Migracja to przede wszystkim projekt jakościowy

🌐 Dostępne także w 19 językach

English · Español · 日本語 · Português (Brasil) · Français · Deutsch · Italiano · 한국어 · 简体中文 · Português (Portugal) · 繁體中文 · Bahasa Indonesia · Türkçe · Tiếng Việt · ไทย · Українська · Español (México) · Français (Canada) · Deutsch (Schweiz)

Obraz wygenerowany przez AI

Przetłumaczone przez AI. Jeszcze niesprawdzone przez społeczność. Czytaj po angielsku Ta sekcja zmieniła się w wersji angielskiej i nie została jeszcze ponownie przetłumaczona. (81)

Moduł 1 z 5 w rozdziale Migracja i synchronizacja, rozdziale 10 kursu Data Architect. Każdy moduł jest samodzielny. Wstecz: poprzedni rozdział, Integracja i przepływ danych · Dalej: Ładowanie przy dużym wolumenie

Pytanie, na które odpowiada ten moduł: co powinno się stać z danymi, zanim zaczniesz ładować je do Salesforce?

Projekt migracji potrafi zwieść. Dane są tutaj, potrzebne są tam, więc ktoś zaczyna mówić o Data Loaderze, Bulk API, plikach CSV, rozmiarach wsadów i kolejności ładowania. To ważne. Ale nie od tego zaczynam. Moje pierwsze pytanie brzmi: co dokładnie zamierzamy przenieść? Jeśli źródło zawiera zduplikowanych klientów, nieprawidłowe adresy, przestarzałe wartości, zerwane relacje i piętnaście lat danych, których nikt nie potrzebuje, Salesforce chętnie stanie się nowym domem dla tego wszystkiego. Szybsze ładowanie tego nie naprawi. Migracja to przede wszystkim projekt jakościowy.

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. ⟲

Kliknij, aby powiększyć

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. ⟲

Szybsze przenoszenie złych danych to nie sukces

Stary system ma 500 000 rekordów klientów, a my migrujemy 500 000 rekordów klientów. Udało się? Może. A co, jeśli 40 000 to duplikaty, 75 000 nie było aktywnych od dziesięciu lat, tysiące mają nieprawidłowe kody stanów, część nie ma użytecznego identyfikatora, część rekordów podrzędnych wskazuje na nadrzędne, które już nie istnieją, a niektóre pola znaczą coś innego w zależności od tego, kiedy rekord utworzono? Raport nadal może mówić 500 000 w źródle, 500 000 w celu, 100 procent załadowane, a projekt nadal może być porażką. Kompletność ma znaczenie, ale sama kompletność nie dowodzi jakości.

Dlatego zanim zaprojektuję ładowanie, chcę zrozumieć źródło. Jakie dane istnieją i co znaczą? Jak są stare, jak wiarygodne, które pola są naprawdę używane, które wartości są prawidłowe, jakie są relacje, którym identyfikatorom mogę ufać? Co powinno przetrwać migrację, a co nie? Tu przychodzi czas na wcześniejsze rozdziały: rozdział 4 nauczył nas krajobrazu systemów przedsiębiorstwa, rozdział 5, że jakość trzeba zaprojektować, rozdział 6 tożsamości i autorytetu. Migracja stosuje to wszystko do istniejącego zasobu danych. To nie tylko przenoszenie wierszy. To decydowanie, które części przeszłości zasługują na to, żeby stać się częścią przyszłej architektury.

Migruj, archiwizuj albo odrzuć, i wiedz dlaczego

Inwentarz migracji potrzebuje co najmniej trzech odpowiedzi: migruj, archiwizuj albo odrzuć zgodnie z polityką. Szczegóły transakcji sprzed pięciu lat mogą wymagać zachowania ze względów zgodności, bez miejsca w aktywnym modelu danych; przestarzałe dane tymczasowe mogą nie mieć ani wymogu retencji, ani wartości; historia może należeć do przeszukiwalnego archiwum. Zasadą cyklu życia z rozdziału 7 było „zaprojektuj wyjście”, a migracja to idealny moment, żeby ją zastosować. Nie przenoś każdego rekordu tylko dlatego, że istnieje.

So zoom in on RouteDesk and take it apart, one class of data at a time. ⟲

Kliknij, aby powiększyć

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

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. ⟲

Kliknij, aby powiększyć

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. ⟲

Moja kolejność: standaryzuj, czyść, wzbogacaj, deduplikuj, waliduj

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. ⟲

Czyść. Zajmij się tym, co błędne, nieużyteczne lub przestarzałe: nieprawidłowymi kodami, niemożliwymi datami, literówkami, wartościami zastępczymi, polami z danymi niepasującymi do ich znaczenia. Mapuj wartości list wyboru świadomie: stary status leada Cold może w celu stać się Closed. Gdy lista jest długa (widziałem 200 wartości), zbuduj tabelę transformacji i poproś biznes o uzupełnienie wartości docelowej dla każdej wartości źródłowej. Salesforce rygorystycznie waliduje listy wyboru, więc wyłap to, zanim dotrze, i nie czekaj, aż reguły sprawdzania poprawności powiedzą ci, co zawiera twoje źródło.

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 (otwiera się w nowej karcie), 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. ⟲

Deduplikuj. Potem znajdź rekordy reprezentujące tę samą rzecz w rzeczywistym świecie. Dlaczego nie zacząć od tego? Bo dopasowywanie brudnych danych jest trudniejsze: Steve's Plumbing i STEVES PLUMBING LLC dużo łatwiej porównać po standaryzacji. Deduplikuj w obrębie przychodzących danych, a potem względem tego, co już jest w Salesforce. Reguła z rozdziału 6 nadal obowiązuje: scalanie jest destrukcyjne; łączenie nie. Nie łącz rekordów w jeden tylko dlatego, że wynik dopasowania rozmytego wygląda przekonująco.

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 (otwiera się w nowej karcie), Trailhead, checked 2026-10-27). That’s one more reason the preparation lives in a database with typed columns, not in a spreadsheet. ⟲

Kliknij, aby powiększyć

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. ⟲

Czyść przed przeniesieniem

Pokusa brzmi: „najpierw wrzućmy wszystko do Salesforce, a potem posprzątamy”. Nie lubię tego jako domyślnego podejścia. Gdy złe dane trafią na produkcję, biorą udział w produkcji: widzą je użytkownicy, automatyzacja, raporty, integracje i agenci, duplikaty zaczynają zbierać powiązane rekordy, a sprzątanie staje się trudniejsze. Tam, gdzie się da, popraw dane zanim trafią do celu. Nie każdą historyczną niedoskonałość trzeba naprawiać; to decyzja o kosztach i korzyściach. Ale „posprzątamy później” to nie strategia migracji. To dług techniczny z datą uruchomienia.

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. ⟲

Zachowaj tożsamość źródła i ładuj po kluczach

Jednym z najłatwiejszych błędów jest utrata możliwości prześledzenia rekordu Salesforce do miejsca, z którego pochodzi. Jeśli stary klient CUST-847291 staje się kontem 001…, nadal chcę wiedzieć, że pochodzi z CUST-847291: do uzgadniania, rozwiązywania problemów, ponownych ładowań, audytu, dopasowania rekordów podrzędnych, analizy wycofania i pytań, które przychodzą po uruchomieniu. Nowy identyfikator Salesforce ma znaczenie wewnątrz Salesforce; nie wymazuje tożsamości źródła. To zasada identyfikatora zewnętrznego z rozdziału 9. Migracja i integracja spotykają się w tożsamości.

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 (otwiera się w nowej karcie), 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. ⟲

Kliknij, aby powiększyć

Wave 1: what the Work Orders will point to has to exist first. Most of it already does. ⟲

Kliknij, aby powiększyć

Wave 2: the Work Orders, upserted by the partner key. ⟲

Kliknij, aby powiększyć

Wave 3: the children, each finding its Work Order by the same key. ⟲

Kliknij, aby powiększyć

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. ⟲

Scalone rekordy potrzebują strategii dla rekordów podrzędnych

Oto problem, który ludzie lekceważą. Analiza wykazuje, że starzy klienci A, B i C to ten sam klient, więc cel dostaje jedno konto. Dobrze. Ale A ma 12 zgłoszeń, B ma 4 zamówienia, a C ma 3 kontakty. Scal rekordy nadrzędne koncepcyjnie bez przeprojektowania mapowań rekordów podrzędnych, a rozwiążesz problem rekordu nadrzędnego i zerwiesz relacje. Każda decyzja o deduplikacji potrzebuje strategii dla rekordów podrzędnych.

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? ⟲

Najpierw pola: gdy dwa rekordy pasują, które wartości wygrywają? Puste pole przeciw wartości to łatwe. Konflikt nie: Steven czy Stephen, e-mail w Salesforce czy ten z ładowania? Wybierz rekord, który przetrwa, i decyduj pole po polu, a potem wcześnie pokaż biznesowi przykładowe przypadki, żeby na wyborach były jego odciski palców.

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. ⟲

Kliknij, aby powiększyć

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. ⟲

Jak wybieram? Zależy od tego, jak krytyczne są dane i czy potrzebujemy identyfikowalności do tego, co zostało załadowane. I zważ ryzyko względem korzyści z samego scalania. Połączenie historii zakupów dwóch niewłaściwych osób na liście klientów detalicznych to irytacja; pokazanie leków jednego pacjenta w rekordzie innego pacjenta to poważne naruszenie. Im wyższa stawka błędnego dopasowania, tym ostrożniejsze scalanie. Cokolwiek zdecydujesz: czy każdy rekord podrzędny nadal da się prześledzić do jego pierwotnego źródła? Deduplikacja w migracji to nie „uruchom dopasowanie duplikatów na kontach”. Liczy się cały graf relacji.

Byłem po drugiej stronie. Sprzedawca, u którego kupowałem od czasów studiów, migrował dane klientów, a gdy się przyjrzeliśmy, Steve Simpson pojawiał się pod mniej więcej sześcioma adresami e-mail i pocztowymi: mój adres ze studiów, wynajmowany dom, kolejne miejsca. Czy powinniśmy je scalić? Są inni Steve’owie Simpsonowie. Biznes zdecydował, że powiązanie mojej starej historii nie jest warte ryzyka scalenia mnie z niewłaściwym Steve’em Simpsonem. To pytanie, na które musi odpowiedzieć każde scalenie: jaka jest korzyść z połączenia danych i jakie ryzyko wybrania niewłaściwych osób?

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. ⟲

Powtarzalne transformacje, zachowane surowe źródło

Stary status A staje się Active, I staje się Inactive, S staje się Suspended. Gdzie żyje to mapowanie? Nie w czyjejś pamięci, nie w formule Excela skopiowanej różnie do trzech plików, nie jako ręczny krok w piątek wieczorem. Jeśli jutro załadujemy ponownie, powinniśmy dostać ten sam wynik, więc mapowania, reguły standaryzacji i czyszczenia, transformacje, decyzje deduplikacji i generowanie kluczy muszą być odtwarzalne. Proces migracji to kod, nawet jeśli niektóre jego części nie są dosłownie napisane w języku programowania.

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. ⟲

Kliknij, aby powiększyć

Extract: one raw table per RouteDesk structure, each row with its RouteDesk key. These tables never change. ⟲

Kliknij, aby powiększyć

Generate: new tables shaped for Salesforce, built from the raw ones with the mapping tables. The raw tables are still there. ⟲

Kliknij, aby powiększyć

Load: the Work Orders upserted by the partner key, then their children. ⟲

Kliknij, aby powiększyć

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

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 (otwiera się w nowej karcie), 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. ⟲

Złe rekordy muszą mieć dokąd pójść

Z 500 000 rekordów 497 800 przechodzi walidację, a 2200 nie. Po cichu je wyrzucić? Nie. Wcisnąć śmieci do pól wymaganych? Nie. Zatrzymać projekt, dopóki każdy historyczny rekord nie będzie idealny? Raczej nie. Chcę ścieżki kwarantanny i naprawy, która zapisuje, który rekord źródłowy się nie udał, dlaczego, która reguła go odrzuciła, czy trzeba go naprawić przed przełączeniem, kto jest właścicielem decyzji i czy można ją odłożyć. Teraz wyjątki są widoczną pracą architektoniczną, a nie ukrytą utratą danych.

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 (otwiera się w nowej karcie), 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. ⟲

Potem udowodnij transformację przed ładowaniem. Od ilu rekordów źródłowych zaczęliśmy, ile celowo wykluczyliśmy, ile duplikatów skonsolidowano, ile jest gotowych, ile w kwarantannie, ile relacji nadrzędny-podrzędny się rozwiązuje i jakie są sumy kontrolne? Jeśli liczby nie zgadzają się przed ładowaniem, szybsze ładowanie nie pomoże. Moduł 4 udowadnia migrację liczbami, sumami, wyrywkowymi kontrolami i raportami zbiorczymi, ale dowodzenie zaczyna się tutaj.

AI może pomóc czyścić. Nie może wymyślać prawdy.

AI jest przydatna w migracji: proponuje mapowania, znajduje podejrzane wartości, grupuje potencjalne duplikaty, wychwytuje anomalie, generuje kod transformacji, wyjaśnia wzorce w odrzuconych rekordach. Ale jeśli proces wzbogacania uzna, że „ta firma jest prawdopodobnie w Arizonie”, „prawdopodobnie” nie wystarcza. A jeśli uzna, że dwóch klientów jest na tyle podobnych, by ich scalić, pamiętaj o rozdziale 6: fałszywe dopasowanie może wyrządzić więcej szkody niż niedopasowanie. Używaj AI do przyspieszenia badania. Nie pozwól jej po cichu produkować nadrzędnych danych przedsiębiorstwa.

Poza egzaminem: co zmienia AI. AI może znacznie przyspieszyć profilowanie, mapowanie, wykrywanie anomalii i dopasowywanie kandydatów podczas migracji. Zachowaj deterministyczne reguły, pochodzenie i przegląd ludzki wokół decyzji, które tworzą, scalają lub zmieniają nadrzędne dane biznesowe.

Co tu decyduje architekt

• Które dane źródłowe są migrowane, archiwizowane lub wykluczane, zgodnie z wartością biznesową i wymaganiami retencji.
• 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. ⟲
• Jak dane są standaryzowane, czyszczone, wzbogacane, deduplikowane i walidowane, zanim trafią do celu.
• Które identyfikatory źródłowe i pochodzenie przetrwają, żeby każdy ważny rekord docelowy dało się prześledzić i uzgodnić.
• The load order the target data model dictates, and the keys each child uses to find its parent. ⟲
• Jak decyzje o deduplikacji traktują pola i rekordy podrzędne w całym grafie relacji, ważone krytycznością, identyfikowalnością i ryzykiem błędnego scalenia.
• Które reguły transformacji i obsługi wyjątków muszą być powtarzalne, zanim zacznie się jakiekolwiek ładowanie produkcyjne.

Nie mierz migracji liczbą załadowanych wierszy

„Załadowaliśmy 500 000 z 500 000 rekordów” mówi mi, że loader zadziałał. Chcę wiedzieć: czy przenieśliśmy właściwe dane, poprawiliśmy to, co trzeba było poprawić, zachowaliśmy tożsamość i relacje, bezpiecznie skonsolidowaliśmy duplikaty? Czy potrafimy wyjaśnić, co wykluczyliśmy, odtworzyć transformację, prześledzić rekord Salesforce do źródła i udowodnić wynik? Najpierw ta praca. Potem będziemy się martwić, jak szybko możemy to załadować.

Do zgłębienia

• Salesforce, General Guidelines for Data Loads (otwiera się w nowej karcie) and Relationship Fields in a Header Row (otwiera się w nowej karcie), Bulk API 2.0 and Bulk API Developer Guide, checked 2026-11-01. ⟲
• Salesforce, WorkOrder (otwiera się w nowej karcie), Object Reference for the Salesforce Platform, Winter ‘27 (API version 68.0), checked 2026-11-01. ⟲
• Salesforce Help, How the Import Process Works (otwiera się w nowej karcie) (the Nonprofit Success Pack’s staging object), checked 2026-11-01. ⟲
• Hands-on: the Trailhead trail Import Data With Nonprofit Success Pack (NPSP) (otwiera się w nowej karcie) 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 (otwiera się w nowej karcie), 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 (otwiera się w nowej karcie), checked 2026-11-01. ⟲