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

Posted 2022-01-19 Leo.yuan

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。

专注企业数据分析应用和数字化转型。关注公众号“商业智能研究”，回复“资料”，整理了6G的数仓、数据中台、数据治理、企业数据化管理案例，供免费领！