担当者ごとに入力の方法が異なると、「業種」「都道府県」「従業員規模」などの分析軸に使うフィールドが不統一になり、セグメント別の分析ができなくなります。また必須設定でない項目が空白のまま蓄積すると、レポートの精度が下がります。
- 入力規則（Validation Rules）の設定：フィールドの形式・値の範囲・条件付き必須（例：商談ステージが提案済みなら金額必須）をValidation Rulesで設定します。設定しすぎると入力が煩雑になるため、分析で使うフィールドに絞ります
- ピックリストの整理：テキストフィールドに直入力させるのではなく、ピックリスト（選択式）に変換することで入力値を統一します。既存のテキスト値をピックリスト値にどうマッピングするかの設計が必要です
- Salesforce Flowによる入力ガイド：Salesforce Flowで入力時のガイドやアシスト機能を実装することで、自然と正しい形式で入力されるUXを作れます
Salesforceデータ品質問題③ 孤立レコードと関連付けの欠如
取引先に関連付いていない取引先責任者や、長期間コンバートされないまま残っているリード、必要な関連情報が不足しているレコードなど——こうした「孤立レコード」は、顧客の全体像を把握するための妨げになります。
- 孤立レコードのレポート作成：「取引先との関連付けが必要な取引先責任者のうち取引先に関連付けられていないレコード」「関連商談がゼロの取引先」などのレポートを定期的に実行し、孤立レコードの件数を追跡します
- リードのコンバートルール整備：リードが商談化した際のコンバート（リード→取引先・取引先責任者への変換、および必要に応じた商談作成）のフローを担当者に周知し、未コンバートリードを残さない運用を徹底します
- Territory管理の整備：売上レポート・担当者別実績集計の精度を上げるために、取引先と商談の担当者・テリトリーの紐付けを定期的に確認します
データ品質の定期モニタリング：Salesforceレポートの活用
Salesforceのデータ品質を継続的にモニタリングするために、次のようなレポート・ダッシュボードを整備することをお勧めします。
- 重複取引先数の週次推移：重複レコードのレポートを作成し、例えば週次で重複候補数をトラッキングします
- 必須フィールド充足率：業種・従業員規模・都道府県など分析軸に使うフィールドの充足率を月次レポートで確認します
- 古い商談・未更新レコードの件数：例えば最終更新日が90日以上前の商談・リードの件数を追跡し、放置されているデータを定期的にクリーンアップします
Salesforceデータ品質の改善：どこから着手するか
Salesforceの品質改善は「最も業務影響が大きい問題から」始めることが鉄則です。取引先の重複が多い場合は、まず重複管理ルールを設定して新規重複の発生を止め、既存の重複は例えば月次で少しずつ整理するアプローチが現実的です。一度に全件をクレンジングしようとすると、業務が止まるリスクと担当者の負担が集中します。
改善を成功させるには、現場ユーザーの協力が不可欠です。入力ルールの変更や必須項目の追加は「なぜ必要か」を現場に説明しないまま実施すると、抵抗を招きます。「この項目が空欄だとセグメント分析ができない」「重複があると同じ顧客に複数アプローチが発生する」という業務への影響を具体的に伝えることで、現場の協力を得やすくなります。
また、Validation Rulesで入力を制御する場合、制約が強すぎると「入力できない・保存できない」という現場の不満が蓄積する可能性があります。まずは入力状況をレポートなどで把握し、現場への周知や入力ガイドを行ったうえで、必要な項目からValidation Rulesによる制御を段階的に導入するアプローチが定着しやすいです。なお、Validation Rulesは条件成立時に保存をブロックする機能です。保存をブロックせず警告のみで入力を促したい場合は、Salesforce Flowや重複ルールの警告設定など別の仕組みを組み合わせることを検討します。
Salesforceデータ品質とBI連携の注意点
SalesforceのデータをTableau・Power BI・LookerなどのBIツールに連携して分析に使う場合、Salesforce内のデータ品質はBIレポートの正確性や信頼性に影響する重要な要因です。取引先の重複やBI側の結合条件によっては商談金額の集計に重複計上が発生する可能性があり、未更新のフェーズ情報があれば売上予測の精度が落ちます。BI連携前にSalesforce内のデータ品質チェック項目（重複率・必須フィールド充足率・古いレコードの割合）を品質ゲートとして設定することで、品質問題をBI側へ持ち込むリスクを低減できます。
SalesforceデータをAI・需要予測に活用するための品質水準
SalesforceのデータをCRM Analytics（旧 Einstein Analytics / Tableau CRM）や外部のAI・機械学習モデルに投入して売上予測・チャーン予測・リードスコアリングに活用する場合、学習データの品質はモデルの予測性能や結果の信頼性に影響します。重複レコードや古い商談フェーズ情報が学習データに混入すると、学習データの偏りやノイズにつながり、モデルの予測性能や結果の信頼性に影響する可能性があります。
AI活用を前提としたSalesforceデータ品質の目標値は、利用するモデルや予測対象・業務要件によって異なります。社内目標の一例として「重複率1%以下・必須フィールド充足率95%以上・直近12カ月のレコードは更新日から6カ月以内」といった基準を設定することが考えられます。ただしこれらはSalesforceやAIに共通する業界標準値ではなく、自社のデータ特性に応じて設定すべき目標値です。通常の営業活動での品質基準よりも高い水準が求められるケースが多いため、AI導入前に集中的なクレンジングと入力ルールの見直しを検討します。Salesforceデータの品質整備は、AI導入後の予測精度や活用定着に影響する重要な前工程になります。
よくある質問
重複管理ルールを設定すれば重複は完全に防げますか？
重複管理ルールは新規登録・更新時に重複候補を検知してアラートを出す機能ですが、完全な防止は難しいです。担当者がアラートを無視して登録したり、データ連携・一括更新などの処理経路によっては重複ルールによる検知・制御の対象や挙動が異なる場合があります。既存の重複は定期的なレポートとMerge機能で対応しつつ、新規重複の発生率を継続的に管理することが現実的な運用です。
Validation RulesとSalesforce Flowはどう使い分けますか？
Validation Rulesは条件成立時に保存をブロックする制御です。入力必須化・書式チェックなど「この状態では保存させない」制御に適しています。一方、Salesforce Flowは入力ガイドや画面上のアシスト、条件分岐、自動処理など、より柔軟な入力・業務プロセスを設計できます。FlowもScreen Flowでの入力検証やRecord-Triggered Flowのエラー要素によって保存を制御することが可能です。段階的な導入では、まずFlowで入力促進を行い、定着後にValidation Rulesで必須化するアプローチが有効です。
Data LoaderはSalesforceのデータクレンジングに使えますか？
Data Loaderはinsert・update・delete・exportに特化したツールで、名寄せ・マージなどのクレンジング処理そのものは行いません。レコードの一括更新や不要レコードの一括削除などに活用できます。名寄せ・マージが必要な場合は、SalesforceのMerge機能、またはCloudingo・DemandToolsなどのサードパーティツールを組み合わせます。
AI・BI連携前に最低限やっておくべきデータ品質対応は何ですか？
最優先は「重複取引先・取引先責任者の整理」と「分析に使う必須フィールドの充足率確認」です。特にBIの集計軸になるフィールド（業種・地域・商談フェーズ）に空白や表記ゆれが多いと、レポートの信頼性が低下します。AI活用を前提とする場合はさらに「古いレコードの更新」も加え、学習データの偏りを最小化することが重要です。
まとめ
Salesforceのデータ品質管理は「重複対策・入力統制・孤立レコードの解消」の3つを継続的に取り組むことで維持できます。重複管理ルール・Validation Rules・定期レポートという標準機能を最大限活用し、それで追いつかない大量データのクレンジングにはサードパーティツールを組み合わせることが実務的です。Salesforceのデータ品質整備をご検討の場合は、BFT Insightにご相談ください。