数据分析是一门跨越多个领域的专业学科。 它要求我们既有数据能力，又有业务能力，还有基本的数据思维方法。 参考一些好书，对提高数据分析能力会更有帮助！
数据分析入门
1.“谁说菜鸟不会做数据分析”
不仅讲解了一些常用的分析技巧，还附带了一些Excel知识以及数据分析在公司的职位，轻松掌握数据分析技能，对了解职场也有帮助。
2.《数据分析深度讲解》
第一本数据分析入门书籍。 类似于小说的生动形式，通俗易懂的图像生动地解释了数据分析、实验方法、优化方法/假设检验方法/贝叶斯统计/等基本步骤。 方法论，让读者对分析概念有清晰的理解。 综合意识。
Excel 基础知识
1.《如何制作Excel图表》
告诉读者如何设计和制作专业有效、达到杂志品质的商业图表。
2.“这就是你使用Excel的方式”
结合大量企业应用实例，图文一一呈现解决方案思路和操作流程。
数据分析思维
1.“金字塔原理”
介绍如何利用金字塔原理让读者理解并运用简单文档的写作技巧； 如何深入细致地把握思维过程，保证所用的句子能够真实地反映自己想要表达的思想要点； 以及在解决问题的过程中如何做出不同的决策。 这些阶段使用多种框架来组织分析过程，使作者的思维实际上是预先组织好的，从而更容易应用金字塔原理。
2.《麦肯锡图表法》
从解决问题的需要出发，基于金字塔原理、MECE原理、SCQOR故事展开法等，我们总结了麦肯锡流行了几十年的图表工作法的技巧，创造了直观、简单、精准的图表工作方法。图表利器让您极快地解决复杂问题并摆脱工作困境。
统计数据
1.《统计深入讲解》
用最直观的理解方法，让学习统计理论变得有趣、自然。 但提到的知识是通用的，是数据分析中必须掌握的，比如基础统计，基本上每个分析项目都会用到； 比如基本的概率分布、总体和样本的概念、置信区间、假设检验、回归分析等都是关于数据分析的统计知识，帮助你快速理解统计知识。
2.“赤裸裸的统计”
结合日常生活讲解统计知识，生动有趣。 可以避免从统计学开始就讲贝叶斯概率和随机分析的枯燥。
3.《统计学习方法》
统计学习方法是计算机及其应用领域的一门重要学科。 本书全面系统地介绍了统计学习的主要方法。 叙述力求从具体问题或实例入手，由浅入深，理清思路，并提供必要的数学推导，使读者掌握统计学习方法的精髓并学会应用。
4.《统计：从数据到结论》
这是中国第一本不使用数学但涵盖了几乎所有标准统计课程中的模型的教材。 这使得读者可以将统计作为一种工具来应用，而无需推导或记住与统计相关的数学公式。
5.《商业和经济统计》
本书可作为MBA、本科生和研究生的教材，也可作为从事商业、行政管理和经济分析（主要是抽样和统计方法领域）人员的参考书。
6.《统计方法与数据分析简介》
本书有大量习题，采用实例介绍主题，并将统计概念与实际问题联系起来进行讲解。 介绍了统计数据的收集和分析过程，讨论了如何解读数据分析结果，并具体说明了如何撰写数据分析报告。
高级数据分析
1.《精益数据分析》
本书向您展示如何验证您的想法、找到真正的客户、构建有利可图的产品以及提高公司的知名度。 通过30多个案例，深入论证了如何将六大典型商业模式应用于精益创业、数据分析基础、数据驱动的各种规模的思维模式，寻找企业成长的第一关键指标。
2.《数学之美》
本书让高等数学原理变得更加通俗易懂，让非专业读者也能领略数学的魅力。 读者通过具体事例学到的是思考问题的方法——如何将复杂简单化，如何用数学解决工程问题，如何跳出框框思考，不断思考创新。
数据挖掘
1.《数据挖掘概论（完整版）》
本书全面介绍了数据挖掘，涵盖五个主题：数据、分类、相关性分析、聚类和异常检测。 除异常检测外，每个主题都有两章。 前一章涵盖基本概念、代表性算法和评估技术，后一章讨论高级概念和算法。 通过这种方式，读者可以全面了解数据挖掘的基础知识，同时还可以了解更重要的高级主题。
2.《数据挖掘概念与技术》
本书全面介绍了数据挖掘的概念、方法、技术和最新研究进展。 本书在前两版的基础上进行了全面修订，加强和重组了书中的技术内容统计建模与r软件，重点关注数据预处理、频繁模式挖掘、分类和聚类等，同时还全面介绍了OLAP和异常值检测。 ，并讨论挖掘网络、复杂数据类型和重要应用领域。
3.《数据挖掘与数据化运营实践：思维、方法、技术与应用》
目前，在数据化运营实践领域，已经有比较全面、系统的数据挖掘工作。 也是众多数据挖掘书籍中为数不多的穿插大量真实实际应用案例和场景的书籍之一。 它还创造性地针对基于数据的操作中的不同分析。 探索话题类型，推出一对一合集的分析思路和相应的分析技巧，为读者提供“菜单式”实用技巧的作品
数据可视化
1.《数据可视化之美》
在本书中，包括艺术家、设计师、评论家、科学家、分析师、统计学家等在内的 20 多位可视化专家展示了他们如何在各自的学科中开展项目。 他们共同展示了可视化的能力以及如何利用它来改变世界。 成功的可视化的美妙之处在于它的艺术设计，以及通过其优雅的细节呈现有效地产生洞察力和对数据的新理解的能力。
2.《活数据：数据可视化指南》
先后介绍了如何获取数据、格式化数据、使用可视化工具（如R）生成图表，并在图形编辑软件（如Illustrator）中进行修改，使图表达到最佳效果。 本书介绍了数十种方法（如柱形图、饼图、折线图、散点图等），以创造性的视觉方式生动地讲述数据的故事。 翻开这本书，你的思维之门会突然大开，你会发现赋予数据新含义的方法有很多！
3.“用数据讲故事”
本书通过大量案例研究介绍了数据可视化的基础知识，以及如何利用数据创建有吸引力、信息丰富且有说服力的故事，以实现有效的沟通。 具体内容包括：如何充分理解上下文、如何选择合适的图表、如何消除杂乱、如何集中观众的注意力、如何像设计师一样思考、如何用数据讲故事。 本书得到国内数据分析专家邱晔、范冰、邓凯推荐。
4.《数据之美：在一本书中学习视觉设计》
一步一步、深入浅出地讲解了数据可视化的步骤和思路。 让我们知道如何理解数据可视化，如何探索数据模式并发现数据之间的相关性，如何选择适合自己数据和目的的可视化方法，我们可以使用哪些可视化工具，以及这些工具的优缺点是什么工具。
SQL
1.《SQL从入门到精通》
一本学习SQL的入门书。 SQL 是一项经济高效的技能，简单但功能强大。 任何想要进一步提升数据分析能力的产品/运营/分析师，建议点亮这个技能点。
2.“必须了解并理解SQL”
本书内容丰富，文字简洁明了，提供了大量简明实例。 直接从SQL SELECT开始，讲述实际工作环境中最常用、最必要的SQL知识，实用性极强。
3.《SQL基础教程》
本书介绍了关系数据库的使用以及用于操作关系数据库的SQL语言。 提供了大量的示例程序和详细的操作步骤说明。 读者可以自行解决具体问题，逐步掌握SQL的基础知识和技能。 有效提高你的编程能力。 每章末尾都配有练习题，测试读者对该章内容的理解。 此外统计建模与r软件，本书还将重要的知识点总结成“规则”，供大家随时参考。
4.《关于 MySQL 你必须知道的一切》
本书首先介绍简单的数据检索，然后逐渐深入到更复杂的内容，包括子查询、正则表达式和基于全文的搜索、存储过程、游标、触发器、表约束等。 通过突出的章节，将读者应掌握的知识清晰、系统、简洁地描述出来，让读者在不经意间即刻增长技能。
5.《简单的SQL》
它带您进入SQL语言的核心，从使用INSERT和SELECT等基本查询语法到使用子查询、连接和事务等核心技术来操作数据库。 您不仅将了解高效的数据库设计和创建，而且还能够像专家一样查询、规范化和连接数据。 您将成为数据的真正主人。
Python
1.《Python简介》
帮助您以超越语法手册的独特方式学习Python。 您将快速掌握 Python 的基础知识，然后扩展到持久性、异常处理、Web 开发、SQLite、数据处理和 Google App Engine。
2.《使用Python进行数据分析》
本书包含大量实际案例，你将学习如何使用各种Python库高效解决各种数据分析问题。
3.《Python数据分析从入门到精通》
对于想要使用Python完成数据分析工作的人来说，学习IPython、Numpy、pandas、Matplotlib的结合目前是一个不错的方向。 这本书就是这样一本循序渐进的书。 内容简洁、要点突出、实例丰富，是数据分析工作者的必备参考书，为读者真正使用Python进行数据分析奠定基础。
R语言
1.《R语言实战》
本书从解决实际问题出发，尽量避免统计学的理论解释来讨论R语言及其应用。 解释清晰且非常实用。 通过阅读本书，您可以全面掌握使用R语言进行数据分析和数据挖掘的技能，并欣赏大量用于探索和显示数据的图形函数，从而更高效地进行分析和交流。
2.《统计建模和R软件》
科学、准确、全面地介绍基于数理统计问题的R软件，使读者深入了解该软件的本质及其灵活高效的使用技巧。
机器学习
1.《机器学习》
作为该领域的入门教材，内容尽可能涵盖了机器学习基础知识的方方面面。 涉及的数学相对较少。
2.《机器学习实践》
通过实例，我们进入日常工作任务，抛弃学术语言，使用高效且可重用的Python代码来解释如何处理统计数据、进行数据分析和可视化。
