当前位置:首页 > 教育资讯

从入门到进阶, 这10本高分书籍, 优秀数据分析师越早读完越好

2021年即将过去,新的一年也需要给自己准备好一份书单充电。今天就给大家推荐一份2022年最接地气且实用的数据分析书单,每一本都是我精挑细选的,全程都是实用干货,记得收藏备用!

一、Excel

1、入门版:《你早该这么玩Excel》

推荐分数:8.2分

适合人群:只会合并单元格的Excel小白

优点:作为Excel的入门书是很不错的,能了解到Excel最基本的东西,往后也有较为复杂的教程,难度适中,实用性强,小白入门把这本书学透就够了。

缺点: 比较基础,仅适合Excel小白,已经把Excel玩透的老手就不用看了。

2、进阶版:《别怕,Excel VBA其实很简单》

推荐分数:8.5分

适合人群:没有代码基础的小白,但对Excel有一定了解,想提高工作效率的办公人员;需要处理、分析大量数据的相关人员;财经专业的高校师生。

优点:对没有编程基础的小白很友好,用浅显易懂的语言和生动形象的比喻,配合大量插画,介绍Excel中看似复杂的概念和代码。从简单的宏录制、VBA编程环境和基础语法的介绍,到常用对象的操作与控制、Excel事件的调用与控制等都进行了形象的介绍。

缺点:没啥缺点,前半部分讲理论,后半部分教你写代码,坚持学下去就会有收获。

二、SQL

3、入门版:《SQL基础教程》

推荐分数:9.0分

适合人群:SQL初学者

优点:SQL入门经典书了,通过大量示例和详细的操作步骤说明,循序渐进给小白讲解SQL的基础知识和使用技巧。本书还将重要知识点总结概括,方便读者随时查阅。

缺点:每章结尾的习题比较少,如果是在准备面试的朋友,需要自己去网站找些题来刷,多刷题,熟能生巧总没错。

4、进阶版:《SQL进阶教程》

推荐分数:9.3分

适合人群:已经掌握SQL基础知识和技能,有半年到一年左右的使用经验,想继续向中级进阶的人。

优点:和上一本基础进阶教程是同一系列,属于进阶中级的实用指南书,书中基于标准SQL编写示例程序均可下载。

缺点:书中前半部分理解起来有难度,需要耐心学下去。

三、R语言

5、《Learning R》

推荐分数:8.1分

适合人群:想要学R语言的小白

优点:第一章到第五章都是基本知识,讲的不错,是入门知识,也是R最基本的东西,反复熟读都不为过。别觉得自己看懂就完事,只有自己真正敲出来且运行正确才是彻底掌握。

缺点:第六章环境和函数这一章建议先直接跳过,比较抽象,等学差不多了,再回头看学习效果比较好。

四、数据可视化

6、《数据可视化分析:Tableau原理与实践》

推荐分数:7.5分

适合人群:希望系统学习Tableau的初学者

优点:以可视化分析、Tableau计算为重点,详细介绍了如何理解数据的层次、如何使用Prep整理和准备数据、如何使用Desktop开展敏捷数据分析、Tableau高级互动,特别是深入介绍了Tableau的各种计算,以及一些业务场景分析。

缺点:记得买最新版,旧版有不少错别字并且图片不清晰。

7、《用数据讲故事》

推荐分数:8.4分

适合人群:这是一本讲述如何通过数据讲故事的书籍,适合进阶用户

优点:通过大量案例介绍数据可视化的基础知识,以及教你如何利用数据创造出吸引人的、信息量大的、有说服力的故事,进而达到有效沟通的目的。 这里简单列举下书中最重要的6个问题,就可以大概知道这本书在聊什么。

如何充分理解上下文

如何选择合适的图表

如何消除杂乱

如何聚焦受众的视线

如何像设计师一样思考

以及如何用数据讲故事

缺点:没啥缺点,但读完记得多练多总结,否则会像白读了一遍。

8、《数据之美》

推荐分数:7.5分

适合人群:对设计和数据分析过程感兴趣的人

优点:教大众如何正确理解数据可视化,如何探索寻找数据间的关联,如何选择适合自己的数据可视化方式,有哪些我们可以利用的可视化工具以及这些工具各有怎样的利弊。

缺点:实体书有点小贵....

五、业务知识

9、《运营之光》

推荐分数:8.1分

适合人群:对业务知识不熟悉的数据分析师OR想转数据运营的数据分析师

优点:覆盖人群广,有面向初入互联网行业的运营从业者的工作讲解和建议,又有适合3~5年运营从业者阅读的一些案例解析、思考方法分享,也有适合创业者、互联网公司高管阅读的一些对运营体系搭建、不同类型产品所适合的运营方法等更为宏观问题的解读。

缺点:大而全,不够精,但对数据分析师来说也足够了,能够帮助数据分析师更加了解业务流程,更好理解数据在业务中的用处。

10、《精益数据分析》

推荐分数:8.2分

适合人群:适合已对数据分析有系统性认知,但需要提升对业务理解的人

优点:将企业分成几个大的行业类别,分门别类讲解了每个行业的商业模式特点及分析技巧。

缺点:对读者的分析能力要求较高,需具备相应的业务知识,且没有讲到具体的数据分析技术,主要分析了各种产品中用到的指标、模型和“数据驱动型产品”的一些思路。

本文来自网络,不代表教育资讯立场,转载请注明出处。