具体描述
本书从一个互联网公司数据分析师的成长经历,为您娓娓道来,数据分析中的奇闻趣事、心得总结、方法技巧与哲学感悟……这是一本注重讲解数据分析思想的书。相信读者先学习数据统计的思想,再去学习数据统计知识,会有庖丁解牛之感。与市面上大部分教科书不同,是『大数据』一线从业者的亲身体验和经历,独一无二的实用分享。读完本书,你会了解在互联网企业如何分析数据,如何运用大数据的技术做企业的战略决策,提升业务效率等。对于大数据分析中团队和管理,这一很少有书涉及的内容,本书也有全新的讲解。
作者简介
毕然——百度资深数据技术专家。
目录信息
第1章 大数据分析之道 2
1.1 做好数据分析的关键 3
1.2 业务调研 10
1.3 创新思考 14
1.4 逻辑推理 25
1.5 可行建议 48
1.6 补充阅读:数据分析报告的撰写要点 51
第二篇 术 63
第2章 统计是怎么发明的? 64
2.1 重启思维模式 65
2.2 统计的意义及指标 71
2.3 统计图形是如何设计的? 102
第3章 我们能相信统计吗? 115
3.1 统计可信吗? 116
3.2 基于概率的信任 120
3.3 如何实现基于概率的信任? 126
3.4 应用理念:细致与置信的权衡之道 140
3.5 评估:正确的认识世界 144
3.6 设计统计方案中的方法论 156
第4章 统计分析方法 159
4.1 拆指标-1 分布分析 161
4.2 拆指标-2 趋势分析 165
4.3 拆指标-3 因素分析 177
4.4 拆数据-1 个案分析 186
4.5 拆数据-2 异常分析 188
4.6 拆数据-3 分组分析 193
4.7 附加阅读:消费者偏好和企业差异化战略 197
4.8 不同分析方法的结合与创新 209
4.9 与领域相关的分析方法 213
第5章 数据分析的高级工具:OLAP与机器学习 220
5.1 OLAP技术 221
5.2 无监督学习模型 225
5.3 监督学习模型 234
第三篇 释 287
第6章 大数据时代 288
6.1 大数据的价值 289
6.2 企业如何向数据技术转型? 301
6.3 数据技术的职业发展 315
第7章 数据技术团队组建和发展 331
7.1 自我修炼与领导团队 332
7.2 数据技术团队的组织结构 334
7.3 数据技术团队发展中的优劣势 336
· · · · · · (收起)
读后感
个人: 1. 做过三年的通用后端编程 2. 做过两年的大数据处理 3. 机器学习方面入门水平, 实际中刚有过应用的 case 这本书解了我很多的疑惑, 让我对整个行业都有了更深一些的理解. 觉得: 1. 看完这本书, 不会那么容易被数据分析和报表忽悠 2. 书中几乎没有什么废话 3. Remind 之前...
很多朋友读书不喜欢看序言。还有一些朋友看书喜欢先看最后。我觉得,如果一本书有序、有前言,看书还是要先看序、看前言。作者自己写的前言,多半总结了自己写这本书最重要的心得体会,能够让读者先了解作者写书的思路。而如果是其他人写的序言,则写序之人,多半已经认真读过...
很多朋友读书不喜欢看序言。还有一些朋友看书喜欢先看最后。我觉得,如果一本书有序、有前言,看书还是要先看序、看前言。作者自己写的前言,多半总结了自己写这本书最重要的心得体会,能够让读者先了解作者写书的思路。而如果是其他人写的序言,则写序之人,多半已经认真读过...
个人: 1. 做过三年的通用后端编程 2. 做过两年的大数据处理 3. 机器学习方面入门水平, 实际中刚有过应用的 case 这本书解了我很多的疑惑, 让我对整个行业都有了更深一些的理解. 觉得: 1. 看完这本书, 不会那么容易被数据分析和报表忽悠 2. 书中几乎没有什么废话 3. Remind 之前...
个人: 1. 做过三年的通用后端编程 2. 做过两年的大数据处理 3. 机器学习方面入门水平, 实际中刚有过应用的 case 这本书解了我很多的疑惑, 让我对整个行业都有了更深一些的理解. 觉得: 1. 看完这本书, 不会那么容易被数据分析和报表忽悠 2. 书中几乎没有什么废话 3. Remind 之前...
用户评价
从语言的打磨上来看,这本书的作者显然是一位对中文表达有极高要求的学者或资深专家。不同于那些由技术团队集体编写、语言风格零散的书籍,这本书的行文如行云流水,一气呵成,用词考究而不失精确性。我尤其喜欢它在引用经典文献或提出关键论点时,那种旁征博引却又点到为止的文风。它在处理一些前沿名词时,会非常严谨地给出其在不同流派中的定义差异,避免了读者陷入语义混淆的泥潭。比如,对于“特征工程”的阐述,书中就清晰地区分了基于领域知识的特征构建和基于自动化算法的特征提取之间的哲学差异,并配以精妙的图示辅助理解。阅读过程中,几乎没有遇到需要反复推敲才能理解的拗口句子,文字的流畅性保证了阅读的效率和愉悦感。这使得即使面对一些复杂的统计模型解释,读起来也感觉像是被一位优秀的演说家娓娓道来,非常舒服。
我给这本书打一个极高的评价,但这种高评价并非基于其是否包含了最新的某某框架的“CRUD”操作手册,而是因为它提供了一种稀缺的“批判性思维”工具箱。在当前这个信息爆炸、工具日新月异的时代,死记硬背任何一套技术栈都是徒劳的。这本书的价值在于,它构建了一套稳固的分析骨架,让你在面对新的数据技术浪潮时,能够迅速抓住其核心原理,而不是被表面的花哨功能所迷惑。书中对“模型可解释性”与“预测精度”之间永恒博弈的讨论,就是最好的证明。它没有提供一个万能的答案,而是引导读者去思考在特定的业务场景下,哪种平衡才是最优解。这种思维训练,比任何速成技巧都来得宝贵。它真正培养的是读者的“内功”,一旦内功扎实,任何新的“招式”都能迅速掌握并融会贯通。这本书更像是对数据分析师职业生涯的一份长期投资指南。
这本书的结构安排体现了作者深厚的行业洞察力,它并非一本按部就班的“教程”,更像是一本“方法论的集成”。我注意到了它在章节过渡上的精心设计——从基础的数据采集和清洗,到中层的模型选择与评估,再到高层的决策支持与可视化呈现,每一步都保持着高度的连贯性。但最出彩的不是这种线性流程,而是它在每个阶段都穿插了对“边界条件”的讨论。比如,在谈论大数据存储技术时,它没有止步于Hadoop或Spark的性能对比,而是深入探讨了在数据量级和实时性需求发生变化时,团队应如何权衡技术选型背后的隐性成本和维护复杂度。这种对“取舍之道”的探讨,远超出了普通技术手册的范畴,直指项目管理和资源分配的核心难题。它教会读者的不只是“怎么做”,更是“在什么情况下应该这样做,在什么情况下应该避免这样做”。这让整本书的价值区间被极大地拓宽了,它同时服务于架构师和项目经理。
说实话,当我翻开这本书时,内心是有些忐忑的。我是一个浸淫市场营销多年,对数据敏感但技术背景相对薄弱的从业者,总担心那些过于偏向底层架构和算法细节的书籍会让我望而却步。然而,这本书的处理方式令人惊喜。它似乎明白,并非所有人都需要成为算法工程师,但所有人都需要具备“数据思维”。它的叙述风格非常贴合初学者的认知曲线,用大量的“场景化故事”来引导概念的引入。例如,它没有直接给出回归分析的公式,而是通过一个虚拟的电商A/B测试案例,一步步展示数据是如何揭示用户行为模式的,每一步的逻辑推导都清晰可见,几乎不需要跳页查阅其他参考资料。这种“故事驱动+概念解释”的叙事手法,极大地降低了学习门槛,让数据分析不再是高不可攀的象牙塔知识。我尤其欣赏作者在讲解复杂统计学概念时,那种化繁为简的功力,仿佛身边有一位经验丰富的导师在耐心为你拆解每一个疑惑,而不是冷冰冰地抛出定义。对于希望系统性入门数据分析思维的非技术背景人士,这本书的引导性价值是巨大的。
这套书的排版和装帧确实让人眼前一亮,拿到手里就能感受到一种沉甸甸的专业感。我一直对那种理论与实践结合得恰到好处的教材情有独钟,而这本初识之作就给我带来了极佳的第一印象。它不像市面上很多技术书籍那样,上来就堆砌晦涩难懂的数学公式或者罗列一堆工具的参数,而是非常巧妙地从更高维度去构建整个数据分析的哲学框架。读起来,你不会觉得自己在“学技术”,而更像是在“悟道”。作者似乎花费了大量精力去打磨那些概念的表述,力求用最精炼的语言去捕捉数据世界运行的本质规律。比如,书中对于“数据质量”的定义,不再是简单地谈论缺失值和异常点,而是上升到了商业决策的层面去探讨“信息熵”与“信任度”之间的微妙关系,这一点深得我心。阅读过程中,我常常需要停下来,合上书本,反复咀嚼那些精妙的比喻和类比。这种阅读体验,对于那些渴望从“工具使用者”跃升为“数据战略家”的读者来说,无疑是极具启发性的。我期待着后续章节能更深入地探讨如何在实际项目中落地这些宏大的“道”的思考。
适合小白
百度走到今天这步田地,通过曾经拿过百度百万美金大奖的这位仁兄的书就能看出端倪了。道可道,非常道。道不是道,上不了台面的道,low道。请注意,读者不是小学生,很没用必要在简单问题浪费笔墨。请注意提升你的观点。看完感觉干货少,没有任何惊喜。这是一本讲数据分析的书,最令人不能接受的是,作者你作为拿过百万美金大奖的人,就不能踏实点么,非得跟大数据、机器学习扯上关系,关键是书中的这两部分内容毫无半点儿专业性可以,形成自己的观点后再写文章好么?能注意一点节操么?也请刷分的同志注意,不要太直接。差评,不建议购买。
为了展示自己的学识渊博而引入大量的无关知识,浪费已知者的时间,增加未知者学习无关知识的成本,这是以互联网实践者身份写书的人的偏好,从知识传播的角度而言,这种旁征博引的浅薄可能吸引知识贫乏者的喝彩,却无意于关键知识的传播。
比我想象更好的书。确实比较好读。快的话一两天就可以通读完。前面写从整体思维写数据分析的概念、流程、必备的知识点,通过形象例子深化理解。每章后的关键术语也能帮我起到复习和总结的作用。通过这本书,有了全盘观念,也有了具体概念,思维能够落地,同时也有作者许多真切的在工作上的感受和对择业和工作的建议。术部分相对复杂。需要一定的数学功底,建议因实际情况选读。文中讲到的一些统计 分析方法、大数据分析方法和概念对进行数据分析处理方法都有帮助。
赞, 作者的实战经验对于大数据如何在具体业务中落地有极大的启发。