做数据分析师要多看哪些书籍

⑴ 考数据分析师需要什么书

【项目数据分析师考试必看的书籍】

一、《CPDA注册项目数据分析师培训教程》

《谁说菜鸟不会数据分析(入门篇)(全彩)》能有效帮助职场新人提升职场竞争力，也能帮助市场营销、金融、财务、人力资源管理人员及产品经理解决实际问题，还能帮助从事咨询、研究、分析行业的人上，各级管理人士提高专业水平。

⑵ 自学备考CDA数据分析师，需要准备哪些教材

如果只想单独考证,根据官网公布考试大纲有针对性复习,复习一段时间了做下模拟试题,自己学习肯定要付出更多精力和时间.
例如2级建模方向,官网推荐几本书籍,参考如下:
1.《数据挖掘导论》，蓝色的中文翻译版，书很厚，但是里面的内容挺有用的，大纲解析里没讲明白的地方大多都能在里面找到答案；
2.《机器学习》（西瓜书），阅读难度比《数据挖掘导论》高了一个等级，我是挑着看的；
3.《利用Python进行数据分析》，里面主要教你pandas、numpy等一些基础操作，如果已经会用的则可以略过；
4.《Python机器学习基础教程》，教你怎么用sklearn，你也可以看《机器学习实战》，不过后者我没看过，听说是用python2.7写的；

⑶ 做一个数据分析师，最该掌握哪些技能

首先需要学习的知识，也就是需要学习的书籍， 概率论、统计学、数据挖掘、sql等相关教材，基本上这些书名都有对应的书，所以这些是必须要学习的。理解数据库，如MySQL，PostgreSQL，CouchDB，MongoDB，Cassandra等。理解数据库并且能熟练使用它，将是一个基础能力。还要掌握数据整理、可视化和报表制作等。数据被结构化并存储在可以从一台计算机进行管理的数据库中。收集传统数据的一种方法是对人进行调查。要求他们以1到10的等级来评估他们对产品或体验的满意程度。

⑷ 想成为数据分析师学习流程是怎样的

第1本《谁说菜鸟不会数据分析入门篇》

很有趣的数据分析书！基本看过就能明白，以小说的形式讲解，很有代入感。包含了数据分析的结构化思维、数据处理技巧、数据展现的技术，很能帮我们提升职场竞争能力。找不到工作的，学好了它，自然没问题。

第2本《拯救你的Excel数据的分析、处理、展示（动画版）》

一本用手机看的Excel操作书，大部分例子都配置了二维码，手机扫扫就能看，基本上可以躺着把书学了。所有数据的分析、处理也都带了职场范例（有会计、HR、销售场景），很贴合实际。拯救我们小白的Excel，职场加薪不是梦想！

第3本《Excel图表之道：如何制作专业有效的商务图表》

职场大牛的书，教我们做图表的，好看到不能再好看。可以设计和制作达到杂志级质量的、专业有效的商务图表。相信平时我们很难做到吧，看了你就知道，也许一切没那么难。

第4本《绝了！Excel可以这样用：数据分析经典案例实战图表书》

挺好的一个系列，都是Excle常用的技巧，适合销售和HR。也是职场故事，很接地气，带视频的，全都是Excel数据分析的常用理念和方法。

第5本《深入浅出数据分析》

深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。厚厚的一本书翻起来很快。本书涉及的基础概念比较广，包含一点统计学知识，学下来对数据分析思维会有一个大概了解。

第6本《MySQL必知必会》

如果真想买书看，可以看这本，适合新手向的学习，看基础概念和查询相关的章节即可。网络上大部分MySQL都是偏DBA的。

第7本《深入浅出统计学》

大概是最啰嗦的深入浅出系列，从卖橡皮鸭到赌博机的案例，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。

第8本《网站分析实战》

互联网不再是网站的天下，但是移动端依旧有Web，我们在朋友圈看到的所有H5活动、第三方内容等，都是依托网页实现。网站的数据分析依旧有存在空间，网站的数据指标还是能够指导我们运营！

第9本《深入浅出Python》

还是深入浅出系列，完全适合零基础的新人。需要注意的是，编程学习不同于其他知识，如果计算机基础不稳固，在使用中会遇到各类问题。知其然不知其所以然！

第10本《Python学习手册》

对于拥有编程基础的人，这本书系无巨细的有些啰嗦，不过对新人，可以避免不必要的坑。把它当作一本工具文档吧，当遇到不理解的内容随时翻阅。

第11本《利用Python进行数据分析》

这本书是你学习python不二之选，对着书，着重学习numpy，pandas两个包！每段代码都敲打一遍，千万行的数据清洗基本不会有大问题了。

第12本《R语言实战》

R语言的入门书籍，从数据读取到各类统计函数的使用。虽然没有涉及机器学习，依靠这本书入门R是绰绰有余了。

第13本《统计学：从数据到结论》

这本书是将R语言和统计学结合的教材，可以利用这本书再复习一遍统计知识。

第14本《深入浅出SQL》

带你进入SQL语言的心脏地带，从使用INSERT和SELECT这些基本的查询语法到使用子查询（subquery）、连接（join）和事务（transaction）这样的核心技术来操作数据库。到读完《深入浅出SQL》之时，你将不仅能够理解高效数据库设计和创建，还能像一个专家那样查询、归一（normalizing）和联接数据。你将成为数据的真正主人。

第15本《数据挖掘导论》

这本书绝对是一本良心教材，拿到手从第一章开始阅读，能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～

第16本《算法导论中文版》

本书将严谨性和全面性融为一体，深入讨论各类算法，并着力使这些算法的设计和分析能为各个层次的读者接受。算法以英语和伪代码的形式描述，具备初步程序设计经验的人就能看懂；说明和解释力求浅显易懂，不失深度和数学严谨性。

上面的书籍都是PDF版

视频教材的有：

Python入门教程完整版（懂中文就能学会）资料

Python入门教程完整版（懂中文就能学会）视频

Mysql从入门到精通全套视频教程

8天深入理解python教程

大数据Hadoop视频教程，从入门到精通

Python就业班

Python标准库（中文版）

数学建模0基础从入门到精通，全套资源

0基础Python实战-四周实现爬虫系统

麦子学院招牌课程[明星python编程视频VIP教程][200G](价值9000元)

从零基础到数据分析师，帮你拿到年薪50万！

炜心:xccx158

⑸ 从入门到精通 互联网数据分析书籍清单

从入门到精通：互联网数据分析书籍清单
任何一个技能的学习，都有从浅到深的过程，数据分析也不例外。一个完整的数据分析知识体系类似金字塔结构：最顶层是对数据价值的认知、业务理解，中间是数据分析方法论，而最底层则是数据分析的解决方案或者具体的操作方法。我把数据分析的推荐书籍划分成三个段位，便于大家渐进式学习。
数据分析入门版
入门版适合数据分析的入门者、对数据分析没有整体概念的人，常见于应届毕业生、经验尚浅的转行者。

入门版推荐书籍
《深入浅出数据分析》：O’Relly出版的HeadFirst（深入浅出）系列书籍之一，书中有大量的图片和有趣的案例组合。本书浅显易懂形象生动，可以使入门者对分析的概念有个全面的认知。
《谁说菜鸟不会数据分析》：本书详细介绍了数据分析的基本方法和过程，并且以Excel表格为例进行了案例阐述。同时本书还介绍了数据分析在职场的意义，可以帮助职场小白快速上手。
《赤裸裸的统计学》：作者年轻时是个追求学习的学霸，后来自己从统计学中发掘了很多可以应用到生活的地方。这也是本书的主旨，结合生活讲解统计知识，生动有趣。可以避免统计学一上来就大讲贝叶斯概率和随机分析的枯燥。
同样类似的书籍还有《统计数字会撒谎》，这本书知名度要高点，通过揭露“虚假数字信息”来帮助大家理解背后的统计学原理。
数据分析进阶版
进阶版具有一定的行业针对性，要求分析者具备一定的数据分析常识和业务理解；适合网站分析师，商业分析师以及数据产品经理等人群。

进阶版推荐书籍
《精通web analytics 2.0》：Analytics将点击流网站分析工具与定性数据、测试与试验以及竞争情报工具相结合，从而推演出详尽的网站战略以及操作层方案。此书虽老，但其中很多思想和流量分析的案例仍然很有借鉴意义，现在国内只能买到二手的旧书。
与此类似的有《网站分析实战》，是国内一本讲网站分析的书，没有上面经典，但胜在新出，很多案例和理念都有及时的更新。
《深入浅出统计学》：与上面的《深入浅出数据分析》同属于Headfirst系列书籍，运用充满互动性的真实世界情节，帮助读者快速了解统计方面的理论知识。
《数据化管理》：黄成明著，讲解在企业中应用数据的例子，读完受益匪浅，里面举的很多例子都很接地气。虽说偏向于零售业管理，但大道归一，可适用于很多行业，当时依据里面的理念规划了美团外卖面向BD的数据产品。
《MySQL必知必会》：这本也是我当年学习SQL的入门书，薄册子一本，看起来很快。SQL是个性价比很高的技能，简单而强大。任何想进一步提高自己数据分析技能的产品/运营/分析师 同学，都建议点亮这个技能点。
《互联网增长的第一本数据分析手册》：我们公司的出的一本数据分析手册，全书以增长为主题。这本手册介绍了互联网创业企业增长方法论、互联网数据分析的常见方法（趋势、转化、留存、实时、分群、细查、热图）、细分行业（如SaaS、互联网金融、电商等）的应用。
数据分析高阶版
更高阶的数据分析相对来说专业性就强了，如涉及到企业内部数据治理，数据结合的业务分析，数据可视化等。当然，还有数据挖掘算法之类的更深入的东西，这块没有研究就不瞎推荐了。

高阶版推荐书籍
《决战大数据》：阿里巴巴前数据副总裁车品觉老师所著，讲解了阿里巴巴在企业内部治理数据过程中的心得，所讲“存-通-用”数据管理三板斧和“从数据化运营到运营数据”，字字珠玑，可堪借鉴。
《精益数据分析》：此书优势在于将企业分成了几个大的行业类别，并分门别类的讲解了每个行业的商业模式特点及分析技巧，对使用者的分析能力要求较高，且必须具备相应的业务知识。
《The Wall Street Journal Guide to Information Graphics》，华尔街日报负责商业分析的人做的可视化指南，精华且实用，我之前写过读书笔记《华尔街日报是这样做数据可视化的》，可供大家参考。
《数据仓库经典教程》：网上有人整理出来的资料，优点是简单明了，不像正常的数据仓库教材厚厚一本。
当然，数据分析是一门很深的学问，我也只是窥得冰山一角。要想做好数据分析必须具备多方面的技能：需要看清数据的价值并且懂业务，需要熟知数据分析的方法论，同时也要熟练掌握数据分析软件的操作。在学习上面数据分析推荐书籍的同时，不断在实践中加深自己的理解，用数据来驱动业务和客户增长。

⑹ 如何快速入门成为厉害的数据分析师，一份完整书单

我们将三个月分为三个学习阶段，每个阶段请务必保持每天3个小时以上的学习时间。这个时间要求不过分，不管是对学生党还是上班族，三个小时总是抽的出来的。
第一阶段：初识数据分析
这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。
第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。踏踏实实的看完，课后习题不需要做，重点放在理解公式推导以及专业名字定义的理解上。
第二星期：有了统计学基础，R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍，你不需要全部看完这本书，只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识～
第三个星期：《深入浅出数据分析》这本书很大头，不是因为它内容多，而是因为它废话和插图多。很有意思的一本入门级别的教材，花一个星期好好的读一下，能学多少是多少。
第四个星期：查漏补缺。经过前三个星期的学习，你一定有不少的疑惑或者遗忘了某些知识。不要着急，这个星期就是用来好好回顾一下你本月所学的东西，不懂的定义再看看，不会的代码再敲敲，不懂的知识再google一下～
第二阶段：升级你的技能
第一个月只是让你对数据分析有一个初步的认识，你已经可以秒杀20%左右的人了（我瞎猜的）
这个月就是要升级你的技能，在对已有的知识基础上做一个升华。本月任务较重，小伙伴需要动脑和动手的地方比较多。
第一个星期：《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读，在一个星期之内能看多少就看多少。但是要尽量多看点，因为此书你可能要看一辈子的～～不要做笔记，因为你做的笔记大部分时间都是在抄书，没啥意思的。数据挖掘可不是记忆的东西，是要靠理解的！
第二个星期：来来来，python大法学起来。正所谓 life is short, I use python. 不要问那种烂大街的问题：R和PYTHON哪个好。 等你都学了，你就再也不会问这个问题了。 《利用PYTHON进行数据分析》是你学习PYTHON的不二之选，对着书，着重学习numpy,pandas两个包！ 对了，也要学会怎么安装PYTHON这也是技术活！
第三个星期：为毛感觉前两个星期啥也没学到？乱七八糟的！ 没事，这是正常的，难道你指望两个星期就能学完数据挖掘吗？ 在此，你已经有了一定的Python,统计学，数据挖掘基础知识，那么是不是能够讲它们组合起来用一用呢？ scikit-learn，你值得拥有。 看不懂没关系，先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。
第四个星期：重复第三个星期的内容。对了，你是不是应该对R再做点事情呢？
第三阶段：准备一个小小的毕业吧
前两个月会过的很痛苦，很累，很烦躁！不用担心，你终于来到了第三个月，这个月与前两个月完全不一样，因为这个月会更加更加的痛苦！！
在这个月，我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能，没有之一。作为这个星球上一个通用的语言，它的存在使得我们进行数据处理时大大的提高了效率。既然SQL学了，那也就学学mysql吧，这是一个存储数据的东西，你说它重不重要呢？ 这两个并不难学，稍微花点功夫就能入门了。
本月重点是重复第二个月的工作啊，继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。不要忘了那个神技：scikit-learn
对了，如果你想去互联网公司投份简历，记得要把《网页分析》这本书好好的过一遍，相信我，你只要看一遍，就能打败百分之80 的面试官。因为他们压根看不起GA。
你看，三个月入门数据分析师，并不是不可能嘛～～ 我敢说，你这三个月学到的知识已经可以击败一大半的所谓的数据分析师们了～～ Do not ask why, Just do it !!