在此前举办的“触脉123”直播节目第一期 5个观点，看懂数据分析师与企业的关系 中，提到过一个观点：数据分析师具有过硬的专业能力以外，还应该具备大局观，即对业务的整体把握、逻辑思维沟通等等。
基于此，小编为各位精选了5本非专业书籍，以下，enjoy~
商业类：
《精益创业》
《The Lean Startup — Eric Ries》
（图源网络）
这本书传递的主要信息是忽略所有不必要的工作，专注于低成本快速试错，即“提出假设-测试-获得认知”循环。
（图源网络）
首先，企业要创建一种最低限度可行的产品（MVP），以尽可能快且成本低的方式测试所提出的假设。其次，通过获得了多少付费客户此类问题衡量客户的反应。第三，从指标中学习并改进产品或转向另一个想法。
精益创业方法论可以应用于数据科学家/数据分析师的工作中。尽快创建模型；根据预定义的指标评估模型（这种方法行得通吗？是否需要更多数据？）；然后改进模型，直到满足需求，转到另一个项目或完全取消项目为止。
请记住，在项目中投入多少精力并不重要。如果你及时发现当前的方法行不通，那么以前的工作就不会浪费，因为你收获了一次经验，这将有助于后续的改进。
《好战略，坏战略》
Good Strategy / Bad Strategy — Richard Rumelt
（图源网络）
商业战略定义了公司做什么和不做什么，其目标是要在市场上超越竞争对手。
本书的作者深入探讨了好策略和坏策略的基本逻辑。一个好的战略有三个特征：战略聚焦、扬长避短、战术协同。而空有目标，没有具体可行的计划（仅专注于达成目标的支出）、不直面问题挑战、专注于战略、目标、愿景的描绘，没有集中精力、资源在关键目标上的就是坏战略。
一句话概括该书的主要观点即是，公司应该利用所有可用资源来执行策略。通过这本书，数据科学家/数据分析师应该学到的是，了解业务战略并通过数据工作提供支持。
首先需要面对挑战和理解公司战略。其次，需要使你所给出的项目建议与公司战略保持一致。
清楚了解公司的战略可以帮助你：1）识别可以通过数据科学实现的价值驱动力；2）帮助你推进项目；3）了解公司未来的发展方向。
思维类：
《思维，快与慢》
Thinking, Fast and Slow — Daniel Kahneman
（图源网络）
在这本广受赞誉的书中，诺贝尔经济学奖获得者丹尼尔·卡尼曼总结了，数十年来关于人类行为的开创性研究。这本书解释了我们是如何思考以及为什么有时我们会做出错误的决策。
阅读本书可以帮我们避免自身思考的误区。它的主要内容是，我们有两个层次的思维，分别称为直觉（即第1层）和理性思考，称为第2级。这两个层次都很重要，但具有不同的作用。
（图源网络）
一级思维是低能耗的，并且一直处于“开启”状态。它会观察我们的环境并迅速做出决定：是否存在重大威胁？我是否应该因为刚才听到的故事而改变对某个话题的看法？我如何理解环境？这些都是级别一回答的问题。
一旦出现更棘手的问题，第二级思维就开始发挥作用。它比较慢，高耗能、可靠，通常涉及数学运算或复杂的逻辑推理。
作为数据科学家/数据分析师，应该关注这两个层次的思考。要警惕通过级别一找到的简单答案。了解级别一的思维什么时候会忽略必要的统计数据和事实，试图快速得出结论。当然大量使用2级思维将耗尽很多的精力，请注意及时添加健康的碳水化合物。
《赖以生存的算法——人类决策计算机科学》
Algorithms to Live By: The Computer Science of Human Decisions
Brian Christian and Tom Griffith
（图源网络）
当学习计算机科学和统计学（以及其他所有研究领域）时，我们会遇到一个问题：无聊、抽象。只有将它们应用于实际问题时，才会变得有趣，我们才会感兴趣想要了解。
这本书做到了这一点，它将枯燥的主题转变为有趣的故事，让我们了解如何在日常生活中使用算法，统计数据和数学。
例如，我们可以使用排序算法有效地整理物品，以便快速检索；我们如何利用搜索、权衡来找出应该花费多长时间寻找餐厅（招聘、相亲等等）
《如何不犯错》
《How Not to Be Wrong》 Jordan Ellenberg
（图源网络）
本书指出数学思维是“常识通过其他方式的延伸”，了解数学之美。借助数学工具，我们可以了解到平时认为理所当然的信息的真实含义：应该多早到达机场？“民意”真正代表什么？为什么高个子父母生的孩子矮一些？您患癌症的可能性有多大？
文源：
https://towardsdatascience.com/a-non-technical-reading-list-for-data-science-d72451429a70