学习数据分析有哪些推荐的书籍?任何学科或技能的学习都是一个循序渐进的过程，数据分析也不外乎如此。为了更好地帮助数据分析师更好的提升数据分析能力，今天我们通过DataHunter与大家分享一批优秀的数据分析相关数据。
一、数据分析入门
《谁说菜鸟不会数据分析》
数据分析入门经典小黄书，不仅讲解了一些常见的分析技巧，并附带 Excel 的一些知识以及数据分析在公司中所处的位置，帮助小白对职业有个初步认知。
《Head First Data Analysis》深入浅出数据分析
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。
《Head First Statistics》深入浅出统计学
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语言实战
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》数据之魅
作者是华盛顿大学理论物理学博士。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。
《数据挖掘-市场营销、销售与客户关系管理领域应用》数据挖掘技术
作者是Data Miners的创办人，有二十多年的营销和客户关系管理结合数据挖掘的经验。详细介绍了作为一个数据挖掘团队需要的知识体系，包括数据库、SAS使用、统计学、机器学习、数据可视化、如何访问用户收集需求、如何写论文与沟通等等。有条件的建议看英文原版。
《 赤裸裸的统计学》
作者年轻时是个追求学习意义的学霸，后来自己从统计学中发掘了很多可以应用到生活的地方。这也是本书的主旨，结合生活讲解统计知识，生动有趣。可以避免统计学一上来就大讲贝叶斯概率和随机分析的枯燥。
《统计数字会撒谎》
这本书是美国统计专家达莱尔·哈夫的传世之作，该书引发的“编造虚假信息”话题受到美国社会持续普遍的关注和美国权威媒体的激烈争论。书里面大胆地揭露了至今仍然被销售员、广告撰稿人、记者甚至专家频频使用的大量的统计操纵技巧，同时还配有别具一格的风趣插图以及众多幽默的案例。
《Data Analytics for Beginners: Basic Guide to Master Data Analytics》
里面很多图表实例，手把手教你如何EXCEL画图，对各种知识点(平均值，模式，中值，方差，标准偏差)的讲解相当到位，比大学里的各种课本靠谱。
《数据化管理：洞悉零售及电子商务运营 》
黄成明著，讲解在企业中应用数据的例子，里面举的很多例子都很接地气。虽说偏向于零售业管理，但大道归一，可适用于很多行业，当时依据里面的理念规划了美团外卖面向 BD 的数据产品。
《MySQL 必知必会 》
薄册子一本，看起来很快。SQL 是个性价比很高的技能，简单而强大。任何想进一步提高自己数据分析技能的产品/运营/分析师 同学，都建议点亮这个技能点。
二、数据分析进阶
《决战大数据 》
阿里巴巴前数据副总裁车品觉老师所著，讲解了阿里巴巴在企业内部治理数据过程中的心得，所讲“存-通-用”数据管理三板斧和“从数据化运营到运营数据”，字字珠玑，可堪借鉴。
《精益数据分析 》
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。
《Doing Data Science》
作者Cathy O’Neil是哈佛大学的博士，MIT的数据博士后，曾今作为一名Quant在对冲基金D.E. Shaw 工作，目前是一家纽约初创公司的Data scientist 。这本书需要有一定的编程和理论基础，作为入门教材来说有点难，虽然只有400来页，但是涉及的知识点很全面。每一章节的核心内容都附有编程案例，R/Python/Shell三种语言任君挑选。
《Python for Data Analysis》
Python数据分析必看，适合入行不久的数据分析师。作者有多年的Python数据分析工作经验，对各种Pyhon包iPython，NumPy，pandas，matpotlib等有着很深的理解。看完这本，敲完代码，Python数据分析就算入行了。
《Data Science for Business》
很多牛人为之作序，数据科学如何与商业结合，相信这本书会给你一些启发。
《Python Data Science Handbook》
2016年6月出版的，500页保质保量，作者(Jake VanderPlas)是华盛顿大学电子科学研究所的高级数据科学研究员，研究领域包括天文统计学、机器学习和可扩展计算。书的前半部分介绍了用于数据分析和一般的科学计算的基本Python库，后面从实际应用的角度使用Python库scikit-learn开始机器学习实践。适合有一定Python基础人(或者R基础)，并且想学习如何使用Python进行数据分析的人。
《Storytelling with Data》
作者Cole NussbaumerKnaflic，私募分析师，前Google人力分析团队总监。本书展示了如何高效率展示量化资讯，如何用丰富的资料讲故事。Google内部的数据可视化课程讲师，之前也在Maryland Institute College of Art兼职讲师。如果你想知道如何以图叙事，这边好书不容错过。
最后，如果只是应对日常的业务数据分析，相关人员只需要使用DataHunter的Data Analytics就完全可以解决问题。更多咨询关于数据分析工具的相关内容，请关注：DataHunter
