立足于数据分析的实践特点和行业发展现状，作者将自身多年从事数据分析师的经验融入图书，精练地描述数据分析行业的过去和未来，然后拾级而上，精确地分析各项技术的具体应用场景，最后从行业角度阐述优秀数据分析师应当具备的能力，旨在为读者打造一部既具有理论指导性，也具有实践性的数据分析行业的图书。
本书力求为读者粗略地勾勒出数据分析行业的全景图，并包含尽可能多的细节，可以指导数据分析师有的放矢地开始自己的数据分析工作，更可以为初入职场的数据分析师提供一套行之有效的职业发展规划，凝练出个人能力提升路径。

李翔宇，北京工业大学通信工程学士，美国得克萨斯大学信息系统管理硕士，高级系统分析师。
拥有多年通信、能源、教育行业的系统分析和数据分析经验，重点研究数据分析行业发展与综合人才素质养成机制。微信公众号“砝码数据”创办者，为SAS数据分析从业者提供技术指导和行业分析，旗下砝码60秒和砝码深度栏目广受读者好评。

第1章 寻找数据分析的本质
1.1 什么是数据
1.1.1 抽象性
1.1.2 可复制性
1.1.3 可理解性
1.1.4 掌握行业中的数据概念
1.2 有多少分析就有多少数据
1.2.1 从能源角度看技术和知识
1.2.2 数据是能源，分析是知识
1.3 数据分析行业人才缺口
1.3.1 数据分析的金字塔模型
1.3.2 数据分析行业现状
1.3.3 数据分析行业的薪资水平
1.4 数据分析师的就业方向
1.4.1 数据清洗师
1.4.2 统计分析师
1.4.3 数据可视化工程师
1.4.4 商业智能专家
1.4.5 大数据与人工智能专家
1.4.6 数据分析项目经理
1.4.7 正确匹配兴趣、能力与职业
第2章 追寻数据分析的大历史与大未来
2.1 计算机之前的数据分析
2.1.1 最大的数据集：宇宙
2.1.2 历史上的数据记录
2.1.3 没有电的“互联网”
2.2 搭上计算机的翅膀
2.2.1 为数据分析而生的电脑
2.2.2 硬件暴涨的时代
2.2.3 硬件发展推动软件性能增长
2.3 言必称大数据和人工智能的时代
2.3.1 大数据与人工智能行业
2.3.2 大数据究竟有多大
2.3.3 人工智能有多智能
第3章 数据-信息-知识的认知模型
3.1 认知模型与心智模式
3.1.1 什么是认知模型
3.1.2 什么是心智模式
3.1.3 建立优秀的心智模式
3.2 归纳、演绎和类比法
3.2.1 归纳法——从特殊到一般的推理方式
3.2.2 演绎法——认识世界最稳定的方法
3.2.3 类比法——不可忽视的推理方法
3.3 信息论入门
3.3.1 为什么信息可以被量化
3.3.2 无处不在的熵和比特
3.3.3 难以消除的噪声
3.3.4 从信息论看数据分析
3.4 数据分析的目的
3.4.1 从数据到信息
3.4.2 从信息到知识
3.4.3 用知识作出决策
第4章 选择正确的数据分析工具
4.1 Excel——最简单的工具暗藏玄机
4.1.1 微软的Excel苹果系统上的软件
4.1.2 使用Excel进行简单的数据处理
4.1.3 数据透视表Excel最强大的工具
4.1.4 使用Excel进行数据分析的行业
4.2 R语言——为统计分析而生的语言
4.2.1 出身平凡的R语言
4.2.2 R语言的基本操作
4.2.3 R语言强大的包
4.3 Python——人生苦短，我选Python
4.3.1 一位天才所创造的神奇语言
4.3.2 具有多副“面孔”的Python
413.3 Pvthon数据分析的现状与未来
4.4 SAS——特定行业应用的分析工具
4.4.1 SAS的版本与安装
4.4.2 SAS的应用行业
4.5 Tableau——数据可视化的好帮手
4.5.1 Tableau的历史、特色、安装与使用
4.5.2 生成可视化结果
4.5.3 成为一名终身学习的数据艺术家
4.6 正确选择数据分析工具
4.6.1 学习曲线
4.6.2 不同数据分析工具的学习曲线
4.6.3 从职业需求选择一门技术
第5章 不可不做的数据前处理
5.1 缺失值——最常见的数据问题
5.1.1 为什么会有缺失值
5.1.2 缺失值的分类
5.1.3 缺失值的填补方法
5.2 异常值——完美的数据并不存在
5.2.1 发现异常值
5.2.2 处理异常值
5.3 不一致性——难以发现的数据错误
5.3.1 横向对比找出不一致性
5.3.2 隐藏得更深的不一致性
5.3.3 解决不一致性
第6章 统计分析的重要性
6.1 暗藏玄机的描述统计
6.1.1 平均值——最简单的统计量
6.1.2 对比平均值和中位数
6.1.3 更多常用统计量
6.2 常见的数据分布形式
6.2.1 为什么数据分布这么重要
6.2.2 均匀分布
6.2.3 二项分布
6.2.4 几何分布与超几何分布
6.2.5 正态分布
6.2.6 为什么要学习数据分布
6.3 回归分析
6.3.1 回归的起源
6.3.2 线性回归
6.3.3 残差分析
6.3.4 其他的回归分析
6.4 相关性分析
6.4.1 相关关系与因果关系
6.4.2 相关系数
6.4.3 相关性分析有什么用
6.5 其他分析方法
6.5.1 生存分析
6.5.2 聚类分析
6.5.3 方差分析
6.5.4 更多的统计分析
第7章 一劳永逸的数据分析自动化
7.1 经常被忽视的自动化
7.1.1 潜移默化的自动化
7.1.2 自动化的三个层次
7.1.3 自动化的成本与收益
7.2 数据标准化——自动化过程的先导
7.2.1 Normalization——消除量纲的影响
7.2.2 Standardization——让不同的数据说相同的话
7.2.3 数据标准化的成功案例
7.3 一劳永逸中的“劳”和“逸”
7.3.1 自动化系统的“劳”
7.3.2 自动化系统的“久”有多久
7.3.3 数据分析的外包
第8章 数据可视化并不简单
8.1 数据可视化的各种形式
8.1.1 柱状图
8.1.2 饼状图
8.1.3 折线图
8.1.

数据分析行业背景知识和盘推出，融入作者经验与深邃思考，凝练出自我提升路径。