深刻浅出数据分析

很久没有更新读书系列的文章了，今天推荐的这本《深刻浅出数据分析》是一本很是适合数据分析行业入门的读物，以章回小说的方式由浅入深地讲述数据分析从业人员要用到的方法，从实际案例出发，告别晦涩难懂的概念。文章末尾有关于这本书的知识图谱总结。

深刻浅出系列，同系列的还有《深刻浅出统计学》、《深刻浅出Python》、《深刻浅出SQL》等，固然这本书读完之后强烈建议接着读《深刻浅出统计学》，加深对数据分析和统计学的理解和巩固。

做者：[美] Michael Milton
豆瓣评分：7.5
出版日期：2012年
推荐指数：5颗星

数据分析的流程

第一章讲述了数据分析的流程，从提出问题到作出决策，中间的过程具体到每一步，和咱们如今一直在强调的流程其实大差不差，数据是无处不在的，如何将原始数据转变成推动工做的妙策，这是数据分析师们努力的目标。

实验：检验你的理论

这一章以一个咖啡店销量降低为引子，找出缘由并给出提升销量的方法。这里用到了统计与分析最基本的比较法和观察法，分析出引发销量降低的缘由，同时对各类策略进行实验，找出最有效的策略。

最优化：寻找最大值

不少时候咱们想要最大限度地达到目标，就须要最优化的思路，这一章通篇都在讲述如何实现最优化问题，经过构建目标函数，并绘制图形，获得可行区域，其实就是高中数学的知识点，只不过这本书里将它讲的更加细化，它是假设读者几乎没有什么数学基础来写的这本书，因此在读的过程当中，你会发现其实一个很明了的数学公式他都要讲半天，这样的好处是，当初可能我只是死记硬背了公式，但如今我能够看到它背后的原理。

假设检验、贝叶斯统计、主观几率

当咱们须要用复杂多变的数据来预测将来时，不能只着眼于眼前表面的数据，而要经过仔细推理，评估大量备选答案，假设检验最核心的仍是证伪法，经过数据分析的整理，评估备选答案，整合信息。这本书里关于假设检验的讲解比较浅白了，目的是让你们理解假设检验在实际案例中的应用，若是想要更深刻地理解，仍是要阅读《深刻浅出统计学》这本书。

贝叶斯规则是利用基础几率和波动数据解决直接几率问题的方法，这里也引伸出了一个强相关的知识点：条件几率，几率的问题从咱们上学起就一直在学，但它真的运用到实际生活中究竟是怎样的呢？这本书里举的人们患某种流感的阴性、阳性、假阴性、假阳性的几率的例子就很通俗易懂，也很符合当下实际。

下一章主观几率（信念数字化），看标题也很好理解了，主观几率就是将严谨融入直觉的简便方法，其实这一章主要讲的是如何利用标准误差评估数据分布，以及如何修正主观几率。

直方图、回归、偏差、关系型数据库

后面几章开始讲解直方图的制做、经过回归分析法预测某些结果值、指出预测的偏差范围以及关系型数据库的基本概念。其中一个预测加薪幅度的例子简明扼要地讲解了相关性、散点图、回归线、外插法、残差、回归线的均方根偏差等概念，最后作出了一个比较完美的加薪模型。

这本书里用到的工具主要是Excel和R，这本书很厚，有48万字，但可读性很强，由于都是以实际案例开头，讲述一个概念，我的以为挺适合想要转行的文科生阅读的，我也作了一个本书知识点的总结的思惟导图，以下图所示：（图片可能被压缩，如需高清大图请加我微信：data_cola）