自學數據分析需要看哪些書（從初級到高級）的？
從入門到精通：互聯網數據分析的書籍清單！
任何一個技能的學習，都有從淺到深的過程，數據分析也不例外。因此我把推薦書籍劃分成幾個段位，更便於大家挑選。
在列書單之前，先介紹一本：我們一直在做互聯網行業數據分析知識的普及，目前我們已經做了 15 期「GrowingIO 數據分析公開課」，面向產品經理、運營等等，這裡是我們整理出來的「互聯網增長的第一本數據分析手冊」：
這是一本神奇的書。
產品經理用它來分析數據、拆解指標，實現流程的良性運轉；市場運營用它來解析數據、確定方法，實現運營效果最大化。30%註冊率的提升，90%的客戶留存，矽谷數據之神手把手教你實踐增長黑客。翔實的分析方法，真實案例與心得，GrowingIO 團隊的創業實戰分享都在這裡了！嚴格意義上這不算是一本書，但是能夠手把手教你如何做數據分析。
獲取完整書籍下載，點擊 互聯網增長的第一本數據分析手冊 。
下面是數據分析從入門到精通書籍推薦：
Part 1 | 入門版
適合對數據分析的入門者，對數據分析沒有整體概念的人，常見於應屆畢業生，經驗尚淺的轉行者。
深入淺出數據分析 (豆瓣)：HeadFirst 類的書籍，一向淺顯易懂形象生動，可以對分析概念有個全面的認知。
誰說菜鳥不會數據分析 (豆瓣)：不僅講解了一些常見的分析技巧，並附帶 Excel 的一些知識以及數據分析在公司中所處的位置，對職場了解亦有一定幫助。
赤裸裸的統計學 (豆瓣)：作者年輕時是個追求學習意義的學霸，後來自己從統計學中發掘了很多可以應用到生活的地方。這也是本書的主旨，結合生活講解統計知識，生動有趣。可以避免統計學一上來就大講貝葉斯概率和隨機分析的枯燥。
同樣類似的書籍還有「統計數字會撒謊 (豆瓣)」，這本書知名度要高點，不過我還沒看…
Part 2 | 進階版
具有一定的行業針對性，要求具備一定的分析常識，適合網站分析師，商業分析師以及數據產品經理。
精通 Web Analytics 2.0 (豆瓣)：此書雖老，但其中很多思想和流量分析的案例仍然很有借鑒意義，現在紙質書只能上淘寶買舊書了。
與此類似的有「網站分析實戰 (豆瓣)」，是國內一本講網站分析的書，沒有上面經典，但勝在新出，很多案例和理念都有及時的更新。
深入淺出統計學 (豆瓣)：Headfirst 類書籍，可以幫助你快速了解統計方面的知識。
數據化管理：洞悉零售及電子商務運營 (豆瓣)：黃成明著，講解在企業中應用數據的例子，讀完受益匪淺，裡面舉的很多例子都很接地氣。雖說偏向於零售業管理，但大道歸一，可適用於很多行業，當時依據裡面的理念規划了美團外賣面向 BD 的數據產品。
MySQL 必知必會 (豆瓣)：這本也是我當年學習 SQL 的入門書，薄冊子一本，看起來很快。SQL 是個性價比很高的技能，簡單而強大。任何想進一步提高自己數據分析技能的產品/運營/分析師 同學，都建議點亮 這個技能點。
互聯網增長的第一本數據分析手冊：我司 GrowingIO 出的一本數據分析的增長手冊（封面和目錄見下圖），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。可點擊書籍名字在 GrowingIO 技術論壇中免費下載。
Part 3 | 高階版
更高階的數據相對來說專業性較強了，如涉及到企業內部數據治理，數據結合的業務分析，數據可視化等。當然，還有數據挖掘演算法之類的更深入的東西，這塊沒有研究就不瞎推薦了。
決戰大數據 (豆瓣)：阿里巴巴前數據副總裁車品覺老師所著，講解了阿里巴巴在企業內部治理數據過程中的心得，所講「存-通-用」數據管理三板斧和「從數據化運營到運營數據」，字字珠璣，可堪借鑒。
精益數據分析 (豆瓣)：此書優勢在於將企業分成了幾個大的行業類別，並分門別類的講解了每個行業的商業模式特點及分析技巧，對使用者的分析能力要求較高，且必須具備相應的業務知識。
The Wall Street Journal Guide to Information Graphics (豆瓣)，華爾街日報負責商業分析的人做的可視化指南，精華且實用，我之前在公眾號上寫過讀書筆記「華爾街日報是這樣做數據可視化的（1）」，可供大家參考。
《數據倉庫經典教程》：網上有人整理出來的資料，優點是簡單明了，不像正常的數據倉庫教材厚厚一本。
Part 4 | 推薦關注
在知乎上有不少數據分析及 Growth 的大牛，在這裡推薦幾位我熟悉的，經常會寫一些相關的文章：
覃超，前 Facebook 早期工程師，關於增長黑客寫了許多優秀的文章；
鄒昕，Facebook 用戶增長數據分析，在數據分析方面很有見解；
范冰，「增長黑客」一書作者，人非常有趣，同時也非常推薦「增長黑客」這本書；
曾加，螞蟻金服 BI-數據分析，數學方面的牛人；
何明科，專註於數據和互聯網產品，許多回答很值得細看。
本文作者陳新濤，GrowingIO - 矽谷新一代數據分析產品 產品經理。整體來講，數據分析的學習可以分為三大塊內容：
1.分析工具（技能）
初級的：EXCEL，SPSS等
深入的：SAS，R，MATLAB(公司少用)，python(偏開發)等任選一種即可
分析工具的學習，可以買本經典的教材，如《EXCEL入門大全》、spss（百度下張文彤）、《R in action》也不錯，主要是多實踐案例。
另外，簡單取數能力還是要具備的，熟練SQL，網站看看SQL基本語法就行，主要熟悉資料庫和表。
工具是一個基本的前提，紮實的應用能達到快速解決問題的效果。
2.商業知識（業務）
這個是你想從事行業的商業知識（包括基礎理論知識、工作中學習的業務知識），例如想進入金融行業，那麼你一定要對金融的基礎知識較為熟悉，對基本的經濟學知識熟悉。大學教材，外國經典著作都可以看看。
業務決定數據分析的深度，這個是灰常重要的，越深入數據分析這行，越會發現其重要性。
3.思維方式（邏輯）
沒有一個好的邏輯，想必做事一定做不明白，特別是在溝通過程中，浪費的時間很多，思考的方式、表達的方式、呈現的方式都跟你的邏輯有關，《金字塔原理》是一本不錯的書，也可以百度一下麥肯錫的相關書籍。
良好的思維邏輯：想清楚，說明白，做對事
整體而言，數據分析工作對綜合能力要求是較高的，想做好這份工作不是一時半會的事，需要耐心，多思考，多實踐，多總結。
熱誠推薦看過的幾本經典。一、數據分析入門：
- 《Head First Data Analysis》鏈接：深入淺出數據分析 (豆瓣)
電子工業出版社的經典書目系列，從數據分析基本步驟開始、實驗方法、最優化方法、假設檢驗方法、貝葉斯統計方法、主觀概率法、啟發法、直方圖法、回歸法、誤差處理、相關資料庫、數據整理技巧一一講到。圖比較多，適合入門。
- 《Head First Statistics》鏈接：深入淺出統計學 (豆瓣)
推薦理由同上，適合入門者的經典教材。
- 《R in Action-Data Analysis and Graphics with R》鏈接：R語言實戰 (豆瓣)
R是屬於GNU系統的一個自由、免費、源代碼開放的軟體，用於統計計算和統計製圖。這本書從實用的統計研究角度逐例分析R在數據處理、模型構建、以及圖形操作上的由淺入深的結合，堪稱經典。
- 《數據之魅-基於開源工具的數據分析》鏈接：數據之魅 (豆瓣)
作者是華盛頓大學理論物理學博士。這本書是數據分析的經典之一，包含大量的R語言模擬過程及結果展示，例舉了很多數據分析實例和代碼。
- 《數據挖掘-市場營銷、銷售與客戶關係管理領域應用》鏈接：數據挖掘技術 (豆瓣)
作者是Data Miners的創辦人，有二十多年的營銷和客戶關係管理結合數據挖掘的經驗。詳細介紹了作為一個數據挖掘團隊需要的知識體系，包括資料庫、SAS使用、統計學、機器學習、數據可視化、如何訪問用戶收集需求、如何寫論文與溝通等等。有條件的建議看英文原版。
- 《Data Analytics for Beginners: Basic Guide to Master Data Analytics》
入門五星推薦。裡面很多圖表實例，手把手教你如何EXCEL畫圖，對各種知識點（平均值，模式，中值，方差，標準偏差）的講解相當的到位，比起大學裡的各種課本靠譜。
先把這些花時間啃啃，數據分析的理論部分就基本入門了，根據實際情況還需要結合你的業務需求來進行系統的學習。二、數據分析進階：
- 《Doing Data Scienc》
作者Cathy O』Neil是哈佛大學的博士，MIT的數據博士後，曾今作為一名Quant在對沖基金D.E. Shaw 工作，目前是一家紐約初創公司的Data scientist 。這本書需要有一定的編程和理論基礎，作為入門教材來說有點難，雖然只有400來頁，但是涉及的知識點很全面。每一章節的核心內容都附有編程案例，R/Python/Shell三種語言任君挑選。
- 《Python for Data Analysis》
Python數據分析必看，適合入行不久的數據分析師。作者有多年的Python數據分析工作經驗，對各種Pyhon包iPython，NumPy，pandas，matpotlib等有著很深的理解。看完這本，敲完代碼，Python數據分析就算入行了。
- 《Data Science for Business》
很多牛人為之作序，數據科學如何與商業結合，相信這本書會給你一些啟發。
- 《Python Data Science Handbook》
2016年6月出版的，500頁保質保量，作者（Jake VanderPlas）是華盛頓大學電子科學研究所的高級數據科學研究員，研究領域包括天文統計學、機器學習和可擴展計算。書的前半部分介紹了用於數據分析和一般的科學計算的基本Python庫，後面從實際應用的角度使用Python庫scikit-learn開始機器學習實踐。適合有一定Python基礎人（或者R基礎），並且想學習如何使用Python進行數據分析的人。
- 《Storytelling with Data》
作者Cole NussbaumerKnaflic，私募分析師，前Google人力分析團隊總監。本書展示了如何高效率展示量化資訊，如何用豐富的資料講故事。Google內部的數據可視化課程講師，之前也在Maryland Institute College of Art兼職講師。如果你想知道如何以圖敘事，這邊好書不容錯過。
OK，這幾本夠看一陣了，有時間再更新。歡迎關注我存儲知識的地方：預見未來——Han Hsiao的知乎專欄Foresee我寫過一個帖子，詳細的描述了零基礎的同學，如何從初級學到高級的過程，推薦了好幾本經典的書籍，答主可以前去查看。傳送門：做數據分析不得不看的書有哪些？ - 卡牌大師的回答
統計學習三大巨匠Trevor Hastie, Robert Tibshirani和Friedman《the elements of statistical learning》和Trevor Hastie, Robert Tibshirani的13年的新書《An Introduction to Statistical Learning: with Application in R》是大家推薦得非常多的了,我覺得可以簡單補充一些信息：
對於看英文書覺得有理解困難的同學來說，《the elements of statistical learning》寫得其實內容非常廣泛，很多東西都是融合了作者深厚的統計學習理論功底，一般很難啃透，研究生階段的其實能完全理解這本的不多，我會認為這本是博士階段的人會受益更多，但是這本書在機器學習或者說數據挖掘這個領域，具有無可替代的地位，大概就是這個領域的定海神針一樣的地位吧；書偏統計，不太適合計算機的同學；
崗回答了一個類似的了，再回答一遍吧~~《精益數據分析》強烈推薦之~~這主要是針對創業者還有一些企業投資人的一本書，裡面的內容很專業，同時作者用一切企業家真實生動的案例，加上專業的數據分析的方法相結合，步步深入，可以說通俗易懂，科學小白和數據盲都可以看的明白，我看的時候感覺收穫還蠻多。就是這個精益數據分析-【加】阿利斯泰爾·克羅爾;本傑明·尤科維奇
準備好你的決心和智商。 如果只是想掙點錢，可以先看看其他的。如果你堅持下來了，你會發現錢只是附帶收穫。
要學會講故事，學會吹牛和看書一樣重要！
推薦閱讀：
※如何快速成為大數據開發實戰專家？
※Python numpy，scipy，pandas這些庫的區別是什麼？
※如何高效地使用RStudio？
※考慮從事 SAS 程序員工作，有哪些需要注意的點？
※想學習數據分析，有哪些書籍或資料參考學習？