数据计算 统计学案例_从入门到进阶——优秀数据分析师必看的书单合集

自帆软君入驻知乎以来，在知乎上回答了很多关于数据分析的问题，为大家解答了很多疑惑。因此，经常有小伙伴私信问帆软君一些关于数据分析的问题，其中问的最多的就是：小白该如何入门数据分析行业？

其实不管是小白还是已经在数据分析这个行业的人，我们都要清楚的认识到数据分析师到底是干什么的，并且积极提高自己的职业能力。只有这样，才可以成为一名优秀的数据分析师，在数据分析的路上越走越远。

今天就给大家推荐一些想成为优秀的数据分析师必看的书籍，从初入门的小白到高级的数据分析师需要的专业书籍都囊括在其中，还清晰的列出了每本书的利弊处，希望可以对大家有所帮助。

一、数据分析小白入门系列

1、《深入浅出数据分析》

推荐指数：★★★★★

深入浅出系列应该是大多数数据分析师的启蒙读物，内容非常适合小白入门，虽然是入门级别的读物，比较简单，但基本的数据分析内容涉及全面，讲解的比较清晰，最后谈到了R语言。

• 优点：图文并茂，讲解丝毫不枯燥，阅读速度会很快；
• 缺点：内容太浅了，浅到了根本没有必要读第二遍的地步；

2、《谁说菜鸟不会数据分析》

推荐指数：★★★★☆

这本书不仅讲解了一些常见的通用数据分析技巧，还附带了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，整体来说有一定可读性，想入门Excel的同学必看！

• 优点：操作工具书，相当于一本Excel表哥表姐的入门指导书；
• 缺点：更偏excel，没有介绍数据分析的大体框架，因此书名一直被诟病；

3、《人人都会数据分析》

推荐指数：★★★★☆

从业务分析到数据分析职场，从EXCEL数据处理到可视化操作，这本书基本将整个数据分析的内容都讲了一遍，比较适合想要入行业务分析和转行的同学们阅读。

• 优点：内容全面而且十分系统，你想了解的数据分析知识都能从这本书里找到；
• 缺点：缺少实践操作和案例解读，理论性质十分强，易读性略低；

二、统计学入门系列

1、《赤裸裸的统计学》

推荐指数：★★★★★

很有意思的一本统计学入门读物，作者查尔斯韦兰本来是一名记者，所以写作技巧非常高，笔法幽默俏皮，着重阐明了统计学的关键概念，如概率、相关与回归分析，让人们一睹被误读数据背后的统计学奥秘。

优点：几乎每个知识点都有大量的例子进行说明，寓教于乐；

缺点：因为是国外著书，所以文中大量的例子可能对我们没有很大的参考意义；

2、《统计学习方法》

推荐指数：★★★☆☆

其实不应该把这本书归入入门系列，因为这本书中有相当多的公式证明、概念解释等等，其中虽然有一些晦涩难懂的地方，但是作为数据分析统计学的教科书是一点都不过分的，建议大家阅读三遍以上。

• 优点：本书精简不啰嗦，面面俱到，从原理上给你整得明明白白的，辅以适当的例子，没有多余的图表；
• 缺点：非工科生和统计学零基础的同学，需要不断查阅资料；

三、数据处理入门系列

1、《MYSQL必知必会》

推荐指数：★★★★★

sql入门必看的一本书，非常适合新手学习sql的一本工具书，翻译水平也很高，最深的内容涉及到了一些复杂查询和储存，适合学习者随时查漏补缺！

• 优点：简单精炼，阅读速度会很快，而且方便随时查阅
• 缺点：内容看起来简单，但是需要自己动手实操，要不然看完之后就索然无味

2、《干净的数据：数据清洗入门与实践》

推荐指数：★★★☆☆

由数据清洗开始窥窃数据分析，介绍了很多有意思的东西，轻松读物，适合没有编程基础的同学阅读学习！

• 优点：算是还可以的爬虫入门书籍，有技术讲解，最后也有案例说明；
• 缺点：内容过于杂乱，而且对于已经有编程基础的人来说非常简单，没有看的必要；

四、大数据分析进阶系列

1、《Hadhoop数据分析》

推荐指数：★★★★☆

大数据分析科学的必看读物，主要内容是集群计算和分析概述，为数据科学家深入了解特定主题领域铺平道路，从数据科学家的视角介绍Hadoop集群计算和分析。

• 优点：十分强悍的理论著作，比较亮点的地方是第一部分的分布式讲解；
• 缺点：翻译十分不友好！

2、《Spark大数据分析》

推荐指数：★★★★☆

一书针对使用Apache Spark框架执行批处理、互操作、图表、数据流分析，以及机器学习等不同类型的大数据分析项目提供了实用的指南。其中介绍了Spark core及其加载项库，包括Spark SQL、Spark Streaming、GraphX、Mllib，以及Spark ML。

• 优点：入门spark的教科书，没有什么阅读难看，通俗易懂；
• 缺点：具体的实际操作代码还是比较少，同时也没有提供比较好的分析数据；

3、《鲜活的数据：数据可视化指南》

推荐指数：★★★☆☆

《鲜活的数据：数据可视化指南》这本书是我最开始了解数据可视化看的第一本书，让我对数据可视化从一个看一团迷雾的小白白可以大概的了解到了一个轮廓。

• 优点：作者的可视化功底非常强，内容丰富，设计可视化的方方面面；
• 缺点：需要R语言基础；

五、高级数据分析系列

1、《机器学习》

推荐指数：★★★★☆

这本书用简单的语言把复杂难懂的机器学习算法解释清楚了，它将机器学习的基础理论与日常数据分析的实际工具相结合。

• 优点：对机器学习有一个很全面的解读和介绍，适合新手；
• 缺点：这本书已经比较老了，内容中有一些过时的地方；

2、《数据分析实战》

推荐指数：★★★☆☆

本书首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，避免纸上谈兵。

• 优点：商业数据分析领域必看的一本书，对其他行业借鉴意义不大；
• 缺点：R语言和代码部分的占比比较大，需要R基础；

六、数据化运营系列

1、《数据化管理》

推荐指数：★★★★★

本书从企业的一个个具体的需求出发，使读者对数据分析的了解循序渐进，将复杂的数据分析知识体系串成有机的整体。

• 优点：大量的企业经营案例，系统阐述数据分析的专业思路、方法和技能；
• 缺点：局限零售电商行业，其他行业借鉴意义不大；

2、《如何用数据解决实际问题》

推荐指数：★★★★☆

这本书整体非常通俗易懂，通过缜密的假设原因，推断可能问题，检验结论，到最后给出实际可操作的建议，这才是一个数据分析该有的流程。

• 优点：书中例子非常多，也非常有借鉴意义；
• 缺点：内容不算多，会有意犹未尽的感觉；

七、数据科学系列

1、《数据科学入门》

推荐指数：★★★★☆

虽然书名带着入门，但是这本书不太适合作为数据科学的入门书，可以作为泛读的东西翻一翻看看，对数据科学进行了一次系统的介绍。

• 优点：这本书能带着你把一些基础算法，从底层开始重构一遍，很基础；
• 缺点：每个概念不作推导，不作说明，直接抛出来后就跟上一堆代码，很不友好！

2、《数据科学实战》

推荐指数：★★★★☆

对具体算法细节未做深入探讨，但属于名副其实的实战，值得一读，尤其推荐六九两章的部分内容。

• 优点：翻译很过关，可以作为数据科学的启蒙之书！
• 缺点：不能用来入门算法，算法部分比较粗略；