什么是大数据，大数据为什么重要，如何应用大数据

入门数据分析类师父领进门，修行在个人。下面这两本书是入门数据分析必看的书籍，也是检验自己是否真的喜欢数据分析。从0到1:《深入浅出数据分析》为什么是它？借用一位读者的评价“我家的猫都喜欢这本书！”01 内容简介以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。02 推荐理由书名已经很好地表现出了这本书的优点——“深入浅出”。忘记烦恼，这本书与现实世界紧密互动，让你不再只有枯燥的理论，并且将知识图形化，复杂的概念简单化。经典小黄书：《谁说菜鸟不会数据分析》是本很好的书，但看过之后，这本书就真一文不值了。01 内容简介很多人看到数据分析就望而却步，担心门槛高，无法迈入数据分析的门槛。《谁说菜鸟不会数据分析》努力将数据分析写成像小说一样通俗易懂，使读者可以在无形之中学会数据分析,按照数据分析工作的完整流程来讲解。02 推荐理由数据分析的入门极品，但真的很入门,优缺兼有。对于入门理解来说是绝佳选择,对之后的修炼还是不够的。建议之前全都是自己瞎摸瞎撞搞数据分析的同学进行阅读，颇有醍醐灌顶之感。分析工具类与数据分析相关的工具非常之多，我们常用的有Excel、PPT、SQL等。如果您想精通他们，直接在哔哩哔哩搜索聚数云海，即可找到相关优质课程。1.Excel大家常说的Excel，但是不要以为你很会Excel！Excel是所有职场人必备的办公软件。Excel功能非常强大，在数据量不是很大的情况下，基本上都能用Excel实现数据分析。推荐如下书籍：《Excel高效办公数据处理与分析》01 内容简介根据现代企业决策和管理工作的主要特点，从实际应用出发，介绍了Excel强大的数据处理与分析功能在企业决策和管理工作中的具体应用。02 推荐理由本书同时提供了大量需要你做的实例，学而不练是不存在的！《别怕，Excel函数其实很简单》01 内容简介《别怕，Excel 函数其实很简单》用浅显易懂的图文、生动形象的比喻以及大量实际工作中的经典案例，介绍了Excel最常用的一部分函数的计算原理和应用技巧,还介绍了数据的科学管理方法，以避免从数据源头就产生问题。02 推荐理由适合希望提高办公效率的职场人士，特别是经常需要处理分析大量数据并制作统计报表的相关人员，以及相关专业的高校师生阅读,小白需谨慎！2. SQLSQL是数据分析的基础，是想要学会数据分析能力的必备技能。那这里我只给大家介绍三本书，第一本书零基础入门，第二是进阶，第三本是SQL中的字典，话不多说，我们直接上架。《SQL基础教程》01 推荐理由介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法。书中通过丰富的图示、大量示例程序和详实的操作步骤说明，让读者循序渐进地掌握SQL的基础知识和使用技巧，切实提高编程能力。每章结尾设置有练习题，帮助读者检验对各章内容的理解程度。另外，本书还将重要知识点总结为“法则”，方便读者随时查阅。本书107张图表+209段代码+88个法则，是零基础进阶人士必备！SQL进阶：《SQL进阶教程》01 推荐理由本书是为志在向中级进阶的数据库工程师编写的一本SQL技能提升指南。全书可分为两部分，第一部分介绍了SQL语言不同寻常的使用技巧，带领读者从SQL常见技术，去探索新发现。旨在帮助读者提升编程水平；第二部分着重介绍关系数据库的发展史，把实践与理论结合起来，旨在帮助读者加深对关系数据库和SQL语言的理解。本书不适合小白！适合具有半年以上SQL使用经验、已掌握SQL基础知识和技能、希望提升自己编程水平的读者阅读。SQL辅导书籍01 推荐理由本书是麻省理工学院、伊利诺伊大学等众多大学的参考教材，由浅入深地讲解了SQL的内容，实例丰富，便于查阅。本书没有过多阐述数据库基础理论，而是专门针对一线软件开发人员，直接从SQL SELECT开始，讲述实际工作环境中最常用和最必需的SQL知识，实用性极强。有一定SQL基础的人士可以将它当做一本字典使用，遇到问题可以查找相应内用。3.Python“人生苦短，我用Python”。Python编程语言是最容易学习,并且功能强大的语言。但是很多人声称自己精通Python,自己却写不出Pythonic的代码，对很多常用的包不是很了解。万丈高楼平地起，咱们先从Python中最最基础的开始。《Python编程，从入门到实践》01 推荐理由本书最大的特点就是零基础完全不懂编程的小白也能够学习，新手想学习选它绝对错不了。知识点由浅入深循循渐进，并配有视频教程手把手教学,同时所需的软件也是免费的。本书也配有相关辅导书籍，有兴趣的话可以去看看，但是请记住，这本书是最核心的。《利用Python进行数据分析》01 推荐理由不像别的编程书一样，从盘古开天辟地开始讲起。这本书是直接应用到数据分析的，所以很多在数据分析上应用不那么频繁的模块也就没有讲。本书第二版针对Python 3.6进行了更新，并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。4.R语言R是用于统计分析、绘图的语言和操作环境。但是R是有一定难度的，没有基础的话请谨慎尝试！推荐书籍：《R语言入门与实践》01 推荐理由本书通过三个精心挑选的例子，深入浅出地讲解如何使用R语言玩转数据。将数据科学家必需的专业技能融合其中，教会读者如何将数据存储到计算机内存中，如何在必要的时候转换内存中的数据值，如何用R编写自己的程序并将其用于数据分析和模拟运行。案例提升类《活用数据：驱动业务的数据分析实战》01 推荐理由是一本用数据来帮助企业破解业务难题的实操书，有理论、有方法、有实战案例。具有业务驱动、案例闭环、思维先导、实战还原4大特色，同时在思路上清晰连贯，在表达上深入浅出，既能帮助数据分析从业者入门和提升，也能辅助企业各业务部门和各级管理人员做量化决策。《精益数据分析》01 推荐理由本书展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。30多个案例分析，全球100多位知名企业家的真知灼见，为你呈现来之不易、经过实践检验的创业心得和宝贵经验，值得每位创业家和企业家一读。

适合对数据分析的入门者，对数据分析没有整体概念的人，常见于应届毕业生，经验尚浅的转行者。①深入浅出数据分析：HeadFirst 类的书籍，一向浅显易懂形象生动，可以对分析概念有个全面的认知。②深入浅出数据分析：不仅讲解了一些常见的分析技巧，并附带 Excel 的一些知识以及数据分析在公司中所处的位置，对职场了解亦有一定帮助。③赤裸裸的统计学：作者年轻时是个追求学习意义的学霸，后来自己从统计学中发掘了很多可以应用到生活的地方。这也是本书的主旨，结合生活讲解统计知识，生动有趣。可以避免统计学一上来就大讲贝叶斯概率和随机分析的枯燥。

数据分析：《深入浅出数据分析》《数据分析：企业的贤内助》数据挖掘：1、《数据挖掘概念和技术》，作者：（加）韩家炜，堪博　著，范明，孟小峰　译，机械工业出版社2、数据挖掘导论，[美]Pang-Ning Tan，Michael Steinbach，Vipin Kumar 著，译者： 范明 范宏建，人民邮电出版社下边三本是英文版：(1) J. Han and M. Kamber, Data Mining: Concepts and Techniques. 本书从数据库角度看待数据挖掘，强调效率（Efficiency）。按照本书观点，数据挖掘是从存储在数据库、数据仓库或者其他信息库中的大量数据中发现知识的过程。(2) I.H. Written and E.Frank. Data Mining: Practical Machine Learnings and Techniques. 本书从机器学习角度看待数据挖掘，强调有效(Effectiveness)。按照这本书的观点，数据挖掘是从数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。(3) D. Hand, H.Mannila and P. Smith, Principle of Data Mining. 本书从统计学的角度看待数据挖掘，因为统计学是一门数学，所以本书强调数学上的正确性(Validity)。按照本书观点，数据挖掘是分析（往往是大量的）数据集以找到未曾预料的关系，并以可理解又有用的新颖方式呈现给数据用户的过程。sc-cpda 数据分析公众交流平台 详细查看我资料

一、整体了解数据分析——5小时新人们被”大数据“、”人工智能“、”21世纪是数据分析师的时代“等等信息吸引过来，立志成为一名数据分析师，于是问题来了，数据分析到底是干什么的?数据分析都包含什么内容?市面上有很多讲数据分析内容的书籍，在此我推荐《深入浅出数据分析》，此书对有基础人士可称消遣读物，但对新人们还是有一定的作用。阅读时可不求甚解，重点了解数据分析的流程、应用场景、以及书中提到的若干数据分析工具，无需纠结分析模型的实现。5个小时，足够你对数据分析工作建立初步的印象，消除陌生感。二、了解统计学知识——10小时15个小时只够你了解一下统计学知识，作为入门足够，但你要知道，今后随着工作内容的深入，需要学习更多的统计知识。本阶段推荐书籍有二：《深入浅出统计学》《统计学：从数据到结论》，要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至于具体的数学推导，学不会可暂放一边，需要用的时候再回来看。三、学习初级工具——20小时对于非技术类数据分析人员，初级工具只推荐一个：EXCEL。推荐书籍为《谁说菜鸟不会数据分析》，基础篇必须学习，提高篇不一定学(可用其他EXCEL进阶书籍)，也可以学习网上的各种公开课。本阶段重点要学习的是EXCEL中级功能使用(数据透视表，函数，各类图表使用场景及如何制作)，如有余力可学习VBA。四、提升PPT能力——10小时作为数据分析人员，PPT制作能力是极其重要的一项能力，因此需要花一点时间来了解如何做重点突出，信息明确的PPT，以及如何把各类图表插入到PPT中而又便于更新数据。10个小时并不算多，但已经足够(你从来没做过PPT的话，需要再增加一些时间)。具体书籍和课程就不推荐了，网上一抓一大把，请自行搜索。五、了解数据库和编程语言——10小时这个阶段有两个目标：学习基础的数据库和编程知识以提升你将来的工作效率，以及测试一下你适合学习哪一种高级数据分析工具。对于前者，数据库建议学MySQL(虽然Hadoop很有用但你不是技术职位，初期用不到)，编程语言建议学Python(继续安利《深入浅出Python》，我真没收他们钱……)。数据库学到联合查询就好，性能优化、备份那些内容用不到;Python则是能学多少学多少。六、学习高级工具——10小时虽然EXCEL可以解决70%以上的问题，但剩下30%还是需要高级工具来做(不信用EXCEL做个聚类)。高级分析工具有两个选择：SPSS和R。虽然R有各种各样的好处，但我给的建议是根据你在上一步中的学习感觉来定学哪一个工具，要是学编程语言学的很痛苦，就学SPSS，要是学的很快乐，就学R。不管用哪一种工具，都要把你学统计学时候学会的重点模型跑一遍，学会建立模型和小幅优化模型即可。七、了解你想去的行业和职位——10+小时这里我在时间上写了个”+“号，因为这一步并不一定要用整块时间来学习，它是贯穿在你整个学习过程中的。数据分析师最需要不断提升的能力就是行业和业务知识，没有之一。你将来想投入哪个行业和哪个职位的方向，就要去学习相关的知识(比如你想做网站运营，那就要了解互联网背景知识、网站运营指标体系、用户运营知识等内容)。八、做个报告——25小时你学习了那么多内容，但现在出去的话你还是找不到好工作。所有的招聘人员都会问你一句话：你做过哪些实际项目?(即使你是应届生也一样)如果你有相关的项目经验或者实习经验，当然可以拿出来，但是如果没有，怎么办?答案很简单，做个报告给他们看，告诉招聘者：我已经有了数据分析入门级(甚至进阶级)职位的能力。同时，做报告也会是你将来工作的主要内容，因此也有可能出现另外一种情况：你费尽心血做了一个报告，然后发现这不是你想要的生活，决定去干别的工作了……这也是件好事，有数据分析能力的人做其他工作也算有一项优势。对大数据分析有兴趣的小伙伴们，不妨先从看看大数据分析书籍开始入门！B站上有很多的大数据教学视频，从基础到高级的都有，还挺不错的，知识点讲的很细致，还有完整版的学习路线图。也可以自己去看看，下载学习试试。

从入门到精通：互联网数据分析书籍清单 任何一个技能的学习，都有从浅到深的过程，数据分析也不例外。一个完整的数据分析知识体系类似金字塔结构：最顶层是对数据价值的认知、业务理解，中间是数据分析方法论，而最底层则是数据分析的解决方案或者具体的操作方法。我把数据分析的推荐书籍划分成三个段位，便于大家渐进式学习。数据分析入门版入门版适合数据分析的入门者、对数据分析没有整体概念的人，常见于应届毕业生、经验尚浅的转行者。入门版推荐书籍《深入浅出数据分析》：O"Relly出版的HeadFirst（深入浅出）系列书籍之一，书中有大量的图片和有趣的案例组合。本书浅显易懂形象生动，可以使入门者对分析的概念有个全面的认知。《谁说菜鸟不会数据分析》：本书详细介绍了数据分析的基本方法和过程，并且以Excel表格为例进行了案例阐述。同时本书还介绍了数据分析在职场的意义，可以帮助职场小白快速上手。《赤裸裸的统计学》：作者年轻时是个追求学习的学霸，后来自己从统计学中发掘了很多可以应用到生活的地方。这也是本书的主旨，结合生活讲解统计知识，生动有趣。可以避免统计学一上来就大讲贝叶斯概率和随机分析的枯燥。同样类似的书籍还有《统计数字会撒谎》，这本书知名度要高点，通过揭露“虚假数字信息”来帮助大家理解背后的统计学原理。数据分析进阶版进阶版具有一定的行业针对性，要求分析者具备一定的数据分析常识和业务理解；适合网站分析师，商业分析师以及数据产品经理等人群。进阶版推荐书籍《精通web analytics 2.0》：Analytics将点击流网站分析工具与定性数据、测试与试验以及竞争情报工具相结合，从而推演出详尽的网站战略以及操作层方案。此书虽老，但其中很多思想和流量分析的案例仍然很有借鉴意义，现在国内只能买到二手的旧书。与此类似的有《网站分析实战》，是国内一本讲网站分析的书，没有上面经典，但胜在新出，很多案例和理念都有及时的更新。《深入浅出统计学》：与上面的《深入浅出数据分析》同属于Headfirst系列书籍，运用充满互动性的真实世界情节，帮助读者快速了解统计方面的理论知识。《数据化管理》：黄成明著，讲解在企业中应用数据的例子，读完受益匪浅，里面举的很多例子都很接地气。虽说偏向于零售业管理，但大道归一，可适用于很多行业，当时依据里面的理念规划了美团外卖面向BD的数据产品。《MySQL必知必会》：这本也是我当年学习SQL的入门书，薄册子一本，看起来很快。SQL是个性价比很高的技能，简单而强大。任何想进一步提高自己数据分析技能的产品/运营/分析师 同学，都建议点亮这个技能点。《互联网增长的第一本数据分析手册》：我们公司的出的一本数据分析手册，全书以增长为主题。这本手册介绍了互联网创业企业增长方法论、互联网数据分析的常见方法（趋势、转化、留存、实时、分群、细查、热图）、细分行业（如SaaS、互联网金融、电商等）的应用。数据分析高阶版更高阶的数据分析相对来说专业性就强了，如涉及到企业内部数据治理，数据结合的业务分析，数据可视化等。当然，还有数据挖掘算法之类的更深入的东西，这块没有研究就不瞎推荐了。高阶版推荐书籍《决战大数据》：阿里巴巴前数据副总裁车品觉老师所著，讲解了阿里巴巴在企业内部治理数据过程中的心得，所讲“存-通-用”数据管理三板斧和“从数据化运营到运营数据”，字字珠玑，可堪借鉴。《精益数据分析》：此书优势在于将企业分成了几个大的行业类别，并分门别类的讲解了每个行业的商业模式特点及分析技巧，对使用者的分析能力要求较高，且必须具备相应的业务知识。《The Wall Street Journal Guide to Information Graphics》，华尔街日报负责商业分析的人做的可视化指南，精华且实用，我之前写过读书笔记《华尔街日报是这样做数据可视化的》，可供大家参考。《数据仓库经典教程》：网上有人整理出来的资料，优点是简单明了，不像正常的数据仓库教材厚厚一本。当然，数据分析是一门很深的学问，我也只是窥得冰山一角。要想做好数据分析必须具备多方面的技能：需要看清数据的价值并且懂业务，需要熟知数据分析的方法论，同时也要熟练掌握数据分析软件的操作。在学习上面数据分析推荐书籍的同时，不断在实践中加深自己的理解，用数据来驱动业务和客户增长。

我们将三个月分为三个学习阶段，每个阶段请务必保持每天3个小时以上的学习时间。这个时间要求不过分，不管是对学生党还是上班族，三个小时总是抽的出来的。第一阶段：初识数据分析这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。踏踏实实的看完，课后习题不需要做，重点放在理解公式推导以及专业名字定义的理解上。第二星期：有了统计学基础，R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍，你不需要全部看完这本书，只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识～第三个星期：《深入浅出数据分析》这本书很大头，不是因为它内容多，而是因为它废话和插图多。很有意思的一本入门级别的教材，花一个星期好好的读一下，能学多少是多少。第四个星期：查漏补缺。经过前三个星期的学习，你一定有不少的疑惑或者遗忘了某些知识。不要着急，这个星期就是用来好好回顾一下你本月所学的东西，不懂的定义再看看，不会的代码再敲敲，不懂的知识再google一下～第二阶段：升级你的技能第一个月只是让你对数据分析有一个初步的认识，你已经可以秒杀20%左右的人了（我瞎猜的）这个月就是要升级你的技能，在对已有的知识基础上做一个升华。本月任务较重，小伙伴需要动脑和动手的地方比较多。第一个星期：《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读，在一个星期之内能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～不要做笔记，因为你做的笔记大部分时间都是在抄书，没啥意思的。数据挖掘可不是记忆的东西，是要靠理解的！第二个星期：来来来，python大法学起来。正所谓 life is short, I use python. 不要问那种烂大街的问题：R和PYTHON哪个好。 等你都学了，你就再也不会问这个问题了。 《利用PYTHON进行数据分析》是你学习PYTHON的不二之选，对着书，着重学习numpy,pandas两个包！ 对了，也要学会怎么安装PYTHON这也是技术活！第三个星期：为毛感觉前两个星期啥也没学到？乱七八糟的！ 没事，这是正常的，难道你指望两个星期就能学完数据挖掘吗？ 在此，你已经有了一定的Python,统计学，数据挖掘基础知识，那么是不是能够讲它们组合起来用一用呢？ scikit-learn，你值得拥有。 看不懂没关系，先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。第四个星期：重复第三个星期的内容。对了，你是不是应该对R再做点事情呢？第三阶段：准备一个小小的毕业吧前两个月会过的很痛苦，很累，很烦躁！不用担心，你终于来到了第三个月，这个月与前两个月完全不一样，因为这个月会更加更加的痛苦！！在这个月，我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能，没有之一。作为这个星球上一个通用的语言，它的存在使得我们进行数据处理时大大的提高了效率。既然SQL学了，那也就学学mysql吧，这是一个存储数据的东西，你说它重不重要呢？ 这两个并不难学，稍微花点功夫就能入门了。本月重点是重复第二个月的工作啊，继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。不要忘了那个神技：scikit-learn对了，如果你想去互联网公司投份简历，记得要把《网页分析》这本书好好的过一遍，相信我，你只要看一遍，就能打败百分之80 的面试官。因为他们压根看不起GA。你看，三个月入门数据分析师，并不是不可能嘛～～ 我敢说，你这三个月学到的知识已经可以击败一大半的所谓的数据分析师们了～～ Do not ask why, Just do it !!

作为数据分析师，有需要经典的数据分析书籍需要我们仔细阅读。按照难度，可以分为三个难度：入门篇、进阶篇以及高级篇。1）入门篇《谁说菜鸟不会数据分析》，这个系列一共有两种，小黄书以及小蓝书，对于初入数据分析门槛的朋友来说，这本书可以让你对数据分析有个大概的认知，此外还讲解了一些比较常见的业务场景。《深入浅出数据分析》，真正的深入浅出，可谓是经典的入门书之一。2）进阶篇《SQL必知必会》，大数据时代，数据更多的是在数据库中储存，而调取其中数据的工具。这本很薄的数据入门书，可以让你快速入门SQL，当然之后还需要不断去实践。《网站分析实战》，网站分析其实是数据分析里面最为成熟的领域之一，学会网站分析就可以让你快速洞察一些常用的数据分析方法。《深入浅出统计学》，统计学是进阶必须要学习的课程，而这本深入浅出系列，就是在通过通俗易懂的语言，让你快速了解统计学，并且对其有个全面系统的认知。《精益数据分析》，数据分析并不仅仅只是学会工具即可，更需要结合业务场景进行数据分析。这本书围绕目前很火的精益创业进行讨论，具体呈现了几十个商业分析案例，是一本极具价值的数据分析业务书。3）高级篇《利用Python进行数据分析》，重点介绍了Pandas、Numpy以及matplotlib等Python库，并告诉你如何利用这些库高效地解决各式各样的数据分析问题。《数据分析实战》，这本书结合8个真实的商业案例，旨在帮助你建立解决商业难题的数据分析手段。此外，还罗列了诸如柱状图、交叉分析、AB测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等数据分析方法。

除了数据分析的道，再来讲讲数据分析的术，即工具和手段，如果你进入了一个企业，希望尽快成长为一个数据分析师，还需要在以下4个方面加强学习，当然仅供参考，不用尽信，西线学院相信每个人都需要形成自己的学习轨迹，不需要照搬它人。数据学习业务学习有一个毛病，比如你看案例，往往接触到的数据或使用的数据是局部的，因此，你的视野会受局限，在大多数公司里，很多数据分析师其实缺乏全局的数据视野，因为他不知道到底有多少数据，因此，永远只能在已知的数据里转圈圈，当然，可能也够了，但我这里要说得是做得最好。数据分析师应该主动的向IT部门拿到最全的数据字典，对于数据字典进行持续的学习，了解每张表甚至字段的业务含义，理解的越透彻，你的分析潜力就越大。更有甚者，笔者还建议你去理解源系统，从业务实现流程角度出发去理解对应数据的含义，因为有时候，简单的业务描述在数据上的表达却是非常复杂的，业务语言与数据语言很多时候是1对多关系，打个比方，你看到业务系统上某个菜单的功能，对应到系统中的数据是怎样的，你能还原出来吗?当然，大多数数据分析师可能不需要进行系统数据学习，反正实践中慢慢熟悉好了，但自顶向下的数据学习方式可以让你有一个更好的基础和更全局的数据视野。技术学习有几个层面的东西要学，依赖于实际的场景和你希望达到的阶段：首先，你要学会从数据库或者其它源头获取数据，很多数据分析师仍然依赖于IT人员获取数据，但大数据时代，真的有必要自己动手了，因为依赖他人效率太低了，起码你要会SQL，SQL甚至基本上是为统计取数而生的方便工具，图形化的透视方式也远远没有SQL的表达能力强，这是基本功，其实， SQL就能解决大多数统计取数问题。其次，你要会一些数据分析工具，EXCEL是最基本的，其实大多数数据分析基于EXCEL应付已经绰绰有余了，EXCEL的图形表达能力也已经够强。最后，如果你希望更深一层，那就学习R语言、PYTHON、SPSS，SAS等，他们提供了更强大的挖掘能力，可以帮你把统计学的数据挖掘精髓发挥的淋漓尽致。当然，如果有可能，你也要熟悉一下你所在企业的数据仓库或大数据平台，懂得一些基本的操作，对于你提升分析的自由度和灵活性也大有好处，比如自己搞个脚本定时跑数据，打造个人的数据集市，现在数据分析的概念也越来越大，很多公司把对于大数据平台的数据处理能力也纳入到数据分析师的技能范畴。以上层层递推，其实数据分析师每在IT上前进一步，带来的效益是几何级的，比如你懂Hadoop，那么，你就可能离大数据更近一点。统计理论终于讲到大家都很关心的统计学知识了，推荐一些书吧：《深入浅出数据分析》：讲了数据分析到底是干什么的?数据分析都包含什么内容?对新人们还是有一定的作用，难度容易。《深入浅出统计学》：要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至于具体的数学推导，学不会可暂放一边，难度容易。《极简统计学》：对统计推断部分的阐述十分清晰，适合非统计背景的人工阅读《统计学：从数据到结论》：简明精要，统计概念和R可以一起学习《数据挖掘导论》：最近几年数据挖掘教材中比较好的一本书，被美国诸多大学的数据挖掘课作为教材，笔者也最近买的，很好，很多概念解释的比较清楚，难度中上。这些都是很实用的书籍，但结合了实践学更好，对于特定的业务场景，就找对应的书看吧，网上推荐的也很多了，大家自己搜索。表达能力作为数据分析人员，PPT制作能力是极其重要的一项能力，你总要通过某种形式表达出你的观点，很核心的一点是需要有严密的逻辑，甚至滴水不漏，可以通过思维导图来训练自己，但实际的格式表达却有点八股，一般都是现状分析，原因剖析、分析结论和后续措施啥的，万变不离其宗，当然你需要花一点时间来了解如何做重点突出，如何图文并茂，PPT的写作决非一日之功。

数据分析师必读书籍 　　有不少人留言希望我推荐数据分析的书单，无论是假日学习还是平时，都值得充电。下文是励志网整理收集的数据分析师必读书籍，供大家参考。 　　数据分析师的必读书单：Excel 　　《谁说菜鸟不会数据分析》 　　知名度比较高的一套书，适合新手，优点是它和数据分析结合，而不是单纯地学习函数。学会函数适用的场景和过程比它本身更重要。 　　是否需要学习VBA是仁者见仁的答案。我个人不建议。Excel VBA的最大优势是适用性广，哪怕去其他行业其他职位，都离不开Excel，这时候它就是一个工作加分的亮点。但是在互联网行业，对数据分析师，VBA的性价比就不高了。 　　这里只推荐一本，因为我就翻过上面这本，还没全看u2026 　　数据分析师的必读书单：数据可视化 　　数据可视化的书不多。市面上多以编程为主，面向新手和设计的教程寥寥无几。 如果只是了解图表，看Excel的书籍也管用。 　　内容很丰富，涉及可视化的方方面面，也囊括更类编程语言和设计软件：Python+JS+R+Excel。作者还有另外一本书《数据之美》。 　　可视化是一门侧重灵感的学科，有一种入门技巧是从他人设计中学习，从模仿开始，了解他人是如何设计的，这个网络上有大量的信息图可以参考。当然数据分析师更需要的是如何发现，别只学习展示。 　　英文足够好，可以看Edward Tufte的著作：《The Visual Display of Quantitative Information》、《Envisioning Information》、《Beautiful Evidence》。他是数据可视化的领军人物，他的理念是反对为艺术效果而混淆或者简化数据。暂时没有中文版。 　　数据分析师的必读书单：分析思维 　　《金字塔原理》 　　分析思维首推《金字塔原理》，金字塔原理有些人说它晦涩难懂，我认为是芭芭拉这个老太有骗稿费之嫌，本书包含了报告、写文、演讲等诸多内容。可以细看可以快看。另外还有一本同名案例集，有兴趣可以买。 　　另外麦肯锡相关的书籍还有《麦肯锡意识》《麦肯锡工具》《麦肯锡方法》等。 　　《深入浅出数据分析》 　　深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。厚厚的一本书翻起来很快。本书涉及的基础概念比较广，包含一点统计学知识，学下来对数据分析思维会有一个大概了解。 　　《精益数据分析》 　　国外的精益系列一直以互联网创业作内容导向，本书也属于此类。如果是互联网行业相关，可以看看。它介绍了不同领域的指标，以及产品不同时期的侧重点。案例都是欧美，这部分做参考用。 　　接下来的几本，是兴趣向读物。《黑天鹅》能拓展思维，讲叙了不确定性。《思考的技术》，大前研一的著作，也是咨询类经典。如果对咨询向的分析感兴趣，还可以看BCG系列，或者刷CaseBook。《批判性思维》，则是教你如何形成理性思维。 　　数据分析师的必读书单：SQL 　　数据库有很多种，常见有Oracle，MySQL，SQL Server等。我推荐学习MySQL，这是互联网公司的主流数据库。以后学习Hadoop生态时，MySQL也是最接近Hive语法的语言。 　　MySQL不需要专门看书学习，因为数据分析师以查询为主，不需要考虑数据性能、数据安全和架构的问题。使用搜索引擎能解决90%的问题，我就是w3cschool学的。 　　《MySQL必知必会》 　　如果真想买书看，可以看这本，适合新手向的学习，看基础概念和查询相关的"章节即可。网络上大部分MySQL都是偏DBA的。 　　如果想深入，可以看《高性能MySQL》，对分析师没啥用。至于另外一个方向NoSQL，对入门者还是小众了些。 　　如果有余力，就学习正则表达式吧，清洗数据的工作就靠它了。 　　数据分析师的必读书单：统计学 　　统计学是比较大的范围，分析师往后还需要学线性代数和矩阵、关系代数等。初学者不需要掌握所有公式定理的数学推导，懂得如何应用就行用。 　　《深入浅出统计学》 　　大概是最啰嗦的深入浅出系列，从卖橡皮鸭到赌博机的案例，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。书本注重应用和趣味性，数学推理一般。 　　《商务与经济统计》 　　国外的经典教材，已经出到第十二版了。国外教材都有丰富有趣的案例，所以读起来会比国内的轻松不少。如果你还在读书，不妨买这本看一看。 　　名字既然有商务与经济，所以书中辅以了大量的相关案例。书内容很多，看起来不会快，适合细读。 　　《The Elements of Statistical Learning》 　　稍微有一些难度的英文书籍，属于进阶版统计学，国外很推崇。如果要往机器学习发展，这本书可以打下很好的基础。 　　以上书籍的难度是逐步递增的。统计学是机器学习的基础，是概率、矩阵等实际应用。现在已经有很多统计工具，Excel的分析工具库、传统行业的SPSS、SAS以及R、Python等，使用过程都不用计算推导，大学考试才会考，现在都是计算机解决，轻松不少。 　　数据分析师的必读书单：业务知识 　　不同领域的业务知识都不一样，这里以互联网举例。 　　《增长黑客》 　　增长黑客的概念就是随着这本书的畅销传播开来。增长黑客在国内即是数据分析+运营/产品的复合型人才。这本书好的地方在于拓展思路，告诉我们数据能够做什么，尤其是连AB测试都不清楚的新人。 　　实际涉及的业务知识不多，我推荐，是希望新人能够了解数据驱动的概念，这本算是我走上数据化运营的启蒙读物了。 　　《从零开始做运营》 　　知乎亮哥的书籍，互联网所有的数据都是和运营相关的，如果是新手，就以此学习业务知识。如果已经工作很多，就略过吧。 ;

数据分析师的基本工作流程：1.定义问题确定需要的问题，以及想得出的结论。需要考虑的选项有很多，要根据所在业务去判断。常见的有：变化趋势、用户画像、影响因素、历史数据等。2.数据获取数据获取的方式有很多种：一是直接从企业数据库调取，需要SQL技能去完成数据提取等的数据库管理工作。二是获取公开数据，政府、企业、统计局等机构有。三是通过Python编写网页爬虫。3.数据预处理对残缺、重复等异常数据进行清洗。4.数据分析与建模这个部分需要了解基本的统计分析方法、数据挖掘算法，了解不同统计方法适用的场景和适合的问题。5.数据可视化和分析报告撰写学习一款可视化工具，将数据通过可视化最直观的展现出来。数据分析入门需要掌握的技能有：1. SQL（数据库）：怎么从数据库取数据？怎么取到自己想要的特定的数据？等这些问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能。2. excel分析师更多的时候是在分析数据，分析数据时需要把数据放到一个文件里，就是excel。熟练excel常用公式，学会做数据透视表，什么数据画什么图等。3.Python或者R的基础：必备项，也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。4.学习一个可视化工具如果你想往更高层次发展，上面的东西顶多只占20%，剩下的80%则是业务理解能力，目标拆解能力，根据数据需求更多新技能的学习能力。

如何学好数据分析？这个一个比较大的命题，很难一两句话弄说的清楚，所以这个的问题很在QQ群里不太能得到一个满意的答案。在这里，我就以一个这数据方面的从业者的身份来说一说我的学习方法，当然有一点要说的是每个人的思想、方法、工作经历、知识侧重点都是不一样的，所以对于如何学习这个问题可谓是仁者见仁智者见智。我这里只说一说我个人的方法，不一定是对的也不一定适用于每一个人。数据分析这个岗位可以说很宽泛很杂，从数据录入员到行业分析师专家都可以认为是数据分析，甚至一些搞数据挖掘、人工智能的都可以包括到数据分析的范畴里，但是这些工作所做的事情却相差甚远，当然待遇也天壤之别。所以大家在应聘时不要只看岗位名称，重要的是看看清岗位职责和要求。言归正传，咱们谈谈如何学习数据分析。一、知识技能1、学科知识：从数据分析涉及到的专业知识点上看，他包含的比较多，包含但不仅限于以下学科：（1）统计学：参数检验、非参检验、回归分析……等（2）数学：线性代数、微积分等（3）社会学：主要是一些社会学量化统计的知识，如问卷调查与统计分析；还有就是一些社会学的知识，这些对于从事营销类的数据分析人员比较有帮助（4）经济金融：如果是从事这个行业的数据分析人员，经济金融知识是必须的，这里就不多说了（5）计算机：从事数据分析工作的人必须了解你使用的数据是怎么处理出来的，要了解数据库的结构和基本原理，同时如果条件充足的话，你还能有足够的能力从数据库里提取你需要的数据（比如使用SQL进行查询），这种提取数据分析原材料的能力是每个数据从业者必备的。此外，如果要想走的更远，还要能掌握一些编程能力，从而借住一些专业的数据分析工具，帮助你完成工作。这些专业知识不是一时半会能够全面掌握的，学习的唯一捷径就是看书、看视频讲解，看权威的书籍、看全面的知识。学习基础知识没有一蹴即就的方法，因为基础，所以学起来会比较枯燥、比较漫长。如何你想在数据分析方面有长远的发展，希望你能在基础知识上长期坚持的学习下去。2、软件操作：从事数据分析方面的工作必备的工具是什么，我大致罗列以下几类：（1）分析报告类：Microsoft Office软件（excel、word、powerpoint、visio……）、水晶易表等，如果连excel表格基本的处理操作都不会，连PPT报告都不会做，那我只好说离数据分析的岗位还差的很远。（2）专业数据分析软件：OFFICE并不是全部，要从在数据分析方面做的比较好，你必须会用（至少要了解）一些比较常用的专业数据分析软件工具，比如SPSS、SAS、R、Matlab等等，这些软件可以很好地帮助我们完成专业性的算法或模型分析。（3）辅助工具：比如思维导图软件（如MindManager、MindMapper等）也可以很好地帮助我们整理分析思路。在此需要说明的一点是：软件只是帮助我们完成任务的工具。并不是我们只要学好的软件操作就能很好地完成任务，因为与操作相比，如何解释最后的结果要重要的多。即使软件操作的再熟，如果看不懂结果，那跟不会才做没有两样。而看看懂结果就需要扎实的专业知识才行。对于以上两点，究竟按照什么路线来学习，先后顺序如何安排，我在网上看到过一个图，个人认为很不错：3、行业知识与工作经验：这部分知识怎么说呢，要是说在书本上一点学不来那也是骗人的，但是能真正拿为己用的，多是自己在实际的工作过程中经历的学到的。做数据分析一定得和自己所从事的行业紧密相关，不结合业务的数据分析无异于纸上谈兵。而需要要用到数据分析的行业又多的数不清，一句话，只要有数据的地方就需要有数据分析，比如互联网、电商、金融、电信、制造业、零售业等等都是数据分析需求大户，你不可能每个行业都很懂，但是你可以在一个行业很懂，这个懂则需要在工作过程中慢慢积累。二、谈谈三者的关系打个形象的比喻，成为一个数据分析精英好比成为一个武林高手（不少朋友应该都看过武侠电影），武林高手通常具备三个要素：浑厚的内功、致命招式/稀世武器、江湖经验。基础知识和行业内的经验就好比这浑厚的内功，及时你不会作出什么东西来也能保证别人忽悠不倒你，因为你已经是内行了；各种软件操作就好比致命的招式和稀世武器，一旦出手就可以招招致命、事半功倍；行走江湖最怕的就是缺少江湖经验，有时候被杀了都不知道是谁杀的，所以工作经验就好比这江湖经验，经验丰富遇到问题才更容易应对。所以三者相辅相成，任何一个存在短板都会影响整体的发挥，影响个人的数据分析能力水平。三、谈谈如何学习1、看书这我看来要全面系统的掌握知识，最好的办法就是看书，看书只有看对书，没有看错书，选择了一本能大幅提高自己能力、思想的书就是看对书。再此，我就不做书籍推荐了，每一块都有不少经典的好书，但是我可以告诉你一个找书的好方法，那就是在网上书店搜索相应的关键词，比如你想找统计学方面的书，那你就搜“统计学”，想看EXCEL方面的书就搜“EXCEL”，你会搜到很多相关的书籍，你可以查看书籍的目录介绍和相关的评价看是否适合你。2、逛专业的网站另外一个就是经常逛一些在数据分析方面的论坛、博客。所谓逛，跟逛街一样，我不需要东西同样可以去逛街。所以即使你不想去找某个问题的解决方法同样也许要去逛，因为那里有很多也数据分析方面的知识、见解，很多内容都可能会让你受益匪浅，同时还可以关注到高手大牛以及行业的一些动态。3、学会向搜索引擎要答案一个懂得学习人必须是懂得提问的人，那回答你问题的人在哪里，不在现实中就在网络上。当你遇到难以解决的问题时，建议首先找一找手头上的书本能不能帮你解答。如果不能，那请你在google、百度上去搜吧，很多问题十有八九在网上可以找到答案（当然那些答案并不一定是最好最优的），如果搜索不到答案，好吧，我承认你的疑问有点小偏了，那就去相关的QQ群或身边的同事朋友那去问吧。此外，在软件操作方面学会想操作手册要答案很多关于软件工具的书籍都只是将最主要的操作方法写出来，对于个人而言对一款软件的使用也只是小部分功能，而软件操作手册不一样，它就是软件的使用说明书，每个细致的功能点都会写进去，可以说是最全面的软件字典，在操作手册中几乎可以找到所有的操作方法。为什么这样安排顺序？ 在我看来书本上的答案要比网上的要靠谱，这个靠谱不是说网上没有好的答案，只是说在没有甄别能力的前提下，你看不出哪个答案是最好的。而书本不一样，写书人的知识水品通常要比写出来的书的知识水品要高，书上给出的解答虽说不一定是最好的，但一定不会差到哪去。为什么要把搜索引擎放在第二位？因为搜索引擎可以找到几乎全网的内容，一句话概括就是搜到的东西全。学会使用搜索找问题答案是一种能力，是一种方法。如果以上方法都找不到的话，就只能向朋友网友求助了。为什么说QQ群不是解决问题（一些非常灵活的问题除外）好办法？一是，群里确实有高手，但是高手通常都很忙，如果一两句话能解答你的话，他们很乐意帮你解答，如果不是一两句话能说清的，他们通常会沉默；二是，群里虽然有高手，但是菜鸟也不少，与其得到一个错的结果，不如不问。你可能要问那QQ群有什么用，我的回答是：解决灵活性问题，交流学习心得，了解他人的动态。向身边朋友同事请教是本着求人不如求己原则下来说的，如果朋友热情并且自己知道答案的话，肯定会告诉你，及时不知道有时也会帮你找一找解决办法，还有一点是向朋友请教往往还能起到沟通感情的作用。但是有一点，大家工作都很忙，能不去麻烦别人最好还是不去麻烦。总之，学习是个循序渐进的过程，贵在坚持，不能操之过急；因为数据分析这块涉及的内容很广，所以学习的原则要定好大的方向，然后不断扩展加深知识，“哪里不会补哪里”。写了这么多也没给大家一点知识性的内容，但都是我个人的一点看法和经验之谈，不妥的地方请同行朋友们多多指正。本文转载自数据控，链接： http://datakung.com/p=27

数据分析师需要学习的内容1、统计学我看一些人推荐了不少统计学的专业书籍，很多人读《概率论与数理统计》，其他统计相关的内容也没怎么看过。对于互联网的数据分析来说，并不需要掌握太复杂的统计理论。所以只要按照本科教材，学一下统计学就够了。2、编程能力学会一门编程语言，会让你处理数据的效率大大提升。如果你只会在Excel上复制粘贴，动手能力是不可能快的。我比较推荐Python，上手比较快，写起来比较优雅。3、数据库数据分析师经常和数据库打交道，不掌握数据库的使用可不行。学会如何建表和使用SQL语言进行数据处理，可以说是必不可少的技能。4、数据仓库许多人分不清楚数据库和数据仓库的差异，简单来说，数据仓库记录了所有历史数据，专门设计为方便数据分析人员高效使用的。5、数据分析方法对于互联网数据分析人员来说，可以看一下《精益创业》和《精益数据分析》，掌握常用的数据分析方法，然后再根据自己公司的产品调整，灵活组合。

【导读】随着互联网的发展，数据分析已经成了非常热门的职业，大数据分析师也成了社会打工人趋之若鹜的职业，不仅高薪还没有很多职场微世界的繁琐事情，不过要想做好数据分析工作也并不简单，参看一些好书，对行进数据分析会更有帮助!今天小编就给大家带来了数据分析入门经典书籍推荐，希望对各位小伙伴有所帮助。数据分析入门1.《谁说菜鸟不会数据分析》不只阐明晰一些常见的剖析技巧，并趁便 Excel 的一些常识以及数据分析在公司中所在的方位，轻松把握数据分析的技术，也对职场了解有必定的帮助。2.《浅显易懂数据分析》数据分析入门首先本。类似于小说的生动办法，浅显易懂形象生动地诠释了数据分析的根柢进程，试验办法，最优化办法/假定查验法/贝叶斯核算法/等等办法论，让读者可以对剖析概念有个全面的认知。Excel根底1.《Excel图表之道》奉告读者怎样规划和制作抵达杂志级质量的、专业有用的商务图表，作者比照方《商业周刊》、《经济学人》等全球顶尖商业杂志上的精彩图表事例进行剖析，给出其依据Excel的完毕办法，包括数据地图、动态图表、仪表板等许多高档图表技巧。2.《Excel这么用就对了》所触及的具体内容包括排序、挑选、函数公式、数据透视表、图表、宏与VBA 等功用运用，并结合许多的企业运用实例，以图文并茂的办法将处理思路和操作进程逐一呈现。作为数据分析师，如果仅仅安于现状，不注重自我行进，那么，不久的将来，你很或许成为公司的“人肉”取数机，影响往后的工作生计。以上就是小编今天给大家整理分享关于“数据分析入门经典书籍推荐”的相关内容希望对大家有所帮助。小编认为要想在大数据行业有所建树，需要考取部分含金量高的数据分析师证书，一直学习，这样更有核心竞争力与竞争资本。

入门数据分析类师父领进门，修行在个人。下面这两本书是入门数据分析必看的书籍，也是检验自己是否真的喜欢数据分析。从0到1:《深入浅出数据分析》为什么是它？借用一位读者的评价“我家的猫都喜欢这本书！”01 内容简介以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。02 推荐理由书名已经很好地表现出了这本书的优点——“深入浅出”。忘记烦恼，这本书与现实世界紧密互动，让你不再只有枯燥的理论，并且将知识图形化，复杂的概念简单化。经典小黄书：《谁说菜鸟不会数据分析》是本很好的书，但看过之后，这本书就真一文不值了。01 内容简介很多人看到数据分析就望而却步，担心门槛高，无法迈入数据分析的门槛。《谁说菜鸟不会数据分析》努力将数据分析写成像小说一样通俗易懂，使读者可以在无形之中学会数据分析,按照数据分析工作的完整流程来讲解。02 推荐理由数据分析的入门极品，但真的很入门,优缺兼有。对于入门理解来说是绝佳选择,对之后的修炼还是不够的。建议之前全都是自己瞎摸瞎撞搞数据分析的同学进行阅读，颇有醍醐灌顶之感。

成为一名数据分析师的关键在于： 结合实际业务，建立一套解决问题框架的能力，工具只是完成目的的手段而已。 所以，我把数据分析师的学习路径归纳为： 鉴于不同行业，不同公司对数据分析师的要求不同。大家可以根据自身情况来判断到底该学啥： 金融行业：SAS/SQL 中大厂：R/Python、SQL、A/B test 小型互联网公司：SQL 以中大厂为例，成为数据分析师需要掌握以下几点： 这里用一道大厂真题举例，主要考察 DELETE语句中的子查询 的用法 现需要删除课程表中所有教师年龄小于 21 岁（不包括 21 岁）的课程，请你使用相关的 SQL 语句实现。 首先我们需要在教师表 teachers 中查询到教师年龄小于 21 岁的老师的教师 id ，再根据其教师 id 在课程表 course 中查询该教师 id 所创建的课程并将课程删除。 因此，这里我们首先需要通过嵌套子查询到的信息为符合条件的教师 id，而整个语句是为了删除数据。 使用 SQL 中子查询的方式如下： 执行输出结果： 在删除成功后，我们再对 courses 表进行查询，查看插入结果： 掌握了这类题型后，可以来做下这道练习题U0001f449 删除在 2020 年前创建过课程的教师 除此之外，SQL相关的查询、运算符、函数、约束和多表连结的相关知识点及习题，就不一一介绍了，大家可以移步 SQL教程 学习。 这里重点安利下 LintCode 最新上线的 SQL学习教程 ，非常适合从零起步学数据分析的朋友，因为他 不仅是个刷题网站，连关键知识点，例题，源码都给你总结的清清楚楚 ，非常绝~ 分享一些我曾经刷过的题，大家可以拿来练手： 初阶： 查询授课教师编号 向表中插入当前的日期 查询课程创建日期按 ‘年-月-日 时：分：秒" 显示 查询在第一季度创建的课程 超过3名球员所得到的分数 中阶： 寻找特定身高的同学 连续的空箱子 张三的故事 III 挂科最多的同学 II 网课上课情况分析 II 其实SQL就是个熟能生巧的过程，主要就是多刷题，然后论坛面经都过一遍，基本就没啥问题了 最后，分享一些提升数据分析技能的网站、书籍 数据分析项目实战： SQL刷题路径 分享了SQL的学习路径及刷题指南，非常适合新手打基础。 kaggle 提供学习竞赛，在掌握基础知识后，可以来组队竞赛提升个人技术水平，难度中等。 提高数据分析能力： 《精益数据分析》 这本书是建立在掌握数据分析知识体系的基础上，教你如何拥有数据驱动的思维模式 《深入浅出数据分析》 这本书涵盖了数据分析人员必须掌握的技术知识点，数据分析十大要务等。为深入研究数据分析搭建桥梁。 好了，就先分享到这里吧！ 后续如果有新的学习资料会继续补充，在此之前，我想要个赞。

想要入行数据分析需要学习以下三种技能1，SQL（数据库）处理海量的数据，数据来源于数据库，从数据库取数据，何建立两表、三表之间的关系，想要的特定的数据等，而这些是需要SQL解决的，所以SQL是数据分析的最基础的技能。2，统计学基础：数据分析的前提要对数据有感知，数据如何收集，数据整体分布是怎样的，如果有时间维度的话随着时间的变化是怎样的，数据的平均值是什么，数据的最大值最小值指什么，数据相关与回归、时间序列分析和预测等，这些也是需要统计学的技能才能做好的。3，Python或者R的基础：这是必备项，学会一门技术工具，是入门数据分析师的门槛。扩展资料一、数据分析方向数据挖掘方向：想要在一两个月内快速成为数据挖掘向的数据分析师很难，做数据挖掘必须要底子深基础牢，编程语言基础、算法、数据结构、统计学知识样样不能少。利用数据挖掘进行数据分析常用的3个方法：分类、回归分析、聚类等， 它们分别从不同的角度对数据进行挖掘。回归分析：回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。业务方向：需要对业务感知能力强，对数据十分敏感，掌握常用的一些业务分析模型套路，企业经常招聘的岗位是：商业分析、数据运营、用户研究、策略分析等等。二、入门数据分析的参考书籍推荐《增长黑客》、《网站分析实战》、《精益数据分析》、《深入浅出数据分析》、《啤酒与尿布》、《数据之魅》、《Storytelling with Data》。

第一方面是数学基础，第二方面是统计学基础，第三方面是计算机基础。要想在数据分析的道路上走得更远，一定要注重数学和统计学的学习。数据分析说到底就是寻找数据背后的规律，而寻找规律就需要具备算法的设计能力，所以数学和统计学对于数据分析是非常重要的。而想要快速成为数据分析师，则可以从计算机知识开始学起，具体点就是从数据分析工具开始学起，然后在学习工具使用过程中，辅助算法以及行业致死的学习。学习数据分析工具往往从Excel工具开始学起，Excel是目前职场人比较常用的数据分析工具，通常在面对10万条以内的结构化数据时，Excel还是能够胜任的。对于大部分职场人来说，掌握Excel的数据分析功能能够应付大部分常见的数据分析场景。在掌握Excel之后，接下来就应该进一步学习数据库的相关知识了，可以从关系型数据库开始学起，重点在于Sql语言。掌握数据库之后，数据分析能力会有一个较大幅度的提升，能够分析的数据量也会有明显的提升。如果采用数据库和BI工具进行结合，那么数据分析的结果会更加丰富，同时也会有一个比较直观的呈现界面。数据分析的最后一步就需要学习编程语言了，目前学习Python语言是个不错的选择，Python语言在大数据分析领域有比较广泛的使用，而且Python语言自身比较简单易学，即使没有编程基础的人也能够学得会。通过Python来采用机器学习的方式实现数据分析是当前比较流行的数据分析方式。对大数据分析有兴趣的小伙伴们，不妨先从看看大数据分析书籍开始入门！B站上有很多的大数据教学视频，从基础到高级的都有，还挺不错的，知识点讲的很细致，还有完整版的学习路线图。也可以自己去看看，下载学习试试。

学数据分析可以看《Excel数据分析》《深入浅出数据分析》《谁说菜鸟不会数据分析》。数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

第1本《谁说菜鸟不会数据分析入门篇》很有趣的数据分析书！基本看过就能明白，以小说的形式讲解，很有代入感。包含了数据分析的结构化思维、数据处理技巧、数据展现的技术，很能帮我们提升职场竞争能力。找不到工作的，学好了它，自然没问题。第2本《拯救你的Excel数据的分析、处理、展示（动画版）》一本用手机看的Excel操作书，大部分例子都配置了二维码，手机扫扫就能看，基本上可以躺着把书学了。所有数据的分析、处理也都带了职场范例（有会计、HR、销售场景），很贴合实际。拯救我们小白的Excel，职场加薪不是梦想！第3本《Excel图表之道：如何制作专业有效的商务图表》职场大牛的书，教我们做图表的，好看到不能再好看。可以设计和制作达到杂志级质量的、专业有效的商务图表。相信平时我们很难做到吧，看了你就知道，也许一切没那么难。第4本《绝了！Excel可以这样用：数据分析经典案例实战图表书》挺好的一个系列，都是Excle常用的技巧，适合销售和HR。也是职场故事，很接地气，带视频的，全都是Excel数据分析的常用理念和方法。第5本《深入浅出数据分析》深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。厚厚的一本书翻起来很快。本书涉及的基础概念比较广，包含一点统计学知识，学下来对数据分析思维会有一个大概了解。第6本《MySQL必知必会》如果真想买书看，可以看这本，适合新手向的学习，看基础概念和查询相关的章节即可。网络上大部分MySQL都是偏DBA的。第7本《深入浅出统计学》大概是最啰嗦的深入浅出系列，从卖橡皮鸭到赌博机的案例，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。第8本《网站分析实战》互联网不再是网站的天下，但是移动端依旧有Web，我们在朋友圈看到的所有H5活动、第三方内容等，都是依托网页实现。网站的数据分析依旧有存在空间，网站的数据指标还是能够指导我们运营！第9本《深入浅出Python》还是深入浅出系列，完全适合零基础的新人。需要注意的是，编程学习不同于其他知识，如果计算机基础不稳固，在使用中会遇到各类问题。知其然不知其所以然！第10本《Python学习手册》对于拥有编程基础的人，这本书系无巨细的有些啰嗦，不过对新人，可以避免不必要的坑。把它当作一本工具文档吧，当遇到不理解的内容随时翻阅。第11本《利用Python进行数据分析》这本书是你学习python不二之选，对着书，着重学习numpy，pandas两个包！每段代码都敲打一遍，千万行的数据清洗基本不会有大问题了。第12本《R语言实战》R语言的入门书籍，从数据读取到各类统计函数的使用。虽然没有涉及机器学习，依靠这本书入门R是绰绰有余了。第13本《统计学：从数据到结论》这本书是将R语言和统计学结合的教材，可以利用这本书再复习一遍统计知识。第14本《深入浅出SQL》带你进入SQL语言的心脏地带，从使用INSERT和SELECT这些基本的查询语法到使用子查询（subquery）、连接（join）和事务（transaction）这样的核心技术来操作数据库。到读完《深入浅出SQL》之时，你将不仅能够理解高效数据库设计和创建，还能像一个专家那样查询、归一（normalizing）和联接数据。你将成为数据的真正主人。第15本《数据挖掘导论》这本书绝对是一本良心教材，拿到手从第一章开始阅读，能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～第16本《算法导论中文版》本书将严谨性和全面性融为一体，深入讨论各类算法，并着力使这些算法的设计和分析能为各个层次的读者接受。算法以英语和伪代码的形式描述，具备初步程序设计经验的人就能看懂；说明和解释力求浅显易懂，不失深度和数学严谨性。上面的书籍都是PDF版视频教材的有：Python入门教程完整版（懂中文就能学会）资料Python入门教程完整版（懂中文就能学会）视频Mysql从入门到精通全套视频教程8天深入理解python教程大数据Hadoop视频教程，从入门到精通Python就业班Python标准库（中文版）数学建模0基础从入门到精通，全套资源0基础Python实战-四周实现爬虫系统麦子学院招牌课程[明星python编程视频VIP教程][200G](价值9000元)从零基础到数据分析师，帮你拿到年薪50万！炜心:xccx158

【导读】随着互联网的发展，数据分析已经成了非常热门的职业，大数据分析师也成了社会打工人趋之若鹜的职业，不仅高薪还没有很多职场微世界的繁琐事情，不过要想做好数据分析工作也并不简单，参看一些好书，对行进数据分析会更有帮助!今天小编就给大家带来了提高数据分析能力必读书籍推荐，希望对各位小伙伴有所帮助。数据分析进阶1.《精益数据分析》本书展示了怎样验证自己的设想、找到实在的客户、打造能挣钱的产品，以及行进企业知名度。并经过30多个事例剖析，深化展示了怎样将六个典型的商业办法运用到各种规划的精益创业、数据分析根底，和数据驱动的思维办法中，找到企业添加的首先要害方针。2.《数学之美》本书把深邃的数学原理讲得愈加通俗易懂，让非专业读者也能领会数学的魅力。读者经过具体的比方学到的是考虑问题的办法 —— 怎样化繁为简，怎样用数学去向理工程问题，怎样跳出固有思维不断去考虑立异。数据挖掘1.《数据挖掘导论(无缺版)》本书全面介绍了数据挖掘，包括了五个主题：数据、分类、相关剖析、聚类和异常检测。除异常检测外，每个主题都有两章。前一章包括根柢概念、代表性算法和点评技术，然后一章谈论高档概念和算法。这样读者在透彻地了解数据挖掘的根底的一同，还可以了解更多重要的高档主题。2.《数据挖掘概念与技术》本书无缺全面地叙说数据挖掘的概念、办法、技术和最新研讨翻开。本书对前两版做了全面修订，加强和从头组织了全书的技术内容，要害论说了数据预处理、再三办法挖掘、分类和聚类等的内容，还全面叙说了OLAP和离群点检测，并研讨了挖掘网络、凌乱数据类型以及重要运用范畴。3.《数据挖掘与数据化运营实战：思维、办法、技巧与运用》现在有关数据挖掘在数据化运营实践范畴比较全面和系统的作品，也是诸大都据挖掘书本中为数不多的交叉许多实在的实践运用事例和场景的作品，更是发明性地针对数据化运营中不同剖析挖掘课题类型，推出逐一对应的剖析思路集锦和相应的剖析技巧集成，为读者供给“菜单化”实战锦囊的作品作为数据分析师，如果仅仅安于现状，不注重自我行进，那么，不久的将来，你很或许成为公司的“人肉”取数机，影响往后的工作生计。以上就是小编今天给大家整理分享关于“提高数据分析能力必读书籍推荐”的相关内容希望对大家有所帮助。小编认为要想在大数据行业有所建树，需要考取部分含金量高的数据分析师证书，一直学习，这样更有核心竞争力与竞争资本。

数据挖掘对于我来说，还不是特别擅长的领域，这里主要推荐数据分析的书籍。1）入门篇《深入浅出数据分析》，深入浅出系列，看完这本书，你对数据分析就有了一个大概的认知了。《谁说菜鸟不会数据分析》，两种，小黄书和小蓝书，讲解了一些常见的业务场景以及分析方法，能够让你对职场有一定了解。《统计数字会撒谎》，本书浅显易懂，除了让你了解统计真相外，很多东西还是可以借鉴的。2）进阶篇《网站分析实战》，网站分析的一本书，里面很多案例和理念还是有一定意义的。《SQL必知必会》，我的SQL入门书，很薄，看起来很爽，但是能让你对SQL有大概了解。但是，修行在个人，之后SQL还是需要你自己琢磨，比如兼容性问题等。《深入浅出统计学》，如果要进阶的话，统计学是必不可少的，这本书就是让你快速了解统计学的。《精益数据分析》，此书将企业分成几个大类，并且介绍了商业模式以及其分析技巧，适合有一定分析能力的人观看。3）高级篇《利用Python进行数据分析》，重中之重，如果要学习编程，这本书是良药，区别于外界只讲Python编程知识的数据，这本书主要以数据分析为切入点，对Python技能进行教学。《商务与经济统计学》，如果要在数据分析领域，生根发芽，这本书一味苦药，耐心看下去，虽然比较枯燥。《数据分析实战》，结合几个真实案例进行说明数据分析在商业问题的作用，可以让你学会各种数据分析方法。《机器学习实战》，如果学有余力，研究下机器学习吧，这是未来的方向，如果不想研究，稍微看看就好。期待你的成长！

　　【项目数据分析师考试必看的书籍】　　一、《CPDA注册项目数据分析师培训教程》　　随着我国加入wto和全球经济一体化进程的加快，为顺应国内经济快速发展的趋势，急需高素质投资分析人才注册项目数据分析师（cpda），该职业将成为经济发展不可缺少的重要专门人才。　　　　二、《深入浅出数据分析》　　《深入浅出数据分析》写得漂亮，读者可以学到分析现实问题的系统性方法。从卖咖啡到开橡皮玩具厂，再到要求老板涨工资，此书告诉我们如何发现和解密数据在日常生活中的强大作用。　　　　三、《数据之魅：基于开源工具的数据分析》　　本书展现了在高科技行业的各个公司中从事数据工作所获得的经验。它汇聚了所发现的许多最有用的概念和技术，包括希望自己能够早点知道的主题——然而没有。　　　　四、《谁说菜鸟不会数据分析——(EXCEL数据分析就像一本故事书,让你的工作更出彩)(轻松学会大数据分析)》　　《谁说菜鸟不会数据分析(入门篇)(全彩)》能有效帮助职场新人提升职场竞争力，也能帮助市场营销、金融、财务、人力资源管理人员及产品经理解决实际问题，还能帮助从事咨询、研究、分析行业的人上，各级管理人士提高专业水平。

成为一名数据分析师所需要掌握的知识：数学知识对于初级数据分析师来说，则需要了解统计相关的基础性内容，公式计算，统计模型等。当你获得一份数据集时，需要先进行了解数据集的质量，进行描述统计。而对于高级数据分析师，必须具备统计模型的能力，线性代数也要有一定的了解。分析工具对于分析工具，SQL 是必须会的，还有要熟悉Excel数据透视表和公式的使用，另外，还要学会一个统计分析工具，SAS作为入门是比较好的，VBA 基本必备，SPSS/SAS/R 至少要熟练使用其中之一，其他分析工具（如 Matlab）可以视情况而定。编程语言数据分析领域最热门的两大语言是 R 和 Python。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力不足，学习曲线比较陡峭。Python 适用性强，可以将分析的过程脚本化。所以，如果你想在这一领域有所发展，学习 Python 也是相当有必要的。当然其他编程语言也是需要掌握的。要有独立把数据化为己用的能力, 这其中SQL 是最基本的，你必须会用 SQL 查询数据、会快速写程序分析数据。当然，编程技术不需要达到软件工程师的水平。要想更深入的分析问题你可能还会用到：Exploratory analysis skills、Optimization、Simulation、Machine Learning、Data Mining、Modeling 等。业务理解对业务的理解是数据分析师工作的基础，数据的获取方案、指标的选取、还有最终结论的洞察，都依赖于数据分析师对业务本身的理解。对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。逻辑思维对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。对于数据挖掘工程师，罗辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。数据可视化数据可视化主要借助于图形化手段，清晰有效地传达与沟通信息。听起来很高大上，其实包括的范围很广，做个 PPT 里边放上数据图表也可以算是数据可视化。对于初级数据分析师，能用 Excel 和 PPT 做出基本的图表和报告，能清楚地展示数据，就达到目标了。对于稍高级的数据分析师，需要使用更有效的数据分析工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。协调沟通数据分析师不仅需要具备破译数据的能力，也经常被要求向项目经理和部门主管提供有关某些数据点的建议，所以，你需要有较强的交流能力。对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

1. 深入浅出数据分析 (豆瓣) 这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。难易程度：非常易。2. 啤酒与尿布 (豆瓣) 通过案例来说事情，而且是最经典的例子。难易程度：非常易。3. 数据之美 (豆瓣) 一本介绍性的书籍，每章都解决一个具体的问题，甚至还有代码，对理解数据分析的应用领域和做法非常有帮助。难易程度：易。4. 集体智慧编程 (豆瓣) 学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法，浅显易懂，还有可执行的Python代码。难易程度：中。5. Machine Learning in Action (豆瓣) 用人话把复杂难懂的机器学习算法解释清楚了，其中有零星的数学公式，但是是以解释清楚为目的的。而且有Python代码，大赞！目前中科院的王斌老师（微博： @王斌_ICTIR）已经翻译这本书了 机器学习实战 (豆瓣)。这本书本身质量就很高，王老师的翻译质量也很高。难易程度：中。6. 推荐系统实践 (豆瓣) 这本书不用说了，研究推荐系统必须要读的书，而且是第一本要读的书。难易程度：中上。7. 数据挖掘导论 (豆瓣) 最近几年数据挖掘教材中比较好的一本书，被美国诸多大学的数据挖掘课作为教材，没有推荐Jiawei Han老师的那本书，因为个人觉得那本书对于初学者来说不太容易读懂。难易程度：中上。8. The Elements of Statistical Learning (豆瓣) 这本书有对应的中文版：统计学习基础 (豆瓣)。书中配有R包，非常赞！可以参照着代码学习算法。难易程度：难。9. 统计学习方法 (豆瓣) 李航老师的扛鼎之作，强烈推荐。难易程度：难。10. Pattern Recognition And Machine Learning (豆瓣) 经典中的经典。这些都是在“绿色BI论坛”http://www.powerbibbs.com 找到的，这个论坛经常有数据分析的干货分享，你可以看一下。

一、数据分析入门：《Head First Data Analysis》链接：深入浅出数据分析、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧一一讲到。图比较多，适合入门。《Head First Statistics》推荐理由同上，适合入门者的经典教材。《R in Action-Data Analysis and Graphics with R》链接：R是属于GNU系统的一个自由、免费、源代码开放的软件，用于统计计算和统计制图。这本书从实用的统计研究角度逐例分析R在数据处理、模型构建、以及图形操作上的由浅入深的结合，堪称经典。《数据之魅-基于开源工具的数据分析》链接：数据之魅 作者是华盛顿大学理论物理学博士。这本书是数据分析的经典之一，包含大量的R语言模拟过程及结果展示，例举了很多数据分析实例和代码。《数据挖掘-市场营销、销售与客户关系管理领域应用》链接：数据挖掘技术作者是Data Miners的创办人，有二十多年的营销和客户关系管理结合数据挖掘的经验。详细介绍了作为一个数据挖掘团队需要的知识体系，包括数据库、SAS使用、统计学、机器学习、数据可视化、如何访问用户收集需求、如何写论文与沟通等等。有条件的建议看英文原版。《Data Analytics for Beginners: Basic Guide to Master Data Analytics》入门五星推荐。里面很多图表实例，手把手教你如何EXCEL画图，对各种知识点（平均值，模式，中值，方差，标准偏差）的讲解相当的到位，比起大学里的各种课本靠谱。先把这些花时间啃啃，数据分析的理论部分就基本入门了，根据实际情况还需要结合你的业务需求来进行系统的学习。二、数据分析进阶：《Doing Data Scienc》作者Cathy O"Neil是哈佛大学的博士，MIT的数据博士后，曾今作为一名Quant在对冲基金D.E. Shaw 工作，目前是一家纽约初创公司的Data scientist 。这本书需要有一定的编程和理论基础，作为入门教材来说有点难，虽然只有400来页，但是涉及的知识点很全面。每一章节的核心内容都附有编程案例，R/Python/Shell三种语言任君挑选。《Python for Data Analysis》Python数据分析必看，适合入行不久的数据分析师。作者有多年的Python数据分析工作经验，对各种Pyhon包iPython，NumPy，pandas，matpotlib等有着很深的理解。看完这本，敲完代码，Python数据分析就算入行了。《Data Science for Business》很多牛人为之作序，数据科学如何与商业结合，相信这本书会给你一些启发。《Python Data Science Handbook》2016年6月出版的，500页保质保量，作者（Jake VanderPlas）是华盛顿大学电子科学研究所的高级数据科学研究员，研究领域包括天文统计学、机器学习和可扩展计算。书的前半部分介绍了用于数据分析和一般的科学计算的基本Python库，后面从实际应用的角度使用Python库scikit-learn开始机器学习实践。适合有一定Python基础人（或者R基础），并且想学习如何使用Python进行数据分析的人。《Storytelling with Data》作者Cole NussbaumerKnaflic，私募分析师，前Google人力分析团队总监。本书展示了如何高效率展示量化资讯，如何用丰富的资料讲故事。Google内部的数据可视化课程讲师，之前也在Maryland Institute College of Art兼职讲师。如果你想知道如何以图叙事，这边好书不容错过。

首先我说说这两种方向共同需要的技术面，当然以下只是按照数据分析入门的标准来写：1. SQL（数据库），我们都知道数据分析师每天都会处理海量的数据，这些数据来源于数据库，那么怎么从数据库取数据？如何建立两表、三表之间的关系？怎么取到自己想要的特定的数据？等等这些数据选择问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能，零基础学习SQL可以阅读这里：SQL教程_w3cschool2. 统计学基础，数据分析的前提要对数据有感知，数据如何收集？数据整体分布是怎样的？如果有时间维度的话随着时间的变化是怎样的？数据的平均值是什么？数据的最大值最小值指什么？数据相关与回归、时间序列分析和预测等等，这些在网易公开课上倒是有不错的教程：哈里斯堡社区大学公开课：统计学入门_全24集_网易公开课3.Python或者R的基础，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。至于学习资料：R语言我不太清楚，Python方向可以在廖雪峰廖老师的博客里看Python教程，面向零基础。再说说两者有区别的技能树：1.数据挖掘向我先打个前哨，想要在一两个月内快速成为数据挖掘向的数据分析师基本不可能，做数据挖掘必须要底子深基础牢，编程语言基础、算法、数据结构、统计学知识样样不能少，而这些不是你自习一两个月就能完全掌握的。所以想做数据挖掘方向的，一定要花时间把软件工程专业学习的计算机基础课程看完，这些课程包括：数据结构、算法，可以在这里一探究竟：如何学习数据结构？在此之后你可以动手用Python去尝试实现数据挖掘的十八大算法：数据挖掘18大算法实现以及其他相关经典DM算法2.产品经理向产品经理向需要你对业务感知能力强，对数据十分敏感，掌握常用的一些业务分析模型套路，企业经常招聘的岗位是：商业分析、数据运营、用户研究、策略分析等等。这方面的学习书籍就很多，看得越多掌握的方法越多，我说几本我看过的或者很多人推荐的书籍：《增长黑客》、《网站分析实战》、《精益数据分析》、《深入浅出数据分析》、《啤酒与尿布》、《数据之魅》、《Storytelling with Data》

首先你要知道成为一名数据分析师所需要具备的技能：数学知识对于初级数据分析师来说，则需要了解统计相关的基础性内容，公式计算，统计模型等。当你获得一份数据集时，需要先进行了解数据集的质量，进行描述统计。而对于高级数据分析师，必须具备统计模型的能力，线性代数也要有一定的了解。分析工具对于分析工具，SQL 是必须会的，还有要熟悉Excel数据透视表和公式的使用，另外，还要学会一个统计分析工具，SAS作为入门是比较好的，VBA 基本必备，SPSS/SAS/R 至少要熟练使用其中之一，其他分析工具（如 Matlab）可以视情况而定。编程语言数据分析领域最热门的两大语言是 R 和 Python。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力不足，学习曲线比较陡峭。Python 适用性强，可以将分析的过程脚本化。所以，如果你想在这一领域有所发展，学习 Python 也是相当有必要的。当然其他编程语言也是需要掌握的。要有独立把数据化为己用的能力, 这其中SQL 是最基本的，你必须会用 SQL 查询数据、会快速写程序分析数据。当然，编程技术不需要达到软件工程师的水平。要想更深入的分析问题你可能还会用到：Exploratory analysis skills、Optimization、Simulation、Machine Learning、Data Mining、Modeling 等。业务理解对业务的理解是数据分析师工作的基础，数据的获取方案、指标的选取、还有最终结论的洞察，都依赖于数据分析师对业务本身的理解。对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。逻辑思维对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。对于数据挖掘工程师，罗辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。数据可视化数据可视化主要借助于图形化手段，清晰有效地传达与沟通信息。听起来很高大上，其实包括的范围很广，做个 PPT 里边放上数据图表也可以算是数据可视化。对于初级数据分析师，能用 Excel 和 PPT 做出基本的图表和报告，能清楚地展示数据，就达到目标了。对于稍高级的数据分析师，需要使用更有效的数据分析工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。协调沟通数据分析师不仅需要具备破译数据的能力，也经常被要求向项目经理和部门主管提供有关某些数据点的建议，所以，你需要有较强的交流能力。对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

职场年轻人要做到不羞不怯，直切要点。数据先行，有理有据。理性分析，思路清晰。一、不羞不怯，直切要点职场沟通里有两点很重要，一个是高情商，一个是简明扼要。高情商在很多人看来就是多说一句“辛苦”，一个“谢谢”，但其实有一点非常重要，就是尊重大家的时间和精力，一个体现就是，当你想要提需求的时候最好一次性想好事情的前提条件、发展现状、要问的问题以及问题的分支情况，而不是让人家来一次次追问你。比如你因为一个活动向设计提需求，就要一次性说明白：“此次活动的主题是xx，希望体现xx的元素，采用xx的配色，文案大意会是xx，能否实现xx，如果不能可否采用xx方案……”而不是：“我们要做一个xx海报。” “有什么要求吗？” “符合xx主题，xx配色。” “文案想好了吗？” “想好了是xx” “还有别的需求吗？” “xx可以吗？” ……总之，你要预设一个需求或者问题给出去以后对方的反应，最大程度减少互相来回对话的次数。其次就是简明扼要。在表达看法的时候最好先说结论，也就是你表达的重点，然后说论据，也就是你为什么这么认为，最好有事实依据，然后给出实施建议或改进建议。在接受问话的时候先说答案，不要先说各种前因后果弯弯绕绕，先说答案，大家就知道现在是否存在问题，然后指向性的解决问题。尤其就算自己犯了错误，也不要试图先云里雾里的遮掩和解释，而是直接说明问题，找到解决办法，最大程度保证工作的完成。还要注意的一点就是，工作中，尤其合作里，大家都是为了实现工作目标，因为不要为了理念的不和而生出个人恩怨，只要对方可以为了达成目标而发挥作用，就拿出专业态度，好好合作。二、数据先行，有理有据职场不相信大饼，只相信成绩，以前领导还能给职场新人画饼，现在新人都学聪明了，不吃这一套了。所以想要让别人相信自己，就拿出数据说话。比如你认为某某平台不适合重点投放，那就要去分析用户数据，看用户是不是真的和自己产品用户不匹配，比如性别、年龄、城市分布、内容喜好……而不是只凭借自己的平台使用体验和大众印象而说：“我觉得”、“我认为”。有的时候你会发现数据是反常识的，比如我们常常认为男性更专注罪案，但实际上某个悬疑类故事公众号，女性用户多于男性用户。所以数据不止让别人相信你，也让你少犯错，做出更正确的决策。对于职场新人来说，数据能力更是阶级的跳板，一个新人想要让自己的想法受到重视，必须拿出无可置疑的例证，也就是数据，当你展现出用数据说话的能力，和创造性的意识，就算你的方案暂时不被采用，你也会被看到。可以说，虽然数据分析师现在还是一个单独岗位，但数据分析正在成为职场人必备技能，大数据时代，数据告诉你一切。如果你觉得数据分析难、花时间而不想学，也可以考虑跟个入门课程，简单的学一些基础数据分析方法，了解一下案例，至少在本职工作的基础上增加竞争力。我个人推荐知乎的一个课程，老师曾是IBM的数据分析师，还和50多位互联网大厂数据分析师进行深度访谈，并和阿里、谷歌、滴滴等公司的资深数据专家合作，课程从基础讲起，用案例讲知识点，结合大厂一线业务案例，能够深入浅出的讲明白那些数据分析理论是如何运用在业务里，属于是兼顾是输出和输入，让你更熟练的掌握这些思维和技巧。三、理性分析，思路清晰分析方法有很多，这里主要说一下mice鱼骨图方案，其实也就是逻辑树、演绎法，即穷尽所有可能。这种方法一般是确定一个目标或问题作为鱼头，然后把想到的（自己或团队）的所有方法或原因标在分叉，即可以用于归因，也可以用来拆解目标，还可以用来记录创意。不过需要注意的是，鱼骨图这样的思维方法一般都需要练习，自己不断的去拆分，然后找到这方面更资深的人给出建议，并学习对方的思维方式。除了鱼骨图，还有很多如3W、SWOT的分析方式，这些思维方式都更用来有条理的分析问题，还可以和数据分析相结合，作为模型给数据以方向。如果你想要训练自己的这些思维方式，又找不到一个靠谱的渠道，也可以看一下知乎的数据分析课程，课程中数据分析思维和模型实际上也就是这些思维方式，老师会用实际案例带你练习，在实践中训练你的能力，属于是一个靠谱又稳定的渠道。

第1本《谁说菜鸟不会数据分析入门篇》很有趣的数据分析书！基本看过就能明白，以小说的形式讲解，很有代入感。包含了数据分析的结构化思维、数据处理技巧、数据展现的技术，很能帮我们提升职场竞争能力。找不到工作的，学好了它，自然没问题。第2本《拯救你的Excel数据的分析、处理、展示（动画版）》一本用手机看的Excel操作书，大部分例子都配置了二维码，手机扫扫就能看，基本上可以躺着把书学了。所有数据的分析、处理也都带了职场范例（有会计、HR、销售场景），很贴合实际。拯救我们小白的Excel，职场加薪不是梦想！第3本《Excel图表之道：如何制作专业有效的商务图表》职场大牛的书，教我们做图表的，好看到不能再好看。可以设计和制作达到杂志级质量的、专业有效的商务图表。相信平时我们很难做到吧，看了你就知道，也许一切没那么难。第4本《绝了！Excel可以这样用：数据分析经典案例实战图表书》挺好的一个系列，都是Excle常用的技巧，适合销售和HR。也是职场故事，很接地气，带视频的，全都是Excel数据分析的常用理念和方法。第5本《深入浅出数据分析》深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。厚厚的一本书翻起来很快。本书涉及的基础概念比较广，包含一点统计学知识，学下来对数据分析思维会有一个大概了解。第6本《MySQL必知必会》如果真想买书看，可以看这本，适合新手向的学习，看基础概念和查询相关的章节即可。网络上大部分MySQL都是偏DBA的。第7本《深入浅出统计学》大概是最啰嗦的深入浅出系列，从卖橡皮鸭到赌博机的案例，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。第8本《网站分析实战》互联网不再是网站的天下，但是移动端依旧有Web，我们在朋友圈看到的所有H5活动、第三方内容等，都是依托网页实现。网站的数据分析依旧有存在空间，网站的数据指标还是能够指导我们运营！第9本《深入浅出Python》还是深入浅出系列，完全适合零基础的新人。需要注意的是，编程学习不同于其他知识，如果计算机基础不稳固，在使用中会遇到各类问题。知其然不知其所以然！第10本《Python学习手册》对于拥有编程基础的人，这本书系无巨细的有些啰嗦，不过对新人，可以避免不必要的坑。把它当作一本工具文档吧，当遇到不理解的内容随时翻阅。第11本《利用Python进行数据分析》这本书是你学习python不二之选，对着书，着重学习numpy，pandas两个包！每段代码都敲打一遍，千万行的数据清洗基本不会有大问题了。第12本《R语言实战》R语言的入门书籍，从数据读取到各类统计函数的使用。虽然没有涉及机器学习，依靠这本书入门R是绰绰有余了。第13本《统计学：从数据到结论》这本书是将R语言和统计学结合的教材，可以利用这本书再复习一遍统计知识。第14本《深入浅出SQL》带你进入SQL语言的心脏地带，从使用INSERT和SELECT这些基本的查询语法到使用子查询（subquery）、连接（join）和事务（transaction）这样的核心技术来操作数据库。到读完《深入浅出SQL》之时，你将不仅能够理解高效数据库设计和创建，还能像一个专家那样查询、归一（normalizing）和联接数据。你将成为数据的真正主人。第15本《数据挖掘导论》这本书绝对是一本良心教材，拿到手从第一章开始阅读，能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～第16本《算法导论中文版》本书将严谨性和全面性融为一体，深入讨论各类算法，并着力使这些算法的设计和分析能为各个层次的读者接受。算法以英语和伪代码的形式描述，具备初步程序设计经验的人就能看懂；说明和解释力求浅显易懂，不失深度和数学严谨性。上面的书籍都是PDF版视频教材的有：Python入门教程完整版（懂中文就能学会）资料Python入门教程完整版（懂中文就能学会）视频Mysql从入门到精通全套视频教程8天深入理解python教程大数据Hadoop视频教程，从入门到精通Python就业班Python标准库（中文版）数学建模0基础从入门到精通，全套资源0基础Python实战-四周实现爬虫系统麦子学院招牌课程[明星python编程视频VIP教程][200G](价值9000元)从零基础到数据分析师，帮你拿到年薪50万！卫星:xccx158

作者 | 傅一平 来源 | 与数据同行 今天跟着我来学学数据仓库的基础知识，希望你结合案例可以把它吃透。 一、数据仓库建模的意义 如果把数据看作图书馆里的书，我们希望看到它们在书架上分门别类地放置；如果把数据看作城市的建筑，我们希望城市规划布局合理；如果把数据看作电脑文件和文件夹，我们希望按照自己的习惯有很好的文件夹组织方式，而不是糟糕混乱的桌面，经常为找一个文件而不知所措。 数据模型就是数据组织和存储方法，它强调从业务、数据存取和使用角度合理存储数据。Linux的创始人Torvalds有一段关于“什么才是优秀程序员”的话：“烂程序员关心的是代码，好程序员关心的是数据结构和它们之间的关系”，最能够说明数据模型的重要性。 只有数据模型将数据有序的组织和存储起来之后，大数据才能得到高性能、低成本、高效率、高质量的使用。 性能：帮助我们快速查询所需要的数据，减少数据的I/O吞吐，提高使用数据的效率，如宽表。 成本：极大地减少不必要的数据冗余，也能实现计算结果复用，极大地降低存储和计算成本。 效率：在业务或系统发生变化时，可以保持稳定或很容易扩展，提高数据稳定性和连续性。 质量：良好的数据模型能改善数据统计口径的不一致性，减少数据计算错误的可能性。数据模型能够促进业务与技术进行有效沟通，形成对主要业务定义和术语的统一认识，具有跨部门、中性的特征，可以表达和涵盖所有的业务。 大数据系统需要数据模型方法来帮助更好地组织和存储数据，以便在性能、成本、效率和质量之间取得最佳平衡！ 下图是个示例，通过统一数据模型，屏蔽数据源变化对业务的影响，保证业务的稳定，表述了数据仓库模型的一种价值： 二、数据仓库分层的设计 为了实现以上的目的，数据仓库一般要进行分层的设计，其能带来五大好处： 清晰数据结构：每一个数据分层都有它的作用域，这样我们在使用表的时候能更方便地定位和理解。 数据血缘追踪：能够快速准确地定位到问题，并清楚它的危害范围。 减少重复开发：规范数据分层，开发一些通用的中间层数据，能够减少极大的重复计算。 把复杂问题简单化：将复杂的任务分解成多个步骤来完成，每一层只处理单一的步骤，比较简单和容易理解。当数据出现问题之后，不用修复所有的数据，只需要从有问题的步骤开始修复。 屏蔽原始数据的异常：不必改一次业务就需要重新接入数据。 以下是我们的一种分层设计方法，数据缓冲区（ODS）的数据结构与源系统完全一致。基础数据模型(DWD)和融合数据模型（DWI与DWA）是大数据平台重点建设的数据模型。应用层模型由各应用按需自行建设，其中基础数据模型一般采用ER模型，融合数据模型采用维度建模思路。 三、两种经典的数据仓库建模方法 前面的分层设计中你会发现有两种设计方法，关系建模和维度建模，下面分别简单介绍其特点和适用场景。 1、维度建模 （1）定义 维度模型是数据仓库领域另一位大师Ralph Kimball 所倡导的。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能，更直接面向业务。 典型的代表是我们比较熟知的星形模型： 维度退化 星型模型由一个事实表和一组维表组成。每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。强调的是对维度进行预处理，将多个维度集合到一个事实表，形成一个宽表。 这也是我们在使用hive时，经常会看到一些大宽表的原因，大宽表一般都是事实表，包含了维度关联的主键和一些度量信息，而维度表则是事实表里面维度的具体信息，使用时候一般通过join来组合数据，相对来说对OLAP的分析比较方便。 （2）建模方法 通常需要选择某个业务过程，然后围绕该过程建立模型，其一般采用自底向上的方法，从明确关键业务过程开始，再到明确粒度，再到明确维度，最后明确事实，非常简单易懂。 以下是阿里的OneData的建模工作流，可以参考。 （3）优缺点 优点：技术要求不高，快速上手，敏捷迭代，快速交付；更快速完成分析需求，较好的大规模复杂查询的响应性能 缺点：维度表的冗余会较多，视野狭窄 2、关系建模 （1）定义 是数据仓库之父Inmon推崇的、从全企业的高度设计一个3NF模型的方法，用实体加关系描述的数据模型描述企业业务架构，在范式理论上符合3NF，站在企业角度面向主题的抽象，而不是针对某个具体业务流程的实体对象关系抽象。 它更多是面向数据的整合和一致性治理，正如Inmon所希望达到的“single version of the truth”。 当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。 雪花模型是对星型模型的扩展。它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的 "层次 " 区域，这些被分解的表都连接到主维度表而不是事实表。 雪花模型更加符合数据库范式，减少数据冗余，但是在分析数据的时候，操作比较复杂，需要join的表比较多所以其性能并不一定比星型模型高。 （2）建模方法 关系建模常常需要全局考虑，要对上游业务系统的进行信息调研，以做到对其业务和数据的基本了解，要做到主题划分，让模型有清晰合理的实体关系体系，以下是方法的示意： 以下是中国移动的概念模型的一种示例，如果没有自顶向下的视野，基本是总结不出来的： （3）优缺点 优点：规范性较好，冗余小，数据集成和数据一致性方面得到重视，比如运营商可以参考国际电信运营业务流程规范（ETOM），有所谓的最佳实践。 缺点：需要全面了解企业业务、数据和关系；实施周期非常长，成本昂贵；对建模人员的能力要求也非常高，容易烂尾。 3、建模方法比较 一般来讲，维度模型简单直观，适合业务模式快速变化的行业，关系模型实现复杂，适合业务模式比较成熟的行业，阿里原来用关系建模，现在基本都是维度建模的方式了。 运营商以前都是关系建模，现在其实边界越来越模糊，很多大数据业务变化很快，采用维度建模也比较方便，不需要顶层设计。 四、企业建模的三点经验 维度建模就不说了，只要能理解业务过程和其中涉及的相关数据、维度就可以，但自顶向下的关系建模难度很大，以下是关系建模的三个建设要点。 1、业务的理解：找到企业内最理解业务和源系统的人，梳理出现状，比如运营商就要深刻理解三域（O/B/M），概念建模的挑战就很大，现在做到B域的概念建模已经很不容易。 2、数据及关系的理解：各个域的系统建设的时候没有统一文档和规范，要梳理出逻辑模型不容易，比如运营商的事件主题下的逻辑模型就非常复杂。 3、标准化的推进：数据仓库建模的任何实体都需要标准化命名，否则未来的管理成本巨大，也是后续数据有效治理的基础，以下是我们的一个命名规范示例： 五、推荐三本书 总而言之，你可以把我的文章当成一个指引，具体还是要结合企业的实际去推进，但做事的时候要不忘建模的初心：即数据如何摆布才能提高支撑应用的效率，手段上不用区分什么先进不先进，好用就成。

　　1、《深入浅出数据分析》　　《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。　　2、《啤酒和尿布》　　《啤酒和尿布》的故事是营销届的神话，“啤酒”和“尿布”两个看上去没有关系的商品摆放在一起进行销售、并获得了很好的销售收益，这种现象就是卖场中商品之间的关联性，研究“啤酒与尿布”关联的方法就是购物篮分析，购物篮分析是沃尔玛秘而不宣的独门武器，购物篮分析可以帮助我们在门店的销售过程中找到具有关联关系的商品，并以此获得销售收益的增长！　　3、《数据之美》　　“数据被证实好比下一代计算机应用的‘因特尔内核"。在本书中，各业界领袖描述了他们的项目如何通过新的方式来驾驭数据的力量。对于任何对未来关于数据和问题解决感兴趣的读者来说，本书是必读的佳作。”　　——Tim O"Reilly, O"Reilly Media公司创始人兼CEO　　探索数据的范围可以多么广泛，其工作可以多么美丽！通过这部个人故事集合，在这个领域的39个最佳数据实践者阐释了他们如何为各种项目开发简单优雅的解决方案，包括从火星着陆探测器到Radiohead视频的制作……在本书中，你将：　　探索海量在线数据集时面临的内在机遇和挑战　　学习如何使用地图和数据“混搭”方式对都市犯罪趋势进行可视化　　发现“众包”和透明如何改进药物研究现状　　理解当新的数据和之前存在的数据交叠时如何向用户发送警告　　学习处理DNA数据的大规模基础设施　　4、《网络营销实战密码》和《SEO实战密码》　　这两个书是出自同一个作者——昝辉Zac。作为一个想做网络营销的新人，这两本书是很值得一看的。虽然和其他同类书籍一样，书中大部分都是偏基础性的东西，都是还是写的比较系统，比较真实，也比较实用。至少不像是教材那样的概念性的空谈。 　　关于SEO的书已经很多，但大都大同小异，其中最详细最实用的就是昝辉的这本《SEO实战密码》，还有一本国外的《SEO艺术》，这两本书也80%的内容是重合的，所以两者阅其一就足够了。　　5、《网站分析实战》　　如果不懂网站数据分析，那么做网站运营、营销工作都会很盲目，你也许浪费了太多的精力在没有价值的事情上。所以学习一下网站数据分析，学会从数据、从客观的角度思考问题，也是非常重要的。关于网站分析，这本书讲得还是非常全面，内容丰富，如果能有耐心完整的阅读一篇，一定会有很大收获的。

《深入浅出数据分析》（迈克尔u2022米尔顿 (Michael Milton)）电子书网盘下载免费在线阅读链接: https://pan.baidu.com/s/1WYY1Koug2gpuZYA4_B0ssg 提取码: sfsk书名：深入浅出数据分析作者：迈克尔u2022米尔顿 (Michael Milton)译者：李芳豆瓣评分：7.5出版社：电子工业出版社出版年份：2012-12-1页数：445内容简介：《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文之后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。本书构思跌宕起伏，行文妙趣横生，无论读者是职场老手，还是业界新人；无论是字斟句酌，还是信手翻阅，都能跟着文字在职场中走上几回，体味数据分析领域的乐趣与挑战。作者简介：Michael Milton将自己的大半职业生涯献给了非盈利机构，帮助这些机构解析和处理从赞助人那里收集来的数据，提高融资能力。Michael Milton拥有新佛罗里达学院哲学学位及耶鲁大学宗教伦理学学位。多年来，他博览群书，这些书籍虽字字珠玑，却枯燥乏味； 蓦然抬首， 深入浅出（Head First ）系列图书让他眼前一亮，他欣然抓住机会，写出了这本同样字字珠玑，兼振奋人心的书。走出图书馆和书店，人们会看到他在跑步、摄影，以及亲手酿制啤酒。

第一大类：理论类。 理论层面的书籍，比如《大数据时代》 、《数据之巅》 。 第二大类：技术类。 技术层面的书籍，比如《Hadoop技术内幕》系列。这一类的书籍，主要是指系统技术类，在构建大数据系统时，系统如何运作，各系统组件的设计目标、框架结构、适用场景、工作原理、运作机制、实现功能等等。这类书籍，适合于IT系统部，开发部的技术人员。他们需要明白系统的运作机制，利用系统来实现大数据的应用开发，以及系统运维优化等。 第三大类：应用类。 应用层面的书籍，比如《数据挖掘技术》 、《基于SPSS的数据分析》等等。 这一类的书籍，主要是指应用技术类，告诉你如何应用工具和方法，从海量数据中提取有用的信息，来解决真实的业务问题。这类书籍，适合于业务部门、市场营销部门及与业务结合比较紧密的人员。他们更关注业务问题的解决，围绕业务问题来构建分析和解决方案。

入门数据分析类师父领进门，修行在个人。下面这两本书是入门数据分析必看的书籍，也是检验自己是否真的喜欢数据分析。从0到1:《深入浅出数据分析》为什么是它？借用一位读者的评价“我家的猫都喜欢这本书！”01 内容简介以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。02 推荐理由书名已经很好地表现出了这本书的优点——“深入浅出”。忘记烦恼，这本书与现实世界紧密互动，让你不再只有枯燥的理论，并且将知识图形化，复杂的概念简单化。经典小黄书：《谁说菜鸟不会数据分析》是本很好的书，但看过之后，这本书就真一文不值了。01 内容简介很多人看到数据分析就望而却步，担心门槛高，无法迈入数据分析的门槛。《谁说菜鸟不会数据分析》努力将数据分析写成像小说一样通俗易懂，使读者可以在无形之中学会数据分析,按照数据分析工作的完整流程来讲解。02 推荐理由数据分析的入门极品，但真的很入门,优缺兼有。对于入门理解来说是绝佳选择,对之后的修炼还是不够的。建议之前全都是自己瞎摸瞎撞搞数据分析的同学进行阅读，颇有醍醐灌顶之感。分析工具类与数据分析相关的工具非常之多，我们常用的有Excel、PPT、SQL等。如果您想精通他们，直接在哔哩哔哩搜索聚数云海，即可找到相关优质课程。1.Excel大家常说的Excel，但是不要以为你很会Excel！Excel是所有职场人必备的办公软件。Excel功能非常强大，在数据量不是很大的情况下，基本上都能用Excel实现数据分析。推荐如下书籍：《Excel高效办公数据处理与分析》01 内容简介根据现代企业决策和管理工作的主要特点，从实际应用出发，介绍了Excel强大的数据处理与分析功能在企业决策和管理工作中的具体应用。02 推荐理由本书同时提供了大量需要你做的实例，学而不练是不存在的！《别怕，Excel函数其实很简单》01 内容简介《别怕，Excel 函数其实很简单》用浅显易懂的图文、生动形象的比喻以及大量实际工作中的经典案例，介绍了Excel最常用的一部分函数的计算原理和应用技巧,还介绍了数据的科学管理方法，以避免从数据源头就产生问题。02 推荐理由适合希望提高办公效率的职场人士，特别是经常需要处理分析大量数据并制作统计报表的相关人员，以及相关专业的高校师生阅读,小白需谨慎！2. SQLSQL是数据分析的基础，是想要学会数据分析能力的必备技能。那这里我只给大家介绍三本书，第一本书零基础入门，第二是进阶，第三本是SQL中的字典，话不多说，我们直接上架。《SQL基础教程》01 推荐理由介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法。书中通过丰富的图示、大量示例程序和详实的操作步骤说明，让读者循序渐进地掌握SQL的基础知识和使用技巧，切实提高编程能力。每章结尾设置有练习题，帮助读者检验对各章内容的理解程度。另外，本书还将重要知识点总结为“法则”，方便读者随时查阅。本书107张图表+209段代码+88个法则，是零基础进阶人士必备！SQL进阶：《SQL进阶教程》01 推荐理由本书是为志在向中级进阶的数据库工程师编写的一本SQL技能提升指南。全书可分为两部分，第一部分介绍了SQL语言不同寻常的使用技巧，带领读者从SQL常见技术，去探索新发现。旨在帮助读者提升编程水平；第二部分着重介绍关系数据库的发展史，把实践与理论结合起来，旨在帮助读者加深对关系数据库和SQL语言的理解。本书不适合小白！适合具有半年以上SQL使用经验、已掌握SQL基础知识和技能、希望提升自己编程水平的读者阅读。SQL辅导书籍01 推荐理由本书是麻省理工学院、伊利诺伊大学等众多大学的参考教材，由浅入深地讲解了SQL的内容，实例丰富，便于查阅。本书没有过多阐述数据库基础理论，而是专门针对一线软件开发人员，直接从SQL SELECT开始，讲述实际工作环境中最常用和最必需的SQL知识，实用性极强。有一定SQL基础的人士可以将它当做一本字典使用，遇到问题可以查找相应内用。3.Python“人生苦短，我用Python”。Python编程语言是最容易学习,并且功能强大的语言。但是很多人声称自己精通Python,自己却写不出Pythonic的代码，对很多常用的包不是很了解。万丈高楼平地起，咱们先从Python中最最基础的开始。《Python编程，从入门到实践》01 推荐理由本书最大的特点就是零基础完全不懂编程的小白也能够学习，新手想学习选它绝对错不了。知识点由浅入深循循渐进，并配有视频教程手把手教学,同时所需的软件也是免费的。本书也配有相关辅导书籍，有兴趣的话可以去看看，但是请记住，这本书是最核心的。《利用Python进行数据分析》01 推荐理由不像别的编程书一样，从盘古开天辟地开始讲起。这本书是直接应用到数据分析的，所以很多在数据分析上应用不那么频繁的模块也就没有讲。本书第二版针对Python 3.6进行了更新，并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。4.R语言R是用于统计分析、绘图的语言和操作环境。但是R是有一定难度的，没有基础的话请谨慎尝试！推荐书籍：《R语言入门与实践》01 推荐理由本书通过三个精心挑选的例子，深入浅出地讲解如何使用R语言玩转数据。将数据科学家必需的专业技能融合其中，教会读者如何将数据存储到计算机内存中，如何在必要的时候转换内存中的数据值，如何用R编写自己的程序并将其用于数据分析和模拟运行。案例提升类《活用数据：驱动业务的数据分析实战》01 推荐理由是一本用数据来帮助企业破解业务难题的实操书，有理论、有方法、有实战案例。具有业务驱动、案例闭环、思维先导、实战还原4大特色，同时在思路上清晰连贯，在表达上深入浅出，既能帮助数据分析从业者入门和提升，也能辅助企业各业务部门和各级管理人员做量化决策。《精益数据分析》01 推荐理由本书展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。30多个案例分析，全球100多位知名企业家的真知灼见，为你呈现来之不易、经过实践检验的创业心得和宝贵经验，值得每位创业家和企业家一读。

第一阶段：初识数据分析这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。踏踏实实的看完，课后习题不需要做，重点放在理解公式推导以及专业名字定义的理解上。第二星期：有了统计学基础，R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍，你不需要全部看完这本书，只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识～第三个星期：《深入浅出数据分析》这本书很大头，不是因为它内容多，而是因为它废话和插图多。很有意思的一本入门级别的教材，花一个星期好好的读一下，能学多少是多少。第四个星期：查漏补缺。经过前三个星期的学习，你一定有不少的疑惑或者遗忘了某些知识。不要着急，这个星期就是用来好好回顾一下你本月所学的东西，不懂的定义再看看，不会的代码再敲敲，不懂的知识再google一下～对了，再送你一个视频呗。讲的是如何利用EXCEL进行完整的数据分析流程：初识数据分析-720P.zip_免费高速下载第二阶段：升级你的技能第一个月只是让你对数据分析有一个初步的认识，你已经可以秒杀20%左右的人了（我瞎猜的）这个月就是要升级你的技能，在对已有的知识基础上做一个升华。本月任务较重，小伙伴需要动脑和动手的地方比较多。第一个星期：《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读，在一个星期之内能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～不要做笔记，因为你做的笔记大部分时间都是在抄书，没啥意思的。数据挖掘可不是记忆的东西，是要靠理解的！第二个星期：来来来，python大法学起来。正所谓 life is short, I use python. 不要问那种烂大街的问题：R和PYTHON哪个好。 等你都学了，你就再也不会问这个问题了。 《利用PYTHON进行数据分析》是你学习PYTHON的不二之选，对着书，着重学习numpy,pandas两个包！ 对了，也要学会怎么安装PYTHON这也是技术活！第三个星期：为毛感觉前两个星期啥也没学到？乱七八糟的！ 没事，这是正常的，难道你指望两个星期就能学完数据挖掘吗？ 在此，你已经有了一定的Python,统计学，数据挖掘基础知识，那么是不是能够讲它们组合起来用一用呢？ scikit-learn，你值得拥有。 看不懂没关系，先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。第四个星期：重复第三个星期的内容。对了，你是不是应该对R再做点事情呢？第三阶段：准备一个小小的毕业吧前两个月会过的很痛苦，很累，很烦躁！不用担心，你终于来到了第三个月，这个月与前两个月完全不一样，因为这个月会更加更加的痛苦！！在这个月，我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能，没有之一。作为这个星球上一个通用的语言，它的存在使得我们进行数据处理时大大的提高了效率。既然SQL学了，那也就学学mysql吧，这是一个存储数据的东西，你说它重不重要呢？ 这两个并不难学，稍微花点功夫就能入门了。本月重点是重复第二个月的工作啊，继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。怎么研究？ 这个还要来问我吗？ 书单都在上面了～ 看着书复习就行。 不要忘了那个神技：scikit-learn对了，如果你想去互联网公司投份简历，记得要把《网页分析》这本书好好的过一遍，相信我，你只要看一遍，就能打败百分之80 的面试官。因为他们压根看不起GA。你看，三个月入门数据分析师，并不是不可能嘛～～ 我敢说，你这三个月学到的知识已经可以击败一大半的所谓的数据分析师们了～～ Do not ask why, Just do it !!-

以下推荐一些从入门到精通——关于学习数据分析的书籍清单！入门篇《深入浅出数据分析》：大头书，HeadFirst系列，内容很浅，比较适合没有基础的人作为科普读物，适合快速入门；《统计数字会撒谎》：本文不涉及枯燥的数学公式与推理过程，通俗易懂，其实讲的都是统计学最基本的常识，可是却往往容易被人所忽视；《谁说菜鸟不会数据分析》：不错的工具类书籍。比较浅显，适合完全没有Excel或对Excel似懂非懂的人。 讲了一些方法论的东西，但是非常的简单，不太适合对Excel熟悉的读者；《深入浅出统计学》：帮你快速了解统计学相关的知识。进阶篇《MySQL 必知必会》：不到250页的小册子，实践性很强，基本没有什么理论的堆砌，完完全全就是一本实践指南，教会你怎么用SQL语句操作MySQL；《高性能MySQL(第3版）》：跟《MySQL必知必会》相似的书籍，主要讲解了MySQL的理论和实践知识；《数据化管理：洞悉零售及电子商务运营》：讲解在企业中应用数据的例子，读完受益匪浅，里面举的很多例子都很接地气，很值得数据分析师阅读学习。高级篇《统计学》（贾俊平，何晓群，金勇进著）：统计比较通用的入门教材了，也算是兼顾数学证明和应用，可读性没有上面强，但是也非常的通俗易懂，有很多统计学专业的起始教材也会选择这本。《Python数据分析》：作者对于利用Python进行数据分析有着很丰富的经验，因此写出的书也是深入浅出，让人很容易就能看懂。对一个热爱学习的数据分析师来说学一门数据分析处理的编程语言是一件很有用的事情。《Python数据挖掘入门与实践》：作为一个专业的数据分析师，实际上很多时候都需要用到模型。这本书作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，还是挺不错的一本书。

　　数据分析是一门专业且跨越多个领域的学科，我整理了数据分析师看的书，希望对你有所帮助： 　　数据分析师的必读书单：Excel 　 　《谁说菜鸟不会数据分析》 　　知名度比较高的一套书，适合新手，优点是它和数据分析结合，而不是单纯地学习函数。学会函数适用的场景和过程比它本身更重要。 　　是否需要学习VBA是仁者见仁的答案。我个人不建议。Excel VBA的最大优势是适用性广，哪怕去其他行业其他职位，都离不开Excel，这时候它就是一个工作加分的亮点。但是在互联网行业，对数据分析师，VBA的性价比就不高了。 　　这里只推荐一本，因为我就翻过上面这本，还没全看u2026 　　 数据分析师的必读书单：数据可视化 　　数据可视化的书不多。市面上多以编程为主，面向新手和设计的教程寥寥无几。 如果只是了解图表，看Excel的书籍也管用。 　　内容很丰富，涉及可视化的方方面面，也囊括更类编程语言和设计软件：Python+JS+R+Excel。作者还有另外一本书《数据之美》。 　　可视化是一门侧重灵感的学科，有一种入门技巧是从他人设计中学习，从模仿开始，了解他人是如何设计的，这个网络上有大量的信息图可以参考。当然数据分析师更需要的是如何发现，别只学习展示。 　　英文足够好，可以看Edward Tufte的著作：《The Visual Display of Quantitative Information》、《Envisioning Information》、《Beautiful Evidence》。他是数据可视化的领军人物，他的理念是反对为艺术效果而混淆或者简化数据。暂时没有中文版。 　　 数据分析师的必读书单：分析思维 　　《金字塔原理》 　　分析思维首推《金字塔原理》，金字塔原理有些人说它晦涩难懂，我认为是芭芭拉这个老太有骗稿费之嫌，本书包含了报告、写文、演讲等诸多内容。可以细看可以快看。另外还有一本同名案例集，有兴趣可以买。 　　另外麦肯锡相关的书籍还有《麦肯锡意识》《麦肯锡工具》《麦肯锡方法》等。 　　《深入浅出数据分析》 　　深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。厚厚的一本书翻起来很快。本书涉及的基础概念比较广，包含一点统计学知识，学下来对数据分析思维会有一个大概了解。 　　《精益数据分析》 　　国外的精益系列一直以互联网创业作内容导向，本书也属于此类。如果是互联网行业相关，可以看看。它介绍了不同领域的指标，以及产品不同时期的侧重点。案例都是欧美，这部分做参考用。 　　接下来的几本，是兴趣向读物。《黑天鹅》能拓展思维，讲叙了不确定性。《思考的技术》，大前研一的著作，也是咨询类经典。如果对咨询向的分析感兴趣，还可以看BCG系列，或者刷CaseBook。《批判性思维》，则是教你如何形成理性思维。 　 　数据分析师的必读书单：SQL 　　数据库有很多种，常见有Oracle，MySQL，SQL Server等。我推荐学习MySQL，这是互联网公司的主流数据库。以后学习Hadoop生态时，MySQL也是最接近Hive语法的语言。 　　MySQL不需要专门看书学习，因为数据分析师以查询为主，不需要考虑数据性能、数据安全和架构的问题。使用搜索引擎能解决90%的问题，我就是w3cschool学的。 　　《MySQL必知必会》 　　如果真想买书看，可以看这本，适合新手向的学习，看基础概念和查询相关的章节即可。网络上大部分MySQL都是偏DBA的"。 　　如果想深入，可以看《高性能MySQL》，对分析师没啥用。至于另外一个方向NoSQL，对入门者还是小众了些。 　　如果有余力，就学习正则表达式吧，清洗数据的工作就靠它了。 　 　数据分析师的必读书单：统计学 　　统计学是比较大的范围，分析师往后还需要学线性代数和矩阵、关系代数等。初学者不需要掌握所有公式定理的数学推导，懂得如何应用就行用。 　　《深入浅出统计学》 　　大概是最啰嗦的深入浅出系列，从卖橡皮鸭到赌博机的案例，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。书本注重应用和趣味性，数学推理一般。 　　《商务与经济统计》 　　国外的经典教材，已经出到第十二版了。国外教材都有丰富有趣的案例，所以读起来会比国内的轻松不少。如果你还在读书，不妨买这本看一看。 　　名字既然有商务与经济，所以书中辅以了大量的相关案例。书内容很多，看起来不会快，适合细读。 　　《The Elements of Statistical Learning》 　　稍微有一些难度的英文书籍，属于进阶版统计学，国外很推崇。如果要往机器学习发展，这本书可以打下很好的基础。 　　以上书籍的难度是逐步递增的。统计学是机器学习的基础，是概率、矩阵等实际应用。现在已经有很多统计工具，Excel的分析工具库、传统行业的SPSS、SAS以及R、Python等，使用过程都不用计算推导，大学考试才会考，现在都是计算机解决，轻松不少。 　　 数据分析师的必读书单：业务知识 　　不同领域的业务知识都不一样，这里以互联网举例。 　　《增长黑客》 　　增长黑客的概念就是随着这本书的畅销传播开来。增长黑客在国内即是数据分析+运营/产品的复合型人才。这本书好的地方在于拓展思路，告诉我们数据能够做什么，尤其是连AB测试都不清楚的新人。 　　实际涉及的业务知识不多，我推荐，是希望新人能够了解数据驱动的概念，这本算是我走上数据化运营的启蒙读物了。 　　《从零开始做运营》 　　知乎亮哥的书籍，互联网所有的数据都是和运营相关的，如果是新手，就以此学习业务知识。如果已经工作很多，就略过吧。

一、整体了解数据分析——5小时x0dx0a新人们被”大数据“、”人工智能“、”21世纪是数据分析师的时代“等等信息吸引过来，立志成为一名数据分析师，于是问题来了，数据分析到底是干什么的?数据分析都包含什么内容?x0dx0a市面上有很多讲数据分析内容的书籍，在此我推荐《深入浅出数据分析》，此书对有基础人士可称消遣读物， 但对新人们还是有一定的作用。阅读时可不求甚解，重点了解数据分析的流程、应用场景、以及书中提到的若干数据分析工具，无需纠结分析模型的实现。5个小时，足够你对数据分析工作建立初步的印象，消除陌生感。x0dx0a二、了解统计学知识——10小时x0dx0a15个小时只够你了解一下统计学知识，作为入门足够，但你要知道，今后随着工作内容的深入，需要学习更多的统计知识。x0dx0a本阶段推荐书籍有二：《深入浅出统计学》《统计学：从数据到结论》，要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至于具体的数学推导，学不会可暂放一边，需要用的时候再回来看。x0dx0a三、学习初级工具——20小时x0dx0a对于非技术类数据分析人员，初级工具只推荐一个：EXCEL。推荐书籍为《谁说菜鸟不会数据分析》，基础篇必须学习，提高篇不一定学(可用其他EXCEL进阶书籍)，也可以学习网上的各种公开课。x0dx0a本阶段重点要学习的是EXCEL中级功能使用(数据透视表，函数，各类图表适用场景及如何制作)，如有余力可学习VBA。x0dx0a四、提升PPT能力——10小时x0dx0a作为数据分析人员，PPT制作能力是极其重要的一项能力，因此需要花一点时间来了解如何做重点突出，信息明确的PPT，以及如何把各类图表插入到PPT中而又便于更新数据。10个小时并不算多，但已经足够(你从来没做过PPT的话，需要再增加一些时间)。具体书籍和课程就不推荐了，网上一抓一大把，请自行搜索。x0dx0a五、了解数据库和编程语言——10小时x0dx0a这个阶段有两个目标：学习基础的数据库和编程知识以提升你将来的工作效率，以及测试一下你适合学习哪一种高级数据分析工具。对于前者，数据库建议学MySQL(虽然Hadoop很有用但你不是技术职位，初期用不到)，编程语言建议学Python(继续安利《深入浅出Python》，我真没收他们钱??)。数据库学到联合查询就好，性能优化、备份那些内容用不到;Python则是能学多少学多少。x0dx0a六、学习高级工具——10小时x0dx0a虽然EXCEL可以解决70%以上的问题，但剩下30%还是需要高级工具来做(不信用EXCEL做个聚类)。高级分析工具有两个选择：SPSS和R。虽然R有各种各样的好处，但我给的建议是根据你在上一步中的学习感觉来定学哪一个工具，要是学编程语言学的很痛苦，就学SPSS，要是学的很快乐，就学R。不管用哪一种工具，都要把你学统计学时候学会的重点模型跑一遍，学会建立模型和小幅优化模型即可。x0dx0a七、了解你想去的行业和职位——10+小时x0dx0a这里我在时间上写了个”+“号，因为这一步并不一定要用整块时间来学习，它是贯穿在你整个学习过程中的。数据分析师最需要不断提升的能力就是行业和业务知识，没有之一。你将来想投入哪个行业和哪个职位的方向，就要去学习相关的知识(比如你想做网站运营，那就要了解互联网背景知识、网站运营指标体系、用户运营知识等内容)。x0dx0a八、做个报告——25小时x0dx0a你学习了那么多内容，但现在出去的话你还是找不到好工作。所有的招聘人员都会问你一句话：你做过哪些实际项目?(即使你是应届生也一样) 如果你有相关的项目经验或者实习经验，当然可以拿出来，但是如果没有，怎么办?答案很简单，做个报告给他们看，告诉招聘者：我已经有了数据分析入门级(甚至进阶级)职位的能力。同时，做报告也会是你将来工作的主要内容，因此也有可能出现另外一种情况：你费尽心血做了一个报告，然后发现这不是你想要的生活，决定去干别的工作了??这也是件好事，有数据分析能力的人做其他工作也算有一项优势。

想要入行数据分析需要学习以下三种技能1，SQL（数据库）处理海量的数据，数据来源于数据库，从数据库取数据，何建立两表、三表之间的关系，想要的特定的数据等，而这些是需要SQL解决的，所以SQL是数据分析的最基础的技能。2，统计学基础：数据分析的前提要对数据有感知，数据如何收集，数据整体分布是怎样的，如果有时间维度的话随着时间的变化是怎样的，数据的平均值是什么，数据的最大值最小值指什么，数据相关与回归、时间序列分析和预测等，这些也是需要统计学的技能才能做好的。3，Python或者R的基础：这是必备项，学会一门技术工具，是入门数据分析师的门槛。扩展资料一、数据分析方向数据挖掘方向：想要在一两个月内快速成为数据挖掘向的数据分析师很难，做数据挖掘必须要底子深基础牢，编程语言基础、算法、数据结构、统计学知识样样不能少。利用数据挖掘进行数据分析常用的3个方法：分类、回归分析、聚类等， 它们分别从不同的角度对数据进行挖掘。回归分析：回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。业务方向：需要对业务感知能力强，对数据十分敏感，掌握常用的一些业务分析模型套路，企业经常招聘的岗位是：商业分析、数据运营、用户研究、策略分析等等。二、入门数据分析的参考书籍推荐《增长黑客》、《网站分析实战》、《精益数据分析》、《深入浅出数据分析》、《啤酒与尿布》、《数据之魅》、《Storytelling with Data》。

数据分析——《深入浅出数据分析》《数据分析：企业的贤内助》数据挖掘——《数据挖掘概念和技术》下边三本是英文版：(1) J. Han and M. Kamber, Data Mining: Concepts and Techniques. 本书从数据库角度看待数据挖掘，强调效率（Efficiency）。按照本书观点，数据挖掘是从存储在数据库、数据仓库或者其他信息库中的大量数据中发现知识的过程。(2) I.H. Written and E.Frank. Data Mining: Practical Machine Learnings and Techniques. 本书从机器学习角度看待数据挖掘，强调有效(Effectiveness)。按照这本书的观点，数据挖掘是从数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。(3) D. Hand, H.Mannila and P. Smith, Principle of Data Mining. 本书从统计学的角度看待数据挖掘，因为统计学是一门数学，所以本书强调数学上的正确性(Validity)。按照本书观点，数据挖掘是分析（往往是大量的）数据集以找到未曾预料的关系，并以可理解又有用的新颖方式呈现给数据用户的过程。sc-cpda 数据分析公众交流平台 详细查看我资料

一、整体了解数据分析——5小时新人们被”大数据“、”人工智能“、”21世纪是数据分析师的时代“等等信息吸引过来，立志成为一名数据分析师，于是问题来了，数据分析到底是干什么的?数据分析都包含什么内容?市面上有很多讲数据分析内容的书籍，在此我推荐《深入浅出数据分析》，此书对有基础人士可称消遣读物， 但对新人们还是有一定的作用。阅读时可不求甚解，重点了解数据分析的流程、应用场景、以及书中提到的若干数据分析工具，无需纠结分析模型的实现。5个小时，足够你对数据分析工作建立初步的印象，消除陌生感。二、了解统计学知识——10小时15个小时只够你了解一下统计学知识，作为入门足够，但你要知道，今后随着工作内容的深入，需要学习更多的统计知识。本阶段推荐书籍有二：《深入浅出统计学》《统计学：从数据到结论》，要了解常用数理统计模型(描述统计指标、聚类、决策树、贝叶斯分类、回归等)，重点放在学习模型的工作原理、输入内容和输出内容，至于具体的数学推导，学不会可暂放一边，需要用的时候再回来看。三、学习初级工具——20小时对于非技术类数据分析人员，初级工具只推荐一个：EXCEL。推荐书籍为《谁说菜鸟不会数据分析》，基础篇必须学习，提高篇不一定学(可用其他EXCEL进阶书籍)，也可以学习网上的各种公开课。本阶段重点要学习的是EXCEL中级功能使用(数据透视表，函数，各类图表适用场景及如何制作)，如有余力可学习VBA。四、提升PPT能力——10小时作为数据分析人员，PPT制作能力是极其重要的一项能力，因此需要花一点时间来了解如何做重点突出，信息明确的PPT，以及如何把各类图表插入到PPT中而又便于更新数据。10个小时并不算多，但已经足够(你从来没做过PPT的话，需要再增加一些时间)。具体书籍和课程就不推荐了，网上一抓一大把，请自行搜索。五、了解数据库和编程语言——10小时这个阶段有两个目标：学习基础的数据库和编程知识以提升你将来的工作效率，以及测试一下你适合学习哪一种高级数据分析工具。对于前者，数据库建议学MySQL(虽然Hadoop很有用但你不是技术职位，初期用不到)，编程语言建议学Python(继续安利《深入浅出Python》，我真没收他们钱……)。数据库学到联合查询就好，性能优化、备份那些内容用不到;Python则是能学多少学多少。六、学习高级工具——10小时虽然EXCEL可以解决70%以上的问题，但剩下30%还是需要高级工具来做(不信用EXCEL做个聚类)。高级分析工具有两个选择：SPSS和R。虽然R有各种各样的好处，但我给的建议是根据你在上一步中的学习感觉来定学哪一个工具，要是学编程语言学的很痛苦，就学SPSS，要是学的很快乐，就学R。不管用哪一种工具，都要把你学统计学时候学会的重点模型跑一遍，学会建立模型和小幅优化模型即可。七、了解你想去的行业和职位——10+小时这里我在时间上写了个”+“号，因为这一步并不一定要用整块时间来学习，它是贯穿在你整个学习过程中的。数据分析师最需要不断提升的能力就是行业和业务知识，没有之一。你将来想投入哪个行业和哪个职位的方向，就要去学习相关的知识(比如你想做网站运营，那就要了解互联网背景知识、网站运营指标体系、用户运营知识等内容)。八、做个报告——25小时你学习了那么多内容，但现在出去的话你还是找不到好工作。所有的招聘人员都会问你一句话：你做过哪些实际项目?(即使你是应届生也一样) 如果你有相关的项目经验或者实习经验，当然可以拿出来，但是如果没有，怎么办?答案很简单，做个报告给他们看，告诉招聘者：我已经有了数据分析入门级(甚至进阶级)职位的能力。同时，做报告也会是你将来工作的主要内容，因此也有可能出现另外一种情况：你费尽心血做了一个报告，然后发现这不是你想要的生活，决定去干别的工作了……这也是件好事，有数据分析能力的人做其他工作也算有一项优势。

第一阶段：初识数据分析这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。踏踏实实的看完，课后习题不需要做，重点放在理解公式推导以及专业名字定义的理解上。第二星期：有了统计学基础，R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍，你不需要全部看完这本书，只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识～第三个星期：《深入浅出数据分析》这本书很大头，不是因为它内容多，而是因为它废话和插图多。很有意思的一本入门级别的教材，花一个星期好好的读一下，能学多少是多少。第四个星期：查漏补缺。经过前三个星期的学习，你一定有不少的疑惑或者遗忘了某些知识。不要着急，这个星期就是用来好好回顾一下你本月所学的东西，不懂的定义再看看，不会的代码再敲敲，不懂的知识再google一下～对了，再送你一个视频呗。讲的是如何利用EXCEL进行完整的数据分析流程：初识数据分析-720P.zip_高速下载第二阶段：升级你的技能第一个月只是让你对数据分析有一个初步的认识，你已经可以秒杀20%左右的人了（我瞎猜的）这个月就是要升级你的技能，在对已有的知识基础上做一个升华。本月任务较重，小伙伴需要动脑和动手的地方比较多。第一个星期：《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读，在一个星期之内能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～不要做笔记，因为你做的笔记大部分时间都是在抄书，没啥意思的。数据挖掘可不是记忆的东西，是要靠理解的！第二个星期：来来来，python大法学起来。正所谓 life is short, I use python. 不要问那种烂大街的问题：R和PYTHON哪个好。 等你都学了，你就再也不会问这个问题了。 《利用PYTHON进行数据分析》是你学习PYTHON的不二之选，对着书，着重学习numpy,pandas两个包！ 对了，也要学会怎么安装PYTHON这也是技术活！第三个星期：为毛感觉前两个星期啥也没学到？乱七八糟的！ 没事，这是正常的，难道你指望两个星期就能学完数据挖掘吗？ 在此，你已经有了一定的Python,统计学，数据挖掘基础知识，那么是不是能够讲它们组合起来用一用呢？ scikit-learn，你值得拥有。 看不懂没关系，先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。第四个星期：重复第三个星期的内容。对了，你是不是应该对R再做点事情呢？第三阶段：准备一个小小的毕业吧前两个月会过的很痛苦，很累，很烦躁！不用担心，你终于来到了第三个月，这个月与前两个月完全不一样，因为这个月会更加更加的痛苦！！在这个月，我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能，没有之一。作为这个星球上一个通用的语言，它的存在使得我们进行数据处理时大大的提高了效率。既然SQL学了，那也就学学mysql吧，这是一个存储数据的东西，你说它重不重要呢？ 这两个并不难学，稍微花点功夫就能入门了。本月重点是重复第二个月的工作啊，继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。怎么研究？ 这个还要来问我吗？ 书单都在上面了～ 看着书复习就行。 不要忘了那个神技：scikit-learn对了，如果你想去互联网公司投份简历，记得要把《网页分析》这本书好好的过一遍，相信我，你只要看一遍，就能打败百分之80 的面试官。因为他们压根看不起GA。你看，三个月入门数据分析师，并不是不可能嘛～～ 我敢说，你这三个月学到的知识已经可以击败一大半的所谓的数据分析师们了～～ Do not ask why, Just do it !!

第1本《谁说菜鸟不会数据分析入门篇》很有趣的数据分析书！基本看过就能明白，以小说的形式讲解，很有代入感。包含了数据分析的结构化思维、数据处理技巧、数据展现的技术，很能帮我们提升职场竞争能力。找不到工作的，学好了它，自然没问题。第2本《拯救你的Excel数据的分析、处理、展示（动画版）》一本用手机看的Excel操作书，大部分例子都配置了二维码，手机扫扫就能看，基本上可以躺着把书学了。所有数据的分析、处理也都带了职场范例（有会计、HR、销售场景），很贴合实际。拯救我们小白的Excel，职场加薪不是梦想！第3本《Excel图表之道：如何制作专业有效的商务图表》职场大牛的书，教我们做图表的，好看到不能再好看。可以设计和制作达到杂志级质量的、专业有效的商务图表。相信平时我们很难做到吧，看了你就知道，也许一切没那么难。第4本《绝了！Excel可以这样用：数据分析经典案例实战图表书》挺好的一个系列，都是Excle常用的技巧，适合销售和HR。也是职场故事，很接地气，带视频的，全都是Excel数据分析的常用理念和方法。第5本《深入浅出数据分析》深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。厚厚的一本书翻起来很快。本书涉及的基础概念比较广，包含一点统计学知识，学下来对数据分析思维会有一个大概了解。第6本《MySQL必知必会》如果真想买书看，可以看这本，适合新手向的学习，看基础概念和查询相关的章节即可。网络上大部分MySQL都是偏DBA的。第7本《深入浅出统计学》大概是最啰嗦的深入浅出系列，从卖橡皮鸭到赌博机的案例，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。第8本《网站分析实战》互联网不再是网站的天下，但是移动端依旧有Web，我们在朋友圈看到的所有H5活动、第三方内容等，都是依托网页实现。网站的数据分析依旧有存在空间，网站的数据指标还是能够指导我们运营！第9本《深入浅出Python》还是深入浅出系列，完全适合零基础的新人。需要注意的是，编程学习不同于其他知识，如果计算机基础不稳固，在使用中会遇到各类问题。知其然不知其所以然！第10本《Python学习手册》对于拥有编程基础的人，这本书系无巨细的有些啰嗦，不过对新人，可以避免不必要的坑。把它当作一本工具文档吧，当遇到不理解的内容随时翻阅。第11本《利用Python进行数据分析》这本书是你学习python不二之选，对着书，着重学习numpy，pandas两个包！每段代码都敲打一遍，千万行的数据清洗基本不会有大问题了。第12本《R语言实战》R语言的入门书籍，从数据读取到各类统计函数的使用。虽然没有涉及机器学习，依靠这本书入门R是绰绰有余了。第13本《统计学：从数据到结论》这本书是将R语言和统计学结合的教材，可以利用这本书再复习一遍统计知识。第14本《深入浅出SQL》带你进入SQL语言的心脏地带，从使用INSERT和SELECT这些基本的查询语法到使用子查询（subquery）、连接（join）和事务（transaction）这样的核心技术来操作数据库。到读完《深入浅出SQL》之时，你将不仅能够理解高效数据库设计和创建，还能像一个专家那样查询、归一（normalizing）和联接数据。你将成为数据的真正主人。第15本《数据挖掘导论》这本书绝对是一本良心教材，拿到手从第一章开始阅读，能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～第16本《算法导论中文版》本书将严谨性和全面性融为一体，深入讨论各类算法，并着力使这些算法的设计和分析能为各个层次的读者接受。算法以英语和伪代码的形式描述，具备初步程序设计经验的人就能看懂；说明和解释力求浅显易懂，不失深度和数学严谨性。上面的书籍都是PDF版视频教材的有：Python入门教程完整版（懂中文就能学会）资料Python入门教程完整版（懂中文就能学会）视频Mysql从入门到精通全套视频教程8天深入理解python教程大数据Hadoop视频教程，从入门到精通Python就业班Python标准库（中文版）数学建模0基础从入门到精通，全套资源0基础Python实战-四周实现爬虫系统麦子学院招牌课程[明星python编程视频VIP教程][200G](价值9000元)从零基础到数据分析师，帮你拿到年薪50万！炜心:xccx158

工具书：《XX年鉴》就可以查寻到历年的资料比如细分，历史年鉴，经济年鉴，统计年鉴，文艺年鉴，出版年鉴等扩展资料数据分析的核心是什么？是业务。通过业务的分析逻辑映射到数据分析的处理逻辑，而数据分析的工具则是帮我们实现结果的手段，在不同业务场景中都是通用的，所以我觉得有必要给大家推荐一下这篇硬核文章。一、《深入浅出统计学》网评说文科生都能看懂~如果你已经打算开始学习数据分析，统计学的知识必不可少，这本书浅显易懂，但知识点全面，包含了数据分析日常工作中，常用的技能点：统计量与概率分布、总体与样本、置信区间、假设检验、回归分析等等。二、《R语言实战》如果要用R语言做数据分析，建议读完我上期推荐的那本《深入浅出数据分析》之后，就开始读这本。从工具的安装，到具体分析方法在R语言中的实现，讲解详细，可操作性极强，是一本非常值得读的数据分析书。三、《利用Python进行数据分析》这本书的经典不用多说，稍有了解的人必然被推荐过。最经典的数据分析书之一。各种数据库的介绍详细全面，适合数据分析师进阶之前阅读，可以应对绝大多数的传统企业数据分析需要。四、《数据科学实战》这本书被誉为是“数据分析和机器学习间的桥梁”，对于做了一段时间数据分析工作的人，这无疑是进阶更高维度的好书，很难有一本书，能够让你从简单的数据分析平滑地过渡到机器学习和数据挖掘，这本书我认为是这方面做的最好的一本。五、《数据可视化》国内第一本数据可视化教材，如果你学习数据可视化，这本书正是刚需！是数据可视化的入门书籍，系统介绍了可视化的相关概念和常识，教材相对于工具书更为难读，但却能为你增长不少对可视化的认知。六、《数据可视化之美》这本书详细展示了可视化所能实现的功能以及如何使用它来改变世界。为此，请到了20多位可视化专家，他们从艺术家、设计师、评论家，到科学家、分析师、统计学家等等等等，细致的介绍了他们如何在各自领域内利用可视化进行工作。七、《数据挖掘导论》最近几年数据挖掘教材中，比较好的一本书，被美国诸多大学的数据挖掘课作为教材，因为个人觉得这本书对于初学者来说不太易读，所以放在最后，难度：中上。以上，推荐的书籍都可以当成工具书来使用，不管你是初学者还是进阶者，都是可以反复阅读的，小封希望能够在你学习数据分析的道路上有所帮助。

给题主推荐几本感觉还可以的书吧1、深入浅出数据分析：这本书的话，个人感觉挺简单的，内容基本上都有涉及，讲得也比较清楚。2、啤酒与尿布：这本书可能也听说，比较经典的案例，通过案例来说事情的。3、数据之美：这本书每章都解决一个具体的问题，实践感比较强吧，还有代码，对于理解数据分析的应用领域和做法有很大的帮助。这些数据都是入门级的，对于BI方面的理解还不错，还有一些国外的数据写得非常好，不过建议题主可以看原版，内容比较全面。

　　最近书读得太多连底儿都兜不住了，忍不住卖个骚，营销、文案、运营、数据、心理、创意、互联网、版权…… 让我一气儿嘚瑟个够。 　 　PART ONE 　　营 销 　　《市场营销》，科特勒 　　适合人群：三年工作经验及以上的大婊贝 　　阅读计划：每晚抽出1小时，一月左右阅毕 　　虽然是本理论书，但要是没个两三年实操经验，即使看了内容也记不住什么。相反地，有一定经验的人可以在书中找到“妙方”，比如我自己看到书中许多实例之后，蓦然发现一点，“用户要的不仅仅是便利体验，只能提供便捷服务的企业没有足够价值。” 　　《市场营销》从头到尾为你梳理了所有的知识点，特别适合在职场中用实力说话，但是对于某些具有歧义的知识点不能完全辨明的人。总之，对于那些想把野路子规范化的宝宝们很适用。 　　 《营销的16个关键词》，叶茂中 　　适合人群：想拓宽营销方面思路的人 　　阅读计划：阅读较轻松，可利用一个周末的空闲读完 　　这本最出彩的地方，在于书中大量特色实例，不少例子是你在其他地方没见过的，新鲜有趣还开阔思路。不过作为实操大型营销事件而闻名的叶茂中，在书里几乎不提自己的实操过程，也许是认为生动的例子比枯燥的流水线更能引人深思吧。 　　《16个关键词》里举了一个劝说吸烟有害健康的广告，让小孩儿找抽烟的大人借打火机。大人拒绝了，说抽烟对身体不好。小孩儿回道，“你知道担心我，那你自己呢?”——让犯错的人承认自己的错误很难，这个例子让我印象挺深刻。 　　《魔鬼经济学》，列维特和都伯纳 　　适合人群：寻求搭建和完善营销格局的炮友 　　阅读计划：全册4本，每月读完一本 　　营销的最高境界，我认为是“懂得”。不仅懂得用户不要什么，也同样知道他们想要什么。懂得市场，懂得社会，懂得企业。《魔鬼经济学》看似属于经济范畴的书籍，实际上由两个门外汉通过两双世俗的眼睛共同完成。这是一套抛开所有理论，只想“懂得”世界的探索之书。 　　两位作者总是给我别样的思路，“诶?这件事原来可以(应该)这样思考!” 用另一种眼光看待世界，其实只需要找出最普通和最简单的角度。全书一共四册，我目前看完三册，本本惊艳。 　 　PART TWO 　　文 案 　　《故事的解剖》，罗伯特·麦基 　　适合人群：写作积累了一定技巧但思路不够连贯的人 　　阅读计划：尽量在集中的时间内读完，每天3小时共计一周 　　《故事的解剖》不谈内容的规则，只谈其原理。原理，总是比规则更深一步。作者不谈怎样写故事，而是把故事拆分，从结构、事件、场景、幕各个环节阐述。 　　不仅限于故事的原理，还比如创意的原理，即“被感知”。能被感知的事物一定有其范围，也就是说，创意的确要有个圈。不提作者“好莱坞编剧教父”的荣耀，《故事的解剖》的确是挺贵的一本书，亚马逊网站上可以买，有时还会缺货，且买且珍惜。 　　 《金字塔原理》，芭芭拉·明托 　　适合人群：古今中外高矮胖瘦的文案人均适用 　　阅读计划：尽量在集中的时间内读完，每天3小时共计一周，好好做笔记 　　已经推荐过无数次《金字塔的原理》，这次也是一样。一般文字性的工作只靠苦逼呵呵地写字磨练，更讲究一种“感觉”，而没有系统学习方法。 　　《金字塔》完全冲破了这个概念，用非常强有力的逻辑思维把文字撰写的内容总结到位。它的万能公式“背景-疑问-冲突-答案”真是走到哪里都可以用，用得熟练以后也就烂熟于心了。还有演绎和归纳写、法的总结，分分钟把文案工作者变成物理学家和大学数学教授，侧面说明了拥有理科生思维对于文案益处多多。 　 　《Neil French》，Neil French 　　适合人群：为内容寻找观点和角度的苦逼文案人 　　阅读计划：书里文字不多，利用零碎时间阅读即可 　　小马宋的版本，他搜罗文案大师Neil Frech的作品并集合成书、高价卖出。书里有些内容需要结合时代分析，可惜小马宋全文没有一个备注，所以这本书看看电子书就好了。 　　Neil French非常抓人心，洞察力超强，他曾为Djarum雪茄写过广告语：“绅士们总是希望他们的亲密伴侣个子高挑，身材苗条，肤色如蜜，衣衫漂亮，理想的话，还要一点辛辣。但直到现在，也只有那些富裕的人一次供得起六个。” 没错，说的就是六只一盒的Djarum雪茄。能把雪茄的外形类比成妖娆女人的，真稀罕。 　　其他 　　文案的磨练不仅要靠文案大师和教授写作技巧的书籍，经典小说的情节和语言也能提升写作水平。 　　推荐《房思琪的初恋乐园》和《陌生女人的来信》。《房思琪》中小动作和人物心理的语言描绘非常之奇特，但仔细一想又是那么地恰到好处。我相信作者不是精神病人，只是比一般人敏感。而读《陌生女人》这类被改编成话剧并搬上舞台的小说，肯定错不了，原版小说也总是比舞台上的人物更生动。 　 　PART THREE 　　运 营 　　《运营笔记》，类延昊 　　适合人群：运营小白，欲锻炼运营思维 　　阅读计划：每天早上读一个章节，共8章 　　运营类书籍，我的评分普遍不高。个人觉得有些“科目”不必看书，去实践就好，比如运营。当然我也筛选了三本从思维、实操和全局对运营小白有益的运营类书籍。 　　类类公众号的文章我一直默默关注，相比于一篇文章的阐述，整本书的讲解显然费劲一些，这是大多数自媒体的通病。不过这不妨碍《运营笔记》当中的好观点，比如“为什么要把大部分时间用来维护20%用户?并不是因为只有20%用户才对企业有贡献，而是为了让20%的人带动另外80%的用户一起玩嗨。” 　　 《运营之光》，黄有璨 　　适合人群：运营小白，欲加紧运营实操 　　阅读计划：每天早上读半个章节，共6个章节 　　作为用户运营出身，类类的文章更偏思维，而黄有璨的《运营之光》更偏向实操。两人的书籍都很实在，这也是我之所以会推荐的其中一个原因。 　　《运营之光》概括全面，包括用户运营、新媒体运营、活动运营、App运营等有关运营的方方面面，适合小白们从0到1细细梳理。 　　 《新媒体运营与营销秘笈》，韦康博 　　适合人群：三年以内新媒体运营工作者 　　阅读计划：每天早上读一个章节，共12章 　　很赞同书里一个观点：新媒体营销既要考虑到某个事件会火的传播因素，也要避免触碰“不会火”的地雷，双管齐下。我也认为，欠缺考虑“不会火”的传播因素是大多数自媒体写不出10W+的真正原因。 　 　PART FOUR 　　数 据 　　《深入浅出数据分析》，米尔顿 　　适合人群：自媒体人 　　阅读计划：每天早上读一个章节，做笔记 　　很多自媒体，尤其是编辑出身的自媒体，压根不在意数据。即使有人关注到数据一项，关注点也总是和实际有偏差。所以我特别翻出之前看过的这本《深入浅出》。 　　《深入浅出》能教你学会怎样分析数据，比如怎样设置控制组，怎样管理混杂因素，还讨论了数据和经验相悖时，应该相信数据还是经验。很多数据类的书籍里都讨论过这个问题，包括下面那本《大数据时代》。 　　《大数据时代》，舍恩伯格 　　适合人群：互联网行业从业者 　　阅读计划：阅读轻松，连续每晚阅读1小时，一周搞定 　　自从人人都知道了“大数据”，就开始质疑它：大数据不够精确，有很多混杂数据不可能完全排除…… 任何事物都有利有弊，你还是得确切了解大数据的定义和发展，才有足够的底气去质疑它。 　　你知道大数据的核心是“预测”吗?你知道大数据和统计学的矛盾性吗?你知道数据也是财产吗?书中也明确了一点：大数据带给我们的是参考答案，而非最终答案。互联网离不开大数据，互联网人要懂得大数据。 　 　《数学之美》，吴军 　　适合人群：对数字毫无概念，又想提起兴趣的你 　　阅读计划：适合白天阅读，预计阅读时长为14小时 　　虽然我是理科生，无奈数学基础不好，一直对数字提不起兴趣。让我改变对数字态度的，就是《数学之美》。吴军的书读起来有一种科技感，但不乏味。他对待知识点到为止的方式真是让目标读者松了口气，毕竟写得太深入或太浅薄都容易让人反胃。 　　《数学之美》把数字和文字都看成是传递信息的媒介，人们对数字的戒心瞬间就松懈了。还有网络爬虫的原理，怎样抓取网络关键词等等，都有涉及。 　 　PART FIVE 　　心理/设计 　　《乌合之众》，勒庞 　　适合人群：古今中外高矮胖瘦的所有新媒体运营 　　阅读计划：阅读速度可以很快，但需时间消化文中的“前卫”观点 　　黑色封皮这版是精简版，我朋友当时买了另一版内容较全的《乌合之众》，肠子都悔青了，说是未删减版里有好多无关的废话。所以，建议大家还是买精简版吧。 　　《乌合之众》书里主要说的是群体心理，这些观点是我之前从未听过的，人群中的个人会变得更加暴力包括智商下降，每个观点光是听听就让人感到震惊。群体心理也是网民心理，只有了解群体心理以后才能做到领导群体的心理和网民的心理。 　 　《设计师要懂心理学》魏因申克 　　适合人群：想提高排版和配图技能的宝宝 　　阅读计划：共100个要点，每个要点建议阅读时长为5分钟 　　曾经在某几个平台讲课时，还有年初开始写的.部分文章内容，都借鉴了这本书的一些知识点。 　　推荐《设计师要懂心理学》这本书也有多次了，它给了我关于公众号排版和配图的思考，很多知识可以直接套用，比如最吸引人视觉的六件事有移动的物体，危险，人脸等等。排版和页面的心理学不仅设计师要懂，新媒体人也不能落下。 　 　《设计中的设计》原研哉 　　适合人群：对自我审美和创造力有要求的新媒体人 　　阅读计划：每天抽出零碎时间阅读 　　书里给我印象最深的一句话是，大脑在你身体的每一处。这话是深泽直人说的。艺术给人更震撼的享受，就是“身临其境”的结果，不像文字，只能看;也不像音乐，只能听。 　　《设计中的设计》图文并茂，书中选取的优质设计产品也是挺有意思的，总是不知不觉中就把一本正经书当成漫画书来看了…… 　　PART SIX 　　创 意 　　《赖声川的创意学》，赖声川 　　适合人群：创意初级选手 　　阅读计划：每天系统化阅读1个章节，16天阅毕 　　《赖声川》引用了一句话：改变道路最快速的方式就是改变目的地。这话不仅用来描述职场，在创意的产生过程中同样适用。创意就是通过“改变”想法而获得。 　　赖声川把本不可言喻的创意用一个等式表达了出来，等式左边是智慧，右边是技巧。智慧只能向内探寻，而一切能从外界环境中找到的，都只是技巧。 　　创意要向内看，要知道什么能做以及什么不能做;放下自我才会有创意…… 看了书里赖声川日常产出创意的方式，有种似曾相识的感觉，也许你看了同样会有这种感觉。 　　《像艺术家一样思考》，李明玉 　　适合人群：创意入门者 　　阅读计划：每天抽出零碎时间阅读，一周左右可以读完 　　一本分析名家名画的思考集，对于不了解艺术以及缺乏脑洞的人来说简直如获至宝。一般人不知道的创意法则，陌生法、放大法…… 都在李明玉分析画作的时候展现出来。 　　《蔚蓝诡计》路易斯和皮茨 　　适合人群：广告创意人 　　阅读计划：每天抽出零碎时间阅读，一周左右可以读完 　　和赖声川的创意学不同，《诡计》这本书一是从更高层的思维讲起，二是限定在广告圈，广告人看了会更加感同身受。我第一次进入作者的世界，只觉得他是个神经病，书里他说因为方案不通过，准备当着客户的面从楼上跳下。 　　到后来我觉得，《诡计》是一本让广告人重新审视自己的书，除了创意实例，还有价值观的扶正，和初衷的探寻。 　　其他 　　创意、设计、艺术三者相通，懂艺术的人很可能变身成为创意达人。前几天刚淘了两本80年代的老旧书，一本是阿恩海姆的《艺术与视知觉》，另一本是苏珊·朗格的《情感与形式》，两本都是教人怎样用逻辑去表述和感受艺术。 　　淘宝上购买复刻版比较便宜，想看正版书顺带收藏的，可以去孔夫子旧书网，价格大概60元左右。 　 　PART SEVEN 　　互联网/科技 　　《失控》，凯文·凯利 　　适合人群：互联网从业者 　　阅读计划：每日一小步，一月一大步 　　凯文·凯利的图书系列都可谓经典，他的另一本《必然》有这么一句：“我们从协作中受益越多，就会愈发欢迎政府中的社会化机制。未来的管理模式将会混合了从维基百科和瑞典民主社会主义模式中获取的经验。” 听到这里我是又喜又悲。 　　他总能从生物学中探索到科技的味道，他还是职场教导者，“如果你做实验知道它一定成功，你就学不到任何东西;如果你创业就知道一定成功，你就肯定没有任何创新。” 完全不出错，完全的肯定，是没办法创新的。 　 　《跨界》，腾讯科技频道 　　适合人群：需要行业指南的小婊贝 　　阅读计划：预计阅读时间15小时，建议系统化阅读 　　《跨界》明确了行业中一直存在却被误解的概念，就拿洞察需求的例子来说，其实就是分辨“更快的马”中，究竟“马”是需求?还是“更快”是需求?推及到“风口”概念，想必风口也是一种需求，而非见到风口就要飞的豪迈。 　　书里还提到“每一个细分领域，只有经历泡沫，才能奠定它商业成立的基础”，对这一点表示不能再赞同。《跨界》很多观点是深入思考过的，权威性没得说。 　 　《你凭什么做好互联网》，曹政 　　适合人群：互联网从业者，职场小白 　　阅读计划：内容少，预计两天完成 　　相比互联网从业指南，曹政的小黄书更像是职场进阶宝典：“拒绝很有道理的废话”“扩大心理舒适区的三个办法”，还有创业指南“数据分析和琢磨人性是商业思维的关键”;当然，互联网的内容也是有的，“信息公开透明是互联网的最大谎言”。 　　《你凭什么做好互联网》里的所有内容都符合曹政本人身份，他既处在互联网圈子，懂技术，懂职场，同时也正经历创业。所以，这本书更像是他的一本散文集。 　 　PART EIGHT 　　版 权 　　《著作权法》，王迁 　　适合人群：我的新媒体同胞们 　　阅读计划：集中在一月内读完 　　现在大号最怕的，恐怕就是图片版权人找上门来索要赔偿了吧?有些图片类公司就靠这行当混口饭吃，不过咱们也要做好自己，不侵权就没有麻烦事发生。 　　我早前写过一篇关于版权的文章，只是想说的太多，字数太有限，如果有时间的炮友们真心建议你们打开《著作权法》这本书，把内容从头至尾看一遍。 　　王迁这版实例很多，便于理解，书里的文字也比较口语化，不会像一般教科书一样枯燥无味，起码我自己读起来还是觉得挺有意思的。但要注意节制，不要想着一口气读完，否则会像我一样白天读夜夜梦，给自己太大压力反倒不利于吸收知识。

《运营控》、《从零开始做运营》、《参与感》、《定位》、《怪诞行为学》、《用户力》、《做自己》、《需求》、《思维导图》、《深入浅出数据分析》、《数据化管理》，这些书籍都是产品运营推荐看的书

1、技能一：理解数据库。还以为要与文本数据打交道吗？答案是：NO！进入了这个领域，你会发现几乎一切都是用数据库 来存储数据，如MySQL，Postgres，CouchDB，MongoDB，Cassandra等。理解数据库并且能熟练使用它，将是一个基础能力。2、技能二：掌握数据整理、可视化和报表制作。数据整理，是将原始数据转换成方便实用的格式，实用工具有DataWrangler和R。数据可视化，是创建和研究数据的视觉表现，实用工具有ggvis，D3，vega。数据报表是将数据分析和结果制作成报告。也是数据分析师的一个后续工作。这项技能是做数据分析师的主要技能。可以借助新型软件帮助自己迅速学会分析。3、技能三：懂设计说到能制作报表成果，就不得不说说图表的设计。在运用图表表达数据分析师的观点时，懂不懂设计直接影响到图形的选择、版式的设计、颜色的搭配等，只有掌握设计原则才能让结果一目了然。否则图表杂乱无章，数据分析内容不能良好地呈现出来，分析结果就不能有效地传达。4、技能四：几项专业技能统计学技能——统计学是数据分析的基础，掌握统计学的基本知识是数据分析师的基本功。从数据采集、抽样到具体分析时的验证探索和预测都要用到统计学。社会学技能——从社会化角度看，人有社会性，收群体心理的影响。数据分析师没有社会学基本技能，很难对市场现象做出合理解释。另外，最好还能懂得财务管理知识和心理学概况。这些都将会使你做数据分析的过程更容易。5、技能五：提升个人能力。有了产品可以将数据展示出来，还需要具备基本的分析师能力。首先，要了解模型背后的逻辑，不能单纯地在模型中看，而要放到整个项目的上下文中去看。要理解数据的信息，形成一个整体系统，这样才能够做好细节。另外，与数据打交道，细心和耐心也是必不可少的。6、技能六：随时贴近数据文化拥有了数据分析的基本能力，还怕不够专业？不如让自己的生活中充满数据分析的气氛吧！试着多去数据分析的论坛看看，多浏览大数据知识的网站，让自己无时无刻不在进步，还怕不能学会数据分析吗？拥有这些技能，再去做数据分析，数据将在你手里变得更亲切，做数据分析也会更简单更便捷，速成数据分析师不再遥远。扩展资料：企业对数据分析师的基础技能需求差别不大，可总结如下：SQL数据库的基本操作，会基本的数据管理会用Excel/SQL做基本的数据分析和展示会用脚本语言进行数据分析，Python or R有获取外部数据的能力，如爬虫会基本的数据可视化技能，能撰写数据报告熟悉常用的数据挖掘算法：以回归分析为主参考资料：数据分析师_百度百科

第一，学好基础统计学，让你的分析能力成为潜意识。任何分析能力都来自于对数据的解析，这个时候就更建议大家从基础的底子打起。因此这里推荐《统计学的学习方法》和《深入浅出统计学》这两本书。这两本书虽然比较枯燥，大多都是理论性的东西，但是在学完这两本书以后，能够让你塑造起一个优秀的分析框架和相关的理论知识。并且你在知道了相关的统计学原理之后要加以练习。这样不断练习出来的效果就是逐渐让你成为分析高手。俗话说得好，万丈高楼平地起，想提高自己的分析能力，就应该有相应的基础作为铺垫。这两本书可以有效地告诉你统计学它的本质是什么，在生活当中怎样去应用统计学。第二，《麦肯锡图表工作法》将给你完整的数据分析方法。在有了相应的分析基础理论作为铺垫以后。在这个阶段我们就要学会各种各样的数据分析方法，然后运用到现实生活当中，加强自己理论知识的理解。麦肯锡的图表工作方法就是一个非常经典的数据分析方法。通过将一件事情不断地分解和剖析，然后再用逻辑的方式将它们组合，得到一个更为直观更为简单的数据和结果。当然你也可以学习一些Excel的操作和相关的应用软件。结合这些工作软件技能和书中所描述的图表工作法，可以让你在数据分析的时候更加轻松。第三，《用数据讲故事》这本书可以帮助你怎样将数据分析的结果完整且简单地表达出来。俗话说得好事实胜于雄辩，当学会数据分析以后面对很多种结果，要将他们的重点表达出来，这就有一定的难度。而这本书说的就是怎样面对数据分析的结果。该书当中通过大量的实例告诉我们怎样运用数据，怎样将数据的结果完整且简单地表达出来，从数据结果当中看到有用的信息。

就题论题，还包括：1. Python 数据库连接库，例如MySQL 连接库的应用，这决定你的数据从哪里来。这里面涉及到sql语法和数据库基本知识，是你在学习的时候必须一起学会的。2. Python 做基本数据计算和预处理的库，包括numpy ，scipy，pandas 这三个用得最多。3. 数据分析和挖掘库，主要是sklearn，Statsmodels。前者是最广泛的机器学习库，后者是侧重于统计分析的库。（要知道统计分析大多时候和数据挖掘都错不能分开使用）4. 图形展示库。matpotlib，这是用的最多的了。说完题主本身 要求，楼上几位说的对，你还需要一些关于数据挖掘算法的基本知识和认知，否则即使你调用相关库得到结果，很可能你都不知道怎么解读，如何优化，甚至在什么场景下还如何选择算法等。因此基本知识你得了解。主要包括：1.统计学相关，看看深入浅出数据分析和漫画统计学吧，虽然是入门的书籍，但很容易懂。2.数据挖掘相关，看看数据挖掘导论吧，这是讲算法本身得书。剩下的就是去实践了。有项目就多参与下项目，看看真正的数据挖掘项目是怎么开展的，流程怎样等。没有项目可以去参加一些数据挖掘或机器学习方面的大赛，也是增加经验得好方法。