汽车行业的产业链很长，产品庞杂，机械，电子，化工，软件。等都包含其中，所以需要结合你的方向选择产品大类，比如机械主打的产品还是电子产品？另外，得选未来的function.是打算做采购，质量，还是设计，物流，每一个方向又需要不同的知识，你选什么？确定这个才能推荐必读经典

想了解更多可以去IND4汽车人看看

有哪些能够提升数据分析思路的书？

整理一下目前接触过的有助于提升数据分析思路的书。这些书阅读门槛比较低，不需要非常专业或高深的数学理论，而且和业务问题挂钩，大概能反映实际工作中的分析流程。

1、《如何用数据解决实际问题》

点评：以“汽车销售下降”这个问题的分析案例贯穿全书，讲讲数据分析每个步骤需要注意的事项，对于初阶和中阶的数据分析从业者都有较好的指导意义。

2、《统计数字会说谎》

点评：借鉴此书的思路不仅可以看数据分析报告里有没有“骚操作”，也可以用来鉴别假新闻或者谣言。

3、《赤裸裸的统计学》

点评：一部分的内容和《统计数字会说谎》差不多，还有一部分内容更偏统计学知识，阅读难度不高

4、《精益数据分析》

点评：这本书的要点是理解不同业务模式的流程，以及选择合适的指标来评估业务

5、《IBM SPSS数据分析与挖掘实战案例精粹》

点评：本书提供了诸多商业分析案例，每个案例的分析思路均按照CRISP-DM流程来分步讲解，非常值得学习

6、《硅谷增长黑客实战笔记》曲卉

点评：在业务背景下，数据分析需要怎么去辅助产品运营活动，怎么去建立指标体系，怎么去评估活动的效果；

7、《活用数据：驱动业务的数据分析实战》陈哲

点评：这本书主要内容是怎么用数据分析辅助决策，e.g. 调查问卷设计、用户偏好分析、品牌建设分析、定价、规模预测、渠道评估等；

8、《数据化管理：洞悉零售及电子商务运营》黄成明

点评：以零售下的业务场景，看”人货场“的分析，零售是典型的业务，其中的分析方法、思路也可以用到其他业务场景

9、《Python数据分析与数据化运营 》宋天龙

点评：这本书的理论和实操都很不错，内容涉及的都是高频的数据分析问题，书的价格也不贵，就内容和性价比而言，可以秒杀市面上大部分数据分析的视频课了

10、《数据化决策》

点评：中译本是原书第2版，最新是第3版，书关注的主题就是”如何量化“，很多看似不能量化的事物都是可以选择相应的方法或指标来衡量的，不过，量化的目的并不是计算出精准的数字，而是减少不确定性或优化问题；

11、《解决问题的三大思考工具》点评：这本书基本和数据分析没多大关系，主要内容是涉及到逻辑思考、横向思考、批判思考这3种思考方式，并提供了每种思考方式下细分的思考框架。在作者看来——逻辑思考是是基于现状推导出达到目标的解决方案，横向思考则是聚焦于最终目标同时考虑达到该目标的多种可能性，批判思考则是对目标的再次审核以确定目标背后真正的问题以及这个目标是不是真的目标。

读书在精不在多，分享以下基本可以提升数据分析思路的书籍，从入门到进阶，题主可以合理选择~

一、数据分析入门：《Head First Data Analysis》电子工业出版社的经典书目系列，从数据分析基本步骤开始、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧一一讲到。图比较多，适合入门。

《Head First Statistics》推荐理由同上，适合入门者的经典教材。

《R in Action-Data Analysis and Graphics with R》R是属于GNU系统的一个自由、免费、源代码开放的软件，用于统计计算和统计制图。这本书从实用的统计研究角度逐例分析R在数据处理、模型构建、以及图形操作上的由浅入深的结合，堪称经典。

《数据之魅-基于开源工具的数据分析》作者是华盛顿大学理论物理学博士。这本书是数据分析的经典之一，包含大量的R语言模拟过程及结果展示，例举了很多数据分析实例和代码。

《数据挖掘-市场营销、销售与客户关系管理领域应用》作者是Data Miners的创办人，有二十多年的营销和客户关系管理结合数据挖掘的经验。详细介绍了作为一个数据挖掘团队需要的知识体系，包括数据库、SAS使用、统计学、机器学习、数据可视化、如何访问用户收集需求、如何写论文与沟通等等。有条件的建议看英文原版。

二、数据分析进阶：《Doing Data Scienc》作者Cathy O’Neil是哈佛大学的博士，MIT的数据博士后，曾今作为一名Quant在对冲基金D.E. Shaw 工作，目前是一家纽约初创公司的Data scientist 。这本书需要有一定的编程和理论基础，作为入门教材来说有点难，虽然只有400来页，但是涉及的知识点很全面。每一章节的核心内容都附有编程案例，R/Python/Shell三种语言任君挑选，另一作者Rachel Schutt曾在谷歌研究院工作数年，负责设计算法原型并通过建模理解用户行为。

《Python for Data Analysis》墙裂推荐。Python数据分析必看，适合入行不久的数据分析师。作者Wes McKinney，资深数据分析专家，在创建Lambda Foundry（数据分析公司）之前，曾是AQR Capital Management的定量分析师。有多年的Python数据分析工作经验，对各种Pyhon包iPython，NumPy，pandas，matpotlib等有着很深的理解。他仅凭一己之力撰写了大量与Python数据分析相关的经典文章，并开发了用于数据分析的著名开源Python库：Pandas。看完这本，敲完代码，Python数据分析就算上道了。

《Data Science for Business》目前（2019年）未有中文版，但这不妨碍它的质量，内容优秀且丰富。很多牛人（如Tom Phillips，Google搜索和分析业务主管）为之作序，数据科学如何与商业结合？相信这本书会给你不少启发。

《Python Data Science Handbook》2016年6月出版的，500页保质保量，目前已有中文版，作者（Jake VanderPlas）是华盛顿大学电子科学研究所的高级数据科学研究员，研究领域包括天文统计学、机器学习和可扩展计算。书的前半部分介绍了用于数据分析和一般的科学计算的基本Python库，后面从实际应用的角度使用Python库scikit-learn开始机器学习实践。适合有一定Python基础人（或者R基础），并且想学习如何使用Python进行数据分析的人。

《Storytelling with Data》作者Cole NussbaumerKnaflic，私募分析师，前Google人力分析团队总监。本书展示了如何高效率展示量化资讯，如何用丰富的资料讲故事。Google内部的数据可视化课程讲师，之前也在Maryland Institute College of Art兼职讲师。如果你想知道如何以图叙事，这边好书不容错过。

《精通数据科学 从线性回归到深度学习》数据科学界为数不多的国内出版物，几个友人看过后觉得不错，中国工程院院士，前中国科学院计算技术研究所所长李国杰也为之做序。作者唐亘，数据科学家，国人的书一向注重实操性，此书用了大量的例子和模型进行软件实操演练，将统计学、机器学习和计算机科学融会贯通，对于刚刚入行还摸不清门道的人来说，可能会帮你解决一些实际问题。

PS：这些书籍很多都已经出版中文版啦，大家可以自行搜索！

OK，这几本够看一阵了，后续再为大家更新~别忘了关注伙伴云哦~