这本书好几年前看过，最近收拾东西发现了，又拿出来再看一遍。几年前觉得它太浅显，经常一页书就是几句话加上一幅图，现在细细读来，发现里面还是有不少宝藏的。
这本书挺适合数据分析入门看看的，通过几个简单的例子，介绍了数据分析的基本流程、需要经常面对的场景、新人常踩的坑、几种常用的分析方法，简单却也覆盖了大部分的场景。建议入门级可先了解，再在实践中参透变通。
作为一个在数据中爬摸滚打多年的人，为什么也会觉得它好呢，我想是它朴实无华的描述，让我又找回了数据分析的初心。近几年数据分析越来越多花样了，人人学python，个个上深度学习，我自己也常常不自觉追求些花里胡哨的东西，比如精美的图表、无法解释同时没必要的模型等等。回过头来再看多年前的这本书，虽然里面工具不新潮，excel+R，但是丝毫不影响做出让人满意的分析，因为分析的本质永远不是追求高大上的工具和方法，而是解决问题、解决问题、解决问题。
摘录：
一、道：
聘用数据分析的人认为，具备分析能力的人能够改善他们的业务。有些人把问题视为机会，而向客户指出如何发现机会的数据分析师则能让客户赢得竞争优势。
分析师好比侦探，总有一些秘密等着他们去发现，这正是数据分析的乐趣所在！回顾问题、提炼模型、基于新模型观察外界，这些都是分析师工作的基本组成部分，并非特例，而是规律。
让数据变得美观也不是你要解决的问题。有些图形能够成为深度数据分析的推动力，有些只是让人过过眼瘾。
分析从你介入的那一刻开始——让自己介入分析的意思是作出自己的明确假设，并且以自己的信用为自己的结论打赌。
分析师常常不够注意自己要解决的问题，他们抛给别人一些信息，借此推卸自己解决问题和建议决策的义务。
世上没有傻问题——分析师要善于提问、敢于提问。
无论你的量化技术多么出神入化，真正的重点却永远在于：分析结论要有意义。
一切模型都是错误的，但其中一些是有用的。 —— George Box
二、术：
如何解决问题：将问题划分为可管理、可解决的组块。你面对的问题常常模糊不清，你无法直接回答大问题。但是通过回答从大问题分解出来的小问题，你就可以找到大问题的答案。（麦肯锡的MECE法则）
你的统计模型取决于你的心智模型，如果用了错误的心智模型，分析就会胎死腹中。（心智模型指的是：对外界的假设、确信的观点、看问题的角度）
最初的错误假设注定了分析会得出错误的答案，因此，从一开始就务必要基于正确的假设建立模型显得如此重要，并且，要做好准备，一旦所得到的数据有违你的假设，就要立即回头重新详加思考。
比较越多，分析结果越正确，对于观察研究尤其如此。没有控制组就意味着没有比较，没有比较就意味着无法对所发生的情况进行判断。
分析师们的一个很好的经验法则是，当你开始怀疑因果关系的走向时（如价值感的下降导致销量下降），请进行反向思考（如销量下降导致价值感下降），看看结果怎么样。
要是你手头数据庞杂，而且对于如何处理这些数据没有把握，这时只要记住你的分析目标就行了：记住目标，目光停留在和目标有关的数据上，无视其他。
进行假设检验时，要使用证伪法，回避满意法。满意法的问题是，当人们在未对其他假设进行透彻分析的情况下选择某种假设时，往往会坚持这个假设，即使反面证据堆积如山，也往往视而不见。证伪法则让人们对各种假设感觉更敏锐，从而防止掉入认知陷阱。
千万要保存原始数据，避免进行任何数据处理。即使最好的数据分析师也会食物，必须能够将自己的工作结果与原始数据进行比较。
千万要对模型假设保持戒心。 观察他人的模型时，一定要想一想他们的假设有何道理，以及他们是否忘记了某种假设。不合适的假设会使模型完全失效---这还算是最好的结果；最坏的结果是具有危险的欺骗性。
------
书中还花费了不少篇幅手把手讲解excel和R的使用，有兴趣的童鞋可以看书，不在此一一列举了。
