excel技巧书籍推荐(数据分析从入门到进阶的必看书单！文末附所有书籍的PDF下载)

转眼2022年已经到年底了，为感谢大家对我们的陪伴与支持，给大家分享一些学习书单，还附上了200+数据分析书籍pdf版下载，文中提及的书籍均在其中这下可不愁书看了！ps：之前每周都有送实体书的活动，但不是每个人都能够得到，这次电子书人人都可获取！。

pps：直接拉到文末领取电子书合集！

数据分析小白入门系列

1、《你早该这么玩Excel》推荐指数：★★★★★

这本书，简直是为「不喜欢啃枯燥知识」的人而量身定做语言风趣幽默，一个知识点伴随无穷碎碎念，像苦口婆心的老师拼命给你灌知识，油然而生亲切感本书教学编排上，尽往最基础的知识入手，涵盖格式规范、数据图表、常用公式函数等。

讲解通俗易懂，适合入职场半年到一年的Exel小白豆瓣评分：8.2分优点：作为Excel的入门书是很不错的，能了解到EXCEL最基本的东西，往后也有较为复杂的教程，难度适中，实用性强，小白入门把这本书学透了就够了。

缺点：比较基础，仅适合Excel小白，已经把Excel玩透了的老手就不用看了。2、《深入浅出数据分析》推荐指数：★★★★☆

深入浅出系列应该是大多数数据分析师的启蒙读物，内容非常适合小白入门，虽然是入门级别的读物，比较简单，但基本的数据分析内容涉及全面，讲解的比较清晰，最后谈到了R语言豆瓣评分：7.5分优点：图文并茂，讲解丝毫不枯燥，阅读速度会很快。

缺点：内容太浅了，浅到了根本没有必要读第二遍的地步。3、《谁说菜鸟不会数据分析》推荐指数：★★★★☆

这本书不仅讲解了一些常见的通用数据分析技巧，还附带了Excel的一些知识以及数据分析在公司中所处的位置，对职场了解亦有一定帮助，整体来说有一定可读性，想入门Excel的同学必看！豆瓣评分：7.4分优点：

操作工具书，相当于一本Excel表哥表姐的入门指导书；缺点：更偏excel，没有介绍数据分析的大体框架，因此书名一直被诟病；4、《人人都会数据分析》推荐指数：★★★★☆

从业务分析到数据分析职场，从EXCEL数据处理到可视化操作，这本书基本将整个数据分析的内容都讲了一遍，比较适合想要入行业务分析和转行的同学们阅读豆瓣评分：7.7分优点：内容全面而且十分系统，你想了解的数据分析知识都能从这本书里找到；。

缺点：缺少实践操作和案例解读，理论性质十分强，易读性略低；

统计入门系列

1、《赤裸裸的统计学》推荐指数：★★★★★

很有意思的一本统计学入门读物，作者查尔斯韦兰本来是一名记者，所以写作技巧非常高，笔法幽默俏皮，着重阐明了统计学的关键概念，如概率、相关与回归分析，让人们一睹被误读数据背后的统计学奥秘豆瓣评分：8.0分优

点：几乎每个知识点都有大量的例子进行说明，寓教于乐；缺点：因为是国外著书，所以文中大量的例子可能对我们没有很大的参考意义；2、《SQL基础教程》推荐指数：★★★★☆

这本书介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法，提供了大量的示例程序和详实的操作步骤说明，读者可以亲自动手解决具体问题，循序渐进地掌握SQL的基础知识和技巧，切实提高自身的编程能力豆瓣评分：

9.0分优点：SQL入门经典书籍，通过大量示例和详细的操作步骤说明，循序剪辑的给小白讲解SQL的基础知识和使用技巧缺点：每章结尾的习题较少，如果实在准备面试的朋友，需要自己去网站找题来刷。

数据处理入门系列

1、《MYSQL必知必会》推荐指数：★★★★★

sql入门必看的一本书，非常适合新手学习sql的一本工具书，翻译水平也很高，最深的内容涉及到了一些复杂查询和储存，适合学习者随时查漏补缺！豆瓣评分：评分：8.4分优点：简单精炼，阅读速度会很快，而且方便随时查阅

缺点：内容看起来简单，但是需要自己动手实操，要不然看完之后就索然无味2、《干净的数据：数据清洗入门与实践》推荐指数：★★★☆☆

由数据清洗开始窥窃数据分析，介绍了很多有意思的东西，轻松读物，适合没有编程基础的同学阅读学习！豆瓣评分：6.2分优点：算是还可以的爬虫入门书籍，有技术讲解，最后也有案例说明；缺点：内容过于杂乱，而且对于已经有编程基础的人来说非常简单，没有看的必要；

大数据分析进阶系列

1、《Hadoop数据分析》推荐指数：★★★★☆

大数据分析科学的必看读物，主要内容是集群计算和分析概述，为数据科学家深入了解特定主题领域铺平道路，从数据科学家的视角介绍Hadoop集群计算和分析优点：十分强悍的理论著作，比较亮点的地方是第一部分的分布式讲解。

缺点：翻译十分不友好！2、《Spark快速大数据分析》推荐指数：★★★★☆

一书针对使用Apache Spark框架执行批处理、互操作、图表、数据流分析，以及机器学习等不同类型的大数据分析项目提供了实用的指南其中介绍了Spark core及其加载项库，包括Spark SQL、Spark Streaming、GraphX、Mllib，以及Spark ML。

豆瓣评分：7.9分优点：入门spark的教科书，没有什么阅读难看，通俗易懂；缺点：具体的实际操作代码还是比较少，同时也没有提供比较好的分析数据；

数据可视化系列

1、《用数据讲故事》推荐指数：★★★★☆

豆瓣评分：8.4分这本书对需要从事说服与沟通工作的个人、企业、政府部门和组织机构都有一定的启发优点：通过大量案例介绍数据可视化的基础知识，以及教你如何利用数据创造出吸引人的、信息量大的、有说服力的故事，进而达到有效沟通的目的。

缺点：没啥缺点，但读完记得多多联系总结，否则像白读了一遍。2、《鲜活的数据：数据可视化指南》推荐指数：★★★☆☆

《鲜活的数据：数据可视化指南》这本书是我最开始了解数据可视化看的第一本书，让我对数据可视化从一个看一团迷雾的小白白可以大概的了解到了一个轮廓豆瓣评分：7.3分优点：作者的可视化功底非常强，内容丰富，设计可视化的方方面面；。

缺点：需要R语言基础；3、《数据之美》推荐指数：★★★☆☆

这是一本教我们如何制作完美可视化图表，挖掘大数据背后意义的书作者认为，可视化是一种媒介，向我们揭示了数据背后的故事他循序渐进、深入浅出地道出了数据可视化的步骤和思想豆瓣评分：7.5分优点：大众如何正确理解数据可视化如何探索寻找数据间的关联，如何选择适合自己的数据可视化方式，有哪些我们可以利用的数据可视化工具以及这些工具各自的利弊。

缺点：实体书有点小贵。。。

机器学习系列

1、《Python机器学习基础教程》推荐指数：★★★★☆

本书首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，避免纸上谈兵豆瓣评分：8.8分优点：机器学习入门书，书中内容都很基础，适合入门。

以Python语言介绍，很系统缺点：信息量大，需要时间吸收消化。2、《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》推荐指数：★★★★★

本书为机器学习实用指南书籍《Hands-On Machine Learning with Scikit-Learn & TensorFlow》作者的全新升级版！全书分为两部分第一部分介绍机器学习基础；第二部分介绍神经网络和深度学习。

第一部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras豆瓣评分：9.8分优点：机器学习必看书！第二版相比第一版增加了许多新的内容，作者将书籍所有章节的详细代码都开源了并发布在 GitHub 上，不要太好。

数据化运营系列

1、《精益数据分析》推荐指数：★★★★★

这本书详细了解释了精益创业以来，应该如何以数据来驱动企业的经营发展，用哪些指标来衡量自己的成败这本书的前八章还是比较干货的，比较多有思考性的内容，而后面的内容则是比较多的实例，按照企业和产品的特点进行了分类，可以根据自己的需要去阅读就可以。

豆瓣评分：8.2分优点：将企业分成几个大的行业类别，分门别类讲解了每个行业的商业模式特点及其分析技巧缺点：对读者的分析能力要求较高，需要具备相应的业务知识，且没有讲到具体的数据分析技术，主要分析了各种产品中用到的指标、模型和“数据驱动型产品”的一些思路。

2、《数据化管理》推荐指数：★★★★★

本书从企业的一个个具体的需求出发，使读者对数据分析的了解循序渐进，将复杂的数据分析知识体系串成有机的整体豆瓣评分：8.5分优点：大量的企业经营案例，系统阐述数据分析的专业思路、方法和技能；缺点：局限零售电商行业，其他行业借鉴意义不大；。

数据科学系列

1、《数据科学入门》推荐指数：★★★★☆

虽然书名带着入门，但是这本书不太适合作为数据科学的入门书，可以作为泛读的东西翻一翻看看，对数据科学进行了一次系统的介绍豆瓣评分：7.0分优点：这本书能带着你把一些基础算法，从底层开始重构一遍，很基础；缺

点：每个概念不作推导，不作说明，直接抛出来后就跟上一堆代码，很不友好！2、《数据科学实战》推荐指数：★★★★☆

对具体算法细节未做深入探讨，但属于名副其实的实战，值得一读，尤其推荐六九两章的部分内容豆瓣评分：8.2分优点：翻译很过关，可以作为数据科学的启蒙之书！缺点：不能用来入门算法，算法部分比较粗略；END————

最后！领书时间到了！点击左下角“阅读原文”，花1-2分钟填完粉丝问卷，即可获得200+数据分析经典书籍的下载链接！（在朋友圈或读者交流群参与了调研的朋友请勿重复填写）

注：提交问卷后，会弹出资料下载链接，千万别急着关闭页面，保存好再退出。

亲爱的读者们，感谢您花时间阅读本文。如果您对本文有任何疑问或建议，请随时联系我。我非常乐意与您交流。