4. 源系统数据剖析与质量评估

在S/4HANA迁移项目中，源系统的数据质量直接决定迁移的成败。很多项目在数据加载阶段才发现大量重复、缺失或格式错误的数据，导致迁移周期延长、业务中断甚至数据丢失。因此，在正式迁移之前，必须对源系统进行系统性的数据剖析与质量评估，输出一份可量化、可追溯的数据质量基线报告。本节将围绕数据发现、数据剖析、重复与缺失分析三个核心环节，说明如何执行并形成基线报告。

一、数据发现：先搞清楚“有什么”

数据发现的目标是建立源系统的数据资产清单，明确哪些表、字段、对象与S/4HANA目标模型相关。实际操作中，可以从以下三个维度展开：

• 业务对象维度：梳理客户、供应商、物料、BOM、采购订单、销售订单、会计凭证等主数据与交易数据对象，标记哪些需要迁移、哪些仅归档、哪些废弃。
• 技术对象维度：通过源系统数据字典（如SAP ECC中的DD03L、DD02L）或数据库元数据，列出相关表名、字段名、数据类型、长度、主键与外键关系。
• 数据量维度：统计每张表的记录数、增长趋势、历史分区情况，为后续迁移策略（全量/增量、分批次）提供依据。

例如，在ECC系统中执行SE16或DB02查看MARA、KNA1、LFA1、VBAK等表的记录数，并记录最近一年的月增长量。若某表记录数超过千万级，就需要考虑分片或并行抽取方案。数据发现阶段还应识别自开发表（Z表/Y表）和自定义字段，这些往往是迁移中最容易被遗漏的部分。

二、数据剖析：用统计方法看清“质量如何”

数据剖析是对字段级和记录级数据进行统计分析，识别异常模式。常用的剖析维度包括：

• 空值率：统计关键字段的空值或初始值比例。例如，客户主数据中“国家代码”为空的比例若超过5%，将直接影响S/4HANA的税务和地址校验。
• 值分布：查看字段取值是否在预期范围内。如物料类型字段应只出现FERT、HALB、ROH等标准值，若出现大量自定义值，需要评估是否在目标系统中存在对应配置。
• 格式一致性：检查日期、金额、单位、编码等格式是否统一。例如，日期字段存在“20230101”和“01.01.2023”两种格式，迁移时需统一转换。
• 唯一性：检查主键或业务键是否唯一，识别重复记录。
• 引用完整性：检查外键关联是否断裂，如销售订单中的客户编号在客户主数据中不存在。

剖析工具方面，可以使用SAP Information Steward、SQL脚本、Python/Pandas或ETL工具自带的数据质量模块。以下是一个简单的SQL示例，用于统计客户主数据中关键字段的空值率：

SELECT
  COUNT(*) AS total_records,
  SUM(CASE WHEN KUNNR IS NULL OR KUNNR = '' THEN 1 ELSE 0 END) AS empty_kunnr,
  SUM(CASE WHEN LAND1 IS NULL OR LAND1 = '' THEN 1 ELSE 0 END) AS empty_land1,
  SUM(CASE WHEN ORT01 IS NULL OR ORT01 = '' THEN 1 ELSE 0 END) AS empty_ort01
FROM KNA1;

假设某项目源系统KNA1表共有120,000条客户记录，其中LAND1为空的有3,600条，空值率为3%；ORT01为空的有8,400条，空值率为7%。这些数据将作为基线报告中的量化指标。

三、重复与缺失分析：定位“问题在哪里”

重复分析的重点是识别业务主键重复或近似重复的记录。例如，同一客户因不同销售组织或不同录入时间被创建多次，表现为KUNNR不同但名称、地址、税号相同。可以使用模糊匹配算法（如Levenshtein距离）或SAP的重复检查规则进行识别。对于物料主数据，重复通常表现为同一物料在不同工厂下重复创建，或名称相似但编码不同。

缺失分析则关注必填字段、关键字段和业务规则要求的字段是否缺失。例如，S/4HANA中业务伙伴（Business Partner）要求必须填写地址、银行信息、税号等，若源系统客户主数据中这些字段缺失，迁移前必须补全或制定默认值策略。

四、数据质量基线报告：把发现变成可执行的依据

数据质量基线报告是本节的核心交付物，它应包含以下内容：

• 数据资产清单：表名、业务对象、记录数、迁移优先级。
• 质量指标汇总：各字段的空值率、重复率、格式异常率、引用完整性缺失率。
• 问题清单：按严重程度分级（高/中/低），标注影响范围和建议处理方式。
• 基线阈值：明确可接受的质量标准，作为后续清洗和验证的对照基准。
• 责任人与时间计划：每类问题的清洗责任方和完成时间。

以下是一个简化的基线报告示例表格（数据为教学假设）：

基线报告不是一次性文档，而应在数据清洗过程中持续更新。每次清洗后重新剖析，对比基线指标，确认问题是否收敛。只有基线指标达到预设阈值，才能进入下一阶段的迁移模拟。

通过上述流程，项目团队可以在迁移前获得一份清晰的数据质量基线，明确哪些数据可以直接迁移、哪些需要清洗、哪些需要业务部门确认。基线报告不仅是技术文档，更是与业务方沟通数据问题的共同语言。建议在项目早期就建立基线，并在每个清洗周期后更新指标，确保数据质量持续收敛，为后续的迁移模拟和正式切换奠定可靠基础。