导读：疫情告急，在家办公也别闲着，今天为大家推荐一份相对完整的入门学习体系的数据分析书单。2020年，不妨从这里开始，给自己定下一个小小的目标，开始好好学习吧！
一、数据分析入门
1.《谁说菜鸟不会数据分析》
推荐理由：基于通用的Excel工具，在8个章节中，分别讲解数据分析必知必会的知识、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美、数据分析报告的撰写技能以及持续的修炼。
2.《深入浅出数据分析》
推荐理由：数据分析入门第一本。通俗简单，却能够让读者对数据分析的相关概念有大致的了解。
二、Excel基础
1.《Excel图表之道》
推荐理由：告诉读者如何设计和制作达到杂志级质量的、专业有效的商务图表。
2.《Excel这么用就对了》
推荐理由：所涉及的具体内容包括排序、筛选、函数公式、数据透视表、图表、宏与VBA 等功能应用，并结合大量的企业应用实例，以图文并茂的方式将解决思路和操作过程逐一呈现。
三、数据分析思维
1.《金字塔原理》
推荐理由：是一本讲解写作逻辑与思维逻辑的读物，介绍了如何利用金字塔原理使读者理解和运用简单文书的写作技巧。
2.《麦肯锡图表工作法》
推荐理由：从解决问题的需求出发，在金字塔原理、MECE原则、SCQOR故事展开法等基础上，归纳了麦肯锡盛行数十年的图表工作法的技巧，打造了可视化、简单化、精确化的图表武器，让你极快地解决复杂的问题，走出工作困境。
四、统计学
1.《深入浅出统计学》
推荐理由：号称“文科生也能看懂”的统计书。尽管阅读容易，但所讲的知识在数据分析中都是常见且必须掌握的。
2.《统计学习方法》
推荐理由：统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学 习和无监督学习两篇。
3.《统计学：从数据到结论》
推荐理由：它是国内第一本没有用数学而涉及了几乎所有统计标准课程的模型的教科书。
4.《商务与经济统计》
推荐理由：本书既可作为MBA、大学本科生和研究生的教材，也可供从事工商及行政管理和经济分析的人士参考。
五、数据分析进阶
1.《精益数据分析》
推荐理由：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。
2.《数学之美》
推荐理由：本书把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新。
六、数据挖掘
1.《数据挖掘导论（完整版）》
推荐理由：本书全面介绍了数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章。
2.《数据挖掘概念与技术》
推荐理由：本书完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。
3.《数据挖掘与数据化运营实战：思维、方法、技巧与用应用》
推荐理由：目前有关数据挖掘在数据化运营实践领域比较全面和系统的著作，也是诸多数据挖掘书籍中为数不多的穿插大量真实的实践应用案例和场景的著作。
七、数据可视化
1.《数据可视化之美》
推荐理由：在本书中，20多位可视化专家包括艺术家、设计师、评论家、科学家、分析师、统计学家等，展示了他们如何在各自的学科领域内开展项目。
2. 《鲜活的数据：数据可视化指南》
推荐理由：先后介绍了如何获取数据，将数据格式化，用可视化工具（如R）生成图表，以及在图形编辑软件（如Illustrator）中修改以使图表达到最佳效果。
3.《用数据讲故事》
推荐理由：本书通过大量案例研究介绍数据可视化的基础知识，以及如何利用数据创造出吸引人的、信息量大的、有说服力的故事，进而达到有效沟通的目的。
4.《数据之美：一本书学会可视化设计》
推荐理由：循序渐进、深入浅出地道出了数据可视化的步骤和思想。让我们知道了如何理解数据可视化，如何探索数据的模式和寻找数据间的关联，如何选择适合自己的数据和目的的可视化方式，有哪些我们可以利用的可视化工具以及这些工具各有怎样的利弊。
八、SQL
1.《SQL必知必会》
推荐理由：本书是深受世界各地读者欢迎的SQL经典畅销书，内容丰富，文字简洁明快，针对Oracle、SQL Server、MySQL、DB2、PostgreSQL、SQLite等各种主流数据库提供了大量简明的实例。
2.《SQL基础教程》
推荐理由：本书介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法，提供了大量的示例程序和详实的操作步骤说明。
3.《MySQL必知必会》
推荐理由：本书从介绍简单的数据检索开始，逐步深入一些复杂的内容，包括联结的使用、子查询、正则表达式和基于全文本的搜索、存储过程、游标、触发器、表约束，等等。
九、Python
1.《深入浅出Python》
推荐理由：通过一种独特的超越语法手册的方式来帮助你学习Python。
2.《利用Python进行数据分析》
推荐理由：本书详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。
3.《Python数据分析从入门到精通》
推荐理由：对于希望使用Python来完成数据分析工作的人来说，学习IPython、Numpy、pandas、Matplotlib这个组合是目前看来不错的方向。
十、R语言
1.《R语言实战（第2版）》
推荐理由：本书从解决实际问题入手，尽量跳脱统计学的理论阐述来讨论R语言及其应用。
2.《统计建模与R软件》
推荐理由：书中结合数理统计问题对R软件进行科学、准确和全面的介绍，以便使读者能深刻理解该软件的精髓和灵活、高效的使用技巧。
十一、机器学习
1.《机器学习》
推荐理由：作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。
2.《机器学习实战》
推荐理由：全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。
十二、数据分析应用场景
1.《数据化管理：洞悉零售及电子商务运营》
推荐理由：本书通过大量案例深入浅出地讲解了数据意识和零售思维。
2.《网站分析实战》
推荐理由：本书以通俗易懂的方式来讲解网站分析所需掌握的知识，剖析日常工作中遇到的问题，并且配合大量的实战案例的讲解。
3.《游戏数据分析实战》
推荐理由：要针对游戏策划、游戏运营、游戏数据分析、产品数据分析挖掘、数据平台开发维护人员及对数据分析感兴趣的读者。
4.《淘宝、天猫电商数据分析与挖掘实战》
推荐理由：主要针对电商从业者（运营和店长）和数据分析入门者，以电商业务实战为主线，介绍数据分析相关的知识。
閱讀更多 娛樂玩家W 的文章
