数据分析师工作有哪些适合入门和了解行业的书籍、视频？

书不在多，而在于精。下面从数据分析招聘要求的必须技能：统计学，Excel，SQL，业务知识，Python这5个部分来详细聊聊每一步如何去学习

• 第1步：统计学

1）统计学有什么用呢？请给我一个学习的理由

如果你打开招聘的职位要求，都会要求具有统计学的知识，这是因为统计学是数据分析、机器学习的基础知识，是必须要学习的。

然而很多人因为不明白学习统计学的意义是什么，统计学在生活中有什么用，而最终学的没有目的。下面的书会让你知道学习的意义是什么。

推荐理由：很多人感到统计学无聊，是因为从一开始就没有明白学习这门课的意义是什么，所以学下去的动力不足。《赤裸裸的统计学》可以让你了解学习统计学的意义什么？在日常生活中统计学有什么用？你也可以把它当作一本科普书来读。

2）如何深入学习统计学？

前面的书让你知道了学习的意义是什么，具备了统计学思维。接下来，就可以进一步学习统计学在数据分析中是如何使用的。

推荐理由：如果你是零基础，《深入浅出统计学》可以让你轻松愉快的学会，书里面有通俗易懂的案例，图文并茂，学习统计学不会那么枯燥。

推荐理由：适合有基础的人看。如果你之前学过些统计学，但是又还给了老师，那么，有一定基础的你，《商务与经济统计》可以深入了解统计学。但是，注意了，如果你是零基础，看这本书会有些困难。

• 第2步：Excel数据分析

这部分可以看我之前讲过的这个live可以快速掌握：怎样用 Excel 做数据分析？

• 第3步：如何使用SQL进行数据分析

推荐理由：零基础入门，只推荐一本书那就是《SQL基础教程》。这本书写的也是通俗易懂，里面的案例也很贴合实际应用。

有人会推荐《SQL必知必会》，其实这本书零基础的人看不懂，有基础的倒是可以把这本书当做一本字典来使用，遇到问题了，可以查找对应的内容。

对应的入门课程：

• 第4步：业务知识

数据分析是一个行业特征很明显的职业。如果你说自己想进入“互联网行业'，那就说明你还没想清楚到底要干什么。

因为互联网的存在是为了解决某个行业的问题（互联网+行业），比如滴滴、高德地图解决的是出行交通行业的问题（互联网+交通出行），小学英语在线平台vipkid解决的是教育行业的问题（互联网+教育），蚂蚁金服解决的是金融行业的问题（互联网+金融），饿了么解决的是餐饮行业的问题（互联网+餐饮）。

而这些行业都需要数据分析师，每个行业域的业务知识也不一样。你以后找的也是成为XXX行业的数据分析师。只有确定了行业，才能研究这个行业是什么，对症下药，这样成功转型的概率最大。

下面推荐几个行业的书，可以帮助你掌握该行业的业务知识，在面试中可以回答业务知识相关的面试题。学会面对一堆数据，正确分析的思路是什么。选择自己将要从事的数据分析所在行业的学习即可。

电商行业：《数据化管理：洞悉零售及电子商务运营》

游戏行业：《游戏数据分析实战》

网站：《网站分析实战》

HR行业 《人力资源与大数据分析》

金融行业：《消费金融真经：个人贷款业务全流程指南》

其他行业：国外作者肖恩的《增长黑客》

推荐理由：里面案例细节很多，可执行性很强，有理论有实践。其中的AARRR漏斗分析是经典的数据分析方法：一文看懂产品运营的分析方法

• 第5步：如何使用Python进行数据分析

Python毋庸置疑是人工智能时代排名第一的编程语言。学习Python分为两部分：

1）掌握Python基础语法

2）学会如何使用Python进行数据分析

推荐理由：如果之前没有学过编程，那么看其他编程的书会让你无聊，最后导致放弃。而《与孩子一起学编程》图文并茂，对于入门学习Python基础语法比较适合。

这本书的英文名是《Hello World! Computer Programming for Kids and Other Beginners》，比起中文名《与孩子一起学编程》来，区别在于这本书不仅仅适合于训练孩子对编程的兴趣，对于任何对编程有兴趣的人，都是不可多得的一本编程入门书。

推荐理由：前面的《与孩子一起学编程》可以帮助你学会Python基础语法。学会以后，就可以看《利用Python进行数据分析》学习如何使用Python进行数据分析了。

在知识的海洋里，一次小小的偶遇，可能就是你苦候良久的邂逅。

机器学习入门要看的书有哪些？

学统计学多年，目前是少儿编程培训行业的一名数据分析师，整理了一些关于数据分析师入门的相关问题及解答。

Q1：大数据是什么？

答：从海量的数据里进行撷取、管理、处理、并整理之后，获得你需要的资讯。大数据的特征归纳为4个“V”（量Volume，多样Variety，价值Value，速Velocity），或者说特点有四个层面：第一，数据体量巨大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；第二，数据类型繁多。比如，网络日志、视频、图片、地理位置信息等等。第三，价值密度低，商业价值高。第四，处理速度快。最后这一点也是和传统的数据挖掘技术有着本质的不同。

推荐阅读:大数据究竟是什么？http://www.199it.com/archives/167397.htm

Q2：大数据有哪些职位和工作机会？

答：大数据主要有以下职位：

1）数据分析师Data analyst：指熟悉相关业务，熟练搭建数据分析框架，掌握和使用相关的分析常用工具和基本的分析方法，进行数据搜集、整理、分析，针对数据分析结论给管理销售运营提供指导意义的分析意见。

2）数据架构师Data architect：对Hadoop解决方案的整个生命周期进行引导，包括需求分析，平台选择，技术架构设计，应用设计和开发，测试和部署。深入掌握如何编写MapReduce的作业及作业流的管理完成对数据的计算，并能够使用Hadoop提供的通用算法， 熟练掌握Hadoop整个生态系统的组件如： Yarn，HBase、Hive、Pig等重要组件，能够实现对平台监控、辅助运维系统的开发。

3）大数据工程师Big DataEngineer：收集和处理大规模的原始数据（包括脚本编写，网页获取，调用APIs，编写SQL查询等）；将非结构化数据处理成适合分析的一种形式，然后进行分析；根据所需要的和专案分析商业决策。

4）数据仓库管理员Data warehousemanager：指定并实施信息管理策略；协调和管理的信息管理解决方案；多个项目的范围，计划和优先顺序安排；管理仓库的各个方面，比如数据外包，移动，质量，设计和实施。

5）数据库管理员Database manager：提高数据库工具和服务的有效性；确保所有的数据符合法律规定；确保信息得到保护和备份；做定期报告；监控数据库性能；改善使用的技术；建立新的数据库；检测数据录入程序；故障排除。

6）商业智能分析员Businessintelligence analyst：就工具，报告或者元数据增强来进行传播信息；进行或协调测试，以确保情报的定义与需求相一致；使用商业智能工具来识别或监测现有和潜在的客户；综合目前的商业只能和趋势数据，来支持采取行动的建议；维护或更新的商业智能工具，数据库，仪表板，系统或方法；及时的管理用户流量的商业情报。

7）数据库开发员Databasedeveloper： 设计，开发和实施基于客户需求的数据库系统；优化数据库系统的性能效率；准备设计规范和功能单证的分配数据库的项目；对数据库系统进行空间管理和容量规划；建立数据库表和字典；参与数据库设计和架构，以支持应用程序开发项目；执行数据备份和档案上定期；测试数据库，并进行错误修正；及时解决数据库相关的问题；制定安全程序，以保护数据库免受未经授权的使用；评估现有的数据库，并提出改进建议的执行效率；开发用于数据库设计和开发活动的最佳实践。

推荐阅读

大数据人才战报：十大数据分析职业趋势https://cloud.tencent.com/developer/article/1102165

年薪至少20万，大数据人才到底值钱在什么地方？https://blog.csdn.net/likika2012/article/details/39371981

排名前20位的大数据职位及其职责，你能胜任么https://cloud.tencent.com/developer/article/1105016

Q3：大数据行业薪资多少？

答：大数据行业的薪资比一般行业薪资普遍较高，因为这个行业的人才供不应求。

薪资查询网站

看准网：http://www.kanzhun.com/salary/1062/

Q4：数据分析师怎么入门？学习周期要多久？

答:可以看一下国内知名互联网数据分析师的招聘要求，进行自我对照，即可知道需要做哪些准备。

数据分析师职位要求 ：

1. 计算机、统计学、数学等相关专业本科及以上学历；

2. 具有深厚的统计学、数据挖掘知识，熟悉数据仓库和数据挖掘的相关技术，能够熟练地使用SQL；

3. 三年以上具有海量数据挖掘、分析相关项目实施的工作经验，参与过较完整的数据采集、整理、分析和建模工作；

4. 对商业和业务逻辑敏感，熟悉传统行业数据挖掘背景、了解市场特点及用户需求，有互联网相关行业背景，有网站用户行为研究和文本挖掘经验尤佳；

5. 具备良好的逻辑分析能力、组织沟通能力和团队精神；

6. 富有创新精神，充满激情，乐于接受挑战。

如何快速成为数据分析师：https://www.zhihu.com/question/29265587

Q5、数据分析师入门书籍有哪些？

答：数据分析师入门书籍，首先得了解数据分析师的工作职责。概括来说就是需要知识：

理论类：统计学、概率论、大数据背景

《漫画统计学入门》涵盖了现代统计学的所有精髓：数据的汇总、整理；随机变量；伯努利实验；中心极限定理；假设检验；估计置信区间；林林总总，所有这一切都在书中用简洁、明了的文字和妙趣横生的插图加以了解释。

《概率论与数理统计》该课程是高等理工院校工科、经济、管理各专业的一门重要基础课程。通过本课程的学习，使学生掌握《概率论与数理统计》的基本概念、基本理论和方法，从而使学生初步掌握处理随机现象的基本思想和方法，培养学生运用概率统计方法分析和解决实际问题的能力。

语言类：SQL、R、Pathon （SQL基础一、SQL基础二）

工具类：excel、spss、sas

实践类：数据挖掘和数据分析案例和应用

Q6：数据分析师有国家认可的职业资格考试吗？

答：这个问题也经常有人问，但是大家都陷入了一个误区。有国内认可的证书吧？没有！既然数据分析在国内刚起步，很多企业都是在自己摸索前进，所以目前国内并没有类似CFA，注会等国家认可的证书。

证书的作用或许可以做一个敲门砖，但是大家不要陷入了这样的一个依赖，更不要被社会上靠打着唯一认证证书名义的机构所误导。了解自己最需要充电的内容，加强学习，方为上计。

目前国内比较有影响的是CDA和CPDA两个行业协会的认证标准。CDA是美国数据分析师行业协会，CPDA是北京商业协会的；CPDA偏战略投资、金融、项目管理这块，CDA偏统计基础，数据挖掘算法方面，互联网应用。二者讲的数据分析工具差不多，差别主要在于教学思路，CDA更侧重应用和实践。

获取CDA数据分析师等级认证证书，则需要参加全国统考，一年两次，此认证证书为CDA数据分析师唯一认证证书，可以作为企业事业单位选拔和聘用专业人才的任职参考依据。

Q7：那么如何培养对数据分析的兴趣呢？

A：建议如下：

1、先了解数据分析是神马？

2、了解数据分析有何用？可解决什么问题？

3、可以看看啤酒与尿布等成功数据分析案例；

4、关注数据分析牛人微博，听牛人谈数据分析；

5、多思考，亲自动手分析实践，体验查找、解决问题的成就感；

6、用好搜索引擎等工具，有问题就搜索，你会有惊喜发现；

7、可以看看@李开复 老师写的《培养兴趣：开拓视野，立定志向》；

有网友说：让数据分析变的有趣的方法是，把自己想象成福尔摩斯，数据背后一定是真相！

Q8：请问现在国内做数据分析行业需要精通SPSS、SAS之类的统计软件吗 ？

A：不同公司不同职位要求都不一样，虽然大部分公司的招聘要求有提到要求会SPSS、SAS之类的统计软件，但是实际工作中还是以EXCEL居多，只有少数公司在工作中才常用到SPSS、SAS。

另外分享一网友@AC不米兰微博感想：

其实对绝大多数财务人员和管理人员而言，excel用到透视表已经可以解决95%的问题了吧，宏什么的属于炫技式用法。重要的是数据设置时的逻辑关系。还有一个重要的是分析结果的展示方法。

Q9：如果我想系统的学习数据分析，有哪些途径？或者课程呢？可以给我们一些建议吗？

A：可看小黄书《谁说菜鸟不会数据分析》，其目录基本上就是数据分析体系，按这个思路学习，先了解数据分析是神马？了解数据分析有何用？可解决什么问题？最后就是参加CDA数据分析培训，系统的了解数据分析

然后再根据实际所需进行实践积累。

最后可以通过一下问题，检测一下自己：随着经济和技术的发展，数据分析越来越得到大家的重视和普及。从事数据分析工作的朋友也越来越多，但有谁敢说自己对数据分析有个清晰的认识？知道数据分析是做什么用的？可解决什么问题？能用简洁的语言回答下列问题吗？这时候你还敢大声说你是做数据分析的吗？

Q10：现在我在学EXCEL函数，想知道EXCEL学到什么程度，才能做数据分析？ 2.EXCEL数据分析的相关案例，可以介绍一下吗？

A：EXCEL函数不需要学的多，只要抓住核心的几个，《Excel 2007/2010表格基础入门和常用函数视频教程》《Excel2010数据透视表教程》视频教程都介绍了核心的函数，EXCEL数据分析的相关案例也在视频中有介绍。

Q11：我想知道想要从事数据分析这方面的工作，我现在应该找什么类型的公司和实习岗位来积累经验呢？

A：建议是互联网、移动互联网、游戏、通信类的企业，因为这些类型的公司是数据都较为庞大，并且也较为重视数据分析工作的公司。

不过先想清楚自己以后所要从事的行业，然后在有针对性的实习，这样可以累积行业经验，加深对行业及业务的理解，应为毕竟数据分析的前提是要熟悉行业及业务。如果你熟悉了业务，你看到的不在是简简单单的数据，而是看到数据后面所隐含的信息。

举个案例：某公司面试官发了这么一条微博：问他擅长什么，答数据分析，于是给他一堆数据，5分钟后问他，答约，可以分析出标准差，离散度……再追问，分析这些的意义是什么，答曰：可以知道样本数据的标准差，离散程度……

Q12：统计专业毕业可找什么工作呢？

A：没有限制，基本上什么工作都可以做，只要你愿意去，对方公司也愿意要你即可，如有统计毕业的网友当猎头的、考公务员、做销售、编程序、编辑、记者、策划、培训师、会计、HR、作家、创业等等都有，当然还有从事图书管理员的，余世维说过这份工作是世界上压力最小的工作，每天正常上下班，最多担心书被顺手牵羊，有兴趣可考虑，所以说不管什么专业，基本上什么工作都可以做，更何况学统计

本科统计知识学好了，知道怎么用，会用统计分析软件，知道各结果参数的意义，会从业务的角度解释和使用统计分析结果，解决业务问题。

找什么样的工作，用网友一个公式来说，就是：学习力+执行力+热情，即学习+能力+兴趣。

找工作关键要与自己兴趣相结合，并且能快速学习、有能力完成。这样就如网上的段子所说：不管你学什么专业，找工作一定要找个你喜欢的，这样你每天早晨六点到晚上八点都是高兴的。再找个喜欢的人在一起，这样晚上八点到早晨六点就是开心的，这就是生活。

当然如果说比较对口的工作，只要有数据的地方就需要用到数据分析，但目前不是所有公司都重视数据分析，目前国内IT、互联网、移动互联网、游戏、通信、金融、医药类等行业较为重视数据分析，并且这些类型的公司是数据都较为庞大，发挥空间大。当然其他行业也逐渐开始重视数据分析，如服装行业等，上招聘网搜索“数据分析”、“统计”等关键词就可知道哪些公司，哪些行业再招相关人才。
这里稍微整理了下统计学专业对口的职业（不同行业、不同公司职位名称叫法不一，仅作参考）：

1、 市场研究员

2、 咨询分析师

3、 数据分析师

4、 数据挖掘分析师

5、 统计分析师

6、 市场分析师

7、 行业分析师

8、 经营分析师

9、 运营分析师

10、 业务分析师

11、 商品分析师

12、 精算师（证书据说比较难考）

13、大学统计老师

14、 BI（偏统计分析方向）

15、其他（欢迎大家补充）

相关行业：咨询、IT、互联网、移动互联网、游戏、通信、金融、医药类。

所以找工作前，先明确自己的兴趣以及能力，知道自己几斤几两，然后再有正对性的积累理论知识、相关经验，以便快速找到合适自己的工作。

Q13：怎么知道自己是否适合做数据分析？

A：第一、兴趣

无论什么工作兴趣最重要，要做数据分析师最基本的就是不讨厌数字，如果你跟他讲那个指标是通过怎么样的乘除加减得到的，他会觉得不耐烦，那么显然他不适合做数据分析；如果对数据较敏感，能够一眼发现异常值，数据分布情况，当然是最好的。

第二、逻辑清晰

再则就是逻辑性，可以让他试试爱因斯坦的那道经典的逻辑题，看看能否解出来，需要多久；逻辑思维对数据分析尤其重要，不然会被各种指标的定义规则、与业务的联系纠结死，逻辑思维好的人写SQL等数据处理脚本也会更加高效。

第三、业务理解

接着是业务理解能力，最简单的就是让他定义下网站的目标是什么，哪些指标可以作为KPI，用户从进入网站到达成网站目标的整个过程是怎么实现转化的，能否画出业务流程图。（宏观层面，不要深入细节）

如果偏技术则需要懂一些数据库结构和SQL，如果偏展现需要考验下对图表的掌控能力，什么时候用什么图表合适，甚至如何配色。

第四、细心、耐心和沟通

最后就是细心、耐心和交流能力，做数据分析有时会很纠结，细心和耐心是必需的，好的交流能力可以让数据分析师更好地阐述清楚各类问题。

这些都是比较基础的东西，也是短期难以培养起来的技能。至于另外业务相关的一些知识，可以通过培训获取，问一个未接触过你的网站业务的人一些业务知识其实有些不公平，其实如果具备上面几点，一旦熟悉网站和业务之后，一定会成为优秀的数据分析师。

Q14：数据分析师会遇到哪些困难呢？

A：可以参考下最伤数据分析师的几句话：

1、你这个数据不对吧；

2、数据换个口径重新跑一遍；

3、你们做的一大堆数据，有啥用呢？无法落地；

4、怎么数据还没跑出来；

5、报告一点逻辑都没有；

6、报告一点业务深度都没有；

7、报告看不懂；

8、报告看懂了但没用；

9、报告再改改；

10、全是基础数据堆彻，没有重点，没有分析和结论！

以上问题在工作中可能会遇到，要尽量避免及做好心理准备！一句话：数据分析师伤不起！

Q15：如何学习SQL？需要用哪个数据库来学习？

A：SQL是各数据库通用的语言，只是各数据库上在某些SQL语法上略有区别，用哪个库学习都可以，建议初学者先用ACCESS学习SQL，因为Access数据库相比Oracle等其他关系型数据库具有以下两大优势：

①操作界面友好，易操作。

Access与Excel、PowerPoint、Word都是微软Office产品，只要熟悉Excel、PowerPoint、Word中的任一款软件就能，即使没有数据库经验，Access也能快速上手。Access风格与Windows完全一样，用户想要生成对象并应用，只要使用鼠标进行拖放即可，非常直观方便。并且作为Office办公软件的一部分，可以与Office其他软件集成，实现无缝连接。

②Access查询处理可直接生成相应的SQL语句。

通过Access查询向导设置好需要的表关联及查询条件，单击“SQL视图”，即可获取相应的SQL语句，无须重新编写，因为是自己操作过的，就更容易理解生成的SQL语句。在此基础上，还可以进行简单的调整、优化，即可转化为所需的SQL语句，方便快捷。

建议初学者先学习《谁说菜鸟不会数据分析（工具篇）》第一章，它就是基于ACCESS数据库介绍SQL在数据处理与分析上的应用，这样能很快上手SQL，上手后可再根据自己的需求再翻阅专业的SQL教程扩展学习以及使用其他关系型数据库。

以上希望对你有所帮助～

其他答主回答里的荐书质量还是非常高的。本文会以数据分析师分析问题的角度推荐相关书籍。

整体荐书流程大致会以：数据分析全概览/入门 - 数据分析体系（宏观）- 数理基础（微观统计）- 数据分析技术向来操作。

日常数据分析核心流程与上述荐书流程对应：问题界定（数据分析体系）- 问题拆解（数据分析体系）- 问题分析（数理基础和数据分析技术向）。

这边说下答主的理解，大家如果看完数据分析全概览，知道了数据分析是什么，怎么做，然后能够理解并灵活运用第二部分的数据分析体系，基本算已经是一个60-70分的数据分析师了；然后懂些数据分析编程，基本能达到80分的水平（基于大家稍微有点统计学知识）；最后补住统计学部分，应该90分是有的。

一、数据分析全概览/入门

第一部分其实算宏观概览，即推荐的是能够从整体上感知数据分析师的日常工作类的书籍。

《谁说菜鸟不会数据分析 (豆瓣)》

推荐指数： 四颗星

这一本是入门级的科普书籍，基本上把数据分析的全流程都以比较趣味和实例展现开来。不过可能由于自身本来有基础，因此对这本书感触不深。可以作为闲时书籍或者真入门级书籍读一读。

《深入浅出数据分析 (豆瓣)》

推荐指数： 五颗星

如果大家对数据分析有一定的认识，或者日常业务中有接触过数据分析，那会建议看这本《深入浅出数据分析》，深入浅出系列都是以非常趣味并且专业的角度进行数据分析介绍。

《数据化管理-洞悉零售及电子商务运营》

推荐指数： 五颗星

这本书强烈推荐！！虽然是基于电商和零售页的数据分析全流程书籍，但是第一遍读的时候真的给我感知到了数据分析的核心作用、方法逻辑等的，作为入门了解数据分析的工作流程、逻辑是非常有帮助的书籍。嗯，最近打算读第二遍。

二、数据分析体系 / 宏观

这一阶段的目的是需要大家能够搭建对于日常业务的分析体系，知道目标是什么，怎么拆解目标和流程。

2.1 数据分析向

《数据化管理-洞悉零售及电子商务运营》

推荐指数： 五颗星

为什么推荐第二遍？？主要还是觉得这本书真的不错，另外大家这一遍可以从目标拆解的角度来进行学习，知道如何基于一个大目标，拆解成小目标然后逐个分析异动。

三节课·商业分析

推荐指数： 四颗星

这应该不算打广告吧哈哈哈，可能是因为答主一直没有读到更加合适的互联网向基于指标拆解和漏斗拆解的书籍，正好在听三节课的商业分析课程，觉得内容还是不错的，可以学习一套基于指标拆解和漏斗拆解的数据分析体系。当然如果有朋友知道市面上比较好的这方面书也欢迎评论区回复下，答主也去学习学习。

《 精益数据分析 (豆瓣)》

推荐指数： 四颗星

这本书开始就不仅仅是数据分析了，会结合商业模式来分析相关内容，是一本方法论级别的数据分析书籍。

《高效能人士的执行4原则 (豆瓣)》

推荐指数： 五颗星

如果说之前的书籍是分析向的数据分析推荐书籍，那么这本数据目标向的核心推荐书籍。这本书会交大家如何基于公司核心目标，拆解各部门目标；然后基于各部门目标，寻找关键指标（行为指标），通过建立适用于执行层的数据监控体系和会议复盘体系来不断推荐公司目标的达成。非常棒的一本书，强烈建议大家可以读一读。

2.2 数据分析底层架构向

好，经过上述两本书 + 一门课程，这时候大家应该有了一定的数据分析体系，接下来基本书会慢慢从数据分析向咨询进阶。由于答主是vc出身，并且当时周围都是咨询向的小伙伴，因此感知上咨询的方法其实也是数据分析的底层架构级方法。看过不少的JD，也发现一些Top机构找数据分析/商业分析的时候也喜欢从咨询机构找（这也说明了对数据分析来说，技术不是根本的核心竞争力，思维方法才是！）

《麦肯锡问题分析与解决技巧 (豆瓣)》

推荐指数： 五颗星

这本书主要教大家如何去发现问题（老板提的问题也许不是核心问题），界定问题，分析问题。这其实才是数据分析师（咨询）第一步需要解决的问题。如果连问题都不知道是什么，完全就没有分析可言了。

另外书中还有一个叫做MECE的概念，也是数据分析（咨询）的核心分析方法。

《金字塔原理 (豆瓣)》

推荐指数： 五颗星

在分析层面的数据分析体系、方法论层面的核心原则学习完之后，还是建议大家回到最核心的地方，去搭建自己的核心方法论。金字塔原理也是一本非常棒的方法论书籍，会教大家如何更结构化的去思考问题，做到MECE。

这阶段结束，大家应该就会

1. 形成基于结构化的思维模式，通过MECE、金字塔原理等方法去分析老板或者业务上的问题。
2. 做到定位问题、分类问题、拆解问题。
3. 接着基于自我的数据分析体系来对拆解后问题提炼核心指标，建立漏斗，MECE化拆解维度。

ok，那么第四第五步是什么呢？就是：

第四步：基于统计学方法来分析最终拆解的关键漏斗和维度信息，

第五步：然后通过编程语言来实现全过程，最终解决问题。

三、梳理接触（微观统计）

这块比较坑，因为数理统计虽然是大学三大基础课程，但是坦白讲理解上难度也比较大，特别是理论基础以及同业务向结合两块上。

《深入浅出统计学 (豆瓣)》

推荐指数： 四颗星

好的，我们深入浅出系列神书又要来带大家入门了。刚说了统计学有两大难点，第一是理论基础。理论基础大家知道它可能难，但也知道怎么去学，所以也不算一个大问题。

那么问题是什么？问题是千百年来大家问老师的一个问题：我学这东西有什么用？我要用积分和市场大妈砍价嘛？！所以统计学的一开始不建议大家就拿起《概率论和数理统计》就读起来了，让我们先放松下心情，来了解统计学如何能够与业务相结合吧！

《商务与经济统计 (豆瓣)》

推荐指数： 五颗星

上面那本深入浅出建议大家读两遍（好书都是值得大家读两遍的呀！！）。读完之后大家可以拿起笔记本系统来学这一本（这里放的是11版，不过我用的是15版）。商务与经济统计方法真的能算是统计结合业务向的神级书籍，所有案例都是现实世界的案例，便于大家去了解统计如何结合业务。记得每道题都做一做看！看过一遍是没有用的！

四、数据分析技术向

OK，我们讲完了入门，讲完了体系和方法论，讲完了核心指标的统计学分析，那么最后一步就是如何实现最后的分析步骤了（特别是数据处理步骤）。

其实这块也没有太多的体系。不过大家要记住的第一点是：数据是所有分析的核心。如果数据都错了就不用提分析了。

因此让我们先从数据获取讲起。

4.1 SQL

虽然市面上都称数据分析师是SQL boy，但是SQL真的很重要。你要知道你找的数据（比如DAU）在公司的定义是什么，是第一次打开App还是阅读10s？，然后要知道这个记录在公司的哪个数据库的哪张表通过什么字段判断。

好的安利时间！！答主一个月前在知乎写了一篇面向数据分析师/产品/运营的SQL快速入门指南。欢迎大家前去点赞收藏呀：）

让我们把里面的书搬运过来，刚入门SQL的朋友可以结合答主写的SQL快速入门指南进行学习呀！！

4.1.1 SQL入门三板斧

4.1.2 SQL进阶学习

4.2 Python

这边默认大家有Python基础了哈，不然推荐书要推荐好多本：）

《利用Python进行数据分析 (豆瓣)》

推荐指数： 五颗星

python进行数据分析的核心书籍，主要运用pandas库。大家会发现基于数据分析的python其实用不了太多库。市面上还有《Python数据分析基础》和《Python数据科学手册》。答主读了下感觉收获不是很大，建议大家读这本就够了

《Python网络数据采集 (豆瓣)》

推荐指数： 四颗星

其实具体的爬取方法不是很重要啦，包括使用scrapy框架的高效爬取方法也不一定要学。不过大家还是需要了解一下爬虫的原理，有时候还是可以调取api来自动化任务的。不然每次都手爬能把数据分析师分析的热情都消耗殆尽。答主就是日常通过api调取神策数据的公司数据进行自动化报表和数据分析的。

《Python机器学习基础教程 (豆瓣)》

推荐指数： 四颗星

由于答主是业务向数据分析师，因此没有把机器学习/深度学习作为一个单独品类进行推荐，但是数据分析师还是需要稍微了解下机器学习的相关概念，并且知道如何用编程语言进行实践的，可以闲暇的时候读一读。

4.3 R

《R数据科学 (豆瓣)》

推荐指数： 五颗星

R进行数据分析的包叫做dplyr，可以理解为python的pandas库。学习R的朋友们可以看这本书，但R答主只能算是半吊子，所以R的机器学习相关书籍就不推荐啦。

《ggplot2：数据分析与图形艺术 (豆瓣)》

推荐指数： 五颗星

说到R不得不吹ggplot2，画图真的是好用而且好看，因为R画图有很多种方式，学多了容易混淆，建议R画图学这本就可以了。

另外为什么python答主没有推荐画图的书籍。主要是确实没找到好的python画图书籍，如果对python画图相关想要学习的朋友建议上seaborn和matplotlib的官网看官方文档，对动态图有需求的朋友可以看plotly官方文档（另外plotly库支持R和python，可以封装matplotlib和ggplot2）。

4.4 Excel

虽然现在市面上表哥表姐有点贬义的意思，但是不得不说基于目标的数据分析，有时候Excel真的是最方便选择，毕竟我们的目标是分析问题，不是使用编程软件分析问题。目标和方法不能搞混呀！！

这块不单独推荐啦，核心点是：Excel函数、数据透视表、VBA。推荐三本书，大家有不懂的也可以去Excel home咨询学习。

4.5 其他

其实包括SPSS、HTML等也是需要了解了解的，但是都推荐的话估计就没有主次了。因此这边就不再推荐了。技术向的核心在于掌握一套核心的数据分析工具，从数据获取到数据分析全流程。然后知晓其他数据分析工具的基本用法和逻辑即可。

其他想说的一些话：

· 以下类别书籍未推荐，但大家有空也可以去读一读：

1. 本文的书籍推荐是基于答主自身的工作以及阅读经历而编写的，没读完的一些诸如其他答主推荐的《数据之魅》之类书籍不在其中。

2. 而由于篇幅的限制，特定领域向的数据分析书籍注入《网站分析实战》等书也不在其中。

3. 答主自身学习计划以及工作局限还未接触增长相关，因此《增长黑客》等书籍也不在其中。

4. 最后因主线定位于日常数据分析的基调，有些诸如《统计数据会说谎》等书也未收录其中。

· 大家有一些比较好的数据分析书籍也欢迎大家在评论区推荐下呀！答主正好去读一读！

· 如果觉得有帮助，朋友们可以点个赞收藏一下呀，如果真的觉得荐书的逻辑和书质量赞也欢迎评论区回复呀！

· 最近开始系统输出过去的一些积累，也想看看自己的积累帮助了多少朋友：）