首先，明确不要为了读书而读书。
我总认为，一个人做什么事情都是有目的的，不然不会舍得花时间花精力。生活如此，工作读书也是如此。别再说学校里面教的那些东西没用了，学校教会你的不过是学习的技能而已。
闲话少说，言归正传。我是从谁说菜鸟不会数据分析（入门篇）开始看的，然后再是这本书。拿到书的时候，学会先看目录，找到哪些是能够服务当下的工作与生活的。这套书是在office软件的基础上面进行数据分析的介绍。第一章为access的介绍，第二章为excel的介绍（可以看出来这个是按照将数据从海量里进行剥离分析的思路），第三章为数据的展现方式的介绍，第四章为报告自动化的方法介绍。
（个人觉得第一个东西的可用性不是那么的迫切，直接跳过，感兴趣的自己去跟进哦）
第二章
excel的强大之处在于，可以安装很多分析插件。
第一个是 power pivot----这个是类access的小插件。能够不开启access进行小海量数据的简单分析操作。包括数据的关联查询，分组分析等，这个不太常用。
第二个是数据分析工具库----这个是excel自带的一个数学模型库，这个里面包含了抽样分析，回归分析等数学模型，让数字活起来，更加的直观化。
描述性统计分析:一步即可实现这些描述性统计函数的相关功能，操作简单，并且不容易出错。（常用指标主要有平均数、方差、中位数、众数、标准差、方差等）
直方图:我们可以直观地看出数据分布的形状、数据分布的中心位置及数据分散的程度，由此判断数据是否符合正态分布。
抽样分析:利用己知的有效样本去估计未知的庞大总体。
相关分析:研究两个或两个以上随机变量之|司相互依存关系的方向和密切程度的方法，直线
相关用相关系数表示，曲线相关用相关指数表示，多重相关用复相关系数表示。
回归分析:主要包括线性回归及非线性回归两种。线性回归又分为简单线性回归与多重线性回归。先做散点图，得到回归公式，然后在进行回归分析。
回归统计表--用于分析两个变量之间的相关程度，以及检验样本数据点聚集在
回归直线周围的密集程度，从而评价回归模型对样本数据的代表程度，即回归模型的拟合效果
方差分析表--检验因变量与所有自变量之间的线性关系是否显著，用线性模型来描述它们之间的关系是否恰当
移动平均分析:移动平均可以消除或减少时|可序列数据受偶然性因素干扰而产生的随机变动影响，它适合短期预测。
指数平滑:，是一种改良的加权平均法，在不舍弃历史数据的前提下，对离预测期较近的历史数据给予较大的权数，权数由近到远按指数规律递减。
第三个是mindjet----思维导图的一个插件，我基本上还是会将这两个软件分开使用。
