數據分析師的必讀書單

數據分析是一門專業且跨越多個領域的學科，雖然我每篇公眾號都足夠篇幅(乃至我自己覺得啰嗦)，可我還是得承認存在缺漏。如果有好書作為參考，對數據分析能力的成長更有幫助。

這份書單權作入門級推薦，如果大家有更好的歡迎留言說明。我不能保證全部看過，畢竟基礎書沒必要看幾本，但我盡量做到客觀。建議大家根據自己基礎挑選，不要貪多。

大家多支持正版。

Excel

知名度比較高的一套書，適合新手，優點是它和數據分析結合，而不是單純地學習函數。學會函數適用的場景和過程比它本身更重要。

是否需要學習VBA是仁者見仁的答案。我個人不建議。Excel VBA的最大優勢是適用性廣，哪怕去其他行業其他職位，都離不開Excel，這時候它就是一個工作加分的亮點。但是在互聯網行業，對數據分析師，VBA的性價比就不高了。

這裡只推薦一本，因為我就翻過上面這本，還沒全看…

數據可視化的書不多。市面上多以編程為主，面向新手和設計的教程寥寥無幾。 如果只是了解圖表，看Excel的書籍也管用。

內容很豐富，涉及可視化的方方面面，也囊括更類編程語言和設計軟體：Python+JS+R+Excel。作者還有另外一本書《數據之美》。

可視化是一門側重靈感的學科，有一種入門技巧是從他人設計中學習，從模仿開始，了解他人是如何設計的，這個網路上有大量的信息圖可以參考。當然數據分析師更需要的是如何發現，別只學習展示。

英文足夠好，可以看Edward Tufte的著作：《The Visual Display of Quantitative Information》、《Envisioning Information》、《Beautiful Evidence》。他是數據可視化的領軍人物，他的理念是反對為藝術效果而混淆或者簡化數據。暫時沒有中文版。

分析思維首推《金字塔原理》，金字塔原理有些人說它晦澀難懂，我認為是芭芭拉這個老太有騙稿費之嫌，本書包含了報告、寫文、演講等諸多內容。可以細看可以快看。另外還有一本同名案例集，有興趣可以買。

另外麥肯錫相關的書籍還有《麥肯錫意識》《麥肯錫工具》《麥肯錫方法》等。

深入淺出系列是對新手非常友好的叢書，用生動但啰嗦的語言講解案例。厚厚的一本書翻起來很快。本書涉及的基礎概念比較廣，包含一點統計學知識，學下來對數據分析思維會有一個大概了解。

國外的精益系列一直以互聯網創業作內容導向，本書也屬於此類。如果是互聯網行業相關，可以看看。它介紹了不同領域的指標，以及產品不同時期的側重點。案例都是歐美，這部分做參考用。

接下來的幾本，是興趣向讀物。《黑天鵝》能拓展思維，講敘了不確定性。《思考的技術》，大前研一的著作，也是諮詢類經典。如果對諮詢向的分析感興趣，還可以看BCG系列，或者刷CaseBook。《批判性思維》，則是教你如何形成理性思維。

資料庫有很多種，常見有Oracle，MySQL，SQL Server等。我推薦學習MySQL，這是互聯網公司的主流資料庫。以後學習Hadoop生態時，MySQL也是最接近Hive語法的語言。

MySQL不需要專門看書學習，因為數據分析師以查詢為主，不需要考慮數據性能、數據安全和架構的問題。使用搜索引擎能解決90%的問題，我就是w3cschool學的。

如果真想買書看，可以看這本，適合新手向的學習，看基礎概念和查詢相關的章節即可。網路上大部分MySQL都是偏DBA的。

如果想深入，可以看《高性能MySQL》，對分析師沒啥用。至於另外一個方向NoSQL，對入門者還是小眾了些。

如果有餘力，就學習正則表達式吧，清洗數據的工作就靠它了。

統計學是比較大的範圍，分析師往後還需要學線性代數和矩陣、關係代數等。初學者不需要掌握所有公式定理的數學推導，懂得如何應用就行用。

大概是最啰嗦的深入淺出系列，從賣橡皮鴨到賭博機的案例，囊括了常用的統計分析如假設檢驗、概率分佈、描述統計、貝葉斯等。書本注重應用和趣味性，數學推理一般。

國外的經典教材，已經出到第十二版了。國外教材都有豐富有趣的案例，所以讀起來會比國內的輕鬆不少。如果你還在讀書，不妨買這本看一看。

名字既然有商務與經濟，所以書中輔以了大量的相關案例。書內容很多，看起來不會快，適合細讀。

稍微有一些難度的英文書籍，屬於進階版統計學，國外很推崇。如果要往機器學習發展，這本書可以打下很好的基礎。

以上書籍的難度是逐步遞增的。統計學是機器學習的基礎，是概率、矩陣等實際應用。現在已經有很多統計工具，Excel的分析工具庫、傳統行業的SPSS、SAS以及R、Python等，使用過程都不用計算推導，大學考試才會考，現在都是計算機解決，輕鬆不少。

不同領域的業務知識都不一樣，這裡以互聯網舉例。

增長黑客的概念就是隨著這本書的暢銷傳播開來。增長黑客在國內即是數據分析+運營/產品的複合型人才。這本書好的地方在於拓展思路，告訴我們數據能夠做什麼，尤其是連AB測試都不清楚的新人。

實際涉及的業務知識不多，我推薦，是希望新人能夠了解數據驅動的概念，這本算是我走上數據化運營的啟蒙讀物了。

知乎亮哥的書籍，互聯網所有的數據都是和運營相關的，如果是新手，就以此學習業務知識。如果已經工作很多，就略過吧。

互聯網不再是網站的天下，但是移動端依舊有Web，我們在朋友圈看到的所有H5活動、第三方內容等，都是依託網頁實現。網站的數據分析依舊有存在空間，網站的數據指標還是能夠指導我們運營。

這本書涉及了數據挖掘，但是比較淺，可以作為數據分析師視野的承上啟下，了解數據化運營的高級應用。特點是以阿里的實際工作相結合，可又因為保密原則不夠詳盡。

是各領域專家眾籌完成的書本，比起傳統的書籍，囊括範圍更廣。雖然沒有深度講解技術，但是各領域的案例都是一手資料，對業務的觸類旁通理解有幫助。

業務知識我不再多推薦，以後我會通過公眾號文章的形式講解。因為從我看來，市面上也沒有詳盡介紹數據角度下的用戶行為、產品運營的書籍，都是點到為止。這一塊內容，盡量從工作中去學，收穫才是最大的。

歡迎來到數據分析的最後殿堂，Python和R都是大分支，基本是前面所有內容的實現。Python的學習以PY3為前提，畢竟2017年了，我實在想不出不用Python3的理由。

除了書籍，Python/R更多依靠博客和文檔學習。Python的學習路徑不陡峭，新手水平取決於查詢能力，所以也請學會如何高效搜索。

還是深入淺出系列，完全適合零基礎的新人。需要注意的是，編程學習不同於其他知識，如果計算機基礎不穩固，在使用中會遇到各類問題。知其然不知其所以然，這是本書缺點：能掌握，但是Bug比較多。

對於擁有編程基礎的人，這本書系無巨細的有些啰嗦，不過對新人，可以避免不必要的坑。把它當作一本工具文檔吧，當遇到不理解的內容隨時翻閱。這是紙質書比電子書好的優勢之一。

非新手向的書籍，成書較早，部分內容比較老舊。雖然學習中不會有問題，但很多Pandas函數已經有更優雅的寫法了，例如df.query。每段代碼都敲打一遍，千萬行的數據清洗基本不會有大問題了。

Python的進階書，如果想要掌握更好的編程能力，這是一本經典，值得時時翻閱。注意，它更偏向程序員。

R語言的入門書籍，從數據讀取到各類統計函數的使用。雖然沒有涉及機器學習，依靠這本書入門R是綽綽有餘了。

這本書是將R語言和統計學結合的教材，可以利用這本書再複習一遍統計知識。缺點是書本後面的內容質量不如前部分。

到這裡，入門書籍推薦完畢，當然好書不嫌多，例如《數學之美》、《集體智慧編程》、《統計學習方法》等，有興趣不妨閱讀。

上面的內容都吃透，不論是成為一名數據分析師，還是往後向機器學習、數據科學家、數據產品發展、都有了良好的基礎。

希望你能沉下心閱讀。