很多企业低估了数据迁移的工作量，把它当成"导出一个 Excel，导入系统"的简单操作。实际上导入只占工作量的 20%，剩下 80% 是清洗。
为什么 Excel 数据不能直接导入
Excel 是自由格式，系统是结构化格式。两者的差异：
| Excel 里允许的 | 系统里不允许的 |
|---|---|
| 同一列有多种写法 | 一个字段只能是一种格式 |
| 合并单元格 | 破坏表格结构 |
| 空行、备注行 | 会被当成数据 |
| 一个单元格填多个值 | 违反数据结构 |
| 日期写成"2026.10.1""10/1""上周" | 必须是标准日期 |
| 重复的联系方式 | 主键冲突 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
这些差异不解决，导入必然出错。
第一步：清洗（最耗时）
清洗检查清单
| 检查项 | 处理办法 |
|---|---|
| 重复记录 | 按唯一标识（如企业名称 + 手机）去重 |
| 格式不统一 | 手机号统一 11 位、日期统一 YYYY-MM-DD |
| 合并单元格 | 全部取消合并并填充 |
| 空行与备注行 | 删除或移出数据表 |
| 一列多值 | 拆分（如"张三,李四"拆成两行或两个字段） |
| 多余空格 | 去除首尾空格 |
| 全角半角 | 统一（尤其数字和英文） |
| 缺失关键值 | 标记"待补全"或单独处理 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
一个判断：清洗工作能不能提前自己做？能。 这部分工作不需要技术人员，业务人员最清楚数据该怎么规范。自己清洗能省下大量委托费用，且质量更高——因为只有你知道"这两条记录是不是同一个客户"。
一个真实场景
三年的客户 Excel，常见的问题：
| 问题 | 频率 |
|---|---|
| 同一客户多个写法（"XX 有限公司"/"XX公司"/"XX 有限公司（深圳）"） | 高 |
| 手机号带空格、带横线、带 +86 | 高 |
| 日期有七八种格式 | 高 |
| 已离职业务员的客户没有负责人 | 中 |
| 三年前联系过一次、早已失效的记录 | 高 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
最后一项（失效记录）值得单独处理：不要全部导入。三年前询过一次价、再无互动的记录，导入系统只会污染数据。建议只导入近 12–24 个月有互动的记录。
第二步：字段映射
把 Excel 的列对应到系统的字段：
| Excel 列名 | 系统字段 | 备注 |
|---|---|---|
| 客户名称 | customer_name | 必填 |
| 联系人 | contact_person | |
| 手机 | phone | 需清洗为 11 位 |
| 意向 | status | 需映射到系统枚举值 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
映射时要注意的两种不匹配：
一、一对多
Excel 里"地址"一列，系统里拆成了"省/市/区/详细地址"四个字段。需要在导入前拆分。
二、多对一
Excel 里"省"和"市"两列，系统里只有一个"所在地区"。需要在导入前合并。
第三步：枚举值映射
这是最容易出错的地方。Excel 里的状态可能有十种写法，系统里只有五个枚举值：
| Excel 里的写法 | 映射到系统值 |
|---|---|
| 新客户、新询盘、新线索 | new |
| 已报价、报价中、已发报价 | quoted |
| 打样、寄样、样品中 | sampling |
| 成交、已签、已下单 | won |
| 关闭、没戏、不做了 | lost |
| （其他/空白） | 需人工判断 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
最后一行是关键：映射不上的记录不能自动丢弃，也不能随便归一类，应该单独列出来人工判断。
一个实用做法：先统计 Excel 里该列有多少种不同的取值，再决定映射规则。看到实际取值分布后，映射规则会清晰很多——凭想象制定的规则往往覆盖不全。
第四步：小批量试导
永远先试导 50 条。
试导要检查：
| 检查项 | 可能出现的问题 |
|---|---|
| 字段对应是否正确 | A 列导入到了 B 字段 |
| 中文是否乱码 | 编码问题 |
| 日期是否正确 | 被当成文本或变成错误日期 |
| 数字是否科学计数 | 长数字（如手机号）被转格式 |
| 枚举值是否正确映射 | 显示为空或错误值 |
| 重复记录如何处理 | 报错还是覆盖 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
试导发现问题后修正，再试导，直到完全正确。这一步花的时间，能在全量导入时省下十倍。
第五步：全量导入与校验
正式导入后，必须做三项校验：
| 校验 | 方法 |
|---|---|
| 数量校验 | 系统里的记录数 = Excel 的有效行数 |
| 抽样校验 | 随机抽 20 条，逐条比对系统与原表 |
| 业务校验 | 跑一个真实场景（如统计上月成交客户数），看结果是否合理 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
第三项最重要：数量对了不代表数据对了。只有业务校验能发现"字段错位但数量正确"这类问题。
一个建议：保留原 Excel 至少三个月
导入完成后不要立刻删除原始数据。保留三个月，期间如果发现系统数据有问题，可以对照原始数据核查。
时间与工作量参考
| 步骤 | 占比 | 典型耗时（1000 条数据） |
|---|---|---|
| 清洗 | 60% | 1–3 天 |
| 字段映射 | 15% | 半天 |
| 试导与修正 | 15% | 半天 |
| 全量导入与校验 | 10% | 半天 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
一个降低成本的关键：清洗自己做。这部分工作业务人员比技术人员更擅长，且能省下可观的委托费用。技术人员适合做的是字段映射和导入操作。
导入历史数据要花多长时间？+
视数据量和质量而定。1000 条以内、格式相对规范的，1–3 天可以完成；上万条且格式混乱的，可能需要一到两周。其中清洗占大部分时间。一个降低工作量的办法是先只导入近一两年的活跃数据——历史数据可以按需逐步补，或者单独归档而不导入系统。
数据质量太差，值不值得导入？+
先评估价值。判断标准：这些数据现在还在用吗？如果某个客户表里 80% 的记录三年没有互动，导入的价值很低，反而会污染新系统。建议的做法是只导入"活跃"数据（近 12–24 个月有互动的），其余归档保存。另一个判断角度：如果某张表的数据你从来没查过，那它可能本来就不必导入。
导入后发现错了，能撤回吗？+
取决于是否有备份。因此导入前务必备份系统（或确认系统支持导入回滚），这样发现问题可以退回重来。如果没有备份，只能逐条修正或删除后重新导入，工作量大得多。这也是为什么强调"先试导 50 条"——试导阶段的错误修正成本极低，全量导入后的错误修正成本高得多。
本文迁移方法为通用性建议，具体操作因系统和数据状况而异。