一、如何处理oracle中数据的分析？

PRM-DUL 可以直接从Oracle .DBF数据文件中抽取出表的数据。Oracle DBA神器：PRM灾难恢复工具，Schema级别数据恢复。

PRM For Oracle Database – schema级别oracle数据库数据恢复特性 ，PRM即ParnassusData Recovery Manager是企业级别Oracle数据库灾难恢复工具。

PRM可以在无备份的情况下恢复被truncated掉的表，也可以恢复无法打开的Oracle数据库(Alter Database Open失败)中的数据。

二、oracle 数据库性能？

一、数据库性能指标

数据库性能一般用两个方面的指标来衡量：响应时间和吞吐量。响应越快，吞吐量越大，数据库性能越好。

1. 操作系统有关的指标：CPU平均利用率、内存平均占用率、硬盘占用率、I/O数量、网络时延

2. 数据库有关的指标：I/Owait、Mem平均使用率、cpu平均使用率、在一次I/O操作中所读的最大BLOCKS数、Log的增长情况、数据库的访问速度、数据库能支持的最大用户数、数据库CACHE命中率、不同数据库参数下的性能情况、锁的处理

二、Oracle

注：以下指标取自Oracle的性能分析工具Statspack所提供的性能分析指标。

1．关于实例效率(Instance Efficiency Percentages)的性能指标

(1)缓冲区未等待率(Buffer Nowait %)

指在缓冲区中获取Buffer的未等待比率。该指标的值应接近100%，如果该值较低，则可能要增大buffer cache。

(2)Redo缓冲区未等待率(Redo NoWait %)

指在Redo缓冲区获取Buffer的未等待比率。该指标的值应接近100%，如果该值较低，则有2种可能的情况：

1.online redo log没有足够的空间；

2.log切换速度较慢。

(3)缓冲区命中率(Buffer Hit %)

指数据块在数据缓冲区中的命中率。

(4)内存排序率(In-memory Sort %)

指排序操作在内存中进行的比率。当查询需要排序的时候，数据库会话首先选择在内存中进行排序，当内存大小不足的时候，将使用临时表空间进行磁盘排序，但磁盘排序效率和内存排序效率相差好几个数量级。

(5)共享区命中率(Library Hit%)

该指标主要代表sql在共享区的命中率。

(6)软解析的百分比(Soft Parse %)

该指标是指Oracle对sql的解析过程中，软解析所占的百分比。软解析(soft parse)是指当Oracle接到Client提交的Sql后会首先在共享池(Shared Pool)里面去查找是否有之前已经解析好的与刚接到的这一个Sql完全相同的Sql。当发现有相同的Sql就直接用之前解析好的结果，这就节约了解析时间以及解析时候消耗的CPU资源。

(7)闩命中率(Latch Hit%)

指获得Latch的次数与请求Latch的次数的比率。

三、电商销售数据分析案例(Oracle)

数据来源于Kaggle的电商数据集 The UCI Machine Learning Repository ，英国在线零售商在2010年12月1日到2011年12月9日的在线销售数据，该电商公司主要以销售各类礼品为主，多数客户都是批发商。

使用Oracle 对数据进行处理与清洗，通过RFM模型、复购率、消费生命周期等对用户维度进行分析，利用ABC分类、退货率等维度展开剖析，结合Excel图表进行可视化展示，为精准营销与个性化服务提供支持。

根据分析目的选择字段，数据集共8个字段，如果表格字段较多，视情根据分析目的的需要选择合适的字段。

创建备用表new_ecommerce，将旧表的数据去重添加进备用表。原有数据541909条， 去重后数据536641条，删除重复值5268条。

检查缺失值

CustomerID存在缺失值135037条，Description出现缺失值1454条。数据都很大，不可能全部删除。Description产品描述不是项目分析，不用处理。

在实际工作中，像CustomerID客户ID缺失，首先找业务部门或者数据来源部门确认信息并且补上。本项目只有单一数据，无法找到相关人员确认，暂且把NULL值替换为0。

5.1检查日期是否在范围内（2010年12月1日到2011年12月9日）

交易成功，销量不可能为负值或零值。如果销量为零或者负值情况，那么需要和业务/数据来源部门确认具体的原因。这里假设出现负值是客户退货情况。

检查发现交易销量小于0的发票编号大都是C”开头的，有部分异常销量小于0但不是以C开头，这里做删除处理。

检查发现有单价为0的免费单，共计1174。暂且不分析免费单，直接删除免费单的数据。

检查发现两笔坏账，单价都是负值，故把它删除。

根据分析目的，我们处理InvoiceDate日期数据。这里只做日期分析，不分析小时分钟，故转换为日期格式。

根据分析目的，本次分析将采用RFM模型

在RFM模式中：

R：最近一次消费时间（最近一次消费到参考时间的间隔）

F：消费的频率(消费了多少次）

M：消费的金额 （总消费金额）

一般的分析型RFM强调以客户的行为来区分客户。

根据最近一次消费与客户数的分析结果显示最长的天数差是373天，最短0天；80%的客户在200天内都有交易记录，说明客户忠诚度不错。

分析显示，10次交易记录以内的客户占绝大部分，说明客户是很认可产品和服务。

在2010年12月1日到2011年12月9日期间，交易金额主要集中在 1000英镑以内和1000-3000英镑这两个范围内。

分析发现，该电商平台总交易客户数4372位。交易客户中，一般发展客户（可以说是新客户）最多，占总数的34%，其次是一般挽留客户(流失客户)29%，重要发展客户22%，重要价值客户10%，重要挽留客户5%和重要挽回客户0.16%。

每月新客数量及其占比

每月的新老客户的销售数量与销售金额

用户生命周期 = 最近一次购买时间 - 第一次购买时间

商品退货分析

结合ABC分类进行分析，选取退货率大于均值且为A级的商品（主要是综合上文提及的ABC分类和退货率计算，通过创建view的形式进行联结后筛选，创建退货率视图为view_return_rate，ABC分类视图为view_class），这里筛选出64个商品。