La migrazione è prima di tutto un progetto di qualità
Disponibile anche in 19 lingue
English · Español · 日本語 · Português (Brasil) · Français · Deutsch · 한국어 · 简体中文 · Português (Portugal) · 繁體中文 · Bahasa Indonesia · Türkçe · Polski · Tiếng Việt · ไทย · Українська · Español (México) · Français (Canada) · Deutsch (Schweiz)
Modulo 1 di 5 del capitolo Migrazione e sincronizzazione, capitolo 10 del corso Data Architect. Ogni modulo si regge da solo. Precedente: il capitolo precedente, Integrazione e movimento dei dati · Successivo: Caricare ad alto volume
La domanda a cui risponde questo modulo: Cosa deve succedere ai dati prima di cominciare a caricarli in Salesforce?
Un progetto di migrazione può ingannarti. Hai i dati qui, ti servono là, quindi qualcuno comincia a parlare di Data Loader, Bulk API, file CSV, dimensioni dei batch e ordine di caricamento. Quelle cose contano. Non è da lì che parto. La mia prima domanda è: cosa stiamo esattamente per spostare? Se la sorgente contiene clienti duplicati, indirizzi non validi, valori obsoleti, relazioni rotte e quindici anni di dati che non servono a nessuno, Salesforce diventerà volentieri la nuova casa di tutto questo. Caricare più in fretta non lo risolve. La migrazione è prima di tutto un progetto di qualità.
Start With the Picture
Sezione intitolata “Start With the Picture”Here’s Steve Trucking’s landscape from Checkpoint 1, the weekend RouteDesk retires. RouteDesk is the desktop dispatch tool the coordinators used inside each distribution center (DC) to turn manifests into routes. It holds eight years of delivery history, about 5 million deliveries, and the quality varies by DC. At Checkpoint 1 we decided it retires, and we left one question open: what, if anything, comes into the org? That’s a migration decision, and this is the chapter for it. ⟲
One new arrow. It runs once, and then it disappears. ⟲
A migration is an arrow on the landscape like any other. Everything chapter 9 asked of an arrow applies: what moves, how much, by which key, who proves it arrived. The difference is that this arrow has an end. When it’s done, RouteDesk is switched off and the arrow comes off the drawing. That makes it easy to rush, because “we only do it once.” But the data it carries stays in Salesforce for years. ⟲
Spostare più in fretta dati cattivi non è un successo
Sezione intitolata “Spostare più in fretta dati cattivi non è un successo ”Il sistema legacy ha 500.000 record cliente, e migriamo 500.000 record cliente. Abbiamo avuto successo? Forse. E se 40.000 sono duplicati, 75.000 non sono attivi da dieci anni, migliaia hanno codici di stato non validi, alcuni non hanno un identificativo utilizzabile, alcuni figli puntano a padri che non esistono più, e alcuni campi significano cose diverse a seconda di quando è stato creato il record? Il report può comunque dire 500.000 nella sorgente, 500.000 nella destinazione, 100 per cento caricati, e il progetto può comunque essere un fallimento. La completezza conta, ma da sola non dimostra la qualità.
Quindi, prima di progettare il caricamento, voglio capire la sorgente. Quali dati esistono, e cosa significano? Quanto sono vecchi, quanto affidabili, quali campi si usano davvero, quali valori sono validi, quali relazioni esistono, di quali identificativi posso fidarmi? Cosa deve sopravvivere alla migrazione, e cosa no? È qui che i capitoli precedenti arrivano a scadenza: il capitolo 4 ci ha insegnato il panorama aziendale, il capitolo 5 che la qualità va progettata, il capitolo 6 identità e autorità. La migrazione applica tutto questo a un corpo di dati esistente. Non è solo spostare righe. È decidere quali parti del passato meritano di diventare parte dell’architettura futura.
Migrare, archiviare o scartare, e sapere perché
Sezione intitolata “Migrare, archiviare o scartare, e sapere perché ”Un inventario di migrazione ha bisogno di almeno tre risposte: migrare, archiviare, o scartare secondo la politica. I dettagli transazionali di cinque anni fa potrebbero dover essere conservati per conformità senza vivere nel modello dei dati attivo; dati temporanei obsoleti potrebbero non avere né obbligo di conservazione né valore; lo storico potrebbe appartenere a un archivio consultabile. Il principio del ciclo di vita del capitolo 7 era “progetta l’uscita”, e la migrazione è il momento perfetto per applicarlo. Non portarti dietro ogni record solo perché c’è.
So zoom in on RouteDesk and take it apart, one class of data at a time. ⟲
Every class of data gets a decision, a place and a reason. ⟲
The deliveries not yet made have to come in: manifests arrive one to two days ahead, so on cutover weekend RouteDesk holds about two days of work, roughly 6,400 deliveries, and the crews need them on Monday morning. The recent history comes in because of claims. A damage claim is a Case in Salesforce, and the agent working it needs the delivery behind it. So deliveries still inside the claim window come in too. Steve Trucking accepts claims for 60 days after a delivery, so that’s about 190,000 more Work Orders. Had the business said 30 days, it would be half that. The window is the business’s number, not ours. ⟲
The other 4.8 million deliveries go to Snowflake, where Checkpoint 1 already sends status history, kept by the partner key so a claim on an old delivery can still find it, and so leadership’s five-year reports still work. They don’t belong in the operational core: that would make Salesforce RouteDesk’s retirement home, and chapter 7 showed what Work Orders at volume cost. And the route plans and the coordinators’ drafts? Eight years of yesterday’s plans have no value once the deliveries are done. But I don’t decide that alone. ⟲
The opposite mistake is “we don’t need the old stuff.” Who decided? Legal, finance, operations, service, compliance? The data architect shouldn’t invent retention policy during a migration; we translate the business and regulatory requirement into architecture. Before excluding data, establish whether it must be kept, for how long, where, who needs access, and whether its relationships and source identifiers must survive. Eight years of Recipients’ names, addresses and phone numbers is exactly that kind of question: archiving them isn’t the same as keeping them forever. The goal isn’t to migrate less. It’s to know why every class of data is moving, or isn’t. ⟲
Test knowledge. Migrate what the new system needs to operate, not everything the old one held. Expect a scenario with years of legacy history: the answer is usually to migrate active and recent records and archive the rest outside Salesforce where it stays reachable, with the retention decision made by the business, not by the migration team. ⟲
Where the Preparation Happens
Sezione intitolata “Where the Preparation Happens”Before the steps, the place. All of this preparation happens outside Salesforce, in a working database of its own: Postgres, SQL Server, Oracle, MySQL, even SQLite for a small job, whatever the team knows. Not in Salesforce, and not in a spreadsheet that gets emailed around. I call it the preparation data store, or the preparation store for short. It sits in between: the source feeds it, and it feeds Salesforce. ⟲
The preparation data store sits in between. Every step in this module happens inside it. ⟲
The extract lands there raw. The standardizing, cleaning, enriching, deduping and validating all run there, as code. The quarantine is a table, the counts are queries, and the whole thing can be run again from the top. Some tools connect a database like this straight to Salesforce, copying data down and sending changes back; others export files for a data loader. There are many ways to load data. The principle doesn’t change: prepare it outside, then load the result. ⟲
And it holds more than the source. Pull down the relevant parts of the target org too. Why? Because dedupe has to compare against what’s already in Salesforce, and when the survivor of a merge is a record that’s already there, the new children need its key to link to it. You can’t decide the merge without both sides in front of you. For RouteDesk, the preparation store holds the RouteDesk extract and a copy of what Salesforce already has: the Retail Partner Accounts, the Products and Service Territories, the claim Cases with their delivery references, and the Work Orders the new integration has already created, because the partners don’t stop sending manifests for our cutover weekend. ⟲
Then you practice. Run the preparation, load a sandbox, reconcile, find the rule that was wrong, fix it, run it all again. By the time we reach production, the preparation has run many times, and it’s boring. That’s the goal. ⟲
Il mio ordine: standardizza, pulisci, arricchisci, deduplica, valida
Sezione intitolata “Il mio ordine: standardizza, pulisci, arricchisci, deduplica, valida ”When I’m preparing data for migration, I work in this order, and the order matters. All five steps happen in the preparation data store. ⟲
Standardize. Get equivalent values into one form. One source has CA, California and Calif.; another has US, USA and United States. A company comes in as Steve Plumbing, Steve's Plumbing and Steve's Plumbing LLC. Phone numbers arrive as 5555550142, (555) 555-0142 and +1 555 555 0142. Before we compare records or apply matching rules, we need to know which differences are formatting and which are meaningful. ⟲
Names are the classic trap. I had a system with first and last name in one field, and the Salesforce contact needs them apart. “Daniel Reyes” splits easily. Then you get “Mr. Daniel Reyes,” “Daniel Reyes PhD,” “Daniel Reyes III,” and names with two family names, such as Roberto González Suárez, where González isn’t a middle name: split that wrong and you’re in trouble. Build the patterns (two words, three words, a title, a suffix), run the splits, and have the customer validate the results. ⟲
Pulisci. Occupati di ciò che è sbagliato, inutilizzabile o obsoleto: codici non validi, date impossibili, errori di battitura, valori segnaposto, campi che contengono dati che non corrispondono al loro significato. Mappa di proposito i valori degli elenchi di selezione: uno stato di lead legacy Cold potrebbe diventare Closed nella destinazione. Quando l’elenco è lungo (ho visto 200 valori), costruisci una tabella di trasformazione e fai compilare al business il valore di destinazione per ogni valore della sorgente. Salesforce convalida gli elenchi di selezione in modo rigoroso, quindi intercettali prima che arrivino, e non aspettare che siano le regole di convalida a dirti cosa contiene la tua sorgente.
RouteDesk’s “quality varies by DC” shows up right here. Each DC set up its own status codes over eight years, so the same outcome arrives in nine spellings. The transformation table maps every one of them to the Work Order’s status values in Salesforce: ⟲
| DC | RouteDesk says | Work Order status |
|---|---|---|
| DC 1 | DLV | Completed |
| DC 4 | Delivered - OK | Completed |
| DC 7 | DONE/INST | Completed (the install is on its line item) |
| DC 1 | NH | Cannot Complete (nobody home) |
| DC 4 | Refused | Cannot Complete |
| DC 7 | CXL | Canceled |
The left two columns come from profiling the extract; the right column comes from the business, not from us. Completed, Cannot Complete and Canceled are three of the standard Work Order status values (WorkOrder (si apre in una nuova scheda), Object Reference, Winter ‘27, checked 2026-10-27). Notice the third row: one RouteDesk code carried two facts, the delivery and the install, and the target model keeps them apart. ⟲
Enrich. Sometimes missing information can be reliably added: a normalized address, a postal code from city and state, a county, a geolocation, a mapping from a legacy code to the new enterprise taxonomy, an enterprise identifier. Enrichment needs provenance. If we add or change information, I want to know where it came from and why I trust it. Some of RouteDesk’s older deliveries don’t name the Retail Partner at all, because each DC served one partner and everybody knew. The DC and the order number’s format tell us which partner it was. That’s enrichment from a rule we can show, not a guess. ⟲
Deduplica. Poi trova i record che rappresentano la stessa cosa nel mondo reale. Perché non partire da qui? Perché abbinare dati sporchi è più difficile: Steve's Plumbing e STEVES PLUMBING LLC diventano molto più facili da confrontare dopo la standardizzazione. Deduplica dentro i dati in arrivo, poi rispetto a ciò che è già in Salesforce. La regola del capitolo 6 vale ancora: unire è distruttivo; collegare no. Non fondere record perché un punteggio approssimativo sembra convincente.
Validate. Finally, test the transformed data against the target: required information present, reference values valid, relationships resolvable, keys unique where they should be, values fitting the model, authority rules preserved. Only then do I want to talk seriously about loading. And don’t expect the import tool to catch everything. Salesforce’s own Trailhead project on the NPSP importer makes the point: it catches invalid picklist values and missing required fields, but if a spreadsheet turned a postal code like 02134 into the number 2134, the importer loads the four digits (Perform an Import Dry Run (si apre in una nuova scheda), Trailhead, checked 2026-10-27). That’s one more reason the preparation lives in a database with typed columns, not in a spreadsheet. ⟲
Five steps, in order. A record that fails one goes somewhere visible, with its reason. ⟲
Test knowledge. Data quality is fixed before the load, not after. Know the preparation steps (standardize, clean, enrich, deduplicate, validate) and why the order matters: you can’t match records reliably until their values are in one form. Picklist values are mapped with a transformation table the business signs off, because Salesforce rejects values a restricted picklist doesn’t have. ⟲
Pulisci prima del trasloco
Sezione intitolata “Pulisci prima del trasloco ”La tentazione è “portiamo prima tutto in Salesforce e poi facciamo pulizia”. Come impostazione predefinita non mi piace. Una volta che i dati cattivi sono in produzione, partecipano alla produzione: gli utenti li vedono, l’automazione, i report, le integrazioni e gli agenti li vedono, i duplicati cominciano a raccogliere record collegati, e la pulizia diventa più difficile. Dove è possibile, migliora i dati prima che entrino nella destinazione. Non ogni imperfezione storica va corretta; è una decisione costi-benefici. Ma “puliremo dopo” non è una strategia di migrazione. È debito tecnico con una data di lancio.
And not every record deserves the same effort. An active customer with open orders, open cases, current contracts and billing relationships is different from one who bought something once nine years ago. Both may need to be kept. For the critical, active data I may require stricter validation, more enrichment, closer duplicate review and detailed reconciliation; for low-value history, preserving traceability may matter more than making every record perfect. Architecture is partly deciding where quality effort creates value. For RouteDesk, the 6,400 deliveries the crews will drive to on Monday get the strictest checks. The 4.8 million going to the archive need their keys and their dates right; nobody will fix eight years of typos in delivery notes. ⟲
Preserva l’identità della sorgente, e carica per chiavi
Sezione intitolata “Preserva l’identità della sorgente, e carica per chiavi ”Uno degli errori più facili è perdere la capacità di risalire da un record Salesforce alla sua origine. Se il cliente legacy CUST-847291 diventa l’account 001…, voglio comunque sapere che viene da CUST-847291, per riconciliazione, risoluzione dei problemi, ricaricamenti, audit, abbinamento dei record figli, analisi di rollback e le domande che arrivano dopo il lancio. Il nuovo ID Salesforce conta dentro Salesforce; non cancella l’identità della sorgente. È il principio dell’ID esterno del capitolo 9. Migrazione e integrazione si incontrano sull’identità.
At Steve Trucking they meet in one field. Every Work Order already carries the partner’s key, Partner_Delivery_Key__c, an External ID marked unique, holding values like REDROCK-8472914-1 (chapter 9, module 2). RouteDesk kept the partner’s order number on each delivery, so the migration builds the same key and upserts on it, exactly as the integration does. That matters on cutover weekend: if Redrock resends a manifest for Tuesday after we’ve loaded Tuesday from RouteDesk, the integration finds the migrated Work Order and updates it instead of creating a second one. RouteDesk’s own delivery number comes along too, in a plain field, so anyone can trace a Work Order back to the record it came from. ⟲
So don’t rebuild relationships by name (“find the Account whose Name is Acme Distribution”). If the legacy contact carries Legacy_Account_ID = CUST-847291 and the Salesforce Account carries that identifier as an External ID, the relationship is rebuilt deterministically. The Bulk API does this in the load file itself: a column header such as WorkOrder.Partner_Delivery_Key__c says “find my parent by this indexed field,” and Salesforce looks up the parent’s ID for you (Relationship Fields in a Header Row (si apre in una nuova scheda), Bulk API 2.0 and Bulk API Developer Guide, checked 2026-10-27). Keys turn “I think this child belongs here” into “I know which parent this came from,” and that matters more as the Number of Zeros grows. ⟲
Relationships also create sequence. If contacts reference accounts, the accounts must exist first; if line items reference orders and products, those come first. So migration isn’t one giant load. It’s reference data, parents, children, junctions, then dependent history, in an order the target data model dictates. That’s one more reason the data architect belongs in migration planning: the model tells us how the migration has to be assembled. Here’s RouteDesk’s open work, on Checkpoint 1’s model. ⟲
Wave 1: what the Work Orders will point to has to exist first. Most of it already does. ⟲
Wave 2: the Work Orders, upserted by the partner key. ⟲
Wave 3: the children, each finding its Work Order by the same key. ⟲
Wave 4: the claim Cases already in Salesforce get their link to the delivery. The model sets the order. ⟲
Test knowledge. Keep each legacy record’s key in an External ID field, load parents before children, and let each child find its parent by that key: an upsert on the External ID, and a relationship column in the load file (
Parent.External_Id__c) instead of looking up Salesforce IDs. Reloads then update instead of duplicating, and every record traces back to its source. ⟲
I record uniti hanno bisogno di una strategia per i figli
Sezione intitolata “I record uniti hanno bisogno di una strategia per i figli ”Ecco il problema che si sottovaluta. L’analisi scopre che i clienti legacy A, B e C sono lo stesso cliente, quindi la destinazione riceve un solo account. Bene. Ma A ha 12 casi, B ha 4 ordini e C ha 3 contatti. Unisci concettualmente i padri senza riprogettare la mappatura dei figli e hai risolto il padre rompendo le relazioni. Ogni decisione di deduplicazione ha bisogno di una strategia per i figli.
RouteDesk has its own version. When a partner revised a manifest on the day, a coordinator sometimes keyed the delivery in again instead of editing it. Now RouteDesk has two deliveries with the same partner order number: one with the old window and two stops, one with the new window and the crew’s notes. Salesforce will have one Work Order, because the partner key is unique. Which window wins, and what happens to the stops and notes on the other one? ⟲
Prima i campi: quando due record corrispondono, quali valori vincono? Un valore vuoto contro uno pieno è facile. Un conflitto no: Steven o Stephen, l’email in Salesforce o quella nel caricamento? Scegli un sopravvissuto e decidi campo per campo, poi metti presto dei casi di esempio davanti al business perché le sue impronte siano sulle scelte.
Then the children. I see three options: add the children to the survivor, don’t load the merged record’s children, or load the merged record as inactive, linked to the survivor, with its children kept on it. ⟲
Three ways, none free. Notice the third one at RouteDesk: the inactive duplicate can’t reuse the partner key, because the survivor already holds it, so it needs a key of its own. ⟲
Whichever you choose, it happens in the preparation store, before anything loads. That’s where the survivor is picked, sometimes a record that’s already in Salesforce, pulled down with its key. That’s where each child gets the key of the parent it will point to. And that’s where the merged record either keeps its children, hands them over or is left out. Salesforce receives the result of the merge, not the job of doing it. ⟲
Come scelgo? Dipende da quanto sono critici i dati e se ci serve la tracciabilità verso ciò che è stato caricato. E soppesa il rischio contro il beneficio di unire del tutto. Mettere insieme la cronologia di acquisto delle due persone sbagliate in un elenco clienti di un negozio è un fastidio; mostrare i farmaci di un paziente sulla cartella di un altro paziente è una violazione grave. Più è alta la posta di una corrispondenza sbagliata, più l’unione deve essere prudente. Qualunque cosa decidi, ogni figlio può ancora essere ricondotto alla sua sorgente originale? La deduplicazione di una migrazione non è “lanciare il rilevamento dei duplicati sugli account”. Conta l’intero grafo delle relazioni.
Ci sono passato dall’altra parte. Un negozio da cui compravo fin dai tempi dell’università stava migrando i dati dei clienti, e quando abbiamo guardato, Steve Simpson compariva sotto circa una mezza dozzina di indirizzi email e postali: l’indirizzo dell’università, la casa in affitto, i posti dopo. Dovevamo unirli? Ci sono altri Steve Simpson in giro. Il business ha deciso che mettere insieme la mia vecchia cronologia non valeva il rischio di unirmi allo Steve Simpson sbagliato. È la domanda a cui ogni unione deve rispondere: qual è il beneficio di mettere insieme i dati, e qual è il rischio di scegliere le persone sbagliate?
Test knowledge. Deduplicate before the load, within the incoming data and against what’s already in Salesforce, with matching rules and a survivor chosen field by field. Expect the follow-up question: what happens to the merged record’s child records? Re-parent them to the survivor, leave them out (and archive them), or keep them on an inactive linked record. Each has a cost. ⟲
Trasformazioni ripetibili, sorgente grezza conservata
Sezione intitolata “Trasformazioni ripetibili, sorgente grezza conservata ”Lo stato legacy A diventa Active, I diventa Inactive, S diventa Suspended. Dove vive quella mappatura? Non nella memoria di qualcuno, non in una formula di Excel copiata in modo diverso in tre file, non come passaggio manuale del venerdì sera. Se ricarichiamo domani, dobbiamo ottenere lo stesso risultato, quindi mappature, regole di standardizzazione e pulizia, trasformazioni, decisioni di deduplicazione e generazione delle chiavi devono essere tutte riproducibili. Il processo di migrazione è codice, anche quando alcune parti non sono letteralmente scritte in un linguaggio di programmazione.
And don’t destroy the starting point. Keep the original extract in raw tables, exactly as it came out, and never change them. Each step writes its result to a new staged table: standardized, cleaned, deduplicated, load-ready. When something looks wrong, I want to know whether it was wrong in the source, changed by our transformation, changed by the load, or changed by Salesforce automation afterward, and with every table kept I can walk back through them and find out. Overwrite your only copy of the source while cleaning it and you lose the evidence. ⟲
I learned how much this pays off on a support migration. A company was moving its support desk from Zendesk into Salesforce, and Zendesk’s tickets were very similar to Salesforce Cases, but not exact. So I loaded every Zendesk export into a SQL database as raw tables, one per Zendesk structure: organizations, users, tickets, custom fields, comments, attachments. Then I built interim tables that got closer and closer to the Salesforce structure, with the field and picklist mappings kept as tables of their own. Then I loaded Salesforce from those tables and brought the Salesforce IDs back. In the end every row had three things: its original Zendesk key, the transformations that had been applied to it, which were never one way, and its Salesforce key. That’s what let me do partial loads and reloads whenever I needed to. ⟲
Here’s the same design for RouteDesk, one step at a time. ⟲
Extract: one raw table per RouteDesk structure, each row with its RouteDesk key. These tables never change. ⟲
Generate: new tables shaped for Salesforce, built from the raw ones with the mapping tables. The raw tables are still there. ⟲
Load: the Work Orders upserted by the partner key, then their children. ⟲
Keys back: each Salesforce ID is written to its row. Now every row knows where it came from, what was done to it and where it landed. ⟲
So no transformation is allowed to lose fidelity. If a step throws information away (truncates a note, drops a code it didn’t recognize, keeps one of two conflicting values without saying which), I can’t trace back through it, and I can’t repeat the run and get the same answer. Keep the raw tables, keep the staged tables, keep what each load sent and what came back. Then you can rerun the whole thing from the raw extract at any time, and you have the history of every load. This is migration’s version of lineage: preserve where the data came from and what you did to it. ⟲
Sometimes the Staging Is Inside Salesforce
Sezione intitolata “Sometimes the Staging Is Inside Salesforce”The preparation store isn’t the only place to stage. In a few special cases, the last stop before the real objects is a plain custom object inside Salesforce: one flat row per source record, no automation, loaded fast. Then a batch process works through the rows and builds the real records. I’ve used it when Salesforce’s own logic had to create the records and was too slow to load through: a scheduling process that took a few seconds per appointment. Module 3 comes back to that case. ⟲
Salesforce uses the same pattern in its own products, and it’s worth learning from. The Nonprofit Success Pack loads a spreadsheet into its NPSP Data Import object first. A dry run checks for matches without creating anything. Then the importer creates the accounts, contacts and donations, and writes each new record’s ID back onto the row it came from (How the Import Process Works (si apre in una nuova scheda), Salesforce Help, checked 2026-10-27). That’s a reference, not a rule: staging inside Salesforce is the special case, not the way to load everything. ⟲
For RouteDesk, a one-time move with heavy cleaning and merging, the preparation store outside Salesforce does the work, and the load sends the result. ⟲
I record cattivi hanno bisogno di un posto dove andare
Sezione intitolata “I record cattivi hanno bisogno di un posto dove andare ”Su 500.000 record, 497.800 superano la validazione e 2.200 no. Eliminarli in silenzio? No. Forzare spazzatura nei campi obbligatori? No. Fermare il progetto finché ogni record storico non è perfetto? Probabilmente no. Voglio un percorso di quarantena e correzione che registri quale record della sorgente è fallito, perché, quale regola l’ha rifiutato, se va corretto prima del cutover, chi è responsabile della decisione e se può essere rimandata. Ora le eccezioni sono lavoro di architettura visibile invece che perdita di dati nascosta.
Before you call a record bad, look at the rule that rejected it. Sometimes the record is fine and the rule is wrong. Salesforce’s Well-Architected framework puts it plainly: “data architecture decisions determine the populations that become visible—and invisible,” and a required email address “excludes populations that don’t have reliable internet access or personal email addresses” (Fairness (si apre in una nuova scheda), checked 2026-10-27). RouteDesk has thousands of deliveries where the Recipient gave only a phone number. If the new Work Order requires an email, those aren’t bad records. They’re real people the rule would make invisible. Fix the rule, not the person. ⟲
Poi dimostra la trasformazione prima del caricamento. Con quanti record della sorgente siamo partiti, quanti ne abbiamo esclusi di proposito, quanti duplicati sono stati consolidati, quanti sono pronti, quanti in quarantena, quante relazioni padre-figlio si risolvono, e quali sono i totali di controllo? Se i numeri non tornano prima del caricamento, caricare più in fretta non aiuterà. Il modulo 4 dimostra la migrazione con conteggi, totali, controlli a campione e report aggregati, ma la prova comincia qui.
L’IA può aiutare a pulire. Non può inventare la verità.
Sezione intitolata “L’IA può aiutare a pulire. Non può inventare la verità. ”L’IA è utile in una migrazione: suggerire mappature, trovare valori sospetti, raggruppare potenziali duplicati, individuare anomalie, generare codice di trasformazione, spiegare schemi nei record rifiutati. Ma se un processo di arricchimento decide che “questa azienda probabilmente è in Arizona”, “probabilmente” non basta. E se decide che due clienti si somigliano abbastanza da essere uniti, ricorda il capitolo 6: una corrispondenza sbagliata può fare più danni di una corrispondenza mancata. Usa l’IA per accelerare l’indagine. Non lasciare che fabbrichi in silenzio dati aziendali che fanno fede.
Oltre l’esame: cosa cambia l’IA. L’IA può accelerare enormemente profilazione, mappatura, rilevamento delle anomalie e individuazione dei candidati alla corrispondenza durante una migrazione. Mantieni regole deterministiche, provenienza e revisione umana intorno alle decisioni che creano, uniscono o modificano dati di business che fanno fede.
Cosa decide qui un architetto
Sezione intitolata “Cosa decide qui un architetto ”- Quali dati della sorgente vengono migrati, archiviati o esclusi, in base al valore di business e ai requisiti di conservazione.
- Where preparation happens (a preparation store outside Salesforce, a staging object inside it, or both), and which parts of the target org are pulled down to merge against. ⟲
- Come i dati vengono standardizzati, puliti, arricchiti, deduplicati e validati prima di entrare nella destinazione.
- Quali identificativi di origine e quale lineage sopravvivono, così ogni record importante nella destinazione può essere tracciato e riconciliato.
- The load order the target data model dictates, and the keys each child uses to find its parent. ⟲
- Come le decisioni di deduplicazione trattano campi e figli sull’intero grafo delle relazioni, soppesate su criticità, tracciabilità e rischio di un’unione sbagliata.
- Quali regole di trasformazione e di gestione delle eccezioni devono essere ripetibili prima che cominci qualsiasi caricamento in produzione.
Non misurare la migrazione dalle righe caricate
Sezione intitolata “Non misurare la migrazione dalle righe caricate ”“Abbiamo caricato 500.000 record su 500.000” mi dice che il caricatore ha funzionato. Io voglio sapere: abbiamo spostato i dati giusti, migliorato ciò che andava migliorato, preservato identità e relazioni, consolidato i duplicati in sicurezza? Possiamo spiegare cosa abbiamo escluso, riprodurre la trasformazione, ricondurre un record Salesforce alla sua sorgente e dimostrare il risultato? Fai prima questo lavoro. Poi ci preoccuperemo di quanto in fretta possiamo caricare.
Per approfondire
Sezione intitolata “Per approfondire ”- Salesforce, General Guidelines for Data Loads (si apre in una nuova scheda) and Relationship Fields in a Header Row (si apre in una nuova scheda), Bulk API 2.0 and Bulk API Developer Guide, checked 2026-11-01. ⟲
- Salesforce, WorkOrder (si apre in una nuova scheda), Object Reference for the Salesforce Platform, Winter ‘27 (API version 68.0), checked 2026-11-01. ⟲
- Salesforce Help, How the Import Process Works (si apre in una nuova scheda) (the Nonprofit Success Pack’s staging object), checked 2026-11-01. ⟲
- Hands-on: the Trailhead trail Import Data With Nonprofit Success Pack (NPSP) (si apre in una nuova scheda) walks through the whole staging pattern in a practice org: a template, staging rows, a dry run, fixing the failed rows, then the import. It runs in a Trailhead Playground; Trailhead notes that as of December 2025, NPSP is no longer offered as a preconfigured package in production orgs. Checked 2026-10-27. ⟲
- Salesforce Architects, Well-Architected, Fairness (si apre in una nuova scheda), checked 2026-11-01. ⟲
- In this course: Master Data and Identity (matching, survivorship, link vs merge), Data Quality and Governance, and Keys and Write Ownership (the partner key). ⟲
- Trailhead, Perform an Import Dry Run (si apre in una nuova scheda), checked 2026-11-01. ⟲