一切行为都可以数据化，数据不代表真相，数据之间的逻辑关系才是真相。

我有 3 个理由强烈推荐你看这本书：理由 1：这本书可以帮助你解决 90% 的工作中遇到的问题。面对工作，你是否经常遇到这样的问题手里拿了一堆数据，却不知道怎么去利用；业务部门不满意，总觉得你分析得不深入；准备面试或找到新工作后，不知道如何快速掌握该行业的业务知识。这本书本书可以帮助职场的你解决以上问题，具备数据分析的能力。理由 2：这本书可以让你升职加薪。研究显示，有数据分析能力的人工资比一般人多 30%，而没有数据分析能力的人失业率是一般人的 2 倍。这本书包括两大部分来让你具备数据分析能力。第一部分是 “方法”，系统介绍了指标、分析方法以及如何用数据分析解决问题。第二部分是 “实战”，分享了 12 大行业的案例。理由 3：这本书可以让你抓住这个时代的红利。数据分析已经是大数据、人工智能时代的通用能力，这本书结合日常生活中的故事，真正做到了通俗易懂。看完这本书让你抓住这个时代的红利。

好书！读第一遍时候觉得还不错，有理论有实战，收获了很多数据分析的工具，比如：5W2H 分析法、逻辑树分析法、行业分析法、多维度拆解分析方法、对比分析法、假设检验分析法、相关分析法、群组分析法、RFM 分析法、AARRR 模型、漏斗分析法。顿时感觉能上手做数据分析了，而且建立了自己的数据分析工具箱。第 3 章讲的用数据分析解决问题非常实用，数据分析思维不就是用数据分析的方法解决实际问题嘛！读完后就变成了工具书。期待出第二版，继续延展数据分析思维。

很幸运遇到猴子老师的这本《数据分析思维》。之前被说到缺乏数据意识，书里详细介绍了案例分析的方法，之前在互联网金融公司工作了两年对里面相关的案例还算比较熟悉，可能是之前没有系统的学习数据分析思维，不知道从哪里着手，通过这本书发现原来这就是数据分析，没有想象中的那么高深 ，有意识的培养和锻炼都可以做到。以后会考虑财务分析方面的工作，其实日常工作中分析的工作也都在做 但离具体转化为生产力提高工作效率还有一定的距离，加油吧！

用数据的方法，细致的分析各行业的效率

最早接触数据分析是上大学的时候参加数学建模比赛，三个人用三天的时间集中在一个地方通过查找资料，分析问题，建立模型，到成文交稿，当时三个人分工大致可以分为 1 人主要负责数学建模软件的应用，做数据分析，1 人负责写论文，1 人负责分析问题，找到总体的解决思路。那时虽然也能在最后期限交稿，但成就感不高。现在明白原因其实是自己没有找到最合适的模型并且用数据来验证。大多是套用资料里面的公式简单做了一些分析和文字型的叙述。通过阅读《数据分析思维：分析方法和业务知识》，对于用数据分析来找到原因，并且给出解决方案有了更加实实在在的直观印象，感受到通过数据来解决问题的魅力，觉得特别有意思。本书分两个部分。第一个部分讲数据分析可能用到的专业术语，让读者对于后面用到词语不至于很陌生，再分别用是什么，怎么用，有什么注意事项来介绍 5W2H 分析方法、逻辑树分析方法、行业分析方法、多维度拆解分析方法、对比分析方法、假设检验分析方法、相关分析方法、　群组分析方法、RFM 分析方法、AARRR 模型分析方法、漏斗分析方法共 12 种方法，每一种都非常具体的举例子说明，然后介绍数据分析解决问题的三个步骤，明确问题，分析原因，提出建议。最后介绍如何通过数据分析的方法来解决 12 种不同场景的问题。简单高效并且让人印象深刻，能够不断保持好奇心的去期待最终找到问题并且提出建议的那完美时刻。同样也给我解决生活中的问题很多启示！

受用最大的就是 “用数据分析解决问题” 这一章了。三板斧：明确问题、分析原因、提出建议。get 了数据分析思维的 “套路”。推荐！

不管什么工作都是有固定模式的，深入了解以后会发现按照行业流程梳理，发现堵点 -> 疏通堵点，而数据分析就是让你掌握快速找到堵点并分析可能的解决方案。猴子出品方法 + 实战，挖掘行业模式、指标加上案例分析，让新手快速上手陌生行业数据分析实操技巧。

数字化大潮席卷而来，几乎波及所有行业，数据分析已成必备基础能力之一，数据分析从指标到量化，从假设到验证、从方法到实战，本书指出数据分析最重要的是具备数据分析的思维，掌握数据分析的基础方法。如果你不能量化， 那么你就不能有效增长。—— 德鲁克
数据分析的四个层次：描述性分析 —— 发生了什么？诊断性分析 —— 为什么发生？预测性分析 —— 什么将要发生？处方性分析 —— 怎样达到最好的商业决策？你属于哪个段位？数据分析是数据资产走向价值决策的桥梁，用喜乐君的话说：优秀的数据分析师是当下大数据时代最为紧缺、最有价值的岗位之一，它难以短期速成，需要长期的数据素养，需要创造性、探索欲和专注力的长期加持！

书中的「知识地图」真是太有用了！真是数据分析者的福音。有理论有实践，活学活用。

业务指标这一节太实用了，数据分析的基础之一就是分析数据指标。找关键指标、建立数据指标体系，从指标到报表，完整的数据分析闭环，不错的方法论。

这书的行为非常的结构化，读起来一气呵成。尤其是第二篇，十几个行业的案例，受用！

盯住指标不胡来，可衡量才能增长。理清逻辑不瞎猜，有条理的思路。找准病因不被表面迷惑，分清相关与因果。解决问题不看热闹，看疗效，给出可落地的办法。1. 如果不能衡量，那么就不能有效增长。一切分析的起点，是先找到可衡量的指标。搞不清楚怎么算好，就别谈什么变好。分析的第一步，就是先把能数得清的数字找出来。想减肥，不能只天天站在秤上，却不知道自己吃了多少热量、运动消耗了多少。得先记下每天摄入卡路里和体重变化这两个数字，才能谈得上科学减重。开车没有仪表盘。不知道现在时速多少、还剩多少油，敢猛踩油门谈飙车吗？衡量就是车上的仪表盘，没有它，所谓的加速只是在瞎开。2. 分析方法是把零散的想法，整理成有条理的分析思路。不是工具操作，而是面对问题时，能否形成清晰、可验证的思考路径。分析方法不是 Excel 用得多溜，而是脑子里有没有一条清楚的思考路线，从哪问起、怎么验证，而不是东一榔头西一棒子。侦探破案。现场有很多零散线索（脚印、凶器、嫌疑人动机）。新手侦探会乱成一锅粥；而高手会画一张思维导图：从结果倒推，一步步排除不可能，最后锁定真凶。做饭和乱炖。工具操作：只会切菜、开火（会用 SQL、Excel）。分析方法：手里有一份菜谱。先放什么、后放什么、什么时候尝咸淡（验证），按步骤来，最后才能做出一盘好菜，而不是把所有东西扔进锅里乱煮。3. 相关关系不等于因果关系，但仅仅知道相关关系也能帮助我们。分清相关与因果，是分析者成熟度的重要标志。两件事经常一起出现，不代表谁导致了谁。能分清只是凑巧一起发生和真的有因果关系，才算真正入门了分析。数据显示：冰淇淋销量越高，游泳溺水的人越多。能说都是因为吃了冰淇淋才淹死吗？当然不能！背后的真正原因是天气热（天热大家都买冰淇淋，天热大家也都去游泳）。公鸡打鸣与太阳升起。每天早上公鸡打鸣后，太阳就升起来了。这两件事高度相关，但把公鸡杀了，太阳照样升起。公鸡打鸣并不是太阳升起的原因。4. 找到原因还不算完事，找到对应的解决办法才是分析的终点。数据分析的价值不在于解释世界，而在于解决问题；从问题到原因再到可落地的建议，才是完整的分析闭环。光说为什么会这样没用，能说出那我们具体该怎么办才算真本事。分析不是写论文，是帮业务把事搞定。医生看病。初级分析：病人发烧了（找到问题），是因为体内有炎症（找到原因）。完整分析：除了确诊炎症，医生还得给病人开具体的药方（消炎药、输液），告诉病人忌口什么（落地建议）。光说有炎症却不给开药，这医生是不合格的。汽车导航。导航发现开错路了（找到问题），并告诉司机因为刚才没右转（找到原因）。如果导航只到这里就停了，司机会很抓狂。好的导航会说：前方 200 米掉头，或者重新规划一条新路线（解决方案）。这才是司机需要的！总之，数据分析不是为了玩数字游戏，而是为了像老中医一样，通过望闻问切（衡量指标），顺着脉络（分析路径），找准病根（区分因果），最后开出一副能治病的药方（落地建议）。

其中 “北极星指标” 对自己有启发。定义：衡量一家组织（企业，家庭）或个人职业的核心指标。解释：得到的北极星指标是付费率，用付费率来衡量知识产品的用户满意度，超级用户的规模，地理范围。用罗胖的话说就是终身学习领域的 “无提示第一提及率”，这一点已被自己验证了，前几天在微信朋友圈分享，原话是 “若你也是一名终身学习者，欢迎来得到做我 “同桌”，还附上一张自己的得到学号二维码。应用：自己之前是一名软件工程师，北极星指标是能根据项目需求高效的写出高质量代码。现在是一名推理（社会派方向）创作者，北极星指标是小说被影视改编概率最大化 —— 以满足关键因果链的 “影响力” 最大化，最终做到中国推理无提示第一提及率。学习数据分析工具后再来细读并应用。

本书很适合数据分析从业人员，1、基础方面：从数据的指标，指标体系的搭建，常用分析方法的详细介绍，2、实际业务场景方面：最好的内容是各种分析方法的适用场景，即有常见业务可用什么样的分析方法，及问题如果进行下探式分析找问题原因及策略的提出，3、还有各行业的实际案例分析详细介绍，可从实际案例分析中学习，比较有 sence 非常推荐数据分析从业人员认真研读

内容丰富，知识结构清晰，案例分析详实！

此书适合数据分析小白和初学者使用，里面有大量且丰富的业务指标定义，数据分析逻辑阐述，以及深入浅出的针对性案例。非常有利于初学者及外行人了解某一行业的基本运转逻辑，当然也包括该行业的数据分析方法。读完此书，我深刻认识到有些枯燥且无趣的指标设计的含义，也意识到数据分析不仅是一门科学，更是一门艺术，死守教条主义只能困守一隅，永远只能是初学者。本书作者猴子，是数据分析的实践派，他本人我已关注很久但总觉得自己水平较低资历不够，一直未跟随学习，现在觉得，加入学习未尝不失为一种精进途径。

同事推荐的，看完后，真的用到了数据分析思维解决了工作里的业务问题

可量化是满足我们控制欲非常好的方式。虽然真实世界很复杂，但多一个维度去认知，总比浑浑噩噩的好。

很好的数据分析实操指南