做數據分析師要多看哪些書籍

⑴ 考數據分析師需要什麼書

【項目數據分析師考試必看的書籍】

一、《CPDA注冊項目數據分析師培訓教程》

《誰說菜鳥不會數據分析(入門篇)(全彩)》能有效幫助職場新人提升職場競爭力，也能幫助市場營銷、金融、財務、人力資源管理人員及產品經理解決實際問題，還能幫助從事咨詢、研究、分析行業的人上，各級管理人士提高專業水平。

⑵ 自學備考CDA數據分析師，需要准備哪些教材

如果只想單獨考證,根據官網公布考試大綱有針對性復習,復習一段時間了做下模擬試題,自己學習肯定要付出更多精力和時間.
例如2級建模方向,官網推薦幾本書籍,參考如下:
1.《數據挖掘導論》，藍色的中文翻譯版，書很厚，但是裡面的內容挺有用的，大綱解析里沒講明白的地方大多都能在裡面找到答案；
2.《機器學習》（西瓜書），閱讀難度比《數據挖掘導論》高了一個等級，我是挑著看的；
3.《利用Python進行數據分析》，裡面主要教你pandas、numpy等一些基礎操作，如果已經會用的則可以略過；
4.《Python機器學習基礎教程》，教你怎麼用sklearn，你也可以看《機器學習實戰》，不過後者我沒看過，聽說是用python2.7寫的；

⑶ 做一個數據分析師，最該掌握哪些技能

首先需要學習的知識，也就是需要學習的書籍， 概率論、統計學、數據挖掘、sql等相關教材，基本上這些書名都有對應的書，所以這些是必須要學習的。理解資料庫，如MySQL，PostgreSQL，CouchDB，MongoDB，Cassandra等。理解資料庫並且能熟練使用它，將是一個基礎能力。還要掌握數據整理、可視化和報表製作等。數據被結構化並存儲在可以從一台計算機進行管理的資料庫中。收集傳統數據的一種方法是對人進行調查。要求他們以1到10的等級來評估他們對產品或體驗的滿意程度。

⑷ 想成為數據分析師學習流程是怎樣的

第1本《誰說菜鳥不會數據分析入門篇》

很有趣的數據分析書！基本看過就能明白，以小說的形式講解，很有代入感。包含了數據分析的結構化思維、數據處理技巧、數據展現的技術，很能幫我們提升職場競爭能力。找不到工作的，學好了它，自然沒問題。

第2本《拯救你的Excel數據的分析、處理、展示（動畫版）》

一本用手機看的Excel操作書，大部分例子都配置了二維碼，手機掃掃就能看，基本上可以躺著把書學了。所有數據的分析、處理也都帶了職場範例（有會計、HR、銷售場景），很貼合實際。拯救我們小白的Excel，職場加薪不是夢想！

第3本《Excel圖表之道：如何製作專業有效的商務圖表》

職場大牛的書，教我們做圖表的，好看到不能再好看。可以設計和製作達到雜志級質量的、專業有效的商務圖表。相信平時我們很難做到吧，看了你就知道，也許一切沒那麼難。

第4本《絕了！Excel可以這樣用：數據分析經典案例實戰圖表書》

挺好的一個系列，都是Excle常用的技巧，適合銷售和HR。也是職場故事，很接地氣，帶視頻的，全都是Excel數據分析的常用理念和方法。

第5本《深入淺出數據分析》

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。

第6本《MySQL必知必會》

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。

第7本《深入淺出統計學》

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、概率分布、描述統計、貝葉斯等。

第8本《網站分析實戰》

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！

第9本《深入淺出Python》

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！

第10本《Python學習手冊》

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。

第11本《利用Python進行數據分析》

這本書是你學習python不二之選，對著書，著重學習numpy，pandas兩個包！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。

第12本《R語言實戰》

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。

第13本《統計學：從數據到結論》

這本書是將R語言和統計學結合的教材，可以利用這本書再復習一遍統計知識。

第14本《深入淺出SQL》

帶你進入SQL語言的心臟地帶，從使用INSERT和SELECT這些基本的查詢語法到使用子查詢（subquery）、連接（join）和事務（transaction）這樣的核心技術來操作資料庫。到讀完《深入淺出SQL》之時，你將不僅能夠理解高效資料庫設計和創建，還能像一個專家那樣查詢、歸一（normalizing）和聯接數據。你將成為數據的真正主人。

第15本《數據挖掘導論》

這本書絕對是一本良心教材，拿到手從第一章開始閱讀，能看多少就看多少。但是要盡量多看點，因為此書你可能要看一輩子的～～

第16本《演算法導論中文版》

本書將嚴謹性和全面性融為一體，深入討論各類演算法，並著力使這些演算法的設計和分析能為各個層次的讀者接受。演算法以英語和偽代碼的形式描述，具備初步程序設計經驗的人就能看懂；說明和解釋力求淺顯易懂，不失深度和數學嚴謹性。

上面的書籍都是PDF版

視頻教材的有：

Python入門教程完整版（懂中文就能學會）資料

Python入門教程完整版（懂中文就能學會）視頻

Mysql從入門到精通全套視頻教程

8天深入理解python教程

大數據Hadoop視頻教程，從入門到精通

Python就業班

Python標准庫（中文版）

數學建模0基礎從入門到精通，全套資源

0基礎Python實戰-四周實現爬蟲系統

麥子學院招牌課程[明星python編程視頻VIP教程][200G](價值9000元)

從零基礎到數據分析師，幫你拿到年薪50萬！

煒心:xccx158

⑸ 從入門到精通 互聯網數據分析書籍清單

從入門到精通：互聯網數據分析書籍清單
任何一個技能的學習，都有從淺到深的過程，數據分析也不例外。一個完整的數據分析知識體系類似金字塔結構：最頂層是對數據價值的認知、業務理解，中間是數據分析方法論，而最底層則是數據分析的解決方案或者具體的操作方法。我把數據分析的推薦書籍劃分成三個段位，便於大家漸進式學習。
數據分析入門版
入門版適合數據分析的入門者、對數據分析沒有整體概念的人，常見於應屆畢業生、經驗尚淺的轉行者。

入門版推薦書籍
《深入淺出數據分析》：O』Relly出版的HeadFirst（深入淺出）系列書籍之一，書中有大量的圖片和有趣的案例組合。本書淺顯易懂形象生動，可以使入門者對分析的概念有個全面的認知。
《誰說菜鳥不會數據分析》：本書詳細介紹了數據分析的基本方法和過程，並且以Excel表格為例進行了案例闡述。同時本書還介紹了數據分析在職場的意義，可以幫助職場小白快速上手。
《赤裸裸的統計學》：作者年輕時是個追求學習的學霸，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概率和隨機分析的枯燥。
同樣類似的書籍還有《統計數字會撒謊》，這本書知名度要高點，通過揭露「虛假數字信息」來幫助大家理解背後的統計學原理。
數據分析進階版
進階版具有一定的行業針對性，要求分析者具備一定的數據分析常識和業務理解；適合網站分析師，商業分析師以及數據產品經理等人群。

進階版推薦書籍
《精通web analytics 2.0》：Analytics將點擊流網站分析工具與定性數據、測試與試驗以及競爭情報工具相結合，從而推演出詳盡的網站戰略以及操作層方案。此書雖老，但其中很多思想和流量分析的案例仍然很有借鑒意義，現在國內只能買到二手的舊書。
與此類似的有《網站分析實戰》，是國內一本講網站分析的書，沒有上面經典，但勝在新出，很多案例和理念都有及時的更新。
《深入淺出統計學》：與上面的《深入淺出數據分析》同屬於Headfirst系列書籍，運用充滿互動性的真實世界情節，幫助讀者快速了解統計方面的理論知識。
《數據化管理》：黃成明著，講解在企業中應用數據的例子，讀完受益匪淺，裡面舉的很多例子都很接地氣。雖說偏向於零售業管理，但大道歸一，可適用於很多行業，當時依據裡面的理念規劃了美團外賣面向BD的數據產品。
《MySQL必知必會》：這本也是我當年學習SQL的入門書，薄冊子一本，看起來很快。SQL是個性價比很高的技能，簡單而強大。任何想進一步提高自己數據分析技能的產品/運營/分析師 同學，都建議點亮這個技能點。
《互聯網增長的第一本數據分析手冊》：我們公司的出的一本數據分析手冊，全書以增長為主題。這本手冊介紹了互聯網創業企業增長方法論、互聯網數據分析的常見方法（趨勢、轉化、留存、實時、分群、細查、熱圖）、細分行業（如SaaS、互聯網金融、電商等）的應用。
數據分析高階版
更高階的數據分析相對來說專業性就強了，如涉及到企業內部數據治理，數據結合的業務分析，數據可視化等。當然，還有數據挖掘演算法之類的更深入的東西，這塊沒有研究就不瞎推薦了。

高階版推薦書籍
《決戰大數據》：阿里巴巴前數據副總裁車品覺老師所著，講解了阿里巴巴在企業內部治理數據過程中的心得，所講「存-通-用」數據管理三板斧和「從數據化運營到運營數據」，字字珠璣，可堪借鑒。
《精益數據分析》：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。
《The Wall Street Journal Guide to Information Graphics》，華爾街日報負責商業分析的人做的可視化指南，精華且實用，我之前寫過讀書筆記《華爾街日報是這樣做數據可視化的》，可供大家參考。
《數據倉庫經典教程》：網上有人整理出來的資料，優點是簡單明了，不像正常的數據倉庫教材厚厚一本。
當然，數據分析是一門很深的學問，我也只是窺得冰山一角。要想做好數據分析必須具備多方面的技能：需要看清數據的價值並且懂業務，需要熟知數據分析的方法論，同時也要熟練掌握數據分析軟體的操作。在學習上面數據分析推薦書籍的同時，不斷在實踐中加深自己的理解，用數據來驅動業務和客戶增長。

⑹ 如何快速入門成為厲害的數據分析師，一份完整書單

我們將三個月分為三個學習階段，每個階段請務必保持每天3個小時以上的學習時間。這個時間要求不過分，不管是對學生黨還是上班族，三個小時總是抽的出來的。
第一階段：初識數據分析
這個階段是你學習數據分析的第一個月。核心的三本書就是：統計學、R IN ACTION、深入淺出數據分析。
第一星期：好好的閱讀一下統計學這本教材。按照每天3個小時的時間，一個星期你至少能看完8章。踏踏實實的看完，課後習題不需要做，重點放在理解公式推導以及專業名字定義的理解上。
第二星期：有了統計學基礎，R語言學習起來就不會太費勁。《R in action》 是公認的R語言經典教材。跟著書上的代碼仔細的敲一筆遍，你不需要全部看完這本書，只需要學會前8章左右就差不多了。 學完後你會對統計學有一個更深的認識～
第三個星期：《深入淺出數據分析》這本書很大頭，不是因為它內容多，而是因為它廢話和插圖多。很有意思的一本入門級別的教材，花一個星期好好的讀一下，能學多少是多少。
第四個星期：查漏補缺。經過前三個星期的學習，你一定有不少的疑惑或者遺忘了某些知識。不要著急，這個星期就是用來好好回顧一下你本月所學的東西，不懂的定義再看看，不會的代碼再敲敲，不懂的知識再google一下～
第二階段：升級你的技能
第一個月只是讓你對數據分析有一個初步的認識，你已經可以秒殺20%左右的人了（我瞎猜的）
這個月就是要升級你的技能，在對已有的知識基礎上做一個升華。本月任務較重，小夥伴需要動腦和動手的地方比較多。
第一個星期：《數據挖掘導論》這本書絕對是一本良心教材。拿到手從第一章開始閱讀，在一個星期之內能看多少就看多少。但是要盡量多看點，因為此書你可能要看一輩子的～～不要做筆記，因為你做的筆記大部分時間都是在抄書，沒啥意思的。數據挖掘可不是記憶的東西，是要靠理解的！
第二個星期：來來來，python大法學起來。正所謂 life is short, I use python. 不要問那種爛大街的問題：R和PYTHON哪個好。 等你都學了，你就再也不會問這個問題了。 《利用PYTHON進行數據分析》是你學習PYTHON的不二之選，對著書，著重學習numpy,pandas兩個包！ 對了，也要學會怎麼安裝PYTHON這也是技術活！
第三個星期：為毛感覺前兩個星期啥也沒學到？亂七八糟的！ 沒事，這是正常的，難道你指望兩個星期就能學完數據挖掘嗎？ 在此，你已經有了一定的Python,統計學，數據挖掘基礎知識，那麼是不是能夠講它們組合起來用一用呢？ scikit-learn，你值得擁有。 看不懂沒關系，先去看看它們的文檔以及那些莫名的專業詞語。 然後接著學你的數據挖掘和PYTHON。
第四個星期：重復第三個星期的內容。對了，你是不是應該對R再做點事情呢？
第三階段：准備一個小小的畢業吧
前兩個月會過的很痛苦，很累，很煩躁！不用擔心，你終於來到了第三個月，這個月與前兩個月完全不一樣，因為這個月會更加更加的痛苦！！
在這個月，我們需要開始學習sql的相關知識。SQL絕對是數據分析師的必備技能，沒有之一。作為這個星球上一個通用的語言，它的存在使得我們進行數據處理時大大的提高了效率。既然SQL學了，那也就學學mysql吧，這是一個存儲數據的東西，你說它重不重要呢？ 這兩個並不難學，稍微花點功夫就能入門了。
本月重點是重復第二個月的工作啊，繼續研究統計學、數據挖掘、PYTHON還有那可愛的R語言。不要忘了那個神技：scikit-learn
對了，如果你想去互聯網公司投份簡歷，記得要把《網頁分析》這本書好好的過一遍，相信我，你只要看一遍，就能打敗百分之80 的面試官。因為他們壓根看不起GA。
你看，三個月入門數據分析師，並不是不可能嘛～～ 我敢說，你這三個月學到的知識已經可以擊敗一大半的所謂的數據分析師們了～～ Do not ask why, Just do it !!