谁说菜鸟不会数据分析的内容简介

1. 谁说菜鸟不会数据分析的内容简介

此书按照数据分析工作的完整流程来讲解。全书共8章，分别讲解数据分析必知必会的知识、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美、数据分析报告的撰写技能以及持续的修炼。此书形式活泼，内容丰富而且充实，让人有不断阅读下去的动力。读者完全可以把这此书当小说来阅读，跟随主人公小白，在Mr.林的指点下轻松掌握数据分析的技能，提升职场竞争能力。此书适合需要提升自身竞争力的职场新人；在市场营销、金融、财务、人力资源管理中需要作数据分析的人士；经常阅读经营分析、市场研究报告的各级管理人员；从事咨询、研究、分析等专业人士。

2. 谁说菜鸟不会数据分析 现状分析 原因分析

[标题] 谁说菜鸟不会数据分析( 入门篇)
[作者] 张文霖 等
[豆瓣评分] 7.9
[内容简介] 张文霖、刘夏璐、狄松编着的《谁说菜鸟不会数据分析(入门篇升级版)》是一本有趣的数据分析书！ 本书基于通用的Excel工具，加上必知必会的数据分析概念，以小说般通俗易懂的方式讲解。 本书基于职场三人行来构建内容，完全按照数据分析工作的完整流程来讲解。全书共8章，依次讲解数据分析必知必会知识、确定数据分析的结构化思维、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美以及专业分析报告的撰写等内容。 本书有足够的魅力让你一口气读下去，在无形之中掌握数据分析的技能，提升职场竞争能力。 《谁说菜鸟不会数据分析(入门篇升级版)》能有效帮助职场新人提升职场竞争力，也能帮助市场营销、金融、财务、人力资源管理人员及产品经理解决实际问题，还能帮助从事咨询、研究、分析行业的人士，各级管理人士提高专业水平。

[豆瓣书评] 本来看看标题还真以为是个分析的入门数，不会做回归分析，不会统计学没有关系，但是最少您也得教会大家怎么解读一份数据报告，什么时候应该用算术均值，什么时候要用方差吧。好妈，就是一个怎么用Excel排序和画图表的手册，写的还不如Excel在线指南，还不如人家那个可以直接Ctrl+C下来用。就是话题也得告诉大家散点图、直方图和雷达图的用法和含义吧。您这就是一个表妹指南入门版，最少人家宏还用的贼拉溜。标题党骗人有没......
请采纳答案，支持我一下。
-

3. 谁说菜鸟不会数据分析

很多人看到数据分析就望而却步，担心门槛高，无法迈入数据分析的门槛。此书在降低学习难度方面做了大量的尝试：基于通用的Excel工具，加上必知必会的数据分析概念，并且采用通俗易懂的讲解方式。此书努力将数据分析写成像小说一样通俗易懂，使读者可以在无形之中学会数据分析。
此书按照数据分析工作的完整流程来讲解。全书共8章，分别讲解数据分析必知必会的知识、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美、数据分析报告的撰写技能以及持续的修炼。
此书形式活泼，内容丰富而且充实，让人有不断阅读下去的动力。读者完全可以把这此书当小说来阅读，跟随主人公小白，在Mr.林的指点下轻松掌握数据分析的技能，提升职场竞争能力。
此书适合需要提升自身竞争力的职场新人；在市场营销、金融、财务、人力资源管理中需要作数据分析的人士；经常阅读经营分析、市场研究报告的各级管理人员；从事咨询、研究、分析等专业人士。
可以在这里http://wenku.baidu.com/link?url=MM_e8T7q59y7lsgcntWbrQy9ccbeXHI5JbOWqPIwjw5r4L1ouIvBTKr-AnNmpIM2TUpHsWMiqxwGVCv77keFB80Lsr9R-s18sMssZwe-oKm百度文库中看到电子版书籍

4. 谁说菜鸟不会数据分析 数据

第一章：数据分析那些事儿
1.1　数据分析是“神马”
1.1.1　何谓数据分析
1.1.2　数据分析的广阔前景
1.1.3　菜鸟与数据分析师
1.1.4　数据分析师的基本素质
1.2　数据分析六步曲
1.2.1　明确分析目的和内容
1.2.2　数据收集
1.2.3　数据处理
1.2.4　数据分析
1.2.5　数据展现
1.2.6　报告撰写
1.3　几个常用指标或术语
1.4　本章小结

第2章：无米难为巧妇——数据准备
2.1　理解数据
2.1.1　字段与记录
2.1.2　数据类型
2.1.3　数据表
2.1.4　问卷录入
2.2　初识Excel
2.2.1　菜单操作
2.2.2　函数
2.2.3　图表
2.2.4　宏
2.2.5　快捷键
2.3　数据来源
2.3.1　导入外部数据
2.3.2　手动输入数据更灵活
2.4　本章小结

第3章三心二意——数据处理
3.1　何为数据处理
3.1.1　“三心二意”处理数据
3.1.2　数据处理的内容
3.2　数据清洗
3.2.1　清洗数据时的小妙招
3.2.2　重复数据处理
3.2.3　处理缺失数据
3.2.4　检查数据逻辑错误
3.3　数据加工
3.3.1　数据抽取
3.3.2　数据计算
3.3.3　数据分组
3.3.4　数据转换
3.4　数据抽样
3.5　本章小结

第4章工欲善其事必先利其器数据分析：
4.1　数据分析方法论
4.1.1　数据分析方法论与数据分析法的区别
4.1.2　PEST分析法
4.1.3　5W2H分析法
4.1.4　逻辑树分析法
4.1.5　4P营销理论
4.1.6　用户行为理论
4.2　数据分析方法
4.2.1　对比分析法
4.2.2　分组分析法
4.2.3　结构分析法
4.2.4　平均分析法
4.2.5　交叉分析法
4.2.6　综合评价分析法
4.2.7　杜邦分析法
4.2.8　漏斗图分析法
4.2.9　矩阵关联分析法
4.2.10　高级数据分析方法
4.2.11　数据分析的三大误区
4.3　数据分析工具
4.3.1　初识数据透视表
4.3.2　创建数据透视表的三步法
4.3.3　数据透视表分析实践
4.3.4　多选题分析
4.3.5　数据透视表小技巧
4.4　本章小结

第5章给数据量体裁衣 数据展现：
5.1　揭开图表的真面目
5.1.1　图表的作用
5.1.2　经济适用图表有哪些
5.1.3　通过关系选择图表
5.1.4　图表制作5步法
5.2　表格也疯狂
5.2.1　突出显示单元格
5.2.2　项目选取
5.2.3　数据条
5.2.4　图标集
5.2.5　迷你图
5.3　给图表换装
5.3.1　平均线图
5.3.2　双坐标图
5.3.3　竖形折线图
5.3.4　瀑布图
5.3.5　帕累托图
5.3.6　旋风图
5.3.7　人口金字塔图
5.3.8　漏斗图
5.3.9　矩阵图（散点图）
5.3.10　发展矩阵图
5.3.11　改进难易矩阵（气泡图）
5.4　本章小结

第6章专业化生存——图表可以更美的：
6.1　别让图表犯错
6.1.1　让图表“五脏俱全”
6.1.2　要注意的条条框框
6.1.3　图表会说谎
6.2　浓妆淡抹总相宜——图表美化
6.2.1　图表美化的三原则
6.2.2　略施粉黛，美化技巧
6.2.3　图表也好“色”
6.3　如虎添翼的招儿
6.3.1　我的图表模板
6.3.2　快速制图
6.3.3　添加数据系列
6.3.4　添加标签小工具
6.3.5　智能“照相机”
6.3.6　修剪超大值
6.3.7　制作图表时通用的快捷操作
6.4　本章小结

第7章
专业的报告——提升你的职场价值
7.1　初次数据分析报告
7.1.1　数据分析报告的定义
7.1.2　数据分析报告的协作原则
7.1.3　数据分析报告的作用
7.1.4　数据分析报告的种类
7.2　数据分析报告的结构
7.2.1　标题页
7.2.2　目录
7.2.3　前言
7.2.4　正文
7.2.5　结论与建议
7.2.6　附录
7.3　撰写报告时的注意事项
7.4　报告范例
7.5　本章小结

第8章
数据分析技能持续提升
8.1　软件工具
8.1.1　数据分析类工具
8.1.2　数据展现类工具
8.2　论坛
8.2.1　数据分析类论坛
8.2.2　数据展现类论坛
8.3　博客
8.3.1　数据分析十大博客
8.3.2　PPT十大中文博客
了解谁说菜鸟不会数据分析可以点击http://baike.baidu.com/link?url=UyH43_XrUpvHmtV4sVRYd1rJCqt7mgwBnT33IFVCyUIusHP5Ha4TbQv9s3n4YFJdmjU9nVYOqquCYa4_SOGhqq

5. 谁说菜鸟不会数据分析

 转自Lilac'Blog- 谁说菜鸟不会数据分析 
   最近阅读了《谁说菜鸟不会数据分析》一书，作为一本入门级的数据分析书，该书将数据分析相关的基本概念、流程、方法论等内容采用对话的方式通俗易懂地介绍开来，非常适合对数据分析感兴趣，却又不知该从何入手的新手，可以在阅读完此书后就书中内容做进一步的深入研究。
    三字经 
    学习 ：先了解，后深入；先记录，后记忆；先理论，后实践；先模仿，后创新；    方法 ：先思路，后方法；先框架，后细化；先方法，后工具；先思考，后动手；    分析 ：先业务，后数据；先假设，后验证；先总体，后局部；先总结，后建议。
    数据分析 是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。
   数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结地过程。
   数据分析步骤：明确数据分析目的和思路、收集数据、处理数据、分析数据、展现数据、撰写报告/指导实践
    数据分析方法论与数据分析法的区别 
   数据分析方法论主要从宏观角度指导如何进行数据分析
   数据分析方法表示具体的分析方法，如对比分析、交叉分析等，主要从微观角度指导如何进行数据分析
    数据分析方法论的作用： 
   数据分析方法论是一套从宏观角度提供数据分析思路，指导数据分析实践的框架，通常采用营销、管理等方面的理论模型，以尽量确保数据分析维度的完整性、结论的准确性和有效性。
   常见的数据分析方法论有：
   常见方法论应用场景：
    数据表设计要求 ：
    数据处理步骤 ：
                                            定义 ：将两个或两个以上数据进行比较，分析他们的差异，从而揭示这些差异所代表的事物发展变化情况和规律性    特点 ：可以非常直观地看出事物某方面的变化或差距，并且可以准确、量化地表示变化或差距的大小    分类 ：
    实践运用 ：
    注意事项 ：用于对比的指标的统计范围、计算方法、计量单位必须一致；对比的对象需具备可比性；对比的指标类型必须一致。
   分组的 目的 是为了便于对比，把总体中具有不同性质的对象区分开，把性质相同的对象合并在一起，保持各组内对象属性的一致性，组与组间对象属性的差异性，以便进一步运用各种数据分析方法来解构内在的数量关系，因此 分组法必须和对比法结合使用 。分组分析法的 关键在于确定组数与组距 。
   结构分析法是指被分析总体内的各部分与总体之间进行对比的分析方法，即 总体内各部分占总体的比例 ，属于相对指标。
   运用计算平均数的方法来反映总体在一定时间、地点条件下某一数量特征的一般水平。   平均指标包含算术平均数、几何平均数、调和平均数、中位数和众数。
    作用 ：
   ​   1、利用平均指标对比同类现象在不同地区、行业、类型单位等之间的差异程度，比用总量指标对比更具说服力；   ​   2、利用平均指标对比某些现象在不同历史时期的变化，更能说明其发展趋势和规律。
   交叉分析法通常用于分析两个(或以上)变量(字段)间的关系，即同时将有一定联系的变量及其值交叉排列在一张表内，使各变量值成为不同变量的交叉结点，形成交叉表，从而分析交叉表中变量之间的关系，也叫交叉表分析法。
    基本思想 ：将多个指标转化为一个能够反映综合情况的指标来进行分析评价的方法    步骤 ：
   ​   1、确定综合评价指标体系，即包含哪些指标，是综合评价分析法的基础和依据；   ​   2、收集数据，并对采用不同计量单位的数据进行标准化处理；   ​   3、确定指标体系中各指标的权重，以保证评价的科学性；   ​   4、对经处理后的指标进行汇总，计算出综合评价指数或综合评价得分；   ​   5、根据综合评价指数/分值对参评单位进行排序，从而得出结论。
    特点 ：
   ​   1、评价过程不是逐个指标顺次完成，而是通过一些特殊方法将多个指标的评价同时完成；   ​   2、在综合评价过程中，一般要根据指标的重要性进行加权处理；   ​   3、评价结果不再是具有具体含义的统计指标，而以指数或分值表示参评单位综合状况的排序。
    数据标准化 ：将数据按比例缩放，是之落入一个小的特定区间。在比较和评价某些指标时，经常会用到数据的标准化，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权，常用0-1标准化和Z标准化。0-1标准化也叫离差标准化，就是对原始数据做线性变换，使结果落到[0,1]区间。
    指标权重确定方法 ：专家访谈法、德尔菲法、层次分析法、主成分分析法、因子分析法、回归分析法、目标优化矩阵表等。
   杜邦分析法是由美国杜邦公司创造的一种综合分析方法，又称杜邦财务分析体系，简称杜邦体系。它是利用各主要财务指标间的内在联系， 对企业财务状况及经济效益进行综合分析 的方法。该体系以净资产收益率为龙头，以总资产收益率和权益乘数为核心，重点揭示企业盈利能力及权益乘数对净资产收益率的影响，以及各相关指标间的相互影响关系。
    特点 ：将若干个用以评价企业经营效率和财务状况的比率按其内在联系采用 金字塔结构 有机地结合起来，形成一个完整的指标体系，并最终通过权益收益率来综合反映。
                                           漏斗图是一个适合 业务流程比较规范、周期比较长、各流程环节涉及复杂业务过程比较多 的管理分析工具
   通过漏斗图可以很快发现业务流程中存在问题的环节
                                           矩阵分析法是指根据事物(如产品、服务)的两个重要属性(指标)作为分析的依据，进行分类关联分析，找出问题的一种分析方法，也称矩阵关联分析法/矩阵分析法。
                                                                                                                            图表制作步骤 ：确定所有表达的主题或目的；确定哪种图表最适合你的目的；选择数据制作图表；检查是否真实有效地展示数据；检查是否表达了你的观点。
   图表类型：
                                           图表美化原则：
    色彩 

6. 《谁说菜鸟不会数据分析》读书笔记一

在公司实习了两个月，虽说是产品岗，但与数据打交道比较多，所以想学习一下数据分析相关的知识，此文是我在上的第一篇记录，同时也是《谁说菜鸟不会数据分析》的第一篇读书笔记。
  
 话不多说，入正题。
  
 数据分析是什么？顾名思议，对数据进行分析。用书中较为专业的说法就是“数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。”那么，数据的作用是什么呢？其实也就是回答一个问题：为什么你会想来学数据分析？我的答案是：我想学习数据分析，通过产品现有的数据去分析产品的现状，进而在产品数据出现波动时可以分析出原因，找到症结，最后可以对产品的数据做预测分析，提升在产品改动中的决策力。
  
 数据分析六部曲：
  
 明确分析目的和思路（方法论）——数据收集（数据源）——数据处理（技术层面）——数据分析（工具与逻辑）——数据展现（图表）——报告撰写（文字表达）
  
 这里主要聊下“明确分析目的和思路”，因为在这点上感触较大，关于其他的书籍后面会有更多介绍。
  
 明确分析目的和思路。目的，即是我为什么要做这份数据分析，思路，即是我要怎么做这份数据分析。
  
 回想自己做的一些数据分析方面的工作，总是停留在我需要用多少数据，做怎样的图表，却缺乏明确的目的，工作到后面变成了为了产出数据报告而产出。这东西就好像船出航一样，方向偏了，再努力也达不到目的地。然后谈谈思路，我相信很多同学和我一样在做数据分析之前会给自己列一个小提纲，要去收集什么数据，然后打算怎么做等等。但纵向比较一下自己在做同一类事情时，每次列提纲没有固定模板，想到什么写什么，且方案在逻辑上还存在一定的疏漏。书中在思路这方面提到了管理学方面的理论模型，例如4P、SWOT、STP理论等等。但是，知易行难，这些理论我们在各种讲座书籍里看到，但真正在工作中运用的时候其使用率达到几成？就好比面试时比较有名的STAR法则，我们在面试时反复会提醒自己用STAR法则去回答问题，回想自己的面试过程，每次面试是否都会有个遗憾：那个问题我要是用STAR法则回答会显得更有逻辑。扯得有点远了，我想说的就是，我们在数据分析的时候一定要选定一个合适的模型，因为这些模型是经过科学与实践证明是有效的，这样可以让我们数据分析的工作更加有逻辑性且更加系统化。
  
 下面顺带介绍着几个常用指标和术语作为结束语吧~第一次写读书笔记，可能写得不是很好，希望见谅，以后会更加努力！
  
 百分比与百分点：
  
 百分比是相对数的一种，百分点多用于形容浮动变化，举个栗子“公司几年的利润是45%，比去年的28%提升了17个百分点”
  
 比例与比率：
  
 50个人，30男，20女
  
 男生比例：30：50
  
 男女比率：30：20
  
 倍数与番数：
  
 倍数不解释了，就按你们原本理解来。
  
 番数，翻三番=2^3
  
 同比与环比（产品校招数据题老爱玩这个）：
  
 同比=2010.12：2009.12
  
 环比=2010.12：2010.11
  
 
  
  
 读书笔记一，over!

7. 谁说菜鸟不会数据分析入门篇

作为数据分析师，最基本的功底就是需要掌握那些最经典的数据分析方法的基本原理，比如统计学原理、多元统计、应用回归、Logistic回归、时间序列分析、运筹优化、数据挖掘和文本挖掘等技能。
对于统计相关专业学生而言，这基本都是读书期间的标配课程，没有任何难度；对于非统计相关专业学生来说，全部啃下这些功课恐怕有点难度，但也绝非不可能，因为一个数据分析的从业者首先应该是一个应用者，在啃这些书的时候，最需要的并不是拼命钻研公式推导这类高难度的动作，而是从一个应用者的角度来了解每一种方法的原理，学会解读分析的结果。
记得当年我参加第一份工作的面试时，我的老板交待给猎头的筛选标准就是：候选人能否对这位猎头解释清楚什么是方差分析、什么是主成分、什么是聚类分析，什么又是判别分析？猎头本人并没有学过统计，而我的老板认为，如果一名候选人能够让一个门外汉听懂这些最基础的分析方法，那就是合格的候选人。我想，这样的标准可以作为一个初学者检验学习成果的最有效标杆，大家也可以对照一下自己。
数据分析师一定要掌握至少一种分析软件，并且能够灵活应用。研读数据分析相关学科的教材，相当于修炼内功，而学习分析软件则相当于练习一种兵器。有的朋友肯定会问，那是不是掌握的软件越多、越全面就越好呢？其实，十八般武艺样样精通，有时反而不如把一样武器应用得出神入化。不管是商用的SAS，还是开源的R或Python，只要掌握其中一种，基本就可以解决常见的挖掘分析问题了。而且，这些工具之间可以触类旁通，只不过是语法规则和操作不同而已。不过，有一点需要提醒的是，一个好的分析师，一定需要具备编程能力的。
现在很多软件都提供友好的图形化界面，只要拖拉拽就可以完成绝大多数分析，但是对于一些高级技巧，基本还是需要通过编程的方式来灵活实现的。可能会有朋友说，我不是理工科学生，就是没有编程基础，特别担心学不好编程。有这样的畏难情绪完全可以理解，我曾经也沉迷于Excel、SPSS和SAS的图形操作，觉得学编程完全没有必要，面对老板让我学编程的谆谆诱导毫不动心。
直到有一天，他发现我执迷不悟，还想用Excel搞定他给我的练习，于是怒火冲天地抄起桌上的书装作要揍我……直到十多年以后的今天，我仍然对他当时失望的眼神记忆犹新。这件事激起了我学好编程的斗志，从此一发不可收拾，把SAS热门的和冷门的编程都学了个遍，从图形操作爱好者转变成了编程痴迷者。我可以当程序猿，其实只要有心，每个分析师都可以兼职程序猿的。
数据分析师一定要培养解决问题的分析能力，包括灵活应变的思维方式和缜密的逻辑推理能力。这种能力的培养比学习基础知识和软件要难一点，是一定要在项目实践中历练的。
实践中往往会出现很多教科书中没有提及的问题，需要结合多种分析方法灵活组合才能解决。教科书只是提供了一块一块的积木，但是如何把这些积木组合起来、形成最终想要的解决方案，需要依靠这个搭积木者的设计思维和动手能力。除了极有天赋的人以外，绝大多数人都是需要一定的历练才能培养出好的分析能力，唯一的捷径就是仔细学习和揣摩一些经典案例，并且亲自动手试一试。
经验丰富的数据分析师都曾有无数次这样的经历：某个问题一开始让他束手无策，后来经过冥思苦想，终于灵光一现找到解决方案。经验值都是在打怪兽的过程中不断累加的，而且永无止境。

8. 谁说菜鸟不会数据分析工具篇用到的数据

谁说菜鸟不会数据分析(工具篇)—数据
 
资源介绍：
工欲善其事，必先利其器。数据分析也不例外，本书基于Excel，通俗地讲解数据分析全流程工具。
作为《谁说菜鸟不会数据分析（入门篇）》的姊妹篇，本书继续采用职场三人行的方式来构建内容，细致梳理了数据分析工作的完整流程，并基于常用的办公软件Excel，精心挑选能够提高工作效率的常用工具来讲解。这些工具涵盖数据处理（Microsoft Access、Query）、数据分析（PowerPivot、Excel数据分析工具库）、数据呈现（水晶易表）和报告自动化（VBA）。
本书形式活泼，内容丰富而且充实，让人有不断阅读下去的动力。