一、數(shù)據(jù)分析小白入門系列

1、《深入淺出數(shù)據(jù)分析》

推薦指數(shù)：★★★★★

深入淺出系列應該是大多數(shù)數(shù)據(jù)分析師的啟蒙讀物，內(nèi)容非常適合小白入門，雖然是入門級別的讀物，比較簡單，但基本的數(shù)據(jù)分析內(nèi)容涉及全面，講解的比較清晰，最后談到了R語言。

優(yōu)點：圖文并茂，講解絲毫不枯燥，閱讀速度會很快；

缺點：內(nèi)容太淺了，淺到了根本沒有必要讀第二遍的地步；

2、《誰說菜鳥不會數(shù)據(jù)分析》

推薦指數(shù)：★★★★☆

這本書不僅講解了一些常見的通用數(shù)據(jù)分析技巧，還附帶了Excel的一些知識以及數(shù)據(jù)分析在公司中所處的位置，對職場了解亦有一定幫助，整體來說有一定可讀性，想入門Excel的同學必看！

優(yōu)點：操作工具書，相當于一本Excel表哥表姐的入門指導書；

缺點：更偏excel，沒有介紹數(shù)據(jù)分析的大體框架，因此書名一直被詬??；

3、《人人都會數(shù)據(jù)分析》

推薦指數(shù)：★★★★☆

從業(yè)務(wù)分析到數(shù)據(jù)分析職場，從EXCEL數(shù)據(jù)處理到可視化操作，這本書基本將整個數(shù)據(jù)分析的內(nèi)容都講了一遍，比較適合想要入行業(yè)務(wù)分析和轉(zhuǎn)行的同學們閱讀。

優(yōu)點：內(nèi)容全面而且十分系統(tǒng)，你想了解的數(shù)據(jù)分析知識都能從這本書里找到；

缺點：缺少實踐操作和案例解讀，理論性質(zhì)十分強，易讀性略低；

二、統(tǒng)計學入門系列

1、《赤裸裸的統(tǒng)計學》

推薦指數(shù)：★★★★★

很有意思的一本統(tǒng)計學入門讀物，作者查爾斯韋蘭本來是一名記者，所以寫作技巧非常高，筆法幽默俏皮，著重闡明了統(tǒng)計學的關(guān)鍵概念，如概率、相關(guān)與回歸分析，讓人們一睹被誤讀數(shù)據(jù)背后的統(tǒng)計學奧秘。

優(yōu)點：幾乎每個知識點都有大量的例子進行說明，寓教于樂；

缺點：因為是國外著書，所以文中大量的例子可能對我們沒有很大的參考意義；

2、《統(tǒng)計學習方法》

推薦指數(shù)：★★★☆☆

其實不應該把這本書歸入入門系列，因為這本書中有相當多的公式證明、概念解釋等等，其中雖然有一些晦澀難懂的地方，但是作為數(shù)據(jù)分析統(tǒng)計學的教科書是一點都不過分的，建議大家閱讀三遍以上。

優(yōu)點：本書精簡不啰嗦，面面俱到，從原理上給你整得明明白白的，輔以適當?shù)睦?，沒有多余的圖表；

缺點：非工科生和統(tǒng)計學零基礎(chǔ)的同學，需要不斷查閱資料；

三、數(shù)據(jù)處理入門系列

1、《MYSQL必知必會》

推薦指數(shù)：★★★★★

sql入門必看的一本書，非常適合新手學習sql的一本工具書，翻譯水平也很高，最深的內(nèi)容涉及到了一些復雜查詢和儲存，適合學習者隨時查漏補缺！

優(yōu)點：簡單精煉，閱讀速度會很快，而且方便隨時查閱

缺點：內(nèi)容看起來簡單，但是需要自己動手實操，要不然看完之后就索然無味

2、《干凈的數(shù)據(jù)：數(shù)據(jù)清洗入門與實踐》

推薦指數(shù)：★★★☆☆

由數(shù)據(jù)清洗開始窺竊數(shù)據(jù)分析，介紹了很多有意思的東西，輕松讀物，適合沒有編程基礎(chǔ)的同學閱讀學習！

優(yōu)點：算是還可以的爬蟲入門書籍，有技術(shù)講解，最后也有案例說明；

缺點：內(nèi)容過于雜亂，而且對于已經(jīng)有編程基礎(chǔ)的人來說非常簡單，沒有看的必要；

四、大數(shù)據(jù)分析進階系列

1、《Hadhoop數(shù)據(jù)分析》

推薦指數(shù)：★★★★☆

大數(shù)據(jù)分析科學的必看讀物，主要內(nèi)容是集群計算和分析概述，為數(shù)據(jù)科學家深入了解特定主題領(lǐng)域鋪平道路，從數(shù)據(jù)科學家的視角介紹Hadoop集群計算和分析。

優(yōu)點：十分強悍的理論著作，比較亮點的地方是第一部分的分布式講解；

缺點：翻譯十分不友好！

2、《Spark大數(shù)據(jù)分析》

推薦指數(shù)：★★★★☆

一書針對使用Apache Spark框架執(zhí)行批處理、互操作、圖表、數(shù)據(jù)流分析，以及機器學習等不同類型的大數(shù)據(jù)分析項目提供了實用的指南。其中介紹了Spark core及其加載項庫，包括Spark SQL、Spark Streaming、GraphX、Mllib，以及Spark ML。

優(yōu)點：入門spark的教科書，沒有什么閱讀難看，通俗易懂；

缺點：具體的實際操作代碼還是比較少，同時也沒有提供比較好的分析數(shù)據(jù)；

3、《鮮活的數(shù)據(jù)：數(shù)據(jù)可視化指南》

推薦指數(shù)：★★★☆☆

《鮮活的數(shù)據(jù)：數(shù)據(jù)可視化指南》這本書是我最開始了解數(shù)據(jù)可視化看的第一本書，讓我對數(shù)據(jù)可視化從一個看一團迷霧的小白白可以大概的了解到了一個輪廓。

優(yōu)點：作者的可視化功底非常強，內(nèi)容豐富，設(shè)計可視化的方方面面；

缺點：需要R語言基礎(chǔ)；

五、高級數(shù)據(jù)分析系列

1、《機器學習》

推薦指數(shù)：★★★★☆

這本書用簡單的語言把復雜難懂的機器學習算法解釋清楚了，它將機器學習的基礎(chǔ)理論與日常數(shù)據(jù)分析的實際工具相結(jié)合。

優(yōu)點：對機器學習有一個很全面的解讀和介紹，適合新手；

缺點：這本書已經(jīng)比較老了，內(nèi)容中有一些過時的地方；

2、《數(shù)據(jù)分析實戰(zhàn)》

推薦指數(shù)：★★★☆☆

本書首先介紹了商業(yè)領(lǐng)域里通用的數(shù)據(jù)分析框架，然后根據(jù)該框架，結(jié)合8個真實的案例，詳細解說了通過數(shù)據(jù)分析解決各種商業(yè)問題的流程，避免紙上談兵。

優(yōu)點：商業(yè)數(shù)據(jù)分析領(lǐng)域必看的一本書，對其他行業(yè)借鑒意義不大；

缺點：R語言和代碼部分的占比比較大，需要R基礎(chǔ)；

六、數(shù)據(jù)化運營系列

1、《數(shù)據(jù)化管理》

推薦指數(shù)：★★★★★

本書從企業(yè)的一個個具體的需求出發(fā)，使讀者對數(shù)據(jù)分析的了解循序漸進，將復雜的數(shù)據(jù)分析知識體系串成有機的整體。

優(yōu)點：大量的企業(yè)經(jīng)營案例，系統(tǒng)闡述數(shù)據(jù)分析的專業(yè)思路、方法和技能；

缺點：局限零售電商行業(yè)，其他行業(yè)借鑒意義不大；

2、《如何用數(shù)據(jù)解決實際問題》

推薦指數(shù)：★★★★☆

這本書整體非常通俗易懂，通過縝密的假設(shè)原因，推斷可能問題，檢驗結(jié)論，到最后給出實際可操作的建議，這才是一個數(shù)據(jù)分析該有的流程。

優(yōu)點：書中例子非常多，也非常有借鑒意義；

缺點：內(nèi)容不算多，會有意猶未盡的感覺；

七、數(shù)據(jù)科學系列

1、《數(shù)據(jù)科學入門》

推薦指數(shù)：★★★★☆

雖然書名帶著入門，但是這本書不太適合作為數(shù)據(jù)科學的入門書，可以作為泛讀的東西翻一翻看看，對數(shù)據(jù)科學進行了一次系統(tǒng)的介紹。

優(yōu)點：這本書能帶著你把一些基礎(chǔ)算法，從底層開始重構(gòu)一遍，很基礎(chǔ)；

缺點：每個概念不作推導，不作說明，直接拋出來后就跟上一堆代碼，很不友好！

2、《數(shù)據(jù)科學實戰(zhàn)》

推薦指數(shù)：★★★★☆

對具體算法細節(jié)未做深入探討，但屬于名副其實的實戰(zhàn)，值得一讀，尤其推薦六九兩章的部分內(nèi)容。

優(yōu)點：翻譯很過關(guān)，可以作為數(shù)據(jù)科學的啟蒙之書！

缺點：不能用來入門算法，算法部分比較粗略；

-----------------------【數(shù)據(jù)分析書單下載】----------------------------

鏈接：https://pan.baidu.com/s/1oSiRaOrImgPmqYlMVyglDA

提取碼：wie2