好久沒有更新讀書系列的文章了，今天推薦的這本《深入淺出數據分析》是一本非常適合數據分析行業入門的讀物，以章回小說的方式由淺入深地講述數據分析從業人員要用到的方法，從實際案例出發，告別晦澀難懂的概念。文章末尾有關於這本書的知識圖譜總結。
深入淺出系列，同系列的還有《深入淺出統計學》、《深入淺出Python》、《深入淺出SQL》等，當然這本書讀完以後強烈建議接着讀《深入淺出統計學》，加深對數據分析和統計學的理解和鞏固。
作者：[美] Michael Milton
豆瓣評分：7.5
出版日期：2012年
推薦指數：5顆星
數據分析的流程
第一章講述了數據分析的流程，從提出問題到做出決策，中間的過程具體到每一步，和我們現在一直在強調的流程其實大差不差，數據是無處不在的，如何將原始數據轉變成推進工作的妙策，這是數據分析師們努力的目標。
實驗：檢驗你的理論
這一章以一個咖啡店銷量下降爲引子，找出原因並給出提高銷量的方法。這裏用到了統計與分析最基本的比較法和觀察法，分析出引起銷量下降的原因，同時對各種策略進行實驗，找出最有效的策略。
最優化：尋找最大值
很多時候我們想要最大限度地達到目標，就需要最優化的思路，這一章通篇都在講述如何實現最優化問題，通過構建目標函數，並繪製圖形，得到可行區域，其實就是高中數學的知識點，只不過這本書裏將它講的更加細化，它是假設讀者幾乎沒有什麼數學基礎來寫的這本書，所以在讀的過程中，你會發現其實一個很明瞭的數學公式他都要講半天，這樣的好處是，當初可能我只是死記硬背了公式，但現在我可以看到它背後的原理。
假設檢驗、貝葉斯統計、主觀概率
當我們需要用複雜多變的數據來預測未來時，不能只着眼於眼前表面的數據，而要通過仔細推理，評估大量備選答案，假設檢驗最核心的還是證僞法，通過數據分析的整理，評估備選答案，整合信息。這本書裏關於假設檢驗的講解比較淺白了，目的是讓大家理解假設檢驗在實際案例中的應用，如果想要更深入地理解，還是要閱讀《深入淺出統計學》這本書。
貝葉斯規則是利用基礎概率和波動數據解決直接概率問題的方法，這裏也引申出了一個強相關的知識點：條件概率，概率的問題從我們上學起就一直在學，但它真的運用到實際生活中到底是怎樣的呢？這本書裏舉的人們患某種流感的陰性、陽性、假陰性、假陽性的概率的例子就很通俗易懂，也很符合當下實際。
下一章主觀概率（信念數字化），看標題也很好理解了，主觀概率就是將嚴謹融入直覺的簡便方法，其實這一章主要講的是如何利用標準偏差評估數據分佈，以及如何修正主觀概率。
直方圖、迴歸、誤差、關係型數據庫
後面幾章開始講解直方圖的製作、通過迴歸分析法預測某些結果值、指出預測的誤差範圍以及關係型數據庫的基本概念。其中一個預測加薪幅度的例子簡明扼要地講解了相關性、散點圖、迴歸線、外插法、殘差、迴歸線的均方根誤差等概念，最後做出了一個比較完美的加薪模型。
這本書很厚，有48萬字，但可讀性很強，因爲都是以實際案例開頭，講述一個概念，個人覺得挺適合想要轉行的文科生閱讀的，我也做了一個本書知識點的總結，如下圖所示：
圖片可能被壓縮，如需高清大圖可加我微信：data_cola
系列文章：
爲什麼要學統計學：赤裸裸的統計學
猜你喜歡:
數據分析實戰：母嬰商品分析
@ 作者：可樂
@ 公衆號/知乎專欄/頭條/簡書：可樂的數據分析之路
@ 個人微信：data_cola
