项目历史数据很多，迁移到新系统前哪些内容需要清洗
一家非标定制家具企业，从1988年创立起积累了三十多年的订单、图纸、采购和客户档案数据。当它决定将管理搬上新系统时，摆在眼前的不是选型问题，而是历史数据怎么办——直接导入，格式各异、字段缺失、编码混乱，新系统根本无法运行。
很多团队把数据清洗看作技术活，实际上它首先是一个业务决策：哪些数据值得保留、哪些可以舍弃、哪些必须先做标准化。不搞清楚这一点，迁移计划越周全，执行中暴露的问题越多。
数据清洗的本质是业务规则统一
项目历史数据“脏”，通常不是因为技术存储有问题，而是因为业务记录长期缺乏统一标准。同一个客户在不同年份的系统中可能登记为“XX公司”“XX有限公司”“XX集团”；一批订单的物料编码格式可能是“M-001”“M-001-2021”甚至空白。
迁移前要回答的第一个问题是：新系统需要管理哪些业务实体？客户、订单、项目、物料、供应商——每个实体都需要一套唯一的编码规则和必填字段。例如，将客户字段统一为“企业全称+税号+联系人+电话”，并设定编码生成逻辑。这个步骤决定了后续所有数据的可关联性。没有统一的规则，迁移只是把“脏数据”搬了一个仓库。
按业务闭环判断清洗优先级
不必对所有历史数据一视同仁。一个有效的方法是按“业务闭环”划分优先级：那些仍在流转、对决策有直接影响的数据必须优先清洗；已经关闭且无合同义务的记录可以归档暂存。
以定制型制造企业为例，优先级最高的是：未关闭的销售订单及其关联的采购单、生产任务单和客户信息。其次是近两年的项目档案、供应商对账数据和设备台账。这些数据一旦进入新系统，立即影响到排产、采购、交付和售后管理。相反，五年前已完全交付且无质保义务的项目记录，清洗的必要性就低很多。
从行业实践看，80%的管理价值往往来自20%的核心数据。抓住这部分，迁移后就能快速跑通业务闭环。
字段标准化、去重与关联性修复
一旦确定了清洗范围，具体操作主要围绕三个方面：字段标准化、去重和关联性修复。
字段标准化解决的是同一类型的数据用不同格式填写的问题。比如日期字段统一为“YYYY-MM-DD”，金额字段保留两位小数，物料类别依据新制定的分类字典映射。这一步可以通过批量转换脚本完成，但必须配合人工抽检。
去重通常集中在客户档案、物料清单和供应商名录。重复记录会导致后续流程错乱，比如同一个客户出现两条记录，销售和售后分别关联了不同ID，对账时就会出现差异。去重以“名称、联系方式、税号”组合匹配较稳妥。
关联性修复是容易忽略的环节。历史数据中经常存在“孤儿记录”——一张销售订单关联的客户ID在客户表中找不到，或者一张采购单引用了已经不存在的物料编码。这些断链必须在新系统中补全或标记，否则导入后业务流程会中断。
重数据还是重流程：迁移前的平台选择
历史数据清洗完毕，是否意味着可以顺利导入新系统？不一定。不同系统对数据结构和流程的约束力差异很大。以工程项目管理或定制生产管理为例，如果新系统只支持固定字段和僵化的审批流，清洗后数据可能仍然“水土不服”。
这也是为什么越来越多的企业选择轻流企业数字化管理系统这样的无代码平台——它允许业务负责人自行调整表单字段、字段校验规则和流程走向，不必在导入前冻结数据结构。比如将客户管理的字段扩充到包含多个联系人和自定义标签，或把一个历史物料分类映射到新的数据模型中。这种灵活性降低了数据清洗的决策压力：字段留白可以做，后续再补充规则。
除了表单引擎和流程引擎，数据引擎在迁移中同样关键。它能够将清洗后的客户、订单、项目数据沉淀为统一的主数据，并通过关联字段将各模块串联起来。这意味着新系统中的任意一张项目报表，都可以追溯到具体的销售订单、采购入库单和项目里程碑节点，而不是孤立的信息岛。
案例参考：定制制造企业的迁移路径
前面提到的渝维家具公司，创立于1988年，年生产面积超过3万平方米。在近四年的数字化过程中，他们分阶段地搭建了客户管理、项目管理和生产管理模块。从案例描述看，其核心并非一次性导入所有历史数据，而是围绕“从销售订单到采购、排单生产、交付”这条主线，将仍在流转的关键数据优先清洗和导入。
该案例揭示了一个可参考的路径：先用轻量的数据引擎搭建客户档案和项目台账，然后在业务运行中逐步补全字段和关联规则。旧系统的历史数据并不需要全员迁移——以“近两年内有过互动且仍在合同期”的客户信息为首批对象，生产进度和采购订单则从最近一个财务年度开始清洗。这种方法既避免了迁移初期的数据压力，也保证了新系统上线后能快速产生业务价值。
先统一单据规则，再讨论系统替换
综合来看，项目历史数据迁移前最需要清洗的并不是所有数据，而是以下几类：
- 正在流转的业务单据（订单、生产工单、采购单、入库单），确保关联字段完整；
- 核心主数据（客户档案、物料清单、供应商名录），并统一编码规则；
- 财务对账所需数据（应收账款、应付账款、历史合同），避免对账断档；
- 设备或资产台账，特别是仍在维保期的资产。
而清洗的成功，不取决于投入多少工时，而取决于业务负责人是否能够在清洗前定义清楚每类数据的清洗规则。对于小团队或业务逻辑较为简单的企业，不必追求一次性实现所有数据标准化。可以先选择典型业务场景跑通流程，再逐步扩展数据覆盖范围。这才是真正可控、可见效的迁移路径。
常见问题
Q1: 历史数据太乱，是不是应该全部重新录入？
答：不建议。历史数据里包含大量业务信息，全量重新录入成本高、易出错。正确的做法是筛选出当前仍在流转或影响决策的数据（如未关闭订单、活跃客户、常用物料）优先清洗，其他可归档暂存。新系统上线后，逐步按需补全即可。
Q2: 什么样的问题数据是必须会中断流程的？
答：关联断裂的数据影响最大。比如采购单里引用了不存在的供应商代码，或出库单关联了已停产的物料ID。这类数据导入后，新系统无法识别并自动流转，需要人工逐条处理。此外，字段格式不一致或关键字段为空也会导致流程异常。
Q3: 数据清洗一定要用专业的工具或者请外部团队吗？
答：不一定。对于体量不大、业务规则比较标准的企业，Excel的筛选和VLOOKUP功能足以完成大部分字段标准化和去重工作。只有当数据量达到数万条以上，或者需要对复杂关联关系进行修复时，才需要借助专业工具。关键是先由业务负责人定义清洗规则，技术工具只是执行手段。
