最近很多小伙伴都在給我留言說推薦、的學(xué)習(xí)方法，推薦書籍等，因自己工作原因本就要學(xué)習(xí)一些數(shù)據(jù)的知識(shí)，從網(wǎng)上并沒有找到一篇從入門到進(jìn)階成體系的文章，且查找的分享都是數(shù)據(jù)體系中一個(gè)分支的分支，整體看起來煙霧繚繞，經(jīng)一位前輩點(diǎn)播還是先從書籍中建立整體的認(rèn)知再看這些碎片化的知識(shí)，才能更有體會(huì)，故有了這篇內(nèi)容。

part 1 | 入門版

適合對(duì)數(shù)據(jù)分析的入門者，對(duì)數(shù)據(jù)分析沒有整體概念的人，常見于應(yīng)屆畢業(yè)生，經(jīng)驗(yàn)尚淺的轉(zhuǎn)行者。

HeadFirst類的書籍，一向淺顯易懂形象生動(dòng)，可以對(duì)分析概念有個(gè)全面的認(rèn)知。——Simon

深入淺出數(shù)據(jù)分析：把這本書放在第一順序，是因?yàn)樗娴暮芎?jiǎn)單，但是能夠讓你對(duì)數(shù)據(jù)分析的一些基本概念有大致的了解。即便是你毫無數(shù)據(jù)分析經(jīng)驗(yàn)，一兩天也足夠讀完整本書了。這本書的實(shí)操性并不強(qiáng)，所以也不建議你去跟著實(shí)踐，了解作者傳達(dá)出來的數(shù)據(jù)分析基本思想和原則就OK了，這對(duì)你建立宏觀的視野，和接下來的學(xué)習(xí)很有幫助。

另外，書中提到的一些案例，比如提升化妝品銷量、分析星巴克銷量、生產(chǎn)線最優(yōu)解、網(wǎng)站ABtest、競(jìng)品分析、薪資預(yù)測(cè)等等，看起來很簡(jiǎn)單，但其實(shí)都是工作最常見的一些分析場(chǎng)景。這對(duì)數(shù)據(jù)思維的養(yǎng)成，非常有幫助。

個(gè)人覺得書中最有用的一些點(diǎn)：

• 統(tǒng)計(jì)學(xué)概念在數(shù)據(jù)分析中的作用：比如方差、標(biāo)準(zhǔn)差、相關(guān)系數(shù)、均方根誤差等； 集中數(shù)據(jù)分析的基本方法：假設(shè)檢驗(yàn)、回歸分析、誤差分析等； 統(tǒng)計(jì)圖形分析：散點(diǎn)圖、直方圖等來探索數(shù)據(jù)中隱藏的規(guī)律； 數(shù)據(jù)庫(kù)以及數(shù)據(jù)整理。

這本書很讓你掌握數(shù)據(jù)分析技術(shù)，過一遍即可。

：不僅講解了一些常見的分析技巧，并附帶excel的一些知識(shí)及數(shù)據(jù)分析再公司中所處的位置，對(duì)職場(chǎng)了解亦有一定幫助。

：作者年輕時(shí)是個(gè)追求學(xué)習(xí)意義的學(xué)霸，后來自己從統(tǒng)計(jì)學(xué)中發(fā)掘了很多可以應(yīng)用到生活的地方。這也是本書的主旨，結(jié)合生活講解統(tǒng)計(jì)知識(shí)，生動(dòng)有趣?？梢员苊饨y(tǒng)計(jì)學(xué)一上來就大講貝葉斯概率和隨機(jī)分析的枯燥。

：知名度高，但是還沒看過…

part 2 | 進(jìn)階版

具有一定的行業(yè)針對(duì)性，要求具備一定的分析常識(shí)，適合網(wǎng)站分析師，商業(yè)分析師以及數(shù)據(jù)產(chǎn)品經(jīng)理。

： HeadFirst類書籍，可以幫助你快速了解統(tǒng)計(jì)方面的知識(shí)。——Simon

非常非常基礎(chǔ)的統(tǒng)計(jì)書，適合任何一個(gè)沒有基礎(chǔ)的小白，文科生也能看懂。有人說這本書簡(jiǎn)直太簡(jiǎn)單了，但是對(duì)于數(shù)據(jù)分析來說，需要用到的恰好是這些最簡(jiǎn)單的東西。比如基本的統(tǒng)計(jì)量，基本上每個(gè)分析項(xiàng)目中都會(huì)用到。比如基本的概率分布，總體與樣本的概念、置信區(qū)間、假設(shè)檢驗(yàn)、回歸分析，我去，都是為數(shù)據(jù)分析定制的統(tǒng)計(jì)學(xué)知識(shí)。

所以強(qiáng)烈推薦這本，其他的比較深度的書，并不建議在入門的階段去啃，一方面是很多難以理解，二是即便你花大力氣學(xué)習(xí)了，入門的階段你也不怎么能在實(shí)踐中使用。當(dāng)然多學(xué)一些是沒有壞處的，但你需要知道在什么時(shí)候?qū)W習(xí)哪些東西性價(jià)比最高?；蛘吣阕晕腋杏X良好，誓要學(xué)最難的，從入門到放棄，得不償失。

總結(jié)起來，需要重點(diǎn)了解的統(tǒng)計(jì)學(xué)知識(shí)如下：

• 基本的統(tǒng)計(jì)量：均值、中位數(shù)、眾數(shù)、方差、標(biāo)準(zhǔn)差、百分位數(shù)等； 概率分布：幾何分布、二項(xiàng)分布、泊松分布、正態(tài)分布等； 總體和樣本：了解基本概念、抽樣的概念；

這本書非常的簡(jiǎn)單，但是基本的數(shù)據(jù)分析的一些方法都有了，你需要做的，是利用之前學(xué)過的Python 的一些庫(kù)（pandas、Numpy、matplotlib）來實(shí)現(xiàn)這些數(shù)據(jù)分析的方法、實(shí)現(xiàn)基本的可視化來進(jìn)行圖形化的分析。——DataCastle

：這本也是我當(dāng)年學(xué)習(xí)SQL的入門書，薄冊(cè)子一本，看起來很快。SQL是個(gè)性價(jià)比很高的技能，簡(jiǎn)單而強(qiáng)大。任何想進(jìn)一步提高自己數(shù)據(jù)分析技能的產(chǎn)品／運(yùn)營(yíng)／分析師 同學(xué)，都建議點(diǎn)亮這個(gè)技能點(diǎn)。——Simon

這本書把SQL寫的非常簡(jiǎn)單，沒辦法，SQL確實(shí)也很簡(jiǎn)單。其實(shí)pandas 就已可以實(shí)現(xiàn)很多數(shù)據(jù)管理的工作，而了解SQL 的意義在于融入到實(shí)際的數(shù)據(jù)使用的場(chǎng)景。比如企業(yè)的數(shù)據(jù)，多是以數(shù)據(jù)庫(kù)的形式存儲(chǔ)起來的，那么如果你需要去調(diào)用你需要的那部分?jǐn)?shù)據(jù)，那么SQL就是必須的技能。如果你在最開始就想用公司的數(shù)據(jù)來練習(xí)，那么你可以把這本書的閱讀放到最前面。（當(dāng)然，如果你不回遇到數(shù)據(jù)提取的問題，SQL這部分也可以暫時(shí)不管，對(duì)具體的數(shù)據(jù)分析沒有影響，等到你真正需要用到SQL的時(shí)候再學(xué)習(xí)。）

MySQL本身比較簡(jiǎn)單，對(duì)于數(shù)據(jù)分析師來說，只需要掌握基本的語句和技巧，能夠進(jìn)行基本的數(shù)據(jù)提取和處理就能夠應(yīng)對(duì)一般的數(shù)據(jù)分析需求了。

書中重點(diǎn)掌握以下幾個(gè)點(diǎn)：

• SELECT語句：讓你能夠去提取你需要的那部分?jǐn)?shù)據(jù)； DELETE和UPDATE：知道怎么實(shí)現(xiàn)數(shù)據(jù)的增、刪、改； 數(shù)據(jù)過濾：where、and、or、通配符等過濾方式； 數(shù)據(jù)的匯總和分組、數(shù)據(jù)庫(kù)連接：應(yīng)對(duì)更加復(fù)雜的數(shù)據(jù)和相關(guān)聯(lián)的數(shù)據(jù)； 子查詢：查詢中的查詢。

當(dāng)然還是希望你去公司的數(shù)據(jù)庫(kù)找一些數(shù)據(jù)來進(jìn)行練習(xí)，如果不方便的話，也可以直接用上述UCI數(shù)據(jù)集中的數(shù)據(jù)來進(jìn)行實(shí)踐。

如果遇到問題，可以去菜鳥教程查詢相關(guān)操作。

好了，恭喜，你已經(jīng)基本入門了。到此，你就完全可以去進(jìn)行一個(gè)完整的數(shù)據(jù)分析項(xiàng)目了，如果你沒有頭緒，可以去找一些行業(yè)的分析報(bào)告來看看，找一找分析的思路。能夠獨(dú)立完成一些項(xiàng)目，通過數(shù)據(jù)分析能夠得出一些深刻的結(jié)論，能夠給人以可視化的形式將結(jié)果描述出來，能夠基于歷史數(shù)據(jù)對(duì)未來的一些情況進(jìn)行預(yù)測(cè)，那么一般的數(shù)據(jù)分析崗位，完全可以勝任了。

：GrowingIO出的一本數(shù)據(jù)分析的增長(zhǎng)手冊(cè)，為大家提供常見的分析手段講解，如漏斗分析，同期群分析等等?？稍贕rowingIO技術(shù)論壇中免費(fèi)下載。

：這應(yīng)該是最經(jīng)典的數(shù)據(jù)分析書之一了，作者是pandas 庫(kù)的作者WesMcKinney 。所以這本書對(duì)于pandas 的理解，應(yīng)該是非常深刻的，而利用梳理介紹的pandas、bumpy、matplotlib 等庫(kù)，應(yīng)對(duì)一般的數(shù)據(jù)分析，完全足夠了。

書中應(yīng)該重點(diǎn)掌握的一些點(diǎn)：

• IPython Notebook 的使用：最適合小白的代碼編寫環(huán)境，非常容易上手； 科學(xué)計(jì)算庫(kù) Numpy：數(shù)組和矢量計(jì)算、學(xué)會(huì)利用數(shù)組進(jìn)行數(shù)據(jù)處理； 數(shù)據(jù)處理及分析工具 pandas：數(shù)據(jù)查詢，缺失值、重復(fù)值、異常值的處理，數(shù)據(jù)的合并與規(guī)整化，基本的描述性分析及可視化； 可視化工具 matplotlib：用這個(gè)庫(kù)，基本的數(shù)據(jù)可視化問題皆可以解決了。

看上去是不是很簡(jiǎn)單，這本書就是教會(huì)你如何開始使用Python 進(jìn)行數(shù)據(jù)分析，當(dāng)然首推的就是pandas ，不僅可以做數(shù)據(jù)的預(yù)處理，還能夠做基本的數(shù)據(jù)分析和可視化。這個(gè)庫(kù)一定是你開始入門的時(shí)候需要重點(diǎn)學(xué)習(xí)的，其次用Numpy 進(jìn)行數(shù)組的計(jì)算、利用matplotlib 進(jìn)行可視化的描述性分析，也是同步需要掌握的東西。

但是，這個(gè)部分光看書是遠(yuǎn)遠(yuǎn)不夠的，你可以盡量去找一些可以練手的數(shù)據(jù)集，來實(shí)際操作和調(diào)用這些庫(kù)的功能，確保熟練數(shù)據(jù)分析中最常用的函數(shù)和模塊。如果糾結(jié)去哪找練手的數(shù)據(jù)，推薦UCI經(jīng)典數(shù)據(jù)集。

關(guān)于pandas、Numpy、matplotlib 網(wǎng)上應(yīng)該可以搜索到很多有用的資料、教程，可以看一看別人的使用技巧、應(yīng)用場(chǎng)景，并通過練習(xí)轉(zhuǎn)化成自己的經(jīng)驗(yàn)。

因?yàn)?Python 庫(kù)的更新迭代非?？欤@本書里額一些內(nèi)容其實(shí)已經(jīng)“過時(shí)”了，這里也非常建議你去查看一些官方的文檔，基本上你需要的都能查到。

另外，在進(jìn)行一些數(shù)據(jù)處理、數(shù)據(jù)分析的時(shí)候，你可能需要去了解一些更細(xì)節(jié)的Python 的用法，這里就不推薦書了，因?yàn)槟銢]必要去系統(tǒng)地學(xué)，按照這個(gè)菜鳥教程看看或者查詢相關(guān)的用法就OK了。

part 3 | 高階版

更高階的數(shù)據(jù)相對(duì)來說專業(yè)性較強(qiáng)了，如涉及到企業(yè)內(nèi)部數(shù)據(jù)治理，數(shù)據(jù)結(jié)合的業(yè)務(wù)分析，數(shù)據(jù)可視化等。當(dāng)然，還有數(shù)據(jù)挖掘算法之類的更深入的東西，這塊沒有研究就不瞎推薦了

：此書優(yōu)勢(shì)在于將企業(yè)分成了幾個(gè)大的行業(yè)類別，并分門別類的講解了每個(gè)行業(yè)的商業(yè)模式特點(diǎn)及分析技巧，對(duì)使用者的分析能力要求較高，且必須具備相應(yīng)的業(yè)務(wù)知識(shí)。——Simon

書中主要講到各種產(chǎn)品中用到的指標(biāo)和模型，這是一本寫給產(chǎn)品經(jīng)理的書，其中并沒有具體的數(shù)據(jù)分析技術(shù)，涉及到的更多是數(shù)據(jù)驅(qū)動(dòng)型產(chǎn)品的一些思路。

比如怎么將數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品落地，怎么為產(chǎn)品設(shè)計(jì)數(shù)據(jù)指標(biāo)，哪些指標(biāo)對(duì)于產(chǎn)品迭代優(yōu)化更有效，如何依靠數(shù)據(jù)分析來驅(qū)動(dòng)用戶增長(zhǎng)等等。——DataCastle

：本書通過世界上最好的數(shù)據(jù)工作者的示例，向讀者展示處理數(shù)據(jù)的方法。本書使得讀者可以站在優(yōu)秀的數(shù)據(jù)設(shè)計(jì)師、管理者和處理者的肩上，去仔細(xì)審視涉及到數(shù)據(jù)的一些最有趣的項(xiàng)目。

：阿里巴巴前數(shù)據(jù)副總裁車品覺老師所著，講解了阿里巴巴在企業(yè)內(nèi)部治理數(shù)據(jù)過程中的新的，所講“存-通-用”數(shù)據(jù)管理三板斧和“從數(shù)據(jù)化運(yùn)營(yíng)到運(yùn)營(yíng)數(shù)據(jù)”，字字珠璣，可堪借鑒。

：華爾街日?qǐng)?bào)負(fù)責(zé)商業(yè)分析的人做的可視化指南，精華且實(shí)用，之前做的讀書筆記可供參考【】

：這本書應(yīng)該是數(shù)據(jù)分析和數(shù)據(jù)挖掘（機(jī)器學(xué)習(xí)）之間的橋梁。從探索性的數(shù)據(jù)分析開始，通過數(shù)據(jù)分析的思維，引出了機(jī)器學(xué)習(xí)的基本算法：回歸分析、k近鄰、k均值。接著通過不同的應(yīng)用場(chǎng)景分別介紹了最常見的機(jī)器學(xué)習(xí)算法，以及在真實(shí)場(chǎng)景的應(yīng)用。

對(duì)于做了一段時(shí)間數(shù)據(jù)分析工作的人，這無疑是進(jìn)階更高維度的好書，很難有一本書，能夠讓你從簡(jiǎn)單的數(shù)據(jù)分析平滑地渡到機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘，這本書我認(rèn)為是這方面做的最好的一本。

所以如果你在做一些探索性的分析遇到瓶頸之后，自然而然會(huì)進(jìn)入數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法的坑，因?yàn)橹挥?更高級(jí)的算法和模型，才能夠支撐大規(guī)模的數(shù)據(jù)的預(yù)測(cè)。

下面列出一些書中有意思也比較有用的點(diǎn)：

• 了解探索性數(shù)據(jù)分析，為更高級(jí)的需求打好基礎(chǔ)； 了解機(jī)器學(xué)習(xí)的基本算法、k近鄰、k均值等； 用樸素貝葉斯方法做垃圾郵件的過濾； 線性回歸和邏輯回歸的分析方法； 如何從數(shù)據(jù)中獲取結(jié)論，從數(shù)據(jù)挖掘競(jìng)賽開始； 構(gòu)建自己的推薦系統(tǒng)； 數(shù)據(jù)泄漏與模型評(píng)價(jià)，如何篩選模型。

part 4 | 推薦關(guān)注

在知乎上有不少數(shù)據(jù)分析及Growth的大牛，在這里推薦幾位我熟悉的，經(jīng)常會(huì)寫一些相關(guān)的文章：

覃超，前Facebook 早期工程師，關(guān)于增長(zhǎng)黑客寫了許多優(yōu)秀的文章；

鄒昕，F(xiàn)acebook 用戶增長(zhǎng)數(shù)據(jù)分析，在數(shù)據(jù)分析方面很有見解；

范冰，【增長(zhǎng)黑客】一書作者，人非常有趣，同事也非常推薦【增長(zhǎng)黑客】這本書；

曾加，螞蟻金服 BI-數(shù)據(jù)分析，數(shù)學(xué)方面的牛人；

何明科，專注于數(shù)據(jù)和互聯(lián)網(wǎng)產(chǎn)品，許多回答很值得細(xì)看

對(duì)于推薦的書籍來講，有一位前輩能對(duì)這本書有所評(píng)價(jià)并告訴后輩的，無異于考試時(shí)書上畫了重點(diǎn)，所以，關(guān)于數(shù)據(jù)分析的書，有這么一篇就夠了。

但是關(guān)于產(chǎn)品的書，從網(wǎng)上找到的書單涉及到的書太多，因?yàn)楫a(chǎn)品經(jīng)理需要對(duì)各個(gè)方面都有所了解，要對(duì)各個(gè)領(lǐng)域都列出個(gè)書單的話，也沒時(shí)間看，畢竟人的精力是有限的，還是要有所選擇。

這里想講一個(gè)選書的方法，將每一位大牛列出的書單視作他們的一個(gè)產(chǎn)品，將產(chǎn)品領(lǐng)域各位大牛的書單做個(gè)競(jìng)品分析，列出每個(gè)書單的相同點(diǎn)，也就是找出每份書單都會(huì)出現(xiàn)的書，對(duì)于新人來說，從這些書中開始讀，準(zhǔn)沒錯(cuò)。

產(chǎn)品崗位是近幾年才逐漸有了系統(tǒng)化的培訓(xùn)，在之前魚龍混雜的時(shí)代有人出了一本書各個(gè)產(chǎn)品人一定都有所涉獵，而那個(gè)時(shí)候產(chǎn)品可選擇的書籍并不多，這些人中又漸漸了出了大神，值得被多位大神站臺(tái)的書籍，就是對(duì)內(nèi)容最好的保障。

一個(gè)真心喜歡工作的2年產(chǎn)品新人，目前學(xué)習(xí)的方法是通過書籍掌握基礎(chǔ)脈絡(luò)再通過碎片化的文章往不同的方向延伸，期望只通過能力而不通過公司的背景和光環(huán)被人認(rèn)可。