马文豪，北京理工大学学士，美国得州大学信息系统管理硕士，高级SAS统计程序员。
　　曾任职多家美国药企，主导过糖尿病、非小细胞癌、罕见病等多个药物项目的I-IV期临床试验数据标准化及生物统计工作。2020年创办公司及公众号“砝码数据”，开设了“SAS编程技术与项目实战”和“SAS编程与CDISC标准”等课程，其深入浅出的讲解风格受到大量学生的欢迎。
　　
　　李翔宇，北京工业大学通信工程学士，美国得州大学信息系统管理硕士，高级系统分析师。
　　多年通信、能源、教育行业的系统分析和搭建经验，重点研究数据分析行业发展与综合人才素质养成机制。在美国创办公司JN Data Resolution，为创新药企业提供合同研究及咨询服务，与药企共同加速药物上市过程，让临床试验数据产生出更大的价值。

第1章 寻找数据分析的本质
1．1 什么是数据
1．1．1 抽象性
1．1．2 可复制性
1．1．3 可理解性
1．1．4 掌握行业中的数据概念
1．2 有多少分析就有多少数据
1．2．1 从能源角度看技术和知识
1．2．2 数据是能源，分析是知识
1．3 数据分析行业人才缺口
1．3．1 数据分析的金字塔模型
1．3．2 数据分析行业现状
1．3．3 数据分析行业的薪资水平
1．4 数据分析师的就业方向
1．4．1 数据清洗师
1．4．2 统计分析师
1．4．3 数据可视化工程师
1．4．4 商业智能专家
1．4．5 大数据与人工智能专家
1．4．6 数据分析项目经理
1．4．7 正确匹配兴趣、能力与职业

第2章 追寻数据分析的大历史与大未来
2．1 计算机之前的数据分析
2．1．1 最大的数据集：宇宙
2．1．2 历史上的数据记录
2．1．3 没有电的“互联网”
2．2 搭上计算机的翅膀
2．2．1 为数据分析而生的电脑
2．2．2 硬件暴涨的时代
2．2．3 硬件发展推动软件性能增长
2．3 言必称大数据和人工智能的时代
2．3．1 大数据与人工智能行业
2．3．2 大数据究竟有多大
2．3．3 人工智能有多智能

第3章 数据-信息-知识的认知模型
3．1 认知模型与心智模式
3．1．1 什么是认知模型
3．1．2 什么是心智模式
3．1．3 建立优秀的心智模式
3．2 归纳、演绎和类比法
3．2．1 归纳法——从特殊到一般的推理方式
3．2．2 演绎法——认识世界最稳定的方法
3．2．3 类比法——不可忽视的推理方法
3．3 信息论入门
3．3．1 为什么信息可以被量化
3．3．2 无处不在的熵和比特
3．3．3 难以消除的噪声
3．3．4 从信息论看数据分析
3．4 数据分析的目的
3．4．1 从数据到信息
3．4．2 从信息到知识
3．4．3 用知识作出决策

第4章 选择正确的数据分析工具
4．1 Excel——最简单的工具暗藏玄机
4．1．1 微软的Excel，苹果系统上的软件
4．1．2 使用Excel进行简单的数据处理
4．1．3 数据透视表——Excel最强大的工具
4．1．4 使用Excel进行数据分析的行业
4．2 R语言——为统计分析而生的语言
4．2．1 出身平凡的R语言
4．2．2 R语言的基本操作
4．2．3 R语言强大的包
4．3 Python——人生苦短，我选Python
4．3．1 一位天才所创造的神奇语言
4．3．2 具有多副“面孔”的Python
4．3．3 Python数据分析的现状与未来
4，4 SAS——特定行业应用的分析工具
4．4．1 SAS的版本与安装
4．4．2 SAS的应用行业
……
第5章 不可不做的数据前处理
第6章 统计分析的重要性
第7章 一劳永逸的数据分析自动化
第8章 数据可视化并不简单
第9章 了解数据分析的行业场景
第10章 从0开始进入数据分析行业
第11章 数据分析师应有的思维框架