本帖最后由 喝酸奶不舔盖 于 2024-2-27 17:09 编辑
本文和大家分享一些，数据分析不同模块的优秀书籍。如果有推荐的其他书籍，也欢迎大家留言交流。
一、数据分析思路篇 「思路篇」内容相对偏轻松，作为数据分析的入门菜，帮助大家吊起对数据分析的兴趣，对于新同学会有比较大的帮助。 《深入浅出数据分析》「难度：1星」：此书为「深入浅出」系列书籍之一。通过大量图片及有趣的案例，形象生动的展示了什么是数据分析，帮助大家在脑海中初步构建数据分析框架。 《谁说菜鸟不会数据分析（入门篇）》「难度：1星」：此书为「谁说菜鸟不会数据分析」系列书籍之一。介绍了数据分析的基本方法及应用过程，通过Excel为例进行阐述，同时展示了数据分析在职场中的价值。 《数学之美》「难度：2星」：作者吴军博士将高深的数学原理，通过通俗易懂的方式讲述出来，让非专业同学也能领略数学带来的魅力。例如：上学时学过的概率论与数理统计，都会在书中有所体现。 《用数据讲故事》「难度：2星」：本书围绕数据可视化，和大家讲述如何利用数据，选择合适的图表，输出有说服力的结论，从而达成有效沟通的目的。 《数据化管理》「难度：2星」：本书以零售业为背景，讲述了如何将数据方法论融合在具体的业务场景中，形成数据化管理模型，从而帮助企业提升效率。虽然业务场景是零售业，但万变不离其宗，我们可以探索其中的本质。
二、数据分析方法篇 「方法篇」推荐书籍，可以帮助大家提高数据分析能力，针对不同方向系统性学习。 《关键迭代：可信赖的线上对照实验》「难度：3星」：关键迭代是我看过的讲解AB实验比较清晰的一本书。作者根据微软、亚马逊、谷歌和领英运行的两万多个对照实验为基础，对实验的方法论和应用落地做了全景的介绍，同时兼顾了理论基础及案例输出。 《增长黑客-如何低成本实现爆发式成长》「难度：2星」：作者肖恩·埃利斯（Sean Ellis）于2010年提出了“增长黑客”一词，被称为“硅谷增长之父”。本书介绍了用户增长的流程及原理，以用户生命周期为时间轴，结合案例，讲述了各个阶段的注意事项。 《硅谷增长黑客实战笔记》「难度：2星」：通过书名「实战笔记」应该也能感觉出来，本书更加偏向于干货总结。确实，本书的内容比较偏实战，并且每章最后都附有可直接调用的表格模板，准备实操的同学建议学习一下。 《精益数据分析》「难度：3星」：本书以六种商业模式为例，挖掘不同商业模式中，数据需要关注的北极星指标及其注意事项。内容偏业务，对于渴望培养业务sense的数据分析师，会有比较大的帮助。
三、数据分析统计学篇 数据分析离不开统计学，分享一些有收获的统计学书籍。 《赤裸裸的统计学》「难度：2星」：本书将统计学融合到了生活中，阅读时不会有很大的压迫感，讲解的也是生动有趣，推荐给刚刚从事或者准备从事数据分析的同学。 《深入浅出统计学》「难度：3星」：此书仍为「深入浅出」系列书籍之一。本书内容涵盖的知识点比较全面，包括但不限于：概率计算、几何分布、二项分布、假设检验等。并且通过真实的案例，让你在学习的过程中不会乏味。 《统计学习方法》「难度：5星」：李航的「统计学习方法」，汇总了统计学重点知识，并且涵盖了机器学习的基础内容。虽然书的封面并不华丽，但内容却是干货满满，当然也有一定的难度，适合于有一定数学功底的同学学习。
四、数据分析技能篇 “工欲善其事，必先利其器”，工具的熟练应用是开展工作的前提，因此「技能篇」推荐几本觉得不错的工具书籍。 《SQL必知必会》「难度：3星」：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。本书深入浅出的讲解了SQL基础概念及应用语法，书籍比较薄，适合作为初识SQL的第一本书籍。 《Excel最强教科书》「难度：2星」：本书的优势在于完整且清晰。从痛点出发，讲述了Excel需要掌握的知识及技巧。一本书让你对Excel有较深入的了解，剩下的就是多多实操了。 《PPT要你好看》「难度：2星」：本书讲述了如何清晰的输出一份有逻辑的PPT。从构思、逻辑出发，到PPT的风格、版面，最后到色彩的搭配和排版，内容较为全面，同样适合萌新阅读。 《利用Python进行数据分析》「难度：3星」：本书的优势在于将功能与代码相结合，并且每块内容都解耦开，代码不会很长，易于阅读。核心定位于数据分析，因此主要讲解Pandas、Numpy、Matplotlib这三个数据分析库的应用。正如书名，学习过此本书的同学，基本就可以实现利用Python进行数据分析了。 《R语言实战》「难度：4星」：本书全面的讲述了R的核心应用点，内容非常全面。从安装R开始，到每一个模块的细节内容都涵盖在内。但由于此书相对比较厚，因此需要一些时间，边看、边实战、边吸收。 《鸟哥的Linux私房菜：基础学习篇》「难度：3星」：此书为「鸟哥的Linux私房菜」系列书籍开篇。此本书也是朋友推荐的，因为当时需要应用Linux操作系统，总体感知是讲解的比较清晰，且标注了需注意的细节。对于初识Linux的同学来说比较友好。
五、数据分析算法篇 数据分析的“进攻方向”以及“防守方向”，都离不开算法的支持。「算法篇」推荐几本学习机器学习比较好的书籍。 《机器学习实战》「难度：不看代码和公式推导2星；看代码和公式推导4星」：此本书是我看的第一本机器学习书籍，内容涵盖了分类、聚类以及回归问题，涉及面比较广。并且每种算法都会将原理、公式推导、代码实现相结合，深入啃一啃会有很多收获。 《数据挖掘导论》「难度：4星」：此本书从算法视角介绍了数据挖掘的主要原理和技术，内容非常全面，从数据预处理、预测建模、关联分析、聚类分析、异动检测、模型评估，挖掘全链路内容均有所涉及。由于书籍篇幅比较长，需要花一定时间慢慢吸收，并且由于涉及不少公式，因此阅读起来会有些难度。 《DEEP LEARNING深度学习》「难度：4星」：本书是由学界领军人物Ian Goodfellow、Yoshua Bengio和Aaron Courville合力打造，帮助大家入门深度学习的书籍。其内容从基础数学理论出发，逐步深入到深度学习各主题的腹地，揭开深度学习的面纱。建议大家先看前两本，再学习此本书，如果直接看难度会比较大。
六、数据分析可视化篇 作为全链路数据分析师，离不开数据的可视化，以及BI方面的知识。当然，部分大厂有其自身开发的BI工具。这里主要分享给大家数据可视化思维的书籍，可供参考。 《最简单的图形与最复杂的信息》「难度：3星」：本书梳理了图表展示的原则以及应用的规范，偏干货类书籍，建议有一定图表基础的同学学习，相信会有很大的帮助。
| 
