俗话说的好呀，不会数据分析的运营不是好产品。
不会数据分析，你还怎么愉快地探索小龙虾火遍中国的秘密~
不会数据分析，你还怎么准确地在人群中俘获另一半的芳心~
为了 各位幸福河蟹的生活 （划掉）掌握更多地业务姿势，小编特地采访了几位数据分析从业者。
从他们推荐的书籍中挑选出10本，请大家对号入座，收好最适合自己的修炼秘籍吧~
同时提供pdf格式的阅读版本（需要回帖才可以下载哟），但还是鼓励大家支持正版，有些书需要买来慢慢学！
1、《谁说菜鸟不会数据分析》
书籍简介： 《谁说菜鸟不会数据分析》基于通用的Excel工具，在8个章节中，分别讲解数据分析必知必会的知识、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美、数据分析报告的撰写技能以及持续的修炼。
2、《深入浅出数据分析》 书籍简介： 《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、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；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。
3、《深入浅出统计学 》 书籍简介： 《深入浅出统计学》具有深入浅出系列的一贯特色，提供最符合直觉的理解方式，让统计理论的学习既有趣又自然。本书涵盖的知识点包括：信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区 间的构建、假设检验、卡方分布、相关与回归等等，完整涵盖AP 考试范围。
4、《大数据》 书籍简介： 本书通过讲述美国半个多世纪信息开放、技术创新的历史。 以别开生面的经典案例——奥巴马建设“前所未有的开放政府”的雄心、公共财政透明的曲折、《数据质量法》背后的隐情、全民医改法案的波澜、统一身份证的百年纠结、街头警察的创新传奇、美国矿难的悲情历史、商务智能的前世今生、数据开放运动的全球兴起，以及云计算、Facebook和推特等社交媒体、Web3.0与下一代互联网的未来图景等等，为您一一细解，数据创新给公民、政府、社会带来的种种挑战和变革。
5、《精通Web Analytics》 书籍简介： 教你如何正确学习当今Web分析领域中的机遇和挑战。 它不仅仅是介绍了概念和定义，还挑战了关于该领域的一些根深蒂固的观念，并手把手地指导您如何执行成功的Web分析策略。 Web分析专家Avinash Kaushik，以其引人深思的写作方式，揭露了行业里一些主流神话的谬误，并指引您从分析结果中获得可行的认识。教您如何撇开点击流分析的方法、了解定性数据是关注的焦点的原因，以及介绍其他一些认识和技术，帮助您在不牺牲企业收益的情况下开发以客户为中心的思路。
6、《数学之美》 书籍简介： 本书把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新。
7、《集体智慧编程》 书籍简介： 本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。 8、《数据之美》 书籍简介：
探索数据的范围可以多么广泛，其工作可以多么美丽！通过这部个人故事集合，在这个领域的39个最佳数据实践者阐释了他们如何为各种项目开发简单优雅的解决方案，包括从火星着陆探测器到Radiohead视频的制作……在本书中，你将： 探索海量在线数据集时面临的内在机遇和挑战 学习如何使用地图和数据“混搭”方式对都市犯罪趋势进行可视化 发现“众包”和透明如何改进药物研究现状 理解当新的数据和之前存在的数据交叠时如何向用户发送警告 学习处理DNA数据的大规模基础设施
9、《数据可视化之美》 书籍简介： 《数据可视化之美》内容简介：可视化是数据描述的图形表示，旨在一目了然地揭示数据中的复杂信息。可视化的典型如纽约地铁图和人脑图。成功的可视化的美丽之处既在于其艺术设计，也在于其通过对细节的优雅展示，能够有效地产生对数据的洞察和新的理解。
10、《数据挖掘导论》 书籍简介： 本书全面介绍了数据挖掘的理论和方法，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都包含两章：前面一章讲述基本概念、代表性算法和评估技术，后面一章较深入地讨论高级概念和算法。目的是使读者在透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。此外，书中还提供了大量示例、图表和习题。
| 
