1、《誰說菜鳥不會資料分析》

是小蚊子資料分析團隊的作品，適合入門。寫作手法採用講故事的方式，以平實的語言娓娓道來，不會嚇到新入門的童鞋。

不過書籍中並不是所有知識都要著重看，看了就會發現，像水晶易表這種元件在實際工作中用的不多了。

而有些知識點比如資料清洗過程、SPSS、Excel都還是很有用的。工具篇也提及到了自動化報表、Vba等工具的使用，可以嘗試一下。

2、深入淺出統計學、資料分析

寫的比較有意思的兩本書，可以透過《深入淺出統計學》回憶一下以前學過的統計學的基本知識，或者加深對某些概念的理解。

兩本都是外國作者寫的那種很厚的，很囉嗦的書。不過，對於入門者來說不至於會被某些“魔幻”化的傳道授業者所嚇倒。讀《深入淺出資料分析》可以瞭解資料分析師的部分工作內容是怎樣的。

3、《Excel這麼用就對了》

在吧Excel摸摸熟，基本小資料都能搞定了。當如使用Excel貌似硬是靠實踐，倒是用了一本書，不過是有關Vba的書籍。剛入門時候，不知道怎麼搞，還以為要學好Vba。後來發現，Vba略懂宏的錄製、程式碼修改基本就夠日常工作用了。

本次書單推薦包含「入門篇」、「進階篇」、「高階篇」，適用於不同層次的學習者。請大家對號入座，收好適合自己的修煉秘籍吧~

入門篇 1.《誰說菜鳥不會資料分析》

推薦理由：基於通用的Excel工具，在8個章節中，分別講解資料分析必知必會的知識、資料處理技巧、資料展現的技術、透過專業化的視角來提升圖表之美、資料分析報告的撰寫技能以及持續的修煉。讀者完全可以把這本書當小說來閱讀，跟隨主人公小白，在Mr.林的指點下輕鬆掌握資料分析的技能，提升職場競爭能力。

2.《深入淺出資料分析》

推薦理由：資料分析入門第一本。通俗簡單，卻能夠讓讀者對資料分析的相關概念有大致的瞭解，詮釋了資料分析的基本步驟，實驗方法，最最佳化方法/假設檢驗法/貝葉斯統計法/等等方法論，還有資料整理技巧，這個太重要了，為讀者搭建了走向深入研究的橋樑。

3.《深入淺出統計學》

推薦理由：號稱“文科生也能看懂”的統計書。儘管閱讀容易，但所講的知識在資料分析中都是常見且必須掌握的，比如基本的統計量，基本上每個分析專案中都會用到；比如基本的機率分佈，總體與樣本的概念、置信區間、假設檢驗、迴歸分析，都是關於資料分析的統計學知識。

4.《赤裸裸的統計學》

推薦理由：作者年輕時是個追求學習意義的學霸，後來自己從統計學中發掘了很多可以應用到生活的地方。這也是本書的主旨，結合生活講解統計知識，生動有趣。可以避免統計學一上來就大講貝葉斯機率和隨機分析的枯燥。

進階篇 一、資料分析—Excel 1.《EXCEL資料處理與分析實戰技巧精粹》

推薦理由：詳盡的例項，精彩的講解，細緻的描述，多角度的剖析，融匯Excel Home萬千問題與答案，彰顯Excel豐富內涵。相信本書是你愛不釋手、輕鬆辦公的利器。

2.《Excel VBA從入門到精通》

推薦理由：本書分為五篇，其中第一篇是VBA基礎知識篇，主要內容包括VBA的概念、宏和VBA開發環境；第二篇是VBA基礎語法篇，主要內容包括VBA語法基礎、VBA基礎語句、程式結構控制語句、過程、Sub與Function過程；第三篇是Excel VBA物件篇，主要內容包括Excel VBA物件模型和應用程式物件、工作簿物件、工作表物件、單元格物件和圖表物件；第四篇是VBA高階應用篇，主要內容包括自定義Excel 2010的使用者介面、工作表控制元件、介面設計、XML與VBA、載入宏和資料庫程式設計等；第五篇是綜合例項與面試問答篇，主要講解了成績管理系統和日程安排表兩個綜合例項，並提供了30多個近幾年各大公司經常考察的面試題。

二、資料分析—R 1.《R語言實戰（第2版）》 推薦理由：本書從解決實際問題入手，儘量跳脫統計學的理論闡述來討論R語言及其應用，講解清晰透澈，極具實用性。作者不僅高度概括了R語言的強大功能、展示了各種實用的統計示例，而且對於難以用傳統方法分析的凌亂、不完整和非正態的資料也給出了完備的處理方法。第2版新增6章內容，涵蓋時間序列、聚類分析、分類、高階程式設計、建立包和建立動態報告等，並分別詳細介紹瞭如何使用ggplot2和lattice進行高階繪圖。通讀本書，你將全面掌握使用R語言進行資料分析、資料探勘的技巧，並領略大量探索和展示資料的圖形功能，從而更加高效地進行分析與溝通。

2.《統計建模與R軟體》

推薦理由：書中結合數理統計問題對R軟體進行科學、準確和全面的介紹，以便使讀者能深刻理解該軟體的精髓和靈活、高效的使用技巧．此外，還介紹了在工程技術、經濟管理、社會生活等各方面的豐富的統計問題及其統計建模方法，透過該軟體將所建模型進行求解，使讀者獲得從實際問題建模入手，到利用軟體進行求解，以及對計算結果進行分析的全面訓練。

三、資料分析—Python 1.《利用Python進行資料分析（原書第2版） 推薦理由：本書由Python pandas專案創始人Wes McKinney親筆撰寫，詳細介紹利用Python進行操作、處理、清洗和規整資料等方面的具體細節和基本要點。第2版針對Python 3.6進行全面修訂和更新，涵蓋新版的pandas、NumPy、IPython和Jupyter，並增加大量實際案例，可以幫助你高效解決一系列資料分析問題。

2.《Python資料分析從入門到精通》

推薦理由：對於希望使用Python來完成資料分析工作的人來說，學習IPython、Numpy、pandas、Matplotlib這個組合是目前看來不錯的方向，本書就是這樣一本循序漸進的書。內容精練、重點突出、例項豐富，是廣大資料分析工作者必備的參考書，為讀者能真正使用Python進行資料分析奠定基礎。

3.《Python資料探勘：概念、方法與實踐》

推薦理由：本書使用Python程式語言和基於專案的方法介紹多種常被忽視的資料探勘概念，如關聯規則、實體匹配、網路分析、文字挖掘和異常檢測。每個章節都全面闡述某種特定資料探勘技術的基礎知識，提供替代方案以評估其有效性，並用真實的資料實現該技術，幫助你“知其然，知其所以然”，從而邁向資料探勘專家的道路。

四、資料分析— SPSS 1.《SPSS統計分析基礎教程》

推薦理由：本書改變了以往SPSS書籍對統計理論和軟體操作“兩條主線、各自表述”的編寫方式，將這兩者完全融合了起來。它以SPSS 12.0為準，針對統計初學者和SPSS初級使用者的需求，以統計理論為主線，詳細介紹了在SPSS中的介面操作、資料管理、統計圖表製作、統計描述和常用單因素統計分析方法的原理與實際操作。其內容完全覆蓋目前國內大部分專業本科統計課程的教學範圍，並結合SPSS的強大功能作了很好的擴充套件。全書內容深入淺出，風格簡潔明快，是一本難得的統計理論與SPSS操作相結合的統計參考書。

2.《Discovering statistics using spas》

推薦理由：國外的一些入門書籍很容易上手， 在學術論壇和知乎等頁面都有網友推薦這本書。國外圖書價格偏貴，但是據說某寶的PDF版很便宜。

3.《問卷統計分析實務： SPSS操作與應用》

推薦理由：本書的內容架構，在於完整介紹問卷調查法中的資料處理與其統計分析流程，統計分析技術以SPSS統計軟體包的操作介面與應用為主，內容除基本統計原理的解析外，著重的是SPSS統計軟體包在量化研究上的應用。

五、 資料分析—SAS

1.《The little SAS book》

推薦理由：內容不深，但是全面、實用，很經典的一本書，適合初學者看。英文版讀得太累可以搜一下中文版。

2.《SAS統計分析應用》

推薦理由：本書基於SAS 9.1.3中文版本編寫，介紹了SAS Learning Edition基於視窗點選式環境以及Base SAS、SAS＼STAT的用法。全書以統計分析方法為主線，透過大量例項，詳細介紹了SAS程式設計方法及各種統計過程適用條件和使用方法，並對統計過程例項的輸出結果做了詳盡的解釋。

3.《SAS統計分析與資料探勘》

推薦理由：從SAS程式設計出發，用案例形式介紹SAS資料探勘在各領域的廣泛應用，全書分為SAS基礎篇、提高篇及應用篇，每章均給出大量分析案例。

六、資料分析—SQL

1.《SQL必知必會》

推薦理由：本書是深受世界各地讀者歡迎的SQL經典暢銷書，內容豐富，文字簡潔明快，針對Oracle、SQL Server、MySQL、DB2、PostgreSQL、SQLite等各種主流資料庫提供了大量簡明的例項。與其他同類圖書不同，它沒有過多闡述資料庫基礎理論，而是專門針對一線軟體開發人員，直接從SQL SELECT開始，講述實際工作環境中最常用和最必需的SQL知識，實用性極強。透過本書，讀者能夠從沒有多少SQL經驗的新手，迅速編寫出世界級的SQL！

2. 《SQL基礎教程》

推薦理由：本書介紹了關係資料庫以及用來操作關係資料庫的SQL語言的使用方法，提供了大量的示例程式和詳實的操作步驟說明，讀者可以親自動手解決具體問題，循序漸進地掌握SQL的基礎知識和技巧，切實提高自身的程式設計能力。在每章結尾備有習題，用來檢驗讀者對該章內容的理解程度。另外本書還將重要知識點總結為“法則”，方便大家隨時查閱。

3.《高可用MySQL：構建健壯的資料中心》

推薦理由：本書是“MySQL High Availability”的中文翻譯版，主要講解真實環境下如何使用MySQL的複製、叢集和監控特性，揭示MySQL可靠性和高可用性的方方面面。本書由MySQL開發團隊親自執筆，定位於解決MySQL資料庫的常見應用瓶頸，在保持MySQL的持續可用性的前提下，挖潛各種提高效能的解決方案。

七、資料探勘 1.《資料探勘導論（完整版）》

2.《資料探勘概念與技術（原書第3版）》

推薦理由：本書完整全面地講述資料探勘的概念、方法、技術和最新研究進展。本書對前兩版做了全面修訂，加強和重新組織了全書的技術內容，重點論述了資料預處理、頻繁模式挖掘、分類和聚類等的內容，還全面講述了OLAP和離群點檢測，並研討了挖掘網路、複雜資料型別以及重要應用領域。 3.《大資料：網際網路大規模資料探勘與分散式處理（第2版）》

推薦理由：暢銷書全新升級，新增影響與同質性、社交媒體推薦和行為分析等超實用內容，涵蓋解決資料探勘核心問題所用演算法，及實際應用資料探勘所需知識，理論與實現並重。斯坦福大學資料探勘方向專家Jure Leskovec、Anand Rajaraman、Jeffrey David Ullman重磅力作。

八、資料視覺化 1.《資料視覺化之美》

推薦理由：在本書中，20多位視覺化專家包括藝術家、設計師、評論家、科學家、分析師、統計學家等，展示了他們如何在各自的學科領域內開展專案。他們共同展示了視覺化所能實現的功能以及如何使用它來改變世界。成功的視覺化的美麗之處既在於其藝術設計，也在於其透過對細節的優雅展示，能夠有效地產生對資料的洞察和新的理解。

2.《用資料講故事》

推薦理由：本書透過大量案例研究介紹資料視覺化的基礎知識，以及如何利用資料創造出吸引人的、資訊量大的、有說服力的故事，進而達到有效溝通的目的。具體內容包括：如何充分理解上下文，如何選擇合適的圖表，如何消除雜亂，如何聚焦受眾的視線，如何像設計師一樣思考，以及如何用資料講故事。本書得到了國內資料分析大咖秋葉、範冰、鄧凱的推薦。

3.《ggplot2：資料分析與圖形藝術》

推薦理由：ggplot2 是最優秀的資料分析視覺化工具之一，這本書系統地講解了 ggplot2 的基本原理和具體操作，書中有大量的例子，也可以下載原始碼。更建議直接學習英文版的教材（如果英文過關的話）。

九、報告撰寫 《麥肯錫教我的寫作武器》

推薦理由：本書分為基礎篇和實踐篇兩部分，結合實際案例，系統地介紹了運用邏輯思考，製作一份兼具邏輯力與明確表達力的精彩商務文案所需的諸多方法，如金字塔原理、MECE原則、分辨問題型別的高杉法、SCQOR故事展開法以及具體制作報告與簡報的方法等，讓你學會邏輯思考方法、提高寫作能力的實用工具書。

高階篇 1.《精益資料分析》

推薦理由：此書優勢在於將企業分成了幾個大的行業類別，並分門別類的講解了每個行業的商業模式特點及分析技巧，對使用者的分析能力要求較高，且必須具備相應的業務知識。書中並沒有講到具體的資料分析技術，主要分析了各種產品中用到的指標、模型和“資料驅動型產品”的一些思路。

2.《數學之美》

推薦理由：本書把高深的數學原理講得更加通俗易懂，讓非專業讀者也能領略數學的魅力。讀者透過具體的例子學到的是思考問題的方式 —— 如何化繁為簡，如何用數學去解決工程問題，如何跳出固有思維不斷去思考創新。

3.《集體智慧程式設計》

推薦理由：本書以機器學習與計算統計為主題背景，專門講述如何挖掘和分析Web上的資料和資源，如何分析使用者體驗、市場營銷、個人品味等諸多資訊，並得出有用的結論，透過複雜的演算法來從Web網站獲取、收集並分析使用者的資料和反饋資訊，以便創造新的使用者價值和商業價值。全書內容翔實，包括協作過濾技術（實現關聯產品推薦功能）、叢集資料分析（在大規模資料集中發掘相似的資料子集）、搜尋引擎核心技術（爬蟲、索引、查詢引擎、PageRank演算法等）、搜尋海量資訊並進行分析統計得出結論的最佳化演算法、貝葉斯過濾技術（垃圾郵件過濾、文字過濾）、用決策樹技術實現預測和決策建模功能、社交網路的資訊匹配技術、機器學習和人工智慧應用等。

4.《機器學習》

推薦理由：展示了機器學習中核心的演算法和理論，並闡明瞭演算法的執行過程。本書綜合了許多的研究成果，例如統計學、人工智慧、哲學、資訊理論、生物學、認知科學、計算複雜性和控制論等，並以此來理解問題的背景、演算法和其中的隱含假定。 5.《R資料分析——方法與案例詳解（雙色）》

推薦理由：R是屬於GNU系統的一個自由、免費、原始碼開放的軟體，用於統計計算和統計製圖。這本書從實用的統計研究角度逐例分析R在資料處理、模型構建、以及圖形操作上的由淺入深的結合，堪稱經典。 6.《Python高階資料分析：機器學習、深度學習和NLP例項》

推薦理由：本書介紹了基於Python的高階資料分析，探討了Neo4j、Elasticsearch和MongoDB等資料庫，討論瞭如何實現包括主題爬取在內的ETL技術，並用於高頻演算法交易和目標導向的對話系統等領域；還介紹了一些機器學習概念（如半監督學習、深度學習和NLP）的例子；同時涵蓋了重要的傳統資料分析技術，如時間序列和主成分分析等。

01 - 思路篇

《誰說菜鳥不會資料分析（入門篇）》和《深入淺出資料分析》這兩本。

現在這兩本書應該也有新版了，當然也有很多其他優秀的入門書籍，在京東上搜“資料分析”，你會發現很多很多書，隨便挑兩本看完，你就算基本瞭解資料分析是幹什麼的了。當然，這個階段不要求你弄懂所有的知識點，主要是瞭解分析流程與基本概念，之後遇到問題再回來翻翻就好。當年面試支付寶，就靠這兩本書了：）

02 - 技能篇

技能相關的書籍買過很多，就挑記筆記比較多的吧

SQL：《零基礎學SQL》

Python：《Python程式設計 從入門到實踐》

R語言：《R語言實戰》

EXCEL：《資料圖形化，分析更給力》

PPT：《PPT，要你好看》

邏輯表達：《金字塔原理》

03 - 業務理解篇

其實每個行業的業務入門書籍不同，但是基本的商業知識要先了解下的。

瞭解商業模式套路：《商業模式新生代》

圖形化思考，商業常識：《餐巾紙的背面》

資料分析行業的常識：《大資料時代：生活、工作與思維的大變革》

總而言之，看完兩本書，學會SQL、Excel、PPT， 就當入門了

以上書單來自→書單來了：資料分析十年，我只推薦這些書