从Excel搬家到WMS，我差点把公司搞垮——电商数据迁移实操血泪史
去年夏天，我花了三个月从Excel搬到WMS，掉了十斤肉，还差点把库存数据全搞丢。今天聊聊我踩过的那些坑，以及怎么安全、高效地完成数据迁移。
从Excel搬家到WMS，我差点把公司搞垮
凌晨两点，我盯着屏幕上跳出的「数据校验失败」提示，整个人瘫在椅子上。仓库里还有三千多个SKU等着上架，第二天就是大促，而我连库存都还没对上。
TL;DR: 数据迁移看着简单，但99%的人都会踩坑。我花了三个月，掉了十斤肉，才总结出这套流程。今天把血泪史掰开了揉碎了讲给你听。
第一步：清理数据——别把垃圾搬进新家
当时我兴冲冲地把Excel导出成CSV，直接往闪仓里导。结果系统提示「商品编码重复」「单位不一致」「规格为空」……我整个人都懵了。
数据清洗是迁移前最耗时但最关键的一步。 我后来花了整整一周，才把历史数据里的脏数据洗干净。
常见的脏数据有哪些？
- 商品编码不统一：有的用SKU123，有的用SKU-123，有的干脆空着
- 单位混用：同一款商品，有的写「件」，有的写「个」，系统没法识别
- 规格字段乱填：比如「红色」「红」「R」混在一起
我的清洗清单
| 数据字段 | 清洗要求 | 常见问题 | 处理方法 |
|---|---|---|---|
| 商品编码 | 唯一且无空格 | 大小写混用、多余空格 | 用Excel的TRIM和UPPER函数统一 |
| 库存数量 | 数字格式，无单位 | 混有文字如「100件」 | 用查找替换去掉文字 |
| 供应商名称 | 统一全称 | 简写、别名混用 | 建立映射表，统一替换 |
| 价格字段 | 纯数字，两位小数 | 含货币符号或千分位逗号 | 用公式去掉符号 |
第二步：选对迁移策略——全量还是增量？
我一开始图省事，选了全量迁移——把过去三年的所有数据一股脑全倒进去。结果系统卡了半小时，导入完成后发现好多历史订单状态不对。
小步快跑，先做增量迁移，再补历史数据。 这是我从那次教训中学到的。
两种策略的对比
| 维度 | 全量迁移 | 增量迁移 |
|---|---|---|
| 耗时 | 一次性，但可能很长 | 分批次，每批几分钟 |
| 风险 | 数据量大容易出错，恢复困难 | 每批独立，出错影响小 |
| 适合场景 | 数据量小（<1000 SKU） | 数据量大（>1000 SKU） |
| 业务中断 | 需要停业 | 可边运营边迁移 |
我后来改用增量迁移：先迁移在售商品和库存，再分批导入历史订单和供应商数据。每导入一批，就做一次校验，确认无误后再继续。
第三步：校验数据——别信眼睛，信脚本
迁移完第一周，我手动抽查了50个SKU，觉得没问题。结果大促当天，客户下单A款，系统却扣了B款的库存，差点酿成超卖。
手动抽查靠不住，必须写脚本做全量校验。 我用Python写了个简单的对比脚本，把Excel源数据和WMS里的数据逐条比对，标记出差异项。
校验要点
- 库存数量：按SKU逐条比对，误差超过1%就要报警
- 商品信息：名称、规格、供应商必须完全一致
- 订单状态：已发货、未发货、退货等状态要一一对应
第四步：回滚方案——留好退路
最惊险的一次，是迁移到一半，系统突然报错，数据库表损坏了。我傻眼了——旧数据已经被覆盖，新数据又没导入成功。
迁移前必须备份原始数据，并制定详细的回滚计划。 我后来每次迁移前都会做三件事：
- 导出所有Excel源文件，存到云端和本地两个地方
- 在WMS里创建一个测试环境，先模拟迁移一遍
- 写一个回滚脚本，一旦出问题，能一键恢复到迁移前的状态
总结
数据迁移这事儿，看着简单，但每一步都是坑。我踩过了，希望你别再踩。
要点回顾
- 迁移前务必清洗数据，别把垃圾搬进新家
- 优先选增量迁移，小步快跑，风险可控
- 用脚本做全量校验，别信手动抽查
- 永远留好回滚方案，备份备份再备份
如果你也在准备迁移，不妨先拿一小批数据练练手。毕竟，数据丢了还可以重来，客户丢了可就真的丢了。
参考来源
- 中国物流与采购联合会 — 引用物流行业数据迁移标准
- 36氪 — 引用中小企业数字化转型案例
- 亿邦动力 — 引用电商运营数据迁移最佳实践