一、入門的過癮是能【咻~的一下看完】

《深入淺出數據分析》

資料分析入門第一本。通俗簡單，卻能夠讓你對資料分析的相關概念有大致的瞭解，要去體會作者傳達出來的思想邏輯和分析原則，這對你以後的學習有很大的幫助。

《深入淺出統計學》

號稱[文組也能看懂]的統計書。儘管閱讀容易，但所講的知識在資料分析中都是常見且必須掌握的，比如基本的統計量，基本上每個分析專案中都會用到；比如基本的概率分佈，總體與樣本的概念、置信區間、假設檢驗、回歸分析，都是關於資料分析的統計學知識。

《Python for Data Analysis》

Python資料分析必看，適合入行不久的資料分析師。作者有多年的Python資料分析工作經驗，對各種Pyhon包iPython，NumPy，pandas，matpotlib等有著很深的理解。看完這本，敲完程式碼，Python資料分析就算入行了。

《精通 Python：運用簡單的套件進行現代運算》

一本容易理解也很有趣的書，非常適合程式設計初學者以及剛要開始學習這個語言的讀者。作者 Bill Lubanovic 會引領你從基礎開始，循序進階到較複雜且多樣的主題，並在教學過程中，融入食譜式的程式說明Python 3概念。最後透過每章結束的練習題來驗證所學到的技巧。

《R 錦囊妙計》

如果你是R的初學者，《R錦囊妙計》將讓你起步更快。如果你對R已具備中等程度的理解，本書對於你擴展R的學習視野與鞏固記憶將有實質的幫助。經由本書，你將能使分析工作更快速地完成，而且學習更多善用R的技巧。

《R語言實戰》

如果要用R語言做資料分析，建議讀完《深入淺出資料分析》之後，就開始讀這本。從工具的安裝，到具體分析方法在R語言中的實現，講解詳細，可操作性極強，是一本非常值得讀的資料分析書。

《小數據獵人》-發現大數據看不見的小細節，從消費欲望到行為分析，創造品牌商機

你會在N個排行榜的前五看到它，好評無數。本書作者以訪問2000戶家庭的形式，探索人類與消費趨勢，讓你從細微的資料分析得到全新見解。

《演算法圖鑑》-26種演算法 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用全圖解

適合初心者的書籍，入門磚。內文內容簡單易懂，利用圖形一步步表示其演算法概念或者加密系統問題的所在，也以時間複雜度表示執行效率，相當容易理解。

《數據、謊言與真相》-Google資料分析師用大數據揭露人們的真面目

作者敘事功力非常強，用語幽默風趣，尤其是作者在書中所研究的案例，和現實生活相當貼近（意識形態、同性伴侶和種族歧視等等的議題）。如果像我一樣，對於「大數據」既有興趣，卻又感到困惑的人，不妨看看這本書，會有全新的思考角度與收穫。

《工業大數據：工業4.0時代的智慧轉型與價值創新》

第一本結合各國發展策略與臺灣案例的工業4.0專書，探索適合臺灣工業4.0的創新轉型之路。本書結合國外領先企業與臺灣的案例，對臺灣產業政策提出建議，深入分析臺灣企業該做什麼，以及該如何做到。

《赤裸裸的統計學》

這本書是結合生活講解統計知識，生動有趣。作者年輕時是個追求學習意義的學霸，後來自己從統計學中發掘了很多可以應用到生活的地方。 可以避免統計學一上來就大講貝葉斯概率和隨機分析的枯燥

《Data Analytics for Beginners: Basic Guide to Master Data Analytics》

入門五星推薦。2016新書，裡面很多圖表實例，手把手教你如何EXCEL畫圖，對各種知識點（平均值，模式，中值，方差，標準差）的講解相當的到位，比起大學裡的各種課本靠譜幾何級倍數。

二、進階的過癮是要【專業知識豐富到爽】

《精益數據分析》

“此書優勢在於將企業分成了幾個大的行業類別，並分門別類的講解了每個行業的商業模式特點及分析技巧，對使用者的分析能力要求較高，且必須具備相應的業務知識。” 書中並沒有講到具體的資料分析技術，主要分析了各種產品中用到的指標、模型和“資料驅動型產品”的一些思路。

《The Wall Street Journal Guide to Information Graphics》

華爾街日報負責商業分析的人做的視覺化指南，精華且實用。圖表製作的標杆。

《ggplot2：數據分析與圖形藝術》

ggplot2 是最優秀的資料分析視覺化工具之一，這本書系統地講解了 ggplot2 的基本原理和具體操作，書中有大量的例子，也可以下載原始程式碼。更建議直接學習英文版的教材（如果英文過關的話）。

《數據科學實戰》

“對於做了一段時間資料分析工作的人，這無疑是進階更高維度的好書，很難有一本書，能夠讓你從簡單的資料分析平滑地過渡到機器學習和資料採擷，這本書我認為是這方面做的最好的一本。” 這本書是資料分析和機器學習之間的橋樑。從探索性的資料分析，引出了機器學習的基本演算法：回歸分析、k近鄰、k均值，並介紹了不同應用場景中最常見的機器學習演算法。

《Doing Data Scienc》

作者Cathy O’Neil是哈佛大學的博士，MIT的資料博士後，曾今作為一名Quant在對沖基金D.E. Shaw 工作，目前是一家紐約初創公司的Data scientist 。這本書需要有一定的程式設計和理論基礎，作為入門教材來說有點難，雖然只有400來頁，但是涉及的知識點很全面。每一章節的核心內容都附有程式設計案例，R/Python/Shell三種語言任君挑選。

《Data Science for Business》

很多大神為之作序，資料科學如何與商業結合，相信這本書會給你一些啟發。

《Python Data Science Handbook》

2016年6月出版的，500頁保質保量，作者（Jake VanderPlas）是華盛頓大學電子科學研究所的高級資料科學研究員，研究領域包括天文統計學、機器學習和可擴展計算。書的前半部分介紹了用於資料分析和一般的科學計算的基本Python庫，後面從實際應用的角度使用Python庫scikit-learn開始機器學習實踐。適合有一定Python基礎人（或者R基礎），並且想學習如何使用Python進行資料分析的人。

《Storytelling with Data》

作者Cole NussbaumerKnaflic，私募分析師，前Google人力分析團隊總監。本書展示了如何高效率展示量化資訊，如何用豐富的資料講故事。Google內部的資料視覺化課程講師，之前也在Maryland Institute College of Art兼職講師。如果你想知道如何以圖敘事，這本好書不容錯過。 點擊獲取免費版FineReport10.0>
獲得帆軟最新動態：數據分析，報表實例，專業的人都在這裡！加入FineReport臉書粉絲團！
相關文章： 書單 | 從入門到精通，數據分析不得不看的10本「好書」！