数字经济师证书推荐书籍

我会写出步骤的理由以及为什么这样做。扫了一遍大家的推荐，没办法说对错，但是有时候会让一个入门者读偏颇。这里的推荐会偏宏观一些。微观经济的顶峰是建模，这个已经不是纯粹的经济学了。第一步：正三观在推荐任何经济学书之前，我不推荐你读任何的 ” 书“ 。 在你读任何的经济学书（无论是理论还是通俗读本之前），我们需要做的是：正三观。为什么？因为经济学是一门很模糊的学科，甚至在每个学校中的分类都不一样，有的学校放在商科，有的学校叫社会科学，有的学校叫科学。所以，在经济学中是没有绝对的对错，只有不同的派别和有些看起来还不错有一些听起来对但是非常不靠谱。所以在读任何”书“，甚至是教科书之前，需要端正下三观，了解下真正的世界。说一句肯定会被抽的，但是我觉得是对的话：经济学本无基础，但是有初，中，高三段。与基础相比更重要的是三观一定要正，不要被专业名字忽悠到。很多东西是逻辑问题，不是学术问题。在此推荐秒杀无数经济学教科书的一篇论文，这个论文可以秒杀掉市面上99%的经济学教科书。How the Economic machine works - By Ray Dalio From Bridgewater 英文链接： 宏观经济运行的框架（英文原版）by Ray Dalio--Bridgewater.pdf中文翻译版本链接： 《理解宏观经济运行的框架(Ray Dalio)》_百度文库首先，我们需要用这个文章好好正下三观。无数的经济学书和理论都太浮云和浮夸了。经济和金融，我只相信真正Hands on的人写出来的东西。Ray Dalio现在卸任了Bridgewater的CEO，和另外2个合伙人转做Advisors，专门专注于投资方向决策。Bridgewater现在应该仍然是全世界最大的宏观对冲基金。这个文章用非常好的语言，充分的说明了这个世界到底是怎样的，调整并且融合了相当多的理论并且真正的和现实结合。不管你是否有经济学功底是否真正懂得经济学，在你读任何数之前，必须读这个。《金融炼金术》 - 索罗斯豆瓣链接：金融炼金术 (豆瓣)不用多说什么。这个也是一个帮助你更好了解这个世界的经济与哲学构架的书。索罗斯是少数几个业内的真正的大师级，并且愿意说真话表达真观点的人。我保证上面两个作者说的都是真话，其他的现在很多书作者说的不是有偏颇就是有炒作或者就是在放屁。第二步：基本功三观被正之后，需要的是一些有学派偏倚，偏向学术一些，但是能带来一些真正知识的书。在这个部分你需要形成自己的经济学思维与观念。没有人会逼迫你偏向芝加哥学派，凯恩斯主义或者奥地利经济学派，但是你需要形成一套自己的经济学分析观。在真正的经济世界中，形成自己的一套原则和分析，是读书的最终目标。现在应该读读这本书：《国富论》 - 亚当.斯密豆瓣链接：读这本书的原因其实就一个：亚当斯密与其经济学理论和思维，深深的影响到了当今世界的央行和政策制定者的思维，是战争以来之后影响最大的经济学基础。在你阅读任何其他书之前，必须先了解下国富论极其其中的说法，在大脑中形成思维。你几乎肯定会读个一知半解，所以这个时候我们需要：《经济学原理》 - 曼昆豆瓣链接： 经济学原理（上下） (豆瓣)也没什么好多说的，书名就说明了一切。《凯恩斯传》 豆瓣链接：凯恩斯传 (豆瓣)很负责的说，这个传记与经济学原理一样重要。凯恩斯主义与思想，包括他本人的一些建树，对于当时社会影响太大，而我们为了更好的理解，一定需要做一下归本溯源。第三步骤：深入这个时候我们需要再读一遍：《国富论》 - 亚当.斯密此时读肯定比第一次读的感觉会好很多。所以需要再阅读一次。然后可以解除一下别的学派。在详细深入一个学派之前，我建议对其他学派做一下了解。尤其是在金融危机之后，更有必要。所以，先读读这本：《朋友还是对手》 - 奥地利经济学派和芝加哥经济学派之争豆瓣链接：朋友还是对手 (豆瓣)真本书是在阅读奥地利和芝加哥派之前需要阅读的一本。了解一下各个学派以及他们之间的问题。剩下的就是在基本书内自己选，不做详细推荐了。第三步: 其他与选书标准这个时候就可以敞开读。但是我仍然不推荐读任何的通俗类读本。通俗类最大的问题就是比较追求销量而太过于通俗，甚至有的就是哗众取宠。选书标准：唯一的标准就是作者。我们选任何书单中的书或者标准就是作者，我们需要选下面三种类型的作者的书籍：真正的Hands on的做过一些事情。包括基金或者银行或者大型机构。他们的履历和接触的人（央行，政策制定者，市场），说出的话才比较有价值。理性的，尤其是有职业履历背景的银行家或经济学教授，在此推荐非理性繁荣 ：《非理性繁荣》(第二版) (豆瓣)历史型，例如经济史类，或者思想对现今社会造成深刻影响的作何。我们会查作者所有的背景，评价以及做过什么事情，再决定于是否读他的书。这种方法可以淘汰掉市面上80%以上的纯理论无实际意义的作者以及大忽悠。有关中国经济的书大多不靠谱，推荐几本还算靠谱的。《财经论衡》 - 胡祖六财经论衡 (豆瓣)《中国与世界的五大神话》豆瓣链接：关于中国与世界的五大神话 (豆瓣)当形成自己的框架之后，就可以真正自己选书并且扔很多书。希望有用。补充些很垃圾的作者，别读他们的：薛兆丰，学术混混，为博眼球每次都试图语出惊人，但根据圈内同行评价，水平极低；宋鸿兵，你可以视他的书为小说，如果想认真研究经济学就别读了，基本都是抄袭外国一些小道报纸、娱乐小说再加上点自己的意淫写出来的东西，如果按照他建议投资，祝你早日解套…；铅笔社的作者，他们一般都打着自由主义的旗号，号称普及人文经济学，其实是一帮没有经过严格学术训练的混混罢了，自以为对经济问题有独到的见解，其实基本是照抄西方三十年前的东西再加上自己的曲解；郎咸平，他是国际顶级财务专家我承认，他确实在公司财务方面很有建树，可以说是在这个领域的华人翘楚，但是经济尤其是宏观经济方面实在不敢恭维，读他的书是浪费时间，但是你想学公司财务方面的东西的话，他的论文（注意不是书，是发表过的英语学术论文）是一定要读的。最后，所有号称经济学不要用数学的所谓经济学家都不要读了。经济学是要下苦工夫的，数学在现代经济学中很重要，现在已经不是亚当斯密写国富论的时代了。真想有志于经济研究就踏踏实实学吧。

教材方面尽量不要自己乱买，可以借鉴CDA数据分析师官网的考试大纲，看你备考的是哪一级，里面有详细的教材推荐，这样比较有针对性，网上还有一些个人整理的备考视频，个人买过，用处不大，内容比较陈旧，你可以去经管之家办个会员，里面好多专业大咖的视频分享，都是最新的教材课程，还是比较值得看一看的。

大数据是未来发展必然趋势，不懂数据分析很可能在将来会被时代所淘汰，所以现在很多人都争抢学习数据分析并参加数据分析师考试，而且很多人都是零基础学习。零基础学习数据分析是有一定难度的，需要要提前做一些功课准备关于自考方面的。CDA证书由中国成人教育协会数据分析教育培训专业委员会监制，考试通过拿到的证书代表了技能水平，可做为企、事业单位选拔和聘用专业人才的参考依据。随着社会的发展，CDA数据分析师需求会越来越来，CDA数据分析师也会越多越被人认可。权威性：CDA 认证由行业协会、知名企业及业界专家学者共同制定与背书并于每年修订更新，保证标准的公立性、权威性、专业性、前沿性。专业性：CDA认证标准符合当今全球数据科学技术潮流，满足各行业数字化发展中对数据相关岗位的人才要求，考试专家命题、评分公平、流程严格，具有高含金量。认可度：CDA认证已得到越来越多企业的认可与引进，成为企业的人才评价标准，包括中国电信、联通、中国人民银行、中国银行、中国烟草、国家电网、招商银行、奔驰、联想、苏宁等。国际化：CDA与国际知名考试服务机构Pearson VUE合作，认证考点覆盖全球。CDA全球会员联盟开放式合作进一步建立企业会员与雇主联盟，具备中立性并逐步成为国际化认证标杆。自学备考CDA数据分析师，需要准备以下书籍：[1]王英英.MySQL 8从入门到精通[M].清华大学出版社,2019.（选读）[2]MICK.SQL基础教程[M].SQL进阶教程[M].人民邮电出版社2017.（选读）[3]黄缙华.MySQL入门很简单[M].清华大学出版社,2011.（选读）[4]斯蒂芬森,晋劳,琼斯.SQL入门经典（第5版）[M].人民邮电出版社,2011.（选读）[5]贾俊平,何晓群,金勇进.统计学（第7版）[M].中国人民大学出版社,2018.（选读）[6]黄成明.数据化管理（第1版）[M].电子工业出版社,2014.（选读）[7]京东数据创新组.京东平台数据化运营（第1版）[M].电子工业出版社,2016.（选读）[8]刘宝红,赵玲等.供应链的三道防线（第1版）[M].机械工业出版社,2020.（选读）[9]陈哲.活用数据:驱动业务的数据分析实战（第1版）[M].电子工业出版社,2019.（选读）[10]顾生宝.数据决策:企业数据的管理、分析与应用（第1版）[M].电子工业出版社,2020.（选读）想要自考可以借鉴咨询CDA认证机构，了解考试大纲，CDA认证中心。全球CDA持证者秉承着先进商业数据分析的新理念，遵循着《CDA职业道德和行为准则》新规范，发挥着自身数据专业能力，推动科技创新进步，助力经济持续发展。

一、掌握基础、更新知识。基本技术怎么强调都不过分。这里的术更多是（计算机、统计知识）， 多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看，这点大家深有感触的。数据库查询—SQL数据分析师在计算机的层面的技能要求较低，主要是会SQL，因为这里解决一个数据提取的问题。有机会可以去逛逛一些专业的数据论坛，学习一些SQL技巧、新的函数，对你工作效率的提高是很有帮助的。统计知识与数据挖掘你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但是还是应该关注一些博客、论坛中大家对于最新方法的介绍，或者是对老方法的新运用，不断更新自己知识，才能跟上时代，也许你工作中根本不会用到，但是未来呢？行业知识如果数据不结合具体的行业、业务知识，数据就是一堆数字，不代表任何东西。是冷冰冰，是不会产生任何价值的，数据驱动营销、提高科学决策一切都是空的。一名数据分析师，一定要对所在行业知识、业务知识有深入的了解。例如：看到某个数据，你首先必须要知道，这个数据的统计口径是什么？是如何取出来的？这个数据在这个行业， 在相应的业务是在哪个环节是产生的？数值的代表业务发生了什么（背景是什么）？对于A部门来说，本月新会员有10万，10万好还是不好呢？先问问上面的这个问题：对于A部门，1、新会员的统计口径是什么。第一次在使用A部门的产品的会员？还是在站在公司角度上说，第一次在公司发展业务接触的会员？2、是如何统计出来的。A：时间；是通过创建时间，还是业务完成时间。B：业务场景。是只要与业务发接触，例如下了单，还是要业务完成后，到成功支付。3、这个数据是在哪个环节统计出来。在注册环节，在下单环节，在成功支付环节。4、这个数据代表着什么。10万高吗？与历史相同比较？是否做了营销活动？这个行业处理行业生命同期哪个阶段？在前面二点，更多要求你能按业务逻辑，来进行数据的提取（更多是写SQL代码从数据库取出数据）。后面二点，更重要是对业务了解，更行业知识了解，你才能进行相应的数据解读，才能让数据产生真正的价值，不是吗？对于新进入数据行业或者刚进入数据行业的朋友来说：行业知识都重要，也许你看到很多的数据行业的同仁，在微博或者写文章说，数据分析思想、行业知识、业务知识很重要。我非常同意。因为作为数据分析师，在发表任何观点的时候，都不要忘记你居于的背景是什么？但大家一定不要忘记了一些基本的技术，不要把基础去忘记了，如果一名数据分析师不会写SQL，那麻烦就大了。哈哈。。你只有把数据先取对了，才能正确的分析，否则一切都是错误了，甚至会导致致命的结论。新同学，还是好好花时间把基础技能学好。因为基础技能你可以在短期内快速提高，但是在行业、业务知识的是一点一滴的积累起来的，有时候是急不来的，这更需要花时间慢慢去沉淀下来。不要过于追求很高级、高深的统计方法，我提倡有空还是要多去学习基本的统计学知识，从而提高工作效率，达到事半功倍。以我经验来说，我负责任告诉新进的同学，永远不要忘记基本知识、基本技能的学习。二、要有三心。1、细心。2、耐心。3、静心。数据分析师其实是一个细活，特别是在前文提到的例子中的前面二点。而且在数据分析过程中，是一个不断循环迭代的过程，所以一定在耐心，不怕麻烦，能静下心来不断去修改自己的分析思路。三、形成自己结构化的思维。数据分析师一定要严谨。而严谨一定要很强的结构化思维，如何提高结构化思维，也许只需要工作队中不断的实践。但是我推荐你用mindmanagement，首先把你的整个思路整理出来，然后根据分析不断深入、得到的信息不断增加的情况下去完善你的结构，慢慢你会形成一套自己的思想。当然有空的时候去看看《麦肯锡思维》、结构化逻辑思维训练的书也不错。在我以为多看看你身边更资深同事的报告，多问问他们是怎么去考虑这个问题的，别人的思想是怎么样的？他是怎么构建整个分析体系的。四、业务、行业、商业知识。当你掌握好前面的基本知识和一些技巧性东西的时候，你应该在业务、行业、商业知识的学习与积累上了。这个放在最后，不是不重要，而且非常重要，如果前面三点是决定你能否进入这个行业，那么这则是你进入这个行业后，能否成功的最根本的因素。 数据与具体行业知识的关系，比作池塘中鱼与水的关系一点都不过分，数据（鱼）离开了行业、业务背景（水）是死的，是不可能是“活”。而没有“鱼”的水，更像是“死”水，你去根本不知道看什么（方向在哪）。如何提高业务知识，特别是没有相关背景的同学。很简单，我总结了几点：1、多向业务部门的同事请教，多沟通。多向他们请教，数据分析师与业务部门没有利益冲突，而更向是共生体，所以如果你态度好，相信业务部门的同事也很愿意把他们知道的告诉你。2、永远不要忘记了google大神，定制一些行业的关键字，每天都先看看定制的邮件。3、每天有空去浏览行业相关的网站。看看行业都发生了什么，主要竞争对手或者相关行业都发展什么大事，把这些大事与你公司的业务，数据结合起来。4、有机会走向一线，多向一线的客户沟通，这才是最根本的。标题写着告诫，其实谈不上，更多我自己的一些心得的总结。希望对新进的朋友有帮助，数据分析行业绝对是一个朝阳行业，特别是互联网的不断发展，一个不谈数据的公司根本不叫互联网公司，数据分析师已经成为一个互联网公司必备的职位了。数据分析师中国统计网——一位资深数据分析师的分享

数据分析最重要的可能并不是你熟悉的编程工具、分析软件，或者统计学知识，而是清楚你所使用的统计知识（统计学、计量、时间序列、非参数等等）背后的原理、假设及其局限性，知道各种数据分析工具（例如数据挖掘）能带来什么，不能带来什么，看到一组统计检验的结果你能言说什么，不能言说什么。这一切的背后，需要一套完整的「科学」逻辑框架，让你了解自己手中的工具的本质，你才能从数据中正确地发现有效的信息，而不是胡乱地使用一大堆自己都搞不清楚的工具来堆砌分析结果，这样得到分析结果不仅无用，而且有害。　　知道了这些后，希望成长为数据分析师，就需要着手训练自己的能力和洞察力。既然是数据分析师，那就分别从数据和分析两方面入手。　　数据当然包含了数据收集、处理、可视化等内容，每个环节对于最后的结果都有关键性的影响。其中涉及的技术性内容只是一部分而已，更重要的是你要理解数据收集（是否存在采样偏差？如何纠正或者改进？）、处理（是否有漏洞或异常情况没有考虑？）背后的逻辑。　你要充分了解这些概念背后的逻辑、动机是什么，才能正确地根据自己的目的作出选择。　　数据可视化更多的是一门艺术：如何把信息以最恰当的方式呈现给希望获得这些信息的人。首先，你要充分理解这些信息究竟是什么，有什么特点，你才能较为恰当的选择采用的可视化工具。　　另外一部分就是分析。当然就是各种分析模型，还是需要了解这些模型背后的逻辑，要放到整个项目的上下文中去看，而不是单纯地在模型中看。　　总而言之，理解数据以及其中的信息是非常重要的，这决定了你的分析和呈现的方法是否合适，决定了最后的结论是否可靠。　　现在可以回答题主的问题了：成长为一个数据分析师，要注意理解你的知识，形成一个系统，而不是像机器人一样机械地胡乱套用模型。在这个理念下训练你的编程能力，了解你所分析对象的原理和尽可能多的细节。在这个基础上，才能谈数据分析。