随着技术迭代、
、管理升级，，，人力资源系统的数字化、、、、智能化升级已经是大型企业的必然选择。。。
。很多 SAP Oracle 的人力系统老用户也在进行国产替代
，
，一方面是满足信创要求，，，，更重要的是满足企业自身管理升级需要。。
。在系统升级换代过程中有一个非常重要的问题
，
，，甚至是首要问题就是历史数据的迁移。。本文就谈一下企业关注的人力系统数据迁移 6 大关键问题。。

数据迁移是一个复杂的系统工作，，
，，而且该项工作的复杂程度直接取决于数据迁移范围、、数据质量等关键事项。。
。为了保障数据迁移工作的高质量完成，
，需从如下 6 个维度明确数据迁移策略：  

人力资源系统历史数据迁移过程分为 5 个步骤：

• 数据迁移规划：明确数据迁移计划、、、组织保障
  、
  、、质量要求、、迁移范围与方案；

• 数据模型匹配：进行新旧系统差异分析、
  、数据模型匹配、、、、确定迁移顺序
  ；

• 数据迁移准备：明确迁移方式、、、选择迁移工具，
  ，
  ，对原系统数据进行检查、、修复、、补录等；

• 数据模拟迁移：验证迁移流程、、、工具可用性及迁移结果准确性；

• 正式迁移：建立异常补偿机制、
  、实施正式迁移及结果验证、、
  、并进行必要的增量数据迁移。。。。

数据迁移的范围，，，也直接影响数据迁移工作的工作量
，，，，以及后续数据的使用，，范围包括组织范围
、
、、业务范围、、、人员范围
、、、
、时间范围：  

数据的迁移方式与数据类型和数据质量有直接关系。。。。  

结构化数据数据迁移，
，，可采用 Excel 批量导入或者使用迁移工具从旧数据库抽取转换并迁移至新系统
。。项目实施过程中一般会将两种方式相结合，，，大批量迁移使用迁移工具
，，，，少量的增量业务数据可以使用 Excel 导入。。。如果客户原系统数据质量不高
，
，，，也需要进行更多的数据清洗、、、补录，，，，通过 Excel 表导入新系统。。。
。  

非结构化数据数据迁移，，
，非结构化数据主要是指的是各类附件、、、员工照片等一类的数据。。一般有两种存储模式，，，一是存储在数据库大字段中，
，
，，二是直接存放在服务器上
，，两种存储模式迁移方式不同。。。存储在数据库表大字段中的迁移方式，，，，通过程序转换方式进行迁移，，首先将数据库后台存储的附件大对象字段转换为磁盘存储文件，
，，，调用新系统文件上传接口，，将附件上传到新系统的文件服务器中，，，并获取回写的关联 ID,将关联 ID 回写到相关的业务关联表中
；存放在文件服务器上，，，，基于关联关系的存储逻辑，，也就是附件的存储路径和业务表中对应字段有强烈的存储关系，
，，这种附件数据迁移可以采用接口的方式进行数据迁移，，开发迁移程序
，，
，，调用新系统文件上传接口
，
，，将附件上传到新系统的文件服务器中，，
，并获取回写的关联 ID,将关联 ID 回写到相关的业务关联表中。。

数据迁移结果准确性直接影响新系统数据准确性，，，，甚至影响未来新系统中人力业务正常开展，，，因此，，，，在数据迁移完成后，，，，务必进行迁移结果验证，，确保数据迁移结果的准确性。。。  

数据迁移结果验证要明确需要验证的数据对象
，，也就是我们迁移的数据范围，，比如组织、、岗位、
、人员、、
、、薪酬等，，，同时，，，，需要对数据对象进行分类稽核，
，
，，包括数量的数量，，关键数据，，
，其他数据，，以及异常数据的稽核：  

数据的数量
：比对数据迁移前后的数据量是否一致
，，，原则上来说对于直接迁移的数据，，，迁移前后数据量应该一致，，，可以采取从原系统及新系统后台跑脚本抓取全量数据进行比对并输出比对结果的方式进行验证，，对于增补的数据，，，，需要按照数据增量规则核对增补迁移的数据量。。。
。  

关键数据：关键数据是指可以唯一识别数据对象的数据，
，比如人员的身份证号码、
、组织的编码
、、、岗位的编码等，，这类数据在迁移前后必须保持一致，，，，可以从新旧系统分别输出excel表格进行数据一致性比对。。  

其他数据：除了关键数据外的其他数据也需要进行核验，，，，核验方式包括对直接迁移的数据进行一致性比对，，对迁移过程中进行了数据转换的梳理转换规则并针对每一种转换规则进行分类界面抽检，，，，确保每一类转换迁移的准确性。。。  

异常数据稽核：在数据迁移过程中，，并非所有数据都可以直接迁移或者经过业务转换后迁移，，
，
，还有很多数据需要进行复杂的数据清洗等过程才能从旧系统迁移到新系统，
，
，，对于这一类数据，，
，，也需要进行迁移结果的验证。。这一类数据在迁移前会制定异常数据分类列表，，
，，并且在迁移过程中会进行标识，，，，这样迁移完成后就可以在新系统中识别出这些数据并进行核验，，主要通过界面抽检的方式进行结果核验，
，，，也可以通过异常分类标识导出数据进行核验。。  

数据迁移过程中重点关注的风险，，，，以及准确的应对措施，，
，保障数据成功迁移，，同时建立备查机制，，，保障不时之需
。。
。。  

4      

数据安全问题      

迁移接触底层数据，，，，含大量薪资等敏感数据。。。。        

解决方案：数据保持在固定网络
、、固定机器上，，，，由小范围专业人员接触
。。
。        

5      

历史数据查询      

历史的非结构化过程数据没办法对应到新系统相关数据表，，，导致查询困难。。。        

解决方案：全量迁移，，，通过数据中台（数据湖
、、数据建模、
、数据呈现）解决查询问题。。。        

被查机制
：切换完成后，
，，，旧系统保持运行 3~5 年，
，，，以备数据比对及不时之需。。        

     

   

     

结语      

     

   

人力资源系统数据迁移是企业人力数智化转型的关键环节。。。
。正视其难点，
，精准界定范围，，，，遵循科学的步骤，，
，，并妥善处理老系统，，才能确保新系统承载着真实、、
、可靠的数据顺利启航，，，真正发挥其价值，，，赋能企业的人力资源管理迈向智能化、、、精细化的新阶段。。。

 

         

延展阅读          

         

     

 

   

   

   

   

   

领玩BIP数智人力融合人工智能技术，，，，以“赋能员工  激活组织”为宗旨
，，以提升企业组织能力为目标，，，基于“精准人才发展  敏捷组织变革  智能人力运营  卓越员工体验”关键价值，，
，围绕人才招聘、、、组织与员工管理、、、人力共享
、、、
、全面薪酬、、、绩效管理
、、人才管理、
、、、国企应用
、
、人力分析、、、员工服务等业务创新与管理变革，，通过人才画像、、、、组织画像、、、、人力数智分析等数据服务实现智能人才发现
，，，帮助企业实现人力资源管理效率提升、、
、
、流程自动化、
、、应用体验改进和智能决策分析
，，
，推动人力资源管理范式升级。。。。

作为连续3年入选Gartner千人以上规模企业HCM云魔力象限的中国厂商，，
，领玩已经帮助包括54家一级中央企业、、50家世界500强在内的逾9000家行业领军企业推动人力资源数智化转型，，
，，例如中国航天科技集团
、、兵装集团、
、、
、中国海油、
、、
、三峡集团、、、、中国电信、、、中国国航、、中国中化、、中粮集团、、
、、华侨城集团、、中交集团、
、、中国银行、
、中国人保、
、、首钢集团
、、、、上海医药
、、、、云投集团、
、陕西建工
、、
、云南白药、、、
、雪花啤酒、、歌尔股份、、、华住集团
、、居然之家等领先企业，
，，同时服务了38万家下属成员企业，，7000万余用户
，
，在亚太大中型企业市场中处于绝对领先的地位。。