庆阳网站制作：旧系统字段无法完整迁入时怎样决定保留项
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /b802ef879de7.html
📄
庆阳网站制作：旧系统字段无法完整迁入时怎样决定保留项
先给结论：字段无法完整迁入时，不要按“哪个字段看起来重要”来拍板，而要先判断每个字段在旧系统里承担的是展示、检索还是业务留痕三种角色中的哪一种。展示类字段可以退出，检索类字段优先改写后保留，业务留痕类字段即使暂时没有落点，也应先保留原始值并单独存放。缺权限、缺导出时，这个判断依然可以做，只是证据要从“表结构”退回到“页面截图、表单提交记录和后台列表”上。
先区分字段的三种角色，再谈去留
旧系统字段之所以难取舍，是因为同一个字段在不同页面承担的功能并不一致。一个“备注”字段，可能只是编辑给自己看的说明，也可能是客服回查订单时的唯一线索。判断方法不是看字段名，而是看它被谁读取、在哪个环节被读取。
- 展示类：只出现在前台页面上，删除后页面内容变少，但不影响任何后续操作。这类字段在迁移时最容易退出。
- 检索类：被搜索框、筛选器或列表排序使用。字段一旦丢失，用户就找不到原本能找的内容，这类字段应优先改写后保留。
- 业务留痕类：不展示、不检索，但在纠纷、对账或回访时被人工调取。这类字段的价值不在日常访问，而在少数关键时刻。
如果连字段被谁读取都不清楚，可以做一个最小动作：在旧系统里随机打开若干条记录，把每条记录涉及字段的页面截图保存下来，并标注这个页面是给访客看、给运营筛，还是给客服查。这个动作不依赖数据库权限，结果会直接决定下一步是删字段还是先建映射表。
保留、改写、退出各自成立的前提
三种处理方式并不是按优先级排列的，它们各自有明确的适用条件。
保留原始值的前提
当字段涉及金额、时间、编号、责任人，或者曾经被用于对外承诺时，即使新系统没有对应位置，也应先以原始形式保留。保留不等于必须展示，可以放在不公开的附表中，只保证可查。前提是你能确认这个字段在旧系统里确实被人工使用过，而不是建库时预留却从未填写。
改写后保留的前提
当字段的用途可以由新结构间接表达时，适合改写。例如旧系统用一个自由文本字段记录分类，新系统改用固定分类项。此时不能直接丢弃原文，而应把原文保留在一个说明字段里，同时把可识别的部分映射到新分类。前提是你能列出映射规则，并且知道无法映射的部分占多大比例。如果无法映射的比例很高，说明改写条件还不成熟，应先补充规则而不是强行迁移。
直接退出的前提
只有同时满足三点才适合退出：该字段不被前台读取、不被任何筛选或排序使用、也没有人工回查的历史记录。缺少任何一点，退出都应推迟。需要提醒的是，字段在旧后台“看起来没人用”并不能单独证明它可以删，也可能是因为旧后台入口太深、查询太慢，导致运营绕开它另建了表格。遇到这种情况，合理动作是先去问实际使用的人，而不是直接下结论。
缺少完整数据和权限时的最小动作
没有数据库导出权限时，仍然可以推进决策，只是证据强度会下降。可执行的最小动作包括：导出后台列表页的可见字段、保存关键详情页截图、记录表单提交后的回显内容。把这些材料整理成一张字段清单，逐项标注来源页面、出现频率和人工使用痕迹。
这个动作的结果会直接影响下一步：如果清单里大多数字段都能找到明确的使用场景，说明应优先设计映射关系，迁移工作重心放在改写规则上；如果大量字段找不到任何使用痕迹，说明可以先做一轮退出评估，把迁移范围缩小。无论哪种结果，都不能从“截图里没看到”推出“字段一定没用”，因为截图只覆盖了当前打开的页面，不覆盖其他角色的使用路径。
一个假设例子：分类字段的两种处理
假设旧系统里有一个“来源说明”字段，运营在录入时偶尔填写，前台不展示，后台也不支持按它筛选。现在要迁入新系统，有两种选择。
- 如果抽查记录发现该字段填写率很低，且填写内容与另一个已有字段高度重复，可以选择退出，但退出前应把原始值整体导出留档，而不是直接丢弃。
- 如果抽查发现该字段虽然填写率低，但填写的内容包含合作方名称，而合作方名称在后续对账中会被用到，就应改写后保留：新系统若没有对应字段，可先放入一个通用的备注结构，并约定后续由谁补全。
两种选择的区别不在字段本身，而在它是否连接着后续动作。判断时可以先问一句：这个字段丢失后，会不会有人需要回头找它？如果答案是“可能会”，就先保留；如果答案是“从来没人问过”，再考虑退出。
决策后要留下可复查的依据
字段去留一旦确定，应把判断依据写下来：哪些字段保留、哪些改写、哪些退出，各自的理由是什么，依据来自截图、清单还是使用人确认。这样做的目的不是留档形式，而是当迁移后发现某个页面缺内容、某个筛选失效时，能快速定位是当初判断错了，还是迁移执行漏了。缺少完整数据时做出的决定本身带有不确定性，留下依据才能让后续修正有据可依，而不是重新从头猜一遍。
