推荐 2 本：

1）《统计学》贾俊平（链接有误，自行搜索贾俊平的统计学即可）

2）《统计学 - 学习指导书》贾俊平

1. 适合人群

如果你是产品、运营、市场等业务团队，或工作方向是赋能业务经营的，日常工作是看报表、做策略，那么这两本书非常适合你。

如果你是专职的数据分析师，日常工作是做报表、搭中台、跑数据、做模型，那么这两本书不适合你。

简而言之，这两本书是写给做业务的同学，用来提升业务同学的数据分析能力。

2. 推荐理由

理由 1 ：贾俊平的《统计学》是市面上为数不多，甚至可以说是唯一一本业务同学可以看懂的统计学教材。

“看懂”有两个层面的意思：1）复杂、繁琐和烦人的公式推导不多，不会出现连着几页纸的推导过程，因为推导过程对于业务同学意义不大；2）其中用很多，甚至是大量的案例来讲解，而这些案例稍加修改就能马上对应到我们产品、运营中遇见的问题，非常有代入感。

理由2：统计学是整个数据科学大厦的基础。没有统计学的基础，即使从事数据分析，可能问题摆在你眼前，你都看不出来；可能你用SQL、Python跑出来了数据，也看不出任何价值点。

理由 3 ：我做了11年的数据分析、数据运营，看过的数据分析的书非常多，目前能留下来常看常新的只有以下这些，其中又以统计学为主，而统计学中就只看贾俊平的这本。

因为，过了一遍167个回答，以及题目补充的书，我发现存在这么几个问题：

1）老外写的，不太符合国内的习惯。《精益数据分析》我也看过很多遍，其中一些概念确实很独到，但是回到实际工作场景却很难落地，原因在于老外的工作环境和思维方式和国人仍然存在很大的差异，作为数据分析知识的积累和补充是 ok 的，但是作为“不得不看”却不合适。

2）理论性太强，落地性不高。那些看上去就很牛的书，一般而言，是作者在多年的工作中提炼总结出来的高度概括的内容，具备一定的个人特点，所以并不是普适的。同时，因为是作者总结的，我们在看的时候能理解多少，能应用多少，更需要结合我们自己的实际情况以及经验来判断，不然容易变成纸上谈兵的赵括。

3）技术性太强，IT知识要求过高。凡是SQL、Python、R的书，其实都不是“不得不读”的书，除非工作中必须要用，了解即可，不然学完看完后没有实际场景去用用，亲自写写代码，不出一个星期就忘得精光。同时，这些工具、语言之类的并不是“是个人就能学”，而是有不低的学习门槛。以Python为例，以下关键字是学习前必须理解的：顺序、选择、判断、函数、数据结构、数据类型、数组、变量、面向对象、类、对象、封装、继承、多态、异常、调试、编译等。不然，可能连第一行代码都不知道怎么写。SQL已经是非常业务化的程序语言了，但也需要理解三种表连接的区别、常用的聚合函数、以及最烦人的SQL优化。所以，这类书适合补充和积累，但并不是“不得不看”。

3. 贾俊平的《统计学》应该怎么看

我理了下数据分析需要具备的技能，如下图所示，基本上在贾俊平的《统计学》中都有对应章节详细讲解，下面说说这本书应该怎么看。

按照上图，这本书的内容分为四个部分：发现问题、推断原因、检验效果、预测未来。每个部分都包含 1 个或多个统计学的方法，稍微展开说说：

1）用数据发现问题：描述性统计

描述性统计是所有统计学中最基础的内容，我们熟知的平均数之类就属于此，同时包含了中位数、方差、标准差、异常值等分析方法。它们用来解决或回答如下业务问题：

• DAU 跌了 5%，正常么？

• 9 月和 10 月的月均 DAU 一样，那么应该怎么找到突破口？

• 如何评估 DAU 背后的业务风险？

2）用数据推断原因：相关性分析

事情开始变得有趣，我们此时要找到指标背后的原因了，可是那么多原因，哪些才是最重要的，以及有多重要，就需要相关性分析来定量的分析（注意，不是定性的拍脑袋）。它用来解决或回答如下业务问题：

• 男性是不是更愿意给 5 星评价？

• 女性是不是更偏好线上渠道？

• 不同品类商品的销售额，谁对总体销售贡献最大？

• 造成 DAU 波动的维度有性别、年龄、机型、粘性，那么谁更重要？

3）用数据验证效果：方差分析、参数估计、假设检验

这三兄弟堪称整本统计学的精华，用来应对更复杂、和海量数据下的业务问题。它们用来解决或回答如下业务问题：

• 不同获客渠道的用户质量是不是有明显差异？

• A/B 测试是不是有效果？

• A/B 实验的最小样本量应该怎么定？

• 给你 5 分钟，告诉我 11 亿用户的男女性别分布

4）用数据预测未来：趋势预测

我觉得非常有趣和有用的内容，用历史数据来科学、合理的预测未来，在业务上是提前预判风险，提前部署策略，而不是事后的亡羊补牢。它们用来解决或回答如下业务问题：

• DAU 还会继续下跌吗？

• 如果继续下跌，会跌到什么程度？

• 如果止跌反涨，又会涨到什么程度？

• 我们下季度的重点工作应该做什么？