深刻淺出數據分析

很久沒有更新讀書系列的文章了，今天推薦的這本《深刻淺出數據分析》是一本很是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。

深刻淺出系列，同系列的還有《深刻淺出統計學》、《深刻淺出Python》、《深刻淺出SQL》等，固然這本書讀完之後強烈建議接着讀《深刻淺出統計學》，加深對數據分析和統計學的理解和鞏固。

做者：[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，從提出問題到作出決策，中間的過程具體到每一步，和咱們如今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動工做的妙策，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降低爲引子，找出緣由並給出提升銷量的方法。這裏用到了統計與分析最基本的比較法和觀察法，分析出引發銷量降低的緣由，同時對各類策略進行實驗，找出最有效的策略。

最優化：尋找最大值

不少時候咱們想要最大限度地達到目標，就須要最優化的思路，這一章通篇都在講述如何實現最優化問題，經過構建目標函數，並繪製圖形，獲得可行區域，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，因此在讀的過程當中，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，但如今我能夠看到它背後的原理。

假設檢驗、貝葉斯統計、主觀機率

當咱們須要用複雜多變的數據來預測將來時，不能只着眼於眼前表面的數據，而要經過仔細推理，評估大量備選答案，假設檢驗最核心的仍是證僞法，經過數據分析的整理，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，目的是讓你們理解假設檢驗在實際案例中的應用，若是想要更深刻地理解，仍是要閱讀《深刻淺出統計學》這本書。

貝葉斯規則是利用基礎機率和波動數據解決直接機率問題的方法，這裏也引伸出了一個強相關的知識點：條件機率，機率的問題從咱們上學起就一直在學，但它真的運用到實際生活中究竟是怎樣的呢？這本書裏舉的人們患某種流感的陰性、陽性、假陰性、假陽性的機率的例子就很通俗易懂，也很符合當下實際。

下一章主觀機率（信念數字化），看標題也很好理解了，主觀機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誤差評估數據分佈，以及如何修正主觀機率。

直方圖、迴歸、偏差、關係型數據庫

後面幾章開始講解直方圖的製做、經過迴歸分析法預測某些結果值、指出預測的偏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、迴歸線的均方根偏差等概念，最後作出了一個比較完美的加薪模型。

這本書裏用到的工具主要是Excel和R，這本書很厚，有48萬字，但可讀性很強，由於都是以實際案例開頭，講述一個概念，我的以爲挺適合想要轉行的文科生閱讀的，我也作了一個本書知識點的總結的思惟導圖，以下圖所示：（圖片可能被壓縮，如需高清大圖請加我微信：data_cola）