推荐个能够学习编程基础知识的电子书？

编程电子书|增长黑客手册如何用数据驱动爆发式增长？增长黑客PDF，免费下载

下载    链接:  

提取码: 3sg1

 编程是编定程序的中文简称，就是让计算机代码解决某个问题，对某个计算体系规定一定的运算方式，使计算体系按照该计算方式运行，并最终得到相应结果的过程。

PayPal黑帮丨硅谷最大的小团体

PayPal的英文拆开看其实就不难理解这个词汇了，pay也就是支付的意思，而pal是美国俚语里好朋友、兄弟的意思。其实他的意思就是支付的兄弟，希望所有人在线上支付时都能想起来这个“兄弟”。

PayPal黑帮中在国内最有名的应该就是特斯拉、Space X和Solar City的创始人埃隆·马斯克（Elon Musk）了。准确的来说应该是和PayPal创始人合并之后成为的创始人。目前埃隆·马斯克的身价在97亿美元，其特斯拉仍然是被华尔街看好的一家硅谷企业。

创始PayPal的是一位叫做彼得·蒂尔（Peter Thiel）的人物。可能有些人对这位创始人不太熟悉。其实Facebook在早期被彼得·蒂尔投资了50万美元，可谓一战成名。离开PayPal后创立了现在估值超过百亿美金的大数据公司Palantir。目前他的身价约为22亿美金。

其他的黑帮成员虽然国内可能不太熟悉，但是创立的公司大家都耳熟能详。比如目前身价39亿美金号称硅谷人脉王的领英创始人里德·霍夫曼（Reid Hoffman）；创立了20个月便被谷歌以16亿美元收购的YouTube创始人陈士骏（Steven Chen），现在身价约为3.5亿美元；以及硅谷杰出的投资者凯斯·拉波斯，先后投资了PayPal、领英、Square、Yelp等等，目前身价约为10亿美金。

PayPal黑帮的成员还有很多，从列举出的名单就可以看出这些人在硅谷的影响力和身价。最为可怕的是，这些人在离开PayPal之后还依旧保持着紧密的联系，可以说是硅谷中最大的一波势力了。

增长黑客可以说是目前普遍存在于互联网企业的一个职位。其主要的任务就是通过非常规和低成本的手段来迅速获取客户，这些手段可以是技术方面的，也可以是公司运营策略方面的。他的核心可以说就是出奇制胜，当年PayPal可以说是开创性的对这个行业进行了一个定义。

在PayPal创立初期，可以说对于市场的开拓非常的看中。然而让人惊奇的是，在早期PayPal的主要营销人员只有3人。值得一提的是，其实埃隆·马斯克早期也创立了自己的在线支付公司X.com，一度是PayPal最大的敌人。

那么PayPal是怎么样让自己的用户快速成长的呢？其实手段很简单，通过电子邮件。要知道，这可是1998年，当时连电子邮件本身都是一个非常新奇的事物，更不用说线上支付了。谷歌到2004年才千呼万唤的推出了自己旗下的Gmail，而Hotmail也不过是1995年推出的而已。所以，能够使用电子邮件的在当时也是一群愿意尝试新鲜事物的用户了。当时PayPal对每个用户发邮件，告诉他们自己的PayPal账户里面有1美元待领取，并且每推荐一个人使用便会获得10美元的奖励。靠着这种病毒式的营销让PayPal获得了大量的用户。这一招相信大家也很熟悉，无论是Uber、滴滴打车、共享单车、美团等等在早期推广的时候都用过这些方法来获取用户。当然，这一招必须建立在有超强融资能力的基础之上，而埃隆·马斯克和彼得·蒂尔两人都是这方面的高手。

随后，PayPal发现eBay上不少商家都会放上PayPal的链接来获取10美元的注册费，要知道，这可是纯收入啊！于是，不少商家申请在自己的商品链接中附上PayPal的链接，并且还附上了完整的PayPal注册教程。几周之后，使用PayPal商品的比例一下增长到了6%。诸如此类的小手段还有很多，包括当时的eBay也推出过自己的支付平台，但是后来也敌不过风头更胜，拥有更多用户的PayPal。

其实增长黑客作为初创公司的营销加速的方法，“技术+营销”催生而来的复合型人才集合了营销人员的创造力和工程师的缜密数据分析能力。目前市面上也有不少类似于增长黑客手册这样的书籍来教会如何利用数据给公司的用户群带来爆发式的增长。

还有一个有趣的事情，PayPal当时碰到了一件非常头疼的事情，不少犯罪份子利用偷来的信用卡在PayPal上进行盗刷，信用卡机构发现这个问题之后会让PayPal赔偿这笔资金。这时候，他们的大数据团队对这些诈骗份子的特征进行了数据上的分析。比如他们都是创建新的账号，并且向同一批账号支付，并且支付的金额、使用的频率等等都拥有一定的规律。这时候这些技术人员就可以利用这些方法进行人工审核找出这些诈骗分子。当时他们甚至帮FBI抓捕了两个俄罗斯的诈骗分子。这也是彼得·蒂尔现在的Palantir公司的技术经验的来源。更为厉害的是，当时为了防止程序自动注册账号，技术人员想到了一个办法，就是生成一些图片，并且上面有一些扭曲的机器无法识别的字母。这也就是现在验证码的最早起源了。

为什么PayPal能够拥有如此多的能人？主要是因为创业期他们招人的理念。现在许多的公司，尤其是互联网公司，都会强调员工的多样性。比如人种、地域、教育背景、性别等等，因为多样性能够激发员工的创造力。然而，PayPal并不这么认为，他们认为创业初期一切都应该为了速度而服务。所以组建团队的时候他们都大量去招背景与自己类似，思维方式甚至生活习惯都类似的人，这样公司就不会花太多的时间在一些大小决策上。比如早期的时候，他们的10个工程师都是伊利诺伊大学厄香槟分校的毕业生，甚至早期的5个非技术人员都是彼得·蒂尔斯坦福校友会认识的人。这让他们的沟通成本非常的低，以至于在早期可以更快速的成长。对于PayPal来说早期这种组建队伍的思路可谓让他们把小团队的“小、快、灵”发挥到了极致。

如何自学成为数据分析师

数据分析师的基本工作流程：

1.定义问题

确定需要的问题，以及想得出的结论。需要考虑的选项有很多，要根据所在业务去判断。常见的有：变化趋势、用户画像、影响因素、历史数据等。

2.数据获取

数据获取的方式有很多种：

一是直接从企业数据库调取，需要SQL技能去完成数据提取等的数据库管理工作。

二是获取公开数据，政府、企业、统计局等机构有。

三是通过Python编写网页爬虫。

3.数据预处理

对残缺、重复等异常数据进行清洗。

4.数据分析与建模

这个部分需要了解基本的统计分析方法、数据挖掘算法，了解不同统计方法适用的场景和适合的问题。

5.数据可视化和分析报告撰写

学习一款可视化工具，将数据通过可视化最直观的展现出来。

数据分析入门需要掌握的技能有：

1. SQL（数据库）：

怎么从数据库取数据？怎么取到自己想要的特定的数据？等这些问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能。

2. excel

分析师更多的时候是在分析数据，分析数据时需要把数据放到一个文件里，就是excel。

熟练excel常用公式，学会做数据透视表，什么数据画什么图等。

3.Python或者R的基础：

必备项，也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。

4.学习一个可视化工具

如果你想往更高层次发展，上面的东西顶多只占20%，剩下的80%则是业务理解能力，目标拆解能力，根据数据需求更多新技能的学习能力。

如何学习数据分析

【转自网络】

首先，我要说的是我觉得你是一名在校大学生！Data Mining不是你想的那么简单，他不单单和数学有关系，还包括了计算机领域的诸多学科。还有社会工程学、逻辑学等文科和理科的交叉学科！他是一门庞大的体系。你要是真想学我只能给你指条比较快的成才之路，后面的东西自己慢慢学都赶趟！慢慢充实自己！大学四年好好利用！学无止境！

既然是数据分析那你的高等数学必须要过硬，别着急这只是你的其他学科的基础课。其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。这个一定要学好！线性必须要会要精通。因为数据划分是数据挖掘里最重要的一个环节。这个就是线性范畴里的了。也要精通，学会线性分析你就发现你就学会了很多。数学有这三个底子就可以了。数学分析不要看了。因为那只是高数的延伸！

计算机你一定要懂。数据库你必须得学会。三大数据库ORACLE.SQL.MYSQL原理基本类似触类旁通！

还有就是培养你的思维，尽量缜密敏捷。这样才可以发现数据中的不同！因为有的数据挖掘是计算机处理的。有的则是纸面上的。所以必须学会记录

好了，就先这么多了。你学会了这几个就是你进军下一步的基础，这几个就够你学一阵子的了。

祝你好运哥们！

数据挖掘的起点很高——

1、统计学

2、机器学习

3、数学——图论，最优化理论等。

WEB上的数据结构更加复杂。

python语言————应该学习

抱歉，事情太多，如果不追着就忘了！我认为你作为企业员工对数据挖掘感兴趣，最主要的就是从应用和解决问题开始，所以我想把数据挖掘这个狭义定义的内容改成你应该对数据分析感兴趣，数据挖掘只是数据分析的一个重要工具和解决方法之一！

数量统计知识方面：我认为统计思想是数学在实践中最重要的体现，但对于实际工作者最重要的是掌握统计思想，其实统计理论非常复杂，但实际应用往往是比较简单的！比如，很多人都在大学学了假设检验，但实际应用中假设就是看P值是否小于0.05，但是H0是什么？拒绝还是接受的是什么现实问题；要理解！

掌握软件问题：从软件角度学，是非常好的思路，我基本上就是这样学的。我常说编软件的人最懂理论，否则编不出来，编软件的人最知道应用，否则软件买不出去；现在软件越来越友好，把软件自带案例做一遍，你会自觉不自觉的掌握软件解决问题的思路和能解决的问题类型；

数据仓库问题：OLAP和数据挖掘是数据仓库建立基础上的两个增值应用，从企业整体角度，数据挖掘应该建立在企业数据仓库完备的基础上。所以说数据仓库是针对企业级数据挖掘应用提出的，但我们应该记住，企业从来不是为了数据挖掘建立数据仓库，而是因为有了数据仓库后必然会提出数据挖掘的需求！现在随着数据挖掘软件的工具智能化，以及数据仓库和ETL工具的接口友好，对数据库层面的要求越来越少；

数学不好可能反应了一个人思考问题的方式或深入理解问题的能力，但数学不是工具是脑具，不断解决问题的过程可以让我们思考问题更数学化！

沈浩老师建议：

不急，一步一步来！先把本职工作中的数据分析问题理解了，干好了！

熟练玩好Excel软件工具，这个可以看《Excel高级应用与数据分析》我写的书，当然有很多Excel论坛和网站，从我的博客就可以连接到。

学习好统计分析方法，我不是单指统计原理，而是统计分析方法，比如回归分析，因子分析等，不断进入统计分析解决问题的思考方式；这个可以看看SPSS软件方面的书和数据案例，通过软件学习解决数据分析的统计问题，这方面的书很多，当然你也可以关注我的博客，不断增加统计分析方法解决数据分析问题的思路，自己对照着完成！

在上述问题有了比较好的理解后，也就是你应该算是一个数据分析能手的时候，开始进入数据挖掘领域，你会发现用数据挖掘思想解决问题具有智能化、自动化的优势，接下来，你需要考虑数据建模的过程，通过学习Clementine软件或SAS的挖掘工具，不断理解数据挖掘与原来的数据分析工具有什么不同或优势！

当前面都是了解并且能够得心应手后，你就要有针对性的掌握你工作所在行业的问题，例如：电信行业的解决方案问题：客户流失、客户价值、客户离网、客户保持、客户响应、客户交叉销售等商业模型，同时与数据分析和数据挖掘统一在一起的解决方案！

接下来，你应该掌握数据库的一些原理和操作，特别是SQL语言的方式

你到了这个阶段，就应该有全面解决问题的能力，比如挖掘出来的知识或商业规则如何推送到营销平台上等等

梳理自己的知识结构，不仅会操作，现在你应该成为专家了，要能够宣扬你的知识能力和领导力，当然也要表明你在数据挖掘领域的专业特长

要经常帮助同事和行业朋友，比如帮助解决数据分析问题，帮助咨询，甚至给大家讲课，这对你的知识梳理和能力的提高非常重要，你的自信心会更强！

有兴趣，可以建立一个博客或什么，不断写点东西，经常思考和总结

结交广泛的朋友！

关于入门的教材：

互联网，其实不用买什么书网络基本都有；要有好的搜索能力，当然包括搜各种软件！

SPSS和Clementine软件的说明和案例，都做一遍；

《数据挖掘——客户关系管理的艺术》

《调查研究中的统计分析法》

《Excel高级应用与数据分析》

《数据展现的艺术》