出發點
2018年年初開始了處女作的編寫，並在當年10月上線《從零開始學Python數據分析與挖掘》。在編寫處女作的同時也在想另一件事，即一名合格的數據分析師需要掌握哪些硬技能，才能在實操環節中做到遊刃有餘？相信很多即將踏出校門或轉行的朋友都非常關心這個問題，包括已經從事數據分析師的朋友。
抱着這個疑問，我首先捫心自問，回顧過往的工作經歷。再去尋求其他高級數據分析師或資深數據分析師的觀點，幾乎都得出相似的答案。那就是需要掌握數據庫數據提取技能、數據加工處理技能、報表可視化展現技能以及統計建模技能。
基於此，回顧市面上的書籍，發現幾乎沒有一本圖書可以綜合性的涵蓋數據分析師應該掌握的多項技能。所以萌發出第二本圖書的編寫，並邀請具有多年一線經驗的資深數據分析師陳紅波一起寫作。在歷時1年多的時間，終於可以將《數據分析從入門到進階》呈現給讀者朋友，希望她可以助你一臂之力！
內容簡介
第1章數據分析入門必讀。本章內容主要包括：數據分析概述、數據分析的職業發展路徑及分類，以及數據分析之“道”（數據分析需要掌握的理論知識）與數據分析之“術”（硬件技能）。
第2章數據分析——從玩轉Excel開始。本章內容主要包括：Excel基本概述、高效處理數據的Excel函數家族、必須掌握的Excel數據分析技巧、酷炫的Excel圖表可視化、讓你的Excel報表動起來（VBA）。
第3章海量數據管理——拿MySQL說事兒。本章內容主要包括：MySQL數據庫的安裝、將數據寫入到數據庫中、重要的單表查詢、複雜的多表查詢、如何提高數據的查詢效率、數據庫的增刪改操作。
第4章數據可視化——Tableau的使用。本章內容主要包括：數據可視化的概述、Tableau概述、Tableau數據可視化圖表、儀表板的製作與發佈。
第5章數據分析進階——Python數據分析。本章內容主要包括：數據分析的利器–Python、Jupyter的使用技巧、數據讀取–從pandas開始、常見的數據處理技術、探索性數據分析、線性迴歸模型的應用。
詳細目錄
第1章 數據分析入門必讀
1.1 數據分析概述
1.1.1 什麼是數據分析
1.1.2 數據分析的操作步驟
1.1.3 數據分析的應用場景
1.1.4 數據分析的發展趨勢
1.2 數據分析的職業發展及分類
1.3 數據分析的修煉之道
1.3.1 三類統計分析策略
1.3.2 數據分析的常用方法
1.4 數據分析的修煉之術
1.4.1 必備的Excel處理方法
1.4.2 高超的SQL查詢技巧
1.4.3 豐富的圖表可視化技能
1.4.4 高大上的統計編程技術
第2章 數據分析——從玩轉Excel開始
2.1 Excel基本概述
2.1.1 強大的數據處理技能
2.1.2 實用的數據分析技巧
2.1.3 豐富的數據可視化圖表
2.1.4 便捷的自動化數據處理
2.1.5 快速實現業務報表開發
2.2 高效處理數據的Excel函數家族
2.2.1 常用的統計分析函數
2.2.2 靈活的文本處理函數
2.2.3 便捷的數值運算函數
2.2.4 經典的邏輯判斷函數
2.2.5 實用的日期計算函數
2.2.6 高效的匹配查找函數
2.3 必須掌握的Excel數據分析技巧
2.3.1 數據透視表實現統計分析
2.3.2 描述性統計分析
2.3.3 相關係數與協方差
2.3.4 線性迴歸模型預測
2.3.5 移動平均模型預測
2.4 酷炫的Excel圖表可視化
2.4.1 Excel基礎圖表
2.4.2 高級可視化圖表
2.5 讓你的Excel報表動起來
2.5.1 VBA基礎語法
2.5.2 錄製宏，解放你的雙手
2.5.3 學生成績信息統計
2.5.4 報表發送前的一鍵優化
2.5.5 數據庫字典的超鏈接
2.5.6 一鍵合併拆分工作簿
2.5.7 從數據庫獲取並更新數據
第3章 海量數據管理——拿MySQL說事兒
3.1 MySQL數據庫的安裝
3.2 將數據寫入到數據庫中
3.2.1 常用的數據類型
3.2.2 手工建表
3.2.3 數據插入
3.2.4 外部數據的批量導入
3.3 重要的單表查詢
3.3.1 SQL查詢的七個核心關鍵詞——以鏈家二手房數據爲例
3.3.2 基於CASE WHEN的常用查詢——以電商交易數據爲例
3.3.3 幾種常見的嵌套查詢——以學員考試成績爲例
3.3.4 基於分組排序的輔助列功能——以銷售員業績數據爲例
3.4 複雜的多表查詢
3.4.1 縱向表合併——以超市交易數據爲例
3.4.2 橫向表連接——以校園一卡通記錄數據爲例
3.5 如何提高數據的查詢效率
3.5.1 常見索引類型的創建
3.5.2 索引的查詢和刪除
3.5.3 關於索引的注意事項
3.6 數據庫的增刪改操作
3.6.1 數據庫的增操作
3.6.2 數據庫的刪操作
3.6.3 數據庫的改操作
第4章 數據可視化——Tableau
4.1 數據可視化的概述
4.1.1 什麼是數據可視化
4.1.2 爲什麼要實現數據可視化
4.2 Tableau概述
4.2.1 軟件安裝
4.2.2 連接數據源
4.2.3 數據源界面
4.2.4 工作區界面
4.2.5 高級操作
4.2.6 保存結果
4.3 數據可視化圖表
4.3.1 條形圖
4.3.2 柱形圖
4.3.3 折線圖
4.3.4 面積圖
4.3.5 符號圖
4.3.6 樹狀圖
4.3.7 氣泡圖
4.3.8 文字雲
4.3.9 餅圖
4.3.10 熱圖
4.3.11 盒須圖
4.3.12 雙軸圖
4.3.13 動態圖表
4.3.14 參數圖表
4.3.15 Map地圖
4.3.16 漏斗圖
4.4 儀表板的製作與發佈
4.4.1 儀表板的製作
4.4.2 可視化成果發佈
第5章 數據分析進階——Python數據分析
5.1 數據分析的利器——Python
5.1.1 Anoconda——Python集成開發環境的安裝
5.1.2 Python編程環境的選擇
5.2 Jupyter的使用技巧
5.2.1 代碼運行快捷鍵
5.2.2 代碼框操作快捷鍵
5.2.3 註釋快捷鍵
5.2.4 幫助快捷鍵
5.2.5 代碼與筆記的切換快捷鍵
5.3 數據讀取——從pandas開始
5.3.1 文本文件的讀取
5.3.2 電子表格的讀取
5.3.3 數據庫數據的讀取
5.4 常見的數據處理技術
5.4.1 數據的概覽與清洗
5.4.2 數據的引用
5.4.3 多表合併與連接
5.4.4 數據的彙總
5.5 探索性數據分析
5.5.1 異常數據的檢測與處理
5.5.2 數據的描述
5.5.3 數據的推斷
5.6 線性迴歸模型的應用
5.6.1 簡單線性迴歸模型——剎車距離的研究
5.6.2 多元線性迴歸模型——產品市場銷售額的研究
5.6.3 模型的顯著性檢驗——F檢驗
5.6.4 迴歸係數的顯著性檢驗——t檢驗
5.6.5 基於迴歸模型識別異常點
5.6.6 模型的預測
專家推薦
本書內容由淺入深、循序漸進，非常實用，很適合零基礎的入門讀者系統掌握數據分析的基本原理、方法和工具，值得學習和在工作中使用。
中國農業大學計算中心主任兼農業大數據實驗室主任 李輝
隨着5G的逐步商業化、物聯網和車聯網等新業務的普及，數據的閥門還將被進一步打開，未來幾年仍將是大數據技術、數據挖掘技術發展的黃金時期。本書基於作者多年的數據分析實踐，結合多種主流的數據分析工具的應用，對數據分析的方法進行了系統闡述，由術入道，循序漸進，對於有志進入數據分析和數據挖掘領域的讀者朋友有很高的參考價值。
上海家化品牌管理部 數據挖掘與算法高級經理 王峯
這本書全面、系統地介紹了成長爲一名優秀的數據分析師所需要掌握的“道”和“術”，並提供了豐富的案例幫助讀者更好地開展數據分析實踐，是一本值得閱讀的好書。
中國計算機學會數據庫專業委員會委員
廈門大學數據庫實驗室負責人 林子雨
數據分析本身是一個需要協同的過程，除了分析本身，我們還要從數據庫中提取數據，也要把分析結果通過可視化的方式進行展示。這本書涵蓋了Excel、SQL、Tableau以及Python這幾個常用的數據分析工具，大大方便了讀者學用，相信任何一個有志於學習數據分析的朋友，都能從此書中收穫良多。
廣東柯內特環境科技有限公司首席數據科學家，前IBM大中華認知計算事業部專家
公衆號探數尋理（wetalkdata）博主 張浩彬
數據分析是一種實戰性極強的技術，必須要對其“道”和“術”有深刻的理解並付諸實踐。本書真正從實戰角度切入，詮釋了數據分析從業者應該具備的思維和技術能力，是一本很好的參考學習書籍，值得認真研讀。
有贊數據分析團隊負責人(R語言中文社區創始人） 黃小偉
數據分析是一種非常有實用價值的技術，是數據思維、業務思維、數據技術的集合。學好數據分析不僅僅要掌握基本的技術和工具，同時需要掌握不同分析方法運用的場景。在這本書中，作者引導廣大讀者從基本的數據分析入手，通過大量案例提升讀者對數據分析的理解和掌控能力，從而達到理論和實踐的融會貫通，是一本很實用的數據分析實用工具書。
天善智能創始人，數據科學圈大V 樑勇
在企業中的經營管理和業務運營過程中，數據分析的應用場景無處不在，但目前在國內具備業務分析、數據分析技能的經營管理和運營人才還非常缺乏，我們需要有更多熱愛數據分析的朋友們加入到這個行業，也需要有更多的像本書作者一樣傳道授業解惑的“佈道師”來爲這個行業做出貢獻。
派可數據聯合創始人，微軟 MVP，商業智能 BI 數據分析領域行業專家 呂品
精彩實拍
