定义

数据迁移(Data Migration)是将旧系统或线下的主数据与交易数据,经过清洗、标准化、映射后导入新ERP系统的过程,通常遵循"清洗—映射—试迁—校验—正式迁移"五步法。

数据迁移的范围与对象

ERP实施中的数据迁移通常分为两大类:主数据与交易数据。主数据包括物料、客户、供应商、BOM、工艺路线、会计科目、仓库库位等相对稳定的基础数据;交易数据包括未结的采购订单、销售订单、在制工单、未清应收应付、库存余额等处于执行状态的数据。

已结清的历史交易一般不迁移,如需查询可从旧系统调阅。两类数据的迁移侧重点不同:主数据重在标准化与查重合并,交易数据重在其余额准确与执行状态延续。迁移范围应在项目启动时明确书面界定,避免实施中途不断扩围。

五步法详解

步骤 主要工作 主要交付物
清理 查重合并、补全缺失字段、纠正格式错误、处置长期无变动数据 数据清理报告与责任分工表
映射 建立旧系统字段与新系统字段的对应关系,转换编码与计量单位 字段映射表与编码对照表
试迁移 在测试环境按正式流程完整迁移,验证程序与数据质量 试迁问题清单
校验 将迁移结果与旧系统逐项对账,核对总量与明细 对账报告与差异处理记录
正式迁移 在上线切换窗口执行迁移,同时冻结旧系统数据录入 迁移完成确认与期初数据

五个步骤中,清理与校验投入的人力和时间往往超出预期:清理决定数据质量的上限,校验决定上线时的账实底线,两者都不宜压缩。

迁移方式的取舍

数据迁移可通过程序自动迁移与人工整理录入两种方式完成。规则性强、数据量大的对象适合程序迁移,以映射表驱动、可重复执行;数据量小、结构混乱或需要业务判断的对象适合人工整理后导入。实践中多采用两者结合:以程序迁移为主,对个别数据域辅以人工清洗。无论采用哪种方式,都应把迁移程序与映射表纳入版本管理,保证每轮试迁可追溯、可复现。

关键成功因素

  • 高层重视与业务部门深度参与。数据分散在采购、销售、生产、财务各部门,只有业务部门才了解数据的业务含义与准确性,IT部门无法独立完成清理与确认,需要高层在资源与进度上给予保障;
  • 先定数据标准(编码规则),再迁数据。若编码规则未定就动手迁移,返工几乎难以避免。分类维度、编码结构、命名规范应在迁移启动前评审通过,并形成书面的数据标准文档;
  • 多轮试迁与差异对账。单次试迁难以暴露全部问题,通常需要多轮迭代,每轮聚焦一类问题,跟踪问题数量的收敛情况,直至差异降到可接受的范围。

数据标准与编码规则

编码标准是数据迁移的前置条件,需要提前明确:物料按什么维度分类、码段如何分配、新旧编码如何对照;客户与供应商编码是沿用还是重新编制;批次与序列号的编码规则;会计科目体系与辅助核算维度。

同时应明确各主数据的责任部门与新增、变更的审批流程,使迁移完成后有持续的数据管理机制,而不是上线后再度失控。数据标准一旦确定,应在试迁前冻结——频繁变更标准会让前期清理工作反复作废。

常见问题与风险

常见问题包括:

  • 低估工作量:数据清理的时间往往超过计划,成为上线延期的重要原因之一;
  • 清理工作"一交了之":全部推给基层执行,缺乏标准指导与结果审核;
  • 只迁数量不对金额:库存余额的数量与财务金额不一致,上线后对账困难;
  • 旧系统关停过早:上线初期经常需要回查历史数据,旧系统应保留只读查询一段时间;
  • 缺少回退预案:正式迁移失败后的处理路径未事先明确。

这些风险需要在项目计划中预留时间与资源,并由项目负责人定期检查迁移进度与质量。

上线后的数据质量维护

迁移完成并不意味着数据工作的结束。上线后需要建立数据变更管理机制:新增主数据按标准审批、变更留痕;定期开展循环盘点与账务核对,监控数据准确率;明确每类主数据的责任部门与维护频度。

只有把一次性的迁移成果转化为常态化的数据治理,新系统的数据质量才能长期保持,否则上线时的准确数据会随时间再度劣化。

落地建议

企业可按以下方式组织迁移工作:成立由业务骨干与IT人员共同组成的数据小组,按数据域分工推进;先易后难,从物料、客户、供应商等主数据入手,再处理未结交易与余额;每轮试迁采用固定的问题分类统计口径,跟踪收敛趋势;上线切换前预留足够的核对时间,不为赶工期压缩校验环节。

迁移质量直接决定上线初期的业务顺畅程度,在进度与质量发生冲突时,应优先保证数据质量。

延伸阅读

相关概念

  • ERP:数据迁移是ERP实施的关键环节;
  • 数字化转型:数据资产的规范化是数字化的基础工作;
  • RFP:实施要求中的迁移方案可在选型阶段提前约定;
  • TCO:数据质量与迁移工作量显著影响实施成本。