你们知道有哪些数据分析的书看了以后会让你大呼过瘾？

1. 你们知道有哪些数据分析的书看了以后会让你大呼过瘾？

《Head First Data Analysis》电子工业出版社的经典书目系列，从数据分析基本步骤开始、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧一一讲到。图比较多，适合入门。《Head First Statistics》链接：推荐理由同上，适合入门者的经典教材。《R in Action-Data Analysis and Graphics with R》R是属于GNU系统的一个自由、免费、源代码开放的软件，用于统计计算和统计制图。这本书从实用的统计研究角度逐例分析R在数据处理、模型构建、以及图形操作上的由浅入深的结合，堪称经典。《数据之魅-基于开源工具的数据分析》作者是华盛顿大学理论物理学博士。这本书是数据分析的经典之一，包含大量的R语言模拟过程及结果展示，例举了很多数据分析实例和代码。

2. 自学数据分析需要看哪些书的

第一大类：理论类。 理论层面的书籍，比如《大数据时代》 、《数据之巅》 。 

第二大类：技术类。 技术层面的书籍，比如《Hadoop技术内幕》系列。这一类的书籍，主要是指系统技术类，在构建大数据系统时，系统如何运作，各系统组件的设计目标、框架结构、适用场景、工作原理、运作机制、实现功能等等。这类书籍，适合于IT系统部，开发部的技术人员。他们需要明白系统的运作机制，利用系统来实现大数据的应用开发，以及系统运维优化等。     

第三大类：应用类。 应用层面的书籍，比如《数据挖掘技术》 、《基于SPSS的数据分析》等等。 这一类的书籍，主要是指应用技术类，告诉你如何应用工具和方法，从海量数据中提取有用的信息，来解决真实的业务问题。这类书籍，适合于业务部门、市场营销部门及与业务结合比较紧密的人员。他们更关注业务问题的解决，围绕业务问题来构建分析和解决方案。

3. 自学数据分析需要看哪些书的

第一大类：理论类。 理论层面的书籍，比如《大数据时代》 、《数据之巅》 。


第二大类：技术类。 技术层面的书籍，比如《Hadoop技术内幕》系列。这一类的书籍，主要是指系统技术类，在构建大数据系统时，系统如何运作，各系统组件的设计目标、框架结构、适用场景、工作原理、运作机制、实现功能等等。这类书籍，适合于IT系统部，开发部的技术人员。他们需要明白系统的运作机制，利用系统来实现大数据的应用开发，以及系统运维优化等。     

第三大类：应用类。 应用层面的书籍，比如《数据挖掘技术》 、《基于SPSS的数据分析》等等。 这一类的书籍，主要是指应用技术类，告诉你如何应用工具和方法，从海量数据中提取有用的信息，来解决真实的业务问题。这类书籍，适合于业务部门、市场营销部门及与业务结合比较紧密的人员。他们更关注业务问题的解决，围绕业务问题来构建分析和解决方案。

4. 入门数据分析行业可以看哪些书?

1、统计学
《赤裸裸的统计学》
理由：了解学习统计学的意义，在日常生活中统计学有什么用?也可以当成一本科普书。
《深入浅出统计学》
理由：零基础可以轻松愉快的学会，书里面有通俗易懂的案例，图文并茂，学习统计学不会那么枯燥。
《商务与经济统计》
理由：适合有基础的人看，可以深入了解统计学。零基础看这本书会有些困难。
2、SQL
《SQL基础教程》
理由：零基础入门，通俗易懂，里面的案例也很贴合实际应用。
《SQL必知必会》
理由：有基础的可以把这本书当作一本字典来使用，遇到问题了，可以查找对应的内容。
3、业务知识
电商行业：《数据化管理：洞悉零售及电子商务运营》
游戏行业：《游戏数据分析实战》
网站：《网站分析实战》
HR行业 《人力资源与大数据分析》
金融行业：《消费金融真经：个人贷款业务全流程指南》
其他行业：国外作者肖恩的《增长黑客》
关于入门数据分析行业可以看哪些书，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

5. 有哪些你看了以后大呼过瘾的数据分析书？

作为数据分析师，有需要经典的数据分析书籍需要我们仔细阅读。按照难度，可以分为三个难度：入门篇、进阶篇以及高级篇。

1）入门篇


《谁说菜鸟不会数据分析》，这个系列一共有两种，小黄书以及小蓝书，对于初入数据分析门槛的朋友来说，这本书可以让你对数据分析有个大概的认知，此外还讲解了一些比较常见的业务场景。

《深入浅出数据分析》，真正的深入浅出，可谓是经典的入门书之一。
2）进阶篇

《SQL必知必会》，大数据时代，数据更多的是在数据库中储存，而调取其中数据的工具。这本很薄的数据入门书，可以让你快速入门SQL，当然之后还需要不断去实践。
《网站分析实战》，网站分析其实是数据分析里面最为成熟的领域之一，学会网站分析就可以让你快速洞察一些常用的数据分析方法。
《深入浅出统计学》，统计学是进阶必须要学习的课程，而这本深入浅出系列，就是在通过通俗易懂的语言，让你快速了解统计学，并且对其有个全面系统的认知。
《精益数据分析》，数据分析并不仅仅只是学会工具即可，更需要结合业务场景进行数据分析。这本书围绕目前很火的精益创业进行讨论，具体呈现了几十个商业分析案例，是一本极具价值的数据分析业务书。
3）高级篇

《利用Python进行数据分析》，重点介绍了Pandas、Numpy以及matplotlib等Python库，并告诉你如何利用这些库高效地解决各式各样的数据分析问题。
《数据分析实战》，这本书结合8个真实的商业案例，旨在帮助你建立解决商业难题的数据分析手段。此外，还罗列了诸如柱状图、交叉分析、AB测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等数据分析方法。

6. 自学数据分析需要看哪些书的

统计学：理论基础，必看；
1.贾俊平、何晓群、金勇进  统计学（第六版）中国人民大学出版社
2.吴喜之 统计学：从数据到结论（第三版）[M].北京：中国统计出版社，2011.
SPSS：统计软件
1.张文彤邝春伟 SPSS 统计分析基础教程（第2 版）[M]. 北京：高等教育出版社，2011.
2.张文彤董伟 SPSS 统计分析高级教程（第2 版）[M]. 北京：高等教育出版社，2013.
3. 吴明隆 SPSS 统计应用实务[M]. 北京：中国铁道出版社，2000.
R语言：
1.R语言实战（第二版）
2.用商业案例学R语言数据挖掘 经管之家主编 电子工学出版社
看完这些书，再去亚马逊上搜，看排名前十的书。亚马逊的推荐系统是最好的。

7. 在数据分析，挖掘方面，有哪些好书值得推荐

深入浅出数据分析 (豆瓣) 这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。难易程度：非常易。
啤酒与尿布 (豆瓣) 通过案例来说事情，而且是最经典的例子。难易程度：非常易。
数据之美 (豆瓣) 一本介绍性的书籍，每章都解决一个具体的问题，甚至还有代码，对理解数据分析的应用领域和做法非常有帮助。难易程度：易。
数学之美 (豆瓣) 这本书非常棒啦，入门读起来很不错！

数据分析：
SciPy and NumPy (豆瓣) 这本书可以归类为数据分析书吧，因为numpy和scipy真的是非常强大啊。

Python for Data Analysis (豆瓣) 作者是Pandas这个包的作者，看过他在Scipy会议上的演讲，实例非常强！

Bad Data Handbook (豆瓣) 很好玩的书，作者的角度很不同。

适合入门的教程：
集体智慧编程 (豆瓣) 学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法，浅显易懂，还有可执行的Python代码。难易程度：中。
Machine Learning in Action (豆瓣) 用人话把复杂难懂的机器学习算法解释清楚了，其中有零星的数学公式，但是是以解释清楚为目的的。而且有Python代码，大赞！目前中科院的王斌老师（微博：王斌_ICTIR）已经翻译这本书了 机器学习实战 (豆瓣)。这本书本身质量就很高，王老师的翻译质量也很高。难易程度：中。我带的研究生入门必看数目之一！
Building Machine Learning Systems with Python (豆瓣) 虽然是英文的，但是由于写得很简单，比较理解，又有 Python 代码跟着，辅助理解。
数据挖掘导论 (豆瓣) 最近几年数据挖掘教材中比较好的一本书，被美国诸多大学的数据挖掘课作为教材，没有推荐Jiawei Han老师的那本书，因为个人觉得那本书对于初学者来说不太容易读懂。难易程度：中上。
Machine Learning for Hackers (豆瓣) 也是通过实例讲解机器学习算法，用R实现的，可以一边学习机器学习一边学习R。

8. 在数据分析，挖掘方面，有哪些好书值得推荐

数据分析：
《深入浅出数据分析》
《数据分析：企业的贤内助》

数据挖掘：
1、《数据挖掘概念和技术》，作者：（加）韩家炜，堪博　著，范明，孟小峰　译，机械工业出版社
2、数据挖掘导论，[美]Pang-Ning Tan，Michael Steinbach，Vipin Kumar 著，译者： 范明 范宏建，人民邮电出版社



下边三本是英文版：
(1) J. Han and M. Kamber, Data Mining: Concepts and Techniques.
   本书从数据库角度看待数据挖掘，强调效率（Efficiency）。按照本书观点，数据挖掘是从存储在数据库、数据仓库或者其他信息库中的大量数据中发现知识的过程。
(2) I.H. Written and E.Frank. Data Mining: Practical Machine Learnings and Techniques.
   本书从机器学习角度看待数据挖掘，强调有效(Effectiveness)。按照这本书的观点，数据挖掘是从数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
(3) D. Hand, H.Mannila and P. Smith, Principle of Data Mining.
   本书从统计学的角度看待数据挖掘，因为统计学是一门数学，所以本书强调数学上的正确性(Validity)。按照本书观点，数据挖掘是分析（往往是大量的）数据集以找到未曾预料的关系，并以可理解又有用的新颖方式呈现给数据用户的过程。



sc-cpda  数据分析公众交流平台   详细查看我资料