数据分析师入门必读书单
- 原创经验
- |
- 更新：
- |
数据分析是一门专业且跨越多个领域的学科，虽然有不少的平台或是视频网站上都有许多干货，但是如果有好书作为参考，对数据分析能力的成长更有帮助。这份书单权作入门级推荐，如果大家有更好的欢迎留言说明。我不能保证全部看过，毕竟基础书没必要看几本，但我尽量做到客观。建议大家根据自己基础挑选，不要贪多。
具体如下
-
思维篇：
《金字塔原理》
《金字塔原理》是一本讲解写作逻辑与思维逻辑的读物，全书分为四个部分。
第一篇主要对金字塔原理的概念进行了解释，介绍了如何利用这一原理构建基本的金字塔结构。目的是使读者理解和运用简单文书的写作技巧。
第二篇介绍了如何深入细致地把握思维的环节，以保证使用的语句能够真实地反映希望表达的思想要点。书中列举了许多实例，突出了强迫自己进行“冷静思维”对明确表达思想的重要性。
第三篇主要针对的对象是需要写研究分析报告的人士，以及需要对复杂的问题进行分析、提出结论供决策使用的人士。这一篇介绍了如何在解决问题过程中的不同阶段使用多种框架来组织分析过程，使写作者的思维在实际上进行了预先组织，从而能够更方便地应用金字塔原理。
第四篇介绍了一些演示技巧，能够写作者在以幻灯片等书面形式演示具有金字塔结构的思想时，能让读者或观众感受到金字塔结构的存在。
《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。
本书构思跌宕起伏，行文妙趣横生，无论是职场老手，还是业界新人，无论是字斟句酌，还是信手翻阅，相信都能跟着文字在职场中走上几回，去体味数据分析领域的乐趣与挑战。
《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。
-
技术篇：
《MySQL必知必会》
《MySQL必知必会》MySQL是世界上最受欢迎的数据库管理系统之一。书中从介绍简单的数据检索开始，逐步深入一些复杂的内容，包括联结的使用、子查询、正则表达式和基于全文本的搜索、存储过程、游标、触发器、表约束，等等。通过重点突出的章节，条理清晰、系统而扼要地讲述了读者应该掌握的知识，使他们不经意间立刻功力大增。
《深入浅出统计学》
《深入浅出统计学》具有深入浅出系列的一贯特色，提供最符合直觉的理解方式，让统计理论的学习既有趣又自然。从应对考试到解决实际问题，无论你是学生还是数据分析师，都能从中受益。
《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。
-
业务知识
《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。
《数据挖掘与数据化运营实战》
《数据挖掘与数据化运营实战:思路、方法、技巧与应用》是目前有关数据挖掘在数据化运营实践领域比较全面和系统的著作，也是诸多数据挖掘书籍中为数不多的穿插大量真实的实践应用案例和场景的著作，更是创造性地针对数据化运营中不同分析挖掘课题类型，推出一一对应的分析思路集锦和相应的分析技巧集成，为读者提供“菜单化”实战锦囊的著作。
作者结合自己数据化运营实践中大量的项目经验，用通俗易懂的“非技术”语言和大量活泼生动的案例，围绕数据分析挖掘中的思路、方法、技巧与应用，全方位整理、总结、分享，帮助读者深刻领会和掌握“以业务为核心，以思路为重点，以分析技术为辅佐”的数据挖掘实践应用宝典。
《数据实践之美》
《数据实践之美：31位大数据专家的方法、技术与思想》是数据技术领域具有里程碑意义的代表性著作。
由国内知名的数据技术社区天善智能领衔组织和策划，首次将来自百度、腾讯、IBM、埃森哲、Teradata、永洪科技、达观数据、神策数据、同程旅游等20余家国内外在数据和互联网领域的领头羊企业的31位数据专家(CEO、CTO、VP、技术总监、架构师、高级分析经理、咨询总监等)联合在一起。
注意事项
-
以上就是小编今天给大家整理发送的关于“数据分析师入门必读书单”的相关内容，希望对大家有所帮助。到这里，入门书籍推荐完毕，当然好书不嫌多，例如《数学之美》、《集体智慧编程》、《统计学习方法》等，有兴趣不妨阅读。上面的内容都吃透，不论是成为一名数据分析师，还是往后向机器学习、数据科学家、数据产品发展、都有了良好的基础。
