人類社會發(fā)展進程中，通過數據來研究規(guī)律并發(fā)現規(guī)律貫穿了始終。從進入信息化時代開始，人類社會的各類信息系統就開始積累大量的業(yè)務數據，為了有效、充分利用這些數據支持日常管理和決策，數據分析成為越來越多崗位人員每天的基本工作。進入數字化時代后，不僅數據量越來越大，數據類型和數據形式也越來越多，各行各業(yè)對數據分析的需求也越來越強烈。
　　可以說，數據分析正在改變傳統崗位的工作方式，數據分析正成為最受人們青睞的工作崗位，數據分析能力是數字化時代各類人才的必備能力。為了增強學生在人才市場的競爭力，越來越多高校在基礎課程或專業(yè)必修、專業(yè)選修課程中加入了數據分析課程，或是至少在相關課程中加入了數據分析的教學內容。
　　數據分析是指將某一主題相關的數據收集整合，然后利用特定的方法分析這些主題數據，從中發(fā)現規(guī)律或是得到結論。社會和經濟領域中針對不同主題的決策場景進行數據分析有著不同的分析目的，分析目的不同，分析所基于的數據、方法和工具也會不同。因此，進行數據分析首先需要確定數據分析目標。例如，企業(yè)產品運營部門進行數據分析的目的之一是了解產品存在的問題并分析原因，然后在分析的基礎上思考優(yōu)化的運營方案。再如，投資部門進行數據分析的目的之一是深入分析備選投資方案的成本、收益和風險，以及分析哪些因素會怎樣影響投資成本、投資收益和投資風險，以支持投資決策。
　　就數據而言，數據分析所基于的數據有簡單的數據，也有復雜的數據；有數值數據，也有文本數據；有連續(xù)數值數據，也有斷點數值數據；有結構化數據，也有非結構化數據。就方法而言，統計學是數據分析的靈魂，統計分析方法是常用數據分析方法。就經濟領域的數據分析而言，計量經濟模型是常用的分析模型。
　　很多編程語言都可以實現數據分析，Python是當前在實務應用和課堂教學中的首選語言。這不僅因為Python語法簡單，代碼可讀性高，容易入門，有利于初學者學習，還因為Python在數據處理、分析和交互、探索性計算以及數據可視化等方面都有非常成熟的科學計算庫和工具。例如，在數據處理和分析方面，Python擁有NumPY、Pandas、Matplotlib、Scikit-learn、IPython等一系列非常優(yōu)秀的庫和工具。此外Python在爬蟲、Web、自動化運維甚至游戲等諸多領域也有廣泛應用。
　　本教材基于Python學習在進行數據分析時常用的統計分析方法，具體包括多元線性回歸模型擬合、多元非線性回歸模型擬合、多元統計分析推斷、模型變量的異方差性處理、處理面板數據的固定效應方法和隨機效應方法、時間序列數據處理的有限分布滯后模型等。本教材學習內容略過數據的獲取過程，不關注Python的爬蟲應用，僅關注在數據獲取之后應用Python實現利用不同的統計分析方法構建模型進行數據挖掘和發(fā)現數據規(guī)律。本教材共十一章的學習內容建立在對Python應用已有一定程度了解和掌握的基礎之上。如果學習者對Python了解不多，可以通過附錄部分，先學習應用Python進行數據分析的基礎，學習如何搭建Python數據分析環(huán)境，了解掌握Python數據處理和分析的常用算法庫和工具包。