当原有产品无法满足当前业务发展时，有时候我们会通过改动表格中的字段设计满足业务新需要、服务新场景。而改动“数据表格”的字段很容易引发数据冲突的情况，所以我们有必要去解决“表格改变字段”后产生的数据冲突，去兼容历史数据，减少改动对数据产生的负面影响。那么问题来了，我们该怎么去兼容历史数据呢？

业务是不断变化发展的，产品也是会随之不停迭代的，数据表格作为基本组件也常常需要变动，这在我们的日常工作中是非常常见的。

比如下面这个例子，一款分析淘宝商家移动端店铺数据的产品，其中菜单“流量来源”是对店铺流量的分析，在店铺发展初期“淘内免费”、“付费流量”、“自主访问”能够支撑业务方对于店铺数据的分析，但是随着店铺业务不断发展做大做强，对于流量分析的颗粒度要求越来越细，只是对流量的简单划分已经无法满足业务方的需求。希望能对于淘内流量能有更细的分类，帮助业务方对店铺流量有更细致的了解，从而根据不同流量大小调整运营策略，促进店铺销售数据的发展。现状：淘内免费 付费流量 自主访问期望：手淘搜索 我的淘宝 淘内免费其他 手淘微淘 手淘扫一扫等需求：改动“流量来源”数据表格中的字段

当原有产品无法满足当前的业务发展时，为了满足业务的新需要，服务于新的场景。不得不要求我们去改变最初的产品设计，改动表格中的字段设计。而改动“数据表格”的字段很容易引发数据冲突的情况，包括数据类型冲突、数据格式冲突等。

如果在改动表格字段时，不去考虑数据冲突的影响，不去考虑如何兼容历史数据，会导致产品内的数据在完整性和一致性上出现问题，比如上文中案例如果不进行历史数据兼容处理，选择在3.19号上线新的统计功能，关于流量的划分就会存在两种不一样的统计方式，19号前的流量数据划分方式和19号之后不一致，按月维度下没有办法对3月的流量数据做一个统一划分。

历史数据一定意义上成为了“脏数据”，有句话说的好叫“垃圾数据进垃圾数据出”，数据质量对于分析结果的重要性甚至高于分析方式和模型。混入脏数据后产出的结果对业务造成严重的影响，甚至做出了错误的决策，带来不可磨灭的损失

因此，我们有必要去解决“表格改变字段”后产生的数据冲突，去兼容历史数据，减少改动对数据产生的负面影响。那么问题来了，我们该怎么去兼容历史数据呢？

01 历史数据都是需要保留的吗

表格改变字段出现数据冲突的情况后，在我们去兼容历史数据之前可以先思考一个问题：历史数据都是需要保留的吗？一起来看下下面的两个场景。

场景1

某电商to b产品，在一次迭代中，对“店铺销售”菜单增加了“客单价”字段，那么历史数据中的客单价对我们有意义吗？

场景2

我们设计了一套问卷用于统计“国内大学生的不同专业的就业情况”，投放问卷一段时间后对问题就行了修改，那么收集的历史数据对我们还有意义吗？

通过两个具体的场景，我们可以发现“历史数据”在不同的场景下的保留策略是不同的：