TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是数据转换?类型、检查清单和时区算例

数据转换把数据从一种格式或结构变成另一种。本文讲七种类型、输入行数等于输出加拒绝的规则、一个正确的时区转换让日期移位的 12 笔订单算例,以及导入前的六项检查。

苏禾 审核人 伊森·布鲁克斯 又称 数据格式转换 最后更新 2026 年 11 月 19 日 术语表

一句话回答

数据转换把数据从一种格式或结构变成另一种,比如文件格式、字符编码、单位、数据类型或时区,而不改变它的含义。只有双方对含义有一致的约定,转换才算成功:转换可能写入了每一行,却仍然让数字落到了错误的日期上。

公式: 输入行数 = 转换成功行数 + 被拒绝行数

数据转换改变什么,不改变什么

数据转换是把数据从一种表示方式变成另一种,让另一个系统、程序或人能够使用。内容本身应当不变,变的只是形式。把表格存成 CSV,把 Latin-1 文本转成 UTF-8,把磅换成千克,把 03/04/2026 写成 2026-04-03,把文本列改成整数列,都是数据转换。维基百科的数据转换词条把它描述为把计算机数据从一种格式转成另一种格式;微软的 SQL Server Integration Services 里甚至有一个同名的转换组件,专门改列的数据类型。

有三个相邻的词容易和它混在一起:

  • 数据迁移是把数据从一个地方搬到另一个地方。搬家可能需要转换,也可能原样复制。整个迁移怎么规划见 数据迁移计划。
  • 数据集成是把多个来源的数据合成一个视图,过程中通常包含很多次转换,见 数据集成。
  • 数据准备和清洗修正错误或缺失的值。转换不会让错值变对,只是把错值换了个格式。修正这一侧见 数据准备 和 数据清洗方法。

本页后面想说明的实际教训是:转换在技术上可以完全成功,没有报错、每一行都写进去了,结果依然是错的,因为两边从来没有约定过字段的含义。出问题的很少是工具,多半是没有写下来的约定。

常见的数据转换类型

大多数转换属于七类。知道自己在做哪一类,就知道该检查什么。

类型变的是什么例子常见问题
文件格式容器Excel 转 CSV,日志文件转 JSON值里带逗号、单元格里有换行、格式丢失
字符编码字符如何变成字节Windows-1252 转 UTF-8带重音的字母变成乱码
数据类型值怎么存文本 "007" 转整数 7前导零丢失,"N/A" 无法变成数字
单位和量级计量单位分转元,秒转分钟100 或 60 的系数多乘了一次或漏乘
日期和时间格式和时区本地时间转 UTC,DD/MM 转 ISO 8601日期偏移一天,日和月颠倒
结构记录的形状宽表转成一事件一行重复行、丢行、字段没有归处
值映射编码和标签US 和 USA 合成一个国家代码没人映射的值悄悄变成空白

其中两类在分析工作里要特别留意。日期和时间的转换造成的错误代价最高,因为日界线决定一个数字算在哪一天。值映射是 数据字典 发挥作用的地方:如果两边都写下了每个编码的含义,映射表就是顺手得到的,而不是猜出来的。

公式:任何一行都不能无声消失

转换没有比率意义上的公式,但有一条很容易检验的规则:

输入行数 = 转换成功行数 + 被拒绝行数

每一行输入必须刚好落进两组之一,被拒绝的行要列在能读到的地方。如果 100,000 行进去、99,412 行出来,却没有另外 588 行的清单,那就不是转换,而是丢数据。行数是成本最低的检查,能发现被截断的文件、类型转换失败而丢掉的行,以及关联时多出来的重复行。

对值再加一道检查:手工挑 10 或 20 行,自己转一遍,再和工具的输出对照。行数证明没有丢,手工核对证明没有被改。

算例:一次让日期移位的时区转换

示例数据:一家网店从某个系统导出 12 笔订单,该系统写的是本地时间,没有任何时区标记。网店在美国太平洋时间,1 月是 UTC−08:00。分析工具要求 UTC。下面是 12 笔订单的时间,以及同一时刻换成 UTC 的结果(用 Python 和 IANA 时区数据库算出):

本地时间(导出文件里的写法)同一时刻的 UTC
2026-01-14 09:102026-01-14 17:10
2026-01-14 13:452026-01-14 21:45
2026-01-14 17:202026-01-15 01:20
2026-01-14 19:052026-01-15 03:05
2026-01-14 20:402026-01-15 04:40
2026-01-14 22:152026-01-15 06:15
2026-01-14 23:302026-01-15 07:30
2026-01-15 08:002026-01-15 16:00
2026-01-15 12:302026-01-15 20:30
2026-01-15 16:102026-01-16 00:10
2026-01-15 18:552026-01-16 02:55
2026-01-15 21:202026-01-16 05:20

按自然日分别数两列的订单:

日期按本地时间的订单数按 UTC 的订单数
2026-01-1472
2026-01-1557
2026-01-1603
合计1212

合计一样,所以行数检查能通过。但 1 月 14 日从 7 笔降到 2 笔,下降 71.4%,还多出了一个新的日期。两列都没有错,只是回答的问题不同:太平洋沿岸晚上下单的人,按 UTC 算已经是第二天了。

夏令时是第二个陷阱。2026 年美国时钟在 3 月 8 日星期日向前拨。当天本地 01:30 是 UTC−08:00,同一个早晨的 03:30 是 UTC−07:00,02:00 到 03:00 之间的时间根本不存在。所以固定「减八小时」的规则在 1 月对、在 7 月错。安全的写法是让时间戳自带偏移量。RFC 3339 定义了这种写法:2026-01-14T09:10:00-08:00,同一时刻也可以写成 2026-01-14T17:10:00Z。

由此得到的规则:转换时间之前,先写下它是在哪个时区记录的,再决定报表用哪个时区切日。

导入转换后的数据前做六项检查

  1. 写明来源和目标。 哪个系统写的文件,哪个系统来读,各自归谁管。转换错误大多出在两个负责人的误解上。
  2. 固定编码和分隔符。 存成 UTF-8,含逗号的值加引号,用纯文本编辑器打开文件看一眼,不要只在表格软件里看,表格软件会掩盖问题。
  3. 写明每个日期列的时区。 优先用带偏移量的 ISO 8601 或 UTC。如果某列没有时区,写下你认为它是什么,再拿几行已知真实时间的数据验证。
  4. 显式转换单位和类型。 电话号、订单号这类标识符按文本保存,前导零才不会丢;金额统一成一种币种、一种单位(分或元),不要两种混用。
  5. 用书面的映射表转换编码。 列出源列里所有不同的值,给每个值一个目标值,并决定表里没有的值怎么处理。「留空」应该是一个决定,而不是一次意外。
  6. 核对行数和合计。 输入行数等于转换成功行数加被拒绝行数。转换前后按天比较一个合计,比如收入或订单数,并且重点看范围的起始日和结束日,因为时区错误最容易出现在边界日。

常见误区

  • 指望表格软件替你转换。 用表格软件打开 CSV 再保存,可能重新解释日期、去掉前导零、把长数字变成科学计数法。用脚本或目标工具转换,并保持原始文件不动。
  • 转了两次。 已经转成 UTC 的文件又被第二个工具再转一遍。保留原件,只保留一条有文档的处理链。
  • 混用 DD/MM 和 MM/DD。 03/04/2026 在一个国家是 4 月 3 日,在另一个国家是 3 月 4 日。两个数字都不大于 12 的日期都有歧义,所以要找一行日大于 12 的数据来验证。
  • 因为没有报错就说迁移完成。 从不报错的导入仍然需要上面的检查;漏掉的映射不算错误。
  • 把转换当成清洗。 重复值、错别字和不可能的值会原样通过转换。清洗可以在转换前或后做,但要有意识地做。

在 TapCub 里怎么发现转换问题

假设你要把示例里导出的订单作为历史数据导入 TapCub。埋点方案页面(全端分析 › 数据管理 › 埋点方案)用来在发送任何数据之前写下每个事件和属性的含义;导入本身在 全端分析 › 数据管理 › 数据导入。除了列映射这一步,TapCub 不会替你做转换;它会告诉你哪些行读得进、哪些读不进。

  1. 选文件类型,每个文件不超过 100,000 行。 数据导入支持 CSV 事件、CSV 用户属性和 Nginx 或 Apache 日志,单个文件最多 100,000 行。更大的导出文件先拆分再上传。
  2. 在预览里映射列。 预览显示前 20 行,并按列名猜一个目标字段。映射时间、事件名和用户标识,想保留的列设为属性;没映射的列会被忽略。时间可以是 10 位或 13 位时间戳、ISO 格式或常见日期格式。没映射时间列时,TapCub 用导入那一刻的时间;时间无法解析的行算失败。如果导出时带了明确的偏移量或用 UTC,就不需要猜。
  3. 了解没有用户标识会怎样。 没映射用户列时,每一行都成为一个独立的匿名访客,行与行无法合并成同一个人。同一用户 30 分钟内的事件算一次会话。
  4. 用项目时区核对日界线。 日报、周报、月报按项目时区切分,时区在 配置 › 设置 › 常规 里设置。以上面的例子为例,把报表里按天的订单数和你的 7 / 5 / 0、2 / 7 / 3 两列对照,就能看出实际导入的是哪一种约定。
  5. 读结果,并按平台过滤。 结果显示总计、导入和失败的行数。导入的事件平台记为 import,可以在报表里单独包含或排除。如果之后改用服务端接口补历史数据,事件时间与服务器时钟相差超过 72 小时会被换成接收时间,所以补老数据请走数据导入。

TapCub 不会自动纠正文件里的时区或单位错误。它让失败变得可计数,埋点方案则给转换规则一个书面的归处。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

苏禾

数据分析师

围绕流量来源、转化漏斗与用户留存写作,重视指标口径和分析过程,用具体示例解释数字背后的问题。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

数据转换通俗地说是什么?

数据转换是把数据从一种形式改成另一种,让另一个系统能用,比如把 CSV 文件转成 UTF-8,把分换成元,把本地时间换成 UTC。含义应当不变,变的只是表示方式。

数据转换和数据迁移有什么区别?

迁移是把数据从一个地方搬到另一个地方,可以原样复制。转换改变的是数据的形式。迁移往往包含转换,但转换不一定要搬动数据,搬动数据也不一定要转换。

数据转换有哪些主要类型?

常见七类:文件格式、字符编码、数据类型、单位和量级、日期和时间、结构、值映射。日期和时间的转换造成的错误代价最高,因为它决定一个数字算在哪一天。

怎么检查数据转换做对了?

输入行数必须等于转换成功行数加被拒绝行数,并且列出被拒绝的行。再对比转换前后按天的合计,重点看范围的起始日和结束日,最后手工转换 10 或 20 行,核对值本身。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie